ارزیابی کارایی مدل‌های پهنه‌بندی خطر زمین لغزش حوضه آبخیز سد کردستان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه ملایر

2 گروه مهندسی طبیعت، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر

10.22034/gmpj.2021.265198.1245

چکیده

پهنهبندی و ارزیابی خطر زمین‌لغزش به عنوان اولین مرحله مدیریت صحیح محیطی ‌به منظور کاهش اثرات آن ضروری به نظر میرسد. هدف این پژوهش، ارزیابی مدلهای آماری پهنهبندی خطر لغزش در حوضه سد کردستان است. با مشاهدات میدانی 9 لغزش ثبت و نقشه پراکنش تهیه گردید. سپس نقشه هر یک از لایههای اطلاعاتی عوامل موثر تهیه و با نقشه پراکنش زمینلغزش تلفیق و با استفاده از مدلهای آماری نقشههای نهایی پهنهبندی خطر زمین لغزش حوضه تهیه شد. به منظور ارزیابی صحت و دقت مدلها و انتخاب مدل برتر از شاخص زمینلغزش، ویژگی دقت نتایج پیشبینی شده و نسبت تراکمی استفاده گردید.نتایج نشان داد که در مدل ارزش اطلاعاتی سطحی معادل 1/20، تراکم سطح 11/7، LNRF 5/21 و در نسبت فراوانی52/68 در صد در طبقه خطر زیاد قرار دارد. نتایج شاخص Qs نشان می دهدکه مدلهای ارزش اطلاعاتی و LNRF به ترتیب با مقدار 41/2 و 89/2 از عملکرد بهتر و دقیق‌تری برای پهنهبندی خطر زمین لغزش در حوضه برخوردارند. همچنین مقدار شاخصLiبیانگر این است که مدلهای LNRF و ارزش اطلاعاتی در تفکیک بین رده‌های خطر بیشترین مطلوبیت و دقت را از نظر روش در حوضه دارند. مقدارشاخص P نشان میدهد که مدلهای ارزش اطلاعاتی با مقدار 81/0LNRF به مقدار 89/0مدلهای مناسب و منطبق با منطقه بررسی شده میباشند و مدلهای نسبت فراوانی و تراکم سطح از دقت کمتری برخوردارند. پیشنهاد میشود به منظور افزایش دقت و مقایسه نتایج مدلهای ارزیابی خطر پهنهبندی زمین لغزش از شاخصهای ژئومورفومتریک همچون تأثیر انحناء، انحنای متقاطع، انحنای سطح و گوسی و تکتونیک استفاده شود.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of efficiency of landslide hazard zoning models of Kurdistan dam watershed

نویسندگان [English]

  • Alireza Ildoromi 1
  • Foad Ebadi 2
1 Faculty of Natural Resources and Environment, Malayer University
2 Faculty of Natural Resources and Environment, Malayer University, Malayer
چکیده [English]

Introduction
During the last two decades, Landslide susceptibility mapping is very important for landslide hazard assessment and has become an effective method (Zhao et al. 2016 and 2015). So that now the results of landslides prepared for landslide management and mitigation are widely used in the world. Ildoromi et al. (2017) by examining the effective factors and landslide hazard zoning using surface density model, hierarchical analysis (AHP) and logistic regression in Ashvand watershed showed that regression logistic and AHP models are suitable models of land hazard zoning Slips are in the area. Bravo et al. (2019) in assessing landslides using sensitivity models and comparing them in the western continent, India, by measuring the cameras had that landslides in the region under the influence of a set of conditions and factors such as altitude, slope, lithology, And geomorphology occurs, etc. In addition to external factors, precipitation, tectonics and human activity are also very effective on the frequency of landslides. The purpose of this study is to evaluate the statistical models of landslide hazard zoning in the watershed of Kurdistan Dam.

Methodology
Kurdistan Dam watershed with an area of 120.15 Km2 is located in the northeast of Saqez city.
In this study, after determining the study area, 9 landslides occurred, location and landslide distribution map were prepared. In the next step, the factors affecting the landslide occurrence in the region, including geology, precipitation, land use, distance from the river, distance from the fault, slope, altitude were identified and then a map of these factors was prepared to prepare their information provinces. Then, by scoring the effective factors, and using each of the statistical models of information value, surface density, frequency ratio and LNRF, the final landslide hazard zoning map by 10.2 software, Arc / map and Arc / GIS10 3. Prepared in the Kurdistan Dam watershed. Also, in order to evaluate the accuracy and comparative comparison for landslide hazard prediction in the basin in the models, three criteria, landslide index, accuracy of predicted results and compression ratio have been used and the most suitable model for the watershed has been introduced and selected .

Results and Discussion
Based on the computational results using evaluation indicators and comparison of landslide hazard assessment models in the watershed of Kurdistan Dam, it is inferred that in the information value model, the value of Li index is 72.32, in level 30 density, LNRF 81.65 and At a frequency ratio of 49.4%, the basin is in the high hazard category. The results of the total quality of Qs in the models also show that LNRF models have presented the frequency ratio, surface density and correct information value or seismic hazard segregation in the watershed of Kurdistan Dam with differences. So that information value and LNRF models with values of 2.41 and 2.89, respectively, have better and more accurate performance in landslide hazard zoning of the basin than frequency ratio models with value of 0.304 and surface density with 1.11. The results of compaction of density ratio values show that LNRF models and information value in the separation between hazard categories with density ratio index, respectively, have the highest desirability and accuracy compared to frequency ratio models and surface density in terms of methods used in the basin. In general, the results of P index study show that among the models used in this study, information value models with a P value of 0.81 and in the LNRF of 0.89 are appropriate models in accordance with the study area. And surface density and frequency ratio models are less accurate.

Conclusion
Currently, few studies have been conducted on the use of comparative methods in relation to landslide assessment and zoning and increasing the accuracy of landslide hazard maps. In this study, using statistical models of frequency ratio, information value, surface density and LNRF, final landslide hazard zoning maps in Kurdistan dam basin were prepared and the accuracy of the models, with landslide index, accuracy of predicted results and ratio Compression was assessed. The results of field studies and analysis of basin zoning maps show that statistical models show that a significant percentage of the basin area is in the high hazard category.
The results of evaluation and comparison of landslide hazard assessment models using indicators show the upward trend of all models and especially the upward trend of compression ratio index indicates better separation of hazard classes in information value models and LNRF compared to surface density models and The ratio is abundant. One of the reasons is the adaptation of geological, geomorphological and climatic characteristics of Kurdistan dam basin with effective factors in statistical models of information value and LNRF compared to surface density models and frequency ratio. In general, the results of P index study show that among the models used in this study, information value models with a P value of 0.81 and in the LNRF of 0.89 are appropriate models in accordance with the study area. Due to the complex and nonlinear behavior of the variables involved in landslides in the study area, it is recommended to use geomorphometric indicators such as the effect of curvature, cross-curvature, surface curvature and Gaussian and tectonic curvature to complete the results of these studies.
dunes. The stability model was involving the input and output of energy and material in the barchan system that eventually is formed a flow structure. This structure is representing the stability and equilibrium of barchan system in time. Also, the obtained results from investigation of steady state index show the barchan dunes, with annual displacement rate more than 12 meters, have the maximum number and highest rates of displacement, and have the lowest steady state. Thus this group is demanding the more attention and planning requirements for stabilization of quicksand and environmental management of mobile barchan dunes.

کلیدواژه‌ها [English]

  • Landslide
  • frequency ratio
  • Information value
  • Surface density and LNRF
  • Kurdistan
  • آرمین، ­م.، مصفائی، ج.، قربان نیا خیبری­، و.­، خیری، ا.، 1398. پهنه‌بندی زمین‌لغزش و برنامه مدیریتی کنترل خطر آن در استان کهگیلویه و بویراحمد با استفاده از مدل حائری - سمیعی، نشریه پژوهش­های ژئومورفولوژی کمی­، دوره 7، شماره 4، صص 196-176.
  • ایلدرمی­، ع.، ­نوری­، ح.، ­محمدی­پور­، م.، ­موسوی­، م.، 1396. بررسی عوامل موثر و پهنه بندی خطر زمین لغزش با استفاده از مدل تراکم سطح، تحلیل سلسله مراتبی (AHP) و رگرسیون لجیستیک در حوضه آبخیز عشوند، پژوهش­های فرسایش محیطی­، شماره 7، دوره 28، صص23-1.
  • ایلانلو، م.، ابراهیمی، ل.، 1395. پهنه­بندی خطر وقوع حرکات توده­ای با استفاده از مدل­های ارزش اطلاعاتی، تراکم سطح و LNRF در حوضه آبخیز زهره، مدیریت مخاطرات محیطی­، دوره­ 3­، شماره­2، صص153-141.
  • بختیاری، ­م.، گومه­، ز.، معماریان­، ه.، 1397. مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوضه آبخیز سیمره هومیان)­، نشریه جغرافیا و مخاطرات محیطی­، دوره 7­، شماره  27، صص 40-19.
  • پرتابیان، ع.، فتوحی، ص.، ریگی، ح.، 1396. مقادیر کارآیی پهنه بندی خطر زمین لغزش با استفاده از مدل­های ارزش اطلاعات و تراکم سطح در استان سیستان و بلوچستان، مجله زمین­شناسی کاربردی پیشرفته، شماره 24، صص11-1.
  • تیموری یانسری، ز.، ­حسین زاده­، ر.، کاویان، ع.، پورقاسمی­، ح.، 1396. تعیین پهنه­های حساس به وقوع لغزش با استفاده از روش آنتروپی شانون (مطالعه موردی : حوضه آبخیز چهاردانگه - استان مازندران)، نشریه جغرافیا و مخاطرات محیطی، شماره 22، صص204-183.
  • پورهاشمی، س.، امیراحمدی، ا.، اکبری، ا.، 1393. انتخاب مدل مناسب از بین روش‌های آماری دومتغیره جهت پهنه‌بندی خطر زمین‌لغزش در محیط­GIS ­، مطالعات جغرافیایی مناطق خشک، جلد 4، شماره 15، صص 89-71.
  • رجبی، م.، ولی زاده، ک.، خلیل، عابدی قشلاقی، ح.، 1395. ارزیابی و پهنه­بندی خطر زمین لغزش با استفاده از فرآیند تحلیل شبکه عصبی مصنوعی­ (مطالعه موردی: حوضه آذر شهر چای)، نشریه پژوهش­های ژئومورفولوژی کمی، سال 5، شماره1، صص 74-60.
  • زارع، م.، شعبانی، م.، سلیمان­پور، م.، راوری رستمی، ا.، 1397. ارزیابی خطر زمین لغزش با استفاده از مدل­های ال .ان .آر­.اف و­ دبلی و.آی .ان. اف در حوضه آبخیز خارستان، استان فارس، پژوهش­های آبخیزداری (پژوهش و سازندگی)، شماره 118، صص 36-23.
  • شیرانی، ا.، 1397. ارزیابی کارایی عوامل ژئومورفومتریک در افزایش درستی نقشه‌های پهنه‌بندی حساسیت ‏زمین‌لغزش (مطالعۀ موردی: حوضۀ دزعلیا، استان اصفهان)‏، نشریه جغرافیا و برنامه­ریزی اصفهان­، دوره 29، شماره 3­، صص 130-111.
  • عابدینی، م.­، ­یعقوب­نژاد اصل، ن.، 1396. پهنه­بنــدی خطــر وقــوع زمین­لغــزش در اســتان تهــران بـا اسـتفاده از مـدل فـازی. فصلنامه علمی و پژوهشی مدیریت بحران، شماره 11، صص155-145.
  • عابدینی­، م.­، رنجبری، ا.، مختاری، د.، 1398. تجزیه و تحلیل خطر زمین‌لغزش با استفاده از مدل‌های ANP و LR در محیط GIS(مطالعه موردی پهنه گسلی قوشاداغ-ارسباران در آذربایجان شرقی)، نشریه پژوهش­های ژئومورفولوژِی کمی، دوره 8، شماره 1، صص 80-77.
  • قاسمیان­، ب.­، عابدینی­، م.، روستایی­، ش.­، شیرزادی، ع.، 1397. بررسی مقایسه ای مدل های ماشین پشتیبان بردار و لجستیک درختی برای ارزیابی حساسیت زمین لغزش - مطالعه موردی: شهرستان کامیاران، استان کردستان­، فصلنامه جغرافیای طبیعی­، سال 11، شماره 39، صص68-47.
  • قبادی، م.، جلالی­، ح.، ساعدی، ب.، پیروزی نژاد­، ن.، 1396. ­ارزیابی کارایی روش های ارزش اطلاعات، تراکم سطح، LNRF و نسبت فراوانی در پهنه­بندی خطر زمین لغزش در منطقه پشت دربند، کرمانشاه، نشریه، زمین شناسی مهندسی­، دوره 11، شماره ­1­، صص 114-91.
  • گودرزی، س.، طالبی، ع.، پورقاسمی، ­ح.، 1397. بررسی کارایی مدل سیستم استنتاج عصبی-فازی تطبیقی در تهیه نقشه حساسیت زمین لغزش (مطالعه موردی: حوضه آبخیز سردارآباد استان لرستان)­، نشریه جغرافیا و مخاطرات محیطی­، دوره­ 7 ، شماره­ 25 ، صص96-75.
  • مقصودی، م.، محمدخان، ش.، پیرانی، پ.، ریاهی، س.، 1397. بررسی عوامل موثر بر مخاطره زمین‌لغزش‌های بالادست سد لتیان با استفاده از روش‌های ارزیابی آنتروپی و فازی­، نشریه جغرافیا و مخاطرات محیطی­، شماره 28 ، صص17-1.
  • نوجوان­، م.،  شاه زیدی­، س.،  داودی ، م.،  رعایا،­ ه.­، ­1398­. پهنه­بندی خطر زمین لغزش با استفاده از تلفیق دو مدل فرآیند تحلیل سلسله مراتبی و فازی (مطالعه موردی: حوضه آبخیز کمه، استان اصفهان)­، نشریه پژوهش­های ژئومورفولوژِی کمی­، دوره 7، شماره 4 ، صص159-144.
  • نیازی، ی.، اختصاصی، م.، ­طالبی، ع.، صالح مختاری­، م.، 1389. ارزیابی کارایی مدل آماری دو متغیره، در پیش‌بینی خطر زمین‌لغزش(مطالعه‌ موردی: حوضه‌­ سد ایلام)، نشریه علوم و مهندسی آبخیزداری ایران­، جلد ۴، شماره 10، صص20-9 .
  • T., & Pal, S. (­2019). RS-GIS based morphometrical and geological multi- ­criteria approach to the landslide susceptibility mapping in Gish River Basin, West Bengal, India, Advances in Space Research, 3, 1253-1269.
  • Bera, S., Guru, B., & Ramesh, V. (2019). Evaluation of landslide susceptibility models: a comparative study on the part of Western Ghat Region, India, Remote Sensing Applications, Society and Environment, (17), 39-52.
  • Broeckx, J., Vanmarcke, M., Duchateau, R., & Poesen, J. (2018). ­A data-based landslide susceptibility map of Africa, Earth-Science Reviews, 9, 102-121.
  • Chousianitis, ,­ Del  Gaudio, V.,  Sabatakakis, N.,    Kavoura, K.,    Drakatos, G.,    Bathrellos, G., &  Skilodimou, H., ­2016 . ­Assessment  of  earthquake-induced landslide  hazard in  Greece:  from  Arias intensity  to  spatial  distribution  of  slope resistance deman.
  • Costanzo,­, E.  Rotigliano, ­C.  Irigaray, ­J.  Jimenez-Pervarez, D., & ­Chacon, J.  (2012). Factors selection in landslide susceptibility modelling  on  large  scale  following  the  gis matrix  method:  application  to  the  river Beiro basin (Spain), Nat Hazards Earth Syst Sci, 12, 327-340.
  • Gupta, R.P., & Joshi, B.C. (1990). Landslide hazard zoning using the GIS approach-A case study from the Ramganga catchment, Himalayas Engineering Geology, 28(1), 119–131.
  • Hong, H., Jebur, M., Bui, D., Xu, C., Akgun, A. (2015). Spatial prediction of landslide hazard at the Luxi area China, using  support  vector  machines,  Environ, Earth Sci, 75(40), 245-256.
  • Hong, H., Chen, W., Xu, C., Youssef, A., Pradhan, B., & Tien Bui, D. ­(2016). Rainfallinduced landslide  susceptibility  assessment at  the  Chongren  area  (China)  using frequency  ratio, certainty  factor,  and index of  entropy,  Geocarto, 23(4),  223-2464.
  • Hong,­ H., Pradhan, B.,    Xu, C., &  Tien  Bui, D. (2015). Spatial  prediction  of  landslide hazard  at  the  Yihuang  area  (China)  using two-class  kernel  logistic  regression,­ alternating decision tree and support vector machines, Catena, 133, 266-281.
  • Khan, H., Shafique, M., Khan, A., Mian, A., Bacha, S., & Chiara, C. (2018). Landslide susceptibility assessment using Frequency Ratio, a case study of northern Pakistan, The Egyptian Journal of Remote Sensing and Space Sciences, 10,(16), 103-104.
  • Rao, G., Cheng, Y., Lin, A., & Yan, B. (2017). Relationship between Landslides and Active Normal  Faulting  in  the  Epicentral  Area  of  the  AD  1556  M~8.5  Huaxian Earthquake, SE Weihe Graben (Central China), Journal of Earth Science, 28(3), 545–554.
  • Sharma,­ S., & Sarma,   J. (2017). Application  of  drainage  basin  morphotectonic analysis for assessment of tectonic activities over two regional structures of the  northeast  India, Journal  of  the  Geological  Society  of  India,  89­ (3)­, 271-280.
  • Wang, ,  D.  Wang,  Y.,  Huang,  Z.,  Wang,  L., Zhang,  Q.,  Guo,  W.,  Chen,  W.,  & Chen,  M.  (2015),  Landslide  susceptibility mapping  based  on  selected  optimal combination  of  landslide  predisposing factors in a large catchment, Sustainability, 7, 16653-16669.
  • Wang, Q., Li, W., Wu, Y., Pei, Y., Xing, M., & Yang, D. (­2016). A comparative study on the landslide  susceptibility  mapping  using  evidential  belief  function  and  weight  of
  • evidence models, J. Earth Syst. Sci, 125, (­3), 646-662.
  • Zhou, ,    Chen, G.,    Fang, L.,  Nie, Y.  (2016 .(GIS-Based  Integration  of  Subjective  and Objective Weighting Methods for Regional Landslides  Susceptibility  Mapping ,­Sustainability, 8, 334-343.
  • Zhou, S., & Fang, L. (2015). Support vector machine modeling  of  earthquake-induced landslides  susceptibility  in  central  part  of Sichuan  province,  China,  Geoenviron .­Disasters, 2(2), 234-24.