نوع مقاله: مقاله پژوهشی
نویسندگان
1
کارشناسی ارشد، گروه زمین‌شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، ایران
2
استادیار، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران
3
دانشیار، گروه زمین‌شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، ایران
4
استادیار، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی چهارمحال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران
چکیده
در این مطالعه دو مدل دو متغیره شامل وزن شاهد (WOE) و شاخص آنتروپی (IOE)، برای شناسایی مناطق دارای خطر زمین‌لغزش منطقه دوآب صمصامی مورد استفاده قرار گرفته است. برای این منظور ده لایه عامل شامل شیب، سوی شیب، میزان بارش، شتاب ثقل افقی زمین‌لرزه، فاصله از جاده، فاصله از آبراهه، فاصله از گسل، فاصله از نقاط شهری و روستایی، سنگ‌شناسی و کاربری زمینها انتخاب شد. نقشه پراکنش لغزشها با استفاده از لغزش‌های ثبت شده، تصاویر ماهواره‌ای Google Earth و مشاهدات صحرایی تهیه شده است. نقشه خطر لغزش با استفاده از وزن به‌دست آمده توسط هر مدل و نرم‌افزار ArcGIS تهیه و برای ارزیابی آنها از شاخص سطح سلول هسته (SCAI) و سطح زیر منحنی (AUC) ویژگی عملگر گیرنده (ROC) استفاده شد. نتایج به‌دست آمده برآورد خوبی از خطر لغزش در منطقه مورد مطالعه نشان می‌دهد؛ به‌طوری که سنگ‌شناسی، بارش و کاربری زمین نقش مهمی در ایجاد لغزشها در منطقه دارند و به‌طور کلی هر دو مدل برای پهنه‌بندی خطر زمین‌لغزش منطقه مناسب بوده است. فرایند اعتبارسنجی با استفاده از 30 درصد نقاط لغزشی نشان داد که مقدار سطح زیرمنحنی ROC در روش وزن شاهد برابر با (79/0) بوده و نسبت به روش شاخص آنتروپی با سطح زیر منحنی (73/0) پیش‌بینی بهتری در رخداد زمین‌لغزش‌ها داشته است. نقشه‌های حاصل می‌تواند برای برنامه‌‌ریزی مکانی و کاربری زمین مورد استفاده قرار گیرد.
کلیدواژه‌ها
عنوان مقاله [English]
Application of probabilistic methods in landslide hazard zonation mapping (Case study: Doab Samsami region in Chaharmahal and Bakhtiari Province)
نویسندگان [English]
-
M Mansouri
1
-
K Shirani
2
-
A. Ghazifard
3
-
S. N. Emami
4
1
M.Sc., Department of Geology, Faculty of Sciences, University of Isfahan, Isfahan, Iran
2
Assistant Professor, Soil Conservation and Watershed Management Research Department, Isfahan Agricultural and Natural Resources Research and Education Center, AREEO, Isfahan, Iran
3
Associate Professor, Department of Geology, University of Isfahan, Isfahan, Iran
4
Assistant Professor , Soil Conservation and Watershed Management Research Department, Chaharmahal and Bakhtiari, Agricultural and Natural Resources Research and Education Center, AREEO, Shahrekord, Iran
چکیده [English]
In this research, two probabilistic methods (i.e., weight of evidence and index of entropy models) are used to perform landslide hazard zonation mapping in Doab Samsami region in Chaharmahal and Bakhtiari Province. For this purpose, ten landslide-conditioning factors (i.e., slope gradient, slope direction, precipitation, gravity acceleration, distance to roads, distance to streams, distance to faults, distance to residential areas, lithology and land use) are used. A landslide inventory map was prepared using the known landslides, Google Earth images, and field observations. The landslide hazard map was prepared taking into account the weights calculated by both models and computerized in ArcGIS Software. The SCAI and the area under the curve (AUC) of receiver operating characteristic (ROC) were used to evaluate them. The results of both models imply a good prediction of landslide hazard in the studied area. They indicate that precipitation, lithology and land use have the greatest impacts on the landslides occurred in the Doab Samsami region, respectively, and that both models are appropriate for the landslide hazard mapping. The validation results using 30% of the landslide points showed that in weight of evidence model AUC is 79% and was able to predict the landslides slightly better than the index of entropy method in which AUC was 73%. The maps produced by these models can be useful for regional spatial planning and for land use planning.
کلیدواژه‌ها [English]
-
land slide
-
Hazard zonation
-
Weight of evidence
-
Index of entropy
-
Doab Samsami
)