دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 آمار

تعداد نشریات13
تعداد شماره‌ها636
تعداد مقالات6,653
تعداد مشاهده مقاله9,074,665
تعداد دریافت فایل اصل مقاله8,557,875
عرب عامری, علیرضا, شیرانی, کورش, رضایی, خلیل. (1396). پهنه بندی استعداد اراضی نسبت به وقوع زمین لغزش با روش های دمپستر-شیفر و نسبت فراوانی در حوضه ‏سرخون کارون. , 24(3), 41-57. doi: 10.22069/jwfst.2017.11196.2554
علیرضا عرب عامری; کورش شیرانی; خلیل رضایی. "پهنه بندی استعداد اراضی نسبت به وقوع زمین لغزش با روش های دمپستر-شیفر و نسبت فراوانی در حوضه ‏سرخون کارون". , 24, 3, 1396, 41-57. doi: 10.22069/jwfst.2017.11196.2554
عرب عامری, علیرضا, شیرانی, کورش, رضایی, خلیل. (1396). 'پهنه بندی استعداد اراضی نسبت به وقوع زمین لغزش با روش های دمپستر-شیفر و نسبت فراوانی در حوضه ‏سرخون کارون', , 24(3), pp. 41-57. doi: 10.22069/jwfst.2017.11196.2554
عرب عامری, علیرضا, شیرانی, کورش, رضایی, خلیل. پهنه بندی استعداد اراضی نسبت به وقوع زمین لغزش با روش های دمپستر-شیفر و نسبت فراوانی در حوضه ‏سرخون کارون. , 1396; 24(3): 41-57. doi: 10.22069/jwfst.2017.11196.2554

پهنه بندی استعداد اراضی نسبت به وقوع زمین لغزش با روش های دمپستر-شیفر و نسبت فراوانی در حوضه ‏سرخون کارون

مجله پژوهش‌های حفاظت آب و خاک
مقاله 3، دوره 24، شماره 3، مرداد 1396، صفحه 41-57    اصل مقاله (1.34 M)
نوع مقاله: مقاله کامل علمی پژوهشی
شناسه دیجیتال (DOI): 10.22069/jwfst.2017.11196.2554
نویسندگان
علیرضا عرب عامری* 1؛ کورش شیرانی1؛ خلیل رضایی2
1دانشگاه تربیت مدرس
2دانشگاه خوارزمی
چکیده
سابقه و هدف
زمین لغزش ها یکی از مخاطرات مهم زمین شناسی در سراسر جهان می باشند. توسعه شهرهای و سازه های دست انسان بر روی مناطق به ‏طور بالقوه خطرناک همه ساله موجب خسارات گسترده به زیرساخت ها و گاهی اوقات موجب خسارات جانی می شود. شناسایی عوامل ‏موثر بر زمین لغزش های موجود در یک حوضه و پهنه بندی خطر آن یکی از ابزارهای اساسی جهت دستیابی به راهکارهای کنترل این ‏پدیده و انتخاب مناسب ترین و کاربردی ترین گزینه موثر می باشد. از این رو، این پژوهش با هدف شناسایی عوامل موثر در ایجاد پدیده ‏زمین لغزش و مشخص کردن مناطق دارای پتانسیل جهت پهنه بندی زمین لغزش در حوضه سرخون کارون با استفاده از روش های ‏دمپستر-شفر و نسبت فراوانی انجام گرفته است.‏
مواد و روش ها
بدین منظور پس از تهیه نقشه پراکنش زمین لغزش با استفاده از پیمایشات میدانی و تفسیر عکس های هوایی، لایه‌های اطلاعاتی فاصله از ‏آبراهه، فاصله از گسل، طبقات ارتفاعی، شیب، جهت شیب، شاخص رطوبت‎(TWI)‎‏ ،فاصله از جاده، کاربری اراضی، لیتولوژی و شاخص ‏توان حمل جریان ‏‎(SPI)‎‏ به عنوان عوامل موثر در وقوع زمین لغزش در منطقه مورد مطالعه انتخاب گردیدند و پس از اعمال روش های ‏دمپستر-شفر و نسبت فراوانی نقشه‌های نهایی پهنه بندی تهیه گردید. برای محاسبه وزن عوامل موثر از روش فرایند تحلیل سلسله مراتبی ‏کارشناسی در نرم افزار ‏expert choice‏ استفاده گردید. به منظور صحت سنجی روش های مورد استفاده از منحنی ‏ROC‏ استفاده ‏گردیده است.‏
یافته ها
اصلی ترین عوامل در بروز زمین لغزش های این منطقه بر اساس مشاهدات میدانی و نظرات کارشناسی شامل لیتولوژی، فاصله از جاده و ‏شیب به ترتیب با کسب امتیازات (۱۸۱/۰، ۱۶۳/۰، ۱۴۵/۰) می باشند و در مقابل عوامل بارندگی، شیب و شاخص خیسی ‏‎(TWI)‎‏ به ترتیب ‏با کسب امتیازات (۰۱۸/۰، ۰۳۶/۰، ۰۵۴/۰) کمترین تاثیر را در وقوع زمین لغزش داشته اند. طبق نتایج مدل نسبت فراوانی مقدار ‏‎ ‎AUCبالاتری (۹۲۷/۰) را نسبت به مدل دمپستر-شیفر (۸۵۸/۰) کسب نمود که این موضوع بیانگر همبستگی بالا بین نقشه خطر تهیه ‌شده و ‏نقشه پراکنش زمین‌لغزش و ارزیابی بهتر مدل نسبت فراوانی نسبت به مدل دمپستر-شیفر می‌باشد.‏
نتیجه گیری
نتایج حاصل از صحت سنجی نشان داد که مدل نسبت فراوانی دارای کارایی و دقت بالاتری نسبت به مدل دمپستر-شفر جهت تهیه نقشه ‏پهنه بندی می باشد. بر اساس نتایج حاصل از مدل نسبت فراوانی ۲۱۱۲۸۲۰۰متر مربع (۰۵/۷ درصد) از منطقه در کلاس خطر خیلی کم، ‏‏۶۷۱۴۴۵۰۰متر مربع (۴۵/۲۰ درصد) از منطقه در کلاس خطر کم، ۹۰۱۱۳۴۰۰ متر مربع (۴۵/۲۷ درصد) از منطقه در کلاس خطر متوسط، ‏‏۹۱۷۳۳۴۰۰ متر مربع (۹۴/۲۷ درصد) از منطقه در کلاس زیاد و در نهایت ‏‎56160000‎‏ متر مربع (۱۱/۱۷ درصد) از منطقه در کلاس خیلی ‏زیاد قرار گرفته است.‏
کلیدواژه‌ها
زمین لغزش؛ پهنه بندی؛ روش دمپستر-شفر؛ روش نسبت فراوانی؛ صحت سنجی
مراجع
1.Arabameri, A.R., and Shirani, K. 2016. Identification of Effective Factors on Landslide
Occurrence and its Hazard Zonation Using Dempster-Shafer theory (Case study: Vanak
Basin, Isfahan province). J. Water. Engin. Manage. 8: 1. 93-106. (In Persian)
2.Arabameri, A.R., and Shirani, K. 2016. Prioritization of Effective Factors on Landslide
Occurrence and its Susceptibility Zonation Using Statistical Methods, A Case Study: Vanak
catchment. Geodynamics Research International Bulletin. 3: 5. 22-38. (In Persian)
3.Arabameri, A.R., and Halabian, A.H. 2016. Landslide Hazard Zonation Using Statistical
Model of AHP (Case study: Zarand Saveh Basin). Physical Geomorphology. 28: 65-86.
(In Persian)
4.An, P., Moon, W.M., and Bonham-Carter, G.F. 1994. Uncertainty management in integration
of exploration data using the belief function. Nonrenewable Resources. 3: 60-71.
5.Ayalew, L., and Yamagishi, H. 2005. The application of GIS-based logistic regression for
landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan.
Geomorphology. 65: 15-31.
6.Ayalew, L., Yamagishi, H., Marui, H., and Kanno, T. 2005. Landslides in Sado Island of
Japan: Part II. GIS-based susceptibility mapping with comparisons of results from two
methods and verifications. Eng. Geol. 81: 432-445.
7.Akgun, A., and Tu¨rk, N. 2010. Landslide susceptibility mapping for Ayvalik (Western
Turkey) and its vicinity by multicriteria decision analysis. Environ. Earth. Sci. 61: 595-611.
8.Basiri Dehkordi, H., Naderi Khorasgani, M., and Mohammadi, J. 2014. Landslide Hazard
Zonation in Ardal County (Chaharmahal va Bakhtiari province, Iran) Using Analytical
Hierarchy Process (AHP). J. Sci. Technol. Agric. Natur. Resour. Water and Soil Sci.
17: 73-82. (In Persian)
9.Constantin, M., Bednarik, M., Jurchescu, M.C., and Vlaicu, M. 2011. Landslide susceptibility
assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu
Basin (Romania). Environ. Earth Sci. 63: 397-406.
10.Chen, W., Pourghasemi, H.R., and Zhao, Z. 2016. A GIS-based comparative study of
Dempster-Shafer, logistic regression and artificial neural network models for landslide
susceptibility mapping. Geocarto international. DOI:10.1080/10106049.2016.1140824.
11.Dempster, A.P. 1967. Upper and lower probabilities induced by a multivalued mapping.
Annals of Mathematical Statistics. 38: 325-339.
12.Garfi, G., and Bruno, D.E. 2007. Fan morphodynamics and slope instability in the Mucone
River Basin (Sila Massif, Southern Italy): signification of weathering and role of land use
changes, Catena. 50: 181-196.
13.Guzzetti, F., Mondini, A.C., Cardinali, M., Fiorucci, F., Santangelo, M., and Chang, K.T.
2012. Landslide inventory maps: New tools for an old problem. Earth-Science Reviews.
112: 42-66.
14.Kanungo, D.P., Arora, M.K., Sarcar, S., and Gupta, R.P. 2006. A comparative study of
conventional, ANN black box, fuzzy and combined neural and fuzzy weighting procedures
for landslide susceptibility zonation ln Darjeeling Himalayas. Engineering Geology.
85: 347-366.
15.Lee, S., and Pradhan, B. 2007. Landslide hazard mapping at Selangor, Malaysia using
frequency ratio and logistic regression models. Landslides. 4: 33-41.
16.Moradi, H.R., Majid, M., Pourghasemi, H.R., and Mostafazade, R. 2010. Analysis of
Landslide Hazard in Golestan province Using Dempster-shafer theory. Earth Science
Researches. 3: 1-14. (In Persian)
17.Mohammady, M., Pourghasemi, H.R., and Pradhan, B. 2012. Landslide susceptibility
mapping at Golestan province, Iran: A comparison between frequency ratio, Dempster–
Shafer and weights-of-evidence models. J. Asi. Earth Sci. 61: 221-236.
18.Mousavi Khatir, S.Z., Kavian, A., and Hashemzadeh Atoei, A. 2009. Statistical Analysis of
Some Morphometeric Characteristics and Effective Factors on Landslide Occurrence in
Sajarood Watershed. Water and Soil Conservation. 16: 2: 85-103. (In Persian)
19.Neuhauser, B., and Terhorst, B. 2007. Landslide Susceptibility Assessment Using Weightsof-evidence, Applied to a Study Area at the Jurassic Escarpment (SW-Germany).
Geomorphology. 86: 12-24.
20.Organization of The forests, pastures and Watershed Management, 2010.
21.Park, N.W. 2011. Application of Dempster-Shafer theory of evidence to GIS-based landslide
susceptibility analysis. Environ. Earth Sci. 62: 367-376.
22.Poorghasemi, H.R., Moradi, H.R., Fatemi Oghda, S.M., Mahdavifar, M.R., and Mohammadi,
M. 2011. Evaluation of geomorphological and geological parameters in landslide hazard
mapping using fuzzy logic and AHP method (Case study: a part of Haraz Watershed).
Water and Soil Conservation. 18: 4. 1-20. (In Persian)
23.Pedram, H. 1998. A preliminary study of rock avalanche of Kino mountain (Abikar village)
Labad-Bazoft Region, Chaharmahal va Bakhtiari, Proceedings of the conference of Earth
Sciences. Geological Survey. 3: 105-110. (In Persian)
24.Rozos, D.G., Bathrellos, D., and Skillodimou, H.D. 2011. Comparison of the implementation
of rock engineering system and analytic hierarchy process methods, upon landslide
susceptibility mapping, using GIS: a case study from the Eastern Achaia County of
Peloponnesus, Greece. Environ. Earth Sci. 63: 49-63.
25.Regmi, A.D., Devkota, K.C., Yoshida, K., Pradhan, B., Pourghasemi, H.R., Kumamoto, T.,
and Akgun, A. 2014. Application of frequency ratio, statistical index and weights-ofevidence models and their comparison in landslide susceptibility mapping in Central Nepal
Himalaya. Arab. J. Geosci. 7: 725-742.
26.Shafer, G. 1976. A mathematical theory of evidence. Princeton University Press. 302p.
27.Shirani, K., Hajihashemijazi, M.R., Niknezhad, S.A., and Rakhsha, S. 2012. Landslide Risk
Zoning Potential by Analytical Hierarchy Process (AHP) and Multivariate Regression (MR)
(Case study: Upstream of North Karoon Basin). J. Range Water. Manage. Iran. J. Natur.
Resour. 3: 395-409. (In Persian)
28.Shirani, K., and Seif, A. 2012. Investigation of Effective Parameters on Mass Movement by
Using of Landslide Hazard Zonation Maps (Case study: Northern Karoon Basin). Sci. Quar.
J. Geosci. 85: 149-158. (In Persian)
29.Shirani, K., and Arabameri, A.R. 2015. Landslide Hazard Zonation Using Logistic
Regression Method (Case study: Dez-e-Oulia Basin). J. Sci. Technol. Agric. Natur. Resour.
Water and Soil Sci., Isf. Univ. Technol. Isf. Iran. 72: 321-334. (In Persian)
30.Singhroy, V., Glenn, N., and Ohkura, H. 2004. Landslide hazard team report of the CEOS
disaster management support group. CEOS Disaster Information Server. National Academy
Press, Washington, D.C. 4: 130-132.
31.Tangestani, M. 2009. A comparative study of Dempster–Shafer and fuzzy models for
landslide susceptibility mapping using a GIS: An experience from Zagros. J. Asi. Earth Sci.
35: 66-73.
32.Varnes, D.J. 1984. Landslide hazard zonation: A review of Principles and Practice,
UNESCO, France, 63p.
33.Wu, W., and Sidle, R.C. 1995. A distributed slope stability model for steep forested basins.
Water Research. 31: 2097-2110.

آمار
تعداد مشاهده مقاله: 911
تعداد دریافت فایل اصل مقاله: 1,072


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب