ارزیابی و پهنه‌بندی خطر زمین‌لغزش با استفاده از الگوریتم تطبیقی MABAC و ANP (مطالعه‌ی موردی: شهرستان نیر)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد دانشگاه محقق اردبیلی

2 دانشجوی دکتری مخاطرات ژئومورفولیک دانشگاه محقق اردبیلی

3 دانشجوی دکتری آب‌و‌هواشناسی دانشگاه محقق اردبیلی

10.22034/gmpj.2021.215108.1214

چکیده

شهرستان نیر با توجه به وضعیت زمین‌شناسی، فیزیوگرافی، اقلیمی و انسانی، عمده شرایط لازم جهت شکل‌گیری حرکات لغزشی را داراست و لذا هدف تحقیق حاضر، پهنه‌بندی خطر زمین-لغزش در این شهرستان می‌باشد. در این مطالعه ابتدا، عوامل مؤثر جهت ایجاد لغزش در منطقه شناسایی شدند و سپس نسبت به تهیه‌ی لایه‌های اطلاعاتی در سامانه اطلاعات جغرافیایی اقدام گردید. در مرحله بعد وزن‌دهی عوامل مورد بررسی، با استفاده از روش ANP و در محیط نرم‌افزار Super Decision انجام گردید و تحلیل و مدل‌سازی نهایی با استفاده از روش MABAC به عنوان یکی از روش‌های تصمیم‌گیری چند معیاره، انجام شد. در نهایت، نقشه‌ی حاصله در پنج رده‌ی با خطر بسیار کم تا خطر بسیار زیاد طبقه‌بندی گردید. با توجه به نتایج مطالعه، عوامل کاربری اراضی، لیتولوژی، شیب و طبقات ارتفاعی بیشترین ضریب وزنی را به خود اختصاص دادند. همچنین، نتایج مطالعه نشان داد؛ به ترتیب 93/171 و 38/312 کیلومتر‌مربع از مساحت محدوده، در طبقات بسیار پرخطر و پرخطر، قرار دارند. لذا، می‌توان گفت که نتایج حاصل از این مطالعه، حاکی از توان بالای شهرستان نیر، از لحاظ رخداد حرکات لغزشی می‌باشد و مناطق بسیار پرخطر و پرخطر در سازندهایی با زیربنای سنگ سخت به همراه مواد رسوبی و سست سطحی، کاربری‌های زراعی و مرتع، شیب‌های 35-20 درصد و ارتفاعات بیش از 1500 متر قرار دارند. به علاوه، نتایج مطالعه نشلن داد که استفاده تلفیق روش‌های ANP و MABAC ، از دقت نسبی بالایی جهت مطالعه‌ی زمین‌لغزش برخوردار است.

کلیدواژه‌ها


عنوان مقاله [English]

Landslide hazard assessment and zoning using MABAC and ANP adaptive algorithm (Case study: Nir city)

نویسندگان [English]

  • Mousa Abedini 1
  • Elnaz Piroozi 2
  • Elham Shoker zadeh 3
1 professor in Geomorphology, University of Mohaghegh Ardabili
2 PhD Student of Geomorghology, University of Mohaghegh Ardabili
3 PhD Student of climatology, University of Mohaghegh Ardabili
چکیده [English]

Extended abstract
Introduction
Landslides are catastrophic and widespread, causing significant damage in many parts of the world (Hawk et al., 676: 2019; Rossi et al., 3: 2019). Massive landslides cause natural and external active factors, including natural geological factors (lithology or soil type, structural cohesion, shear strength of materials, groundwater conditions and its effect), slope geometry ( Slope, direction, height and curvature) and land or ground cover as well as external factors that generally cause landslides include rainfall, seismicity and human activities such as construction activities and soil preparation for agriculture in mountainous areas (Surbi And Farrokhnia, 36: 2018). Nir County, in terms of the special situation of the region, such as topography (having a mountainous face), steep slope, the presence of loose and unstable surface materials on resistant formations and climatic conditions (especially due to spring rains and snowmelt in spring) from It has a high potential for landslides and the most accident-prone area in the province is landslides.
Methodology
In this study, first the factors affecting landslides (including: slope, elevation, lithology, land use, soil, precipitation, distance through communication, distance from waterway and distance from fault), according to the natural and human conditions of the region. Was identified. In the next step, information layers related to each of the factors were prepared in the geographic information system environment. The information layers of Mizan curved lines, communication channels and waterway network were obtained by digitization from the topographic map of the city with a scale of 1: 50,000 and the slope and slope layers were prepared using a digital height model. The object-oriented classification and algorithm algorithm were then classified in the Ecognition software, and the results of the classification of users in the present study, both in terms of single-use and in terms of total accuracy and statistics, are acceptable (greater than 85%), is related to the information produced. In order to prepare the soil map, the soil map of Ardabil province with a scale of 1: 50,000 has been used. The city rainfall map was prepared using meteorological and rain gauge station data and by obtaining the equation of Gradian precipitation P = 0.224 H-83.54) and also the use of altitude digital model.
Results
In order to further document the validity of landslide potential zoning maps using ANP and MABAC methods, an attempt has been made in this section. According to the established criteria. Definitely adapting these standardized scores to the actual values recorded from the criteria obtained according to the digital maps will give a more tangible understanding of the result of the significant contribution. According to the table for the study of high-risk pixels, high-risk areas are mainly on the slope of 20 to 35 percent, and in this amount of slope, surface and generally fine materials that are prone to slip by absorbing water and increasing moisture to They reach a flooding level and begin to move as the shear stresses and material ruptures in the range increase. The study of land use criteria also indicates that agricultural and rangeland use has the highest percentage of risky areas, which due to non-compliance with crop rotation, cultivation on sloping lands and increasing soil moisture through irrigation and infiltration. Giving more water to the ground is acceptable. In addition, local people, by over-grazing their livestock in pastures, are destroying vegetation and accelerating the landslide process after torrential rains. Also, the high-risk lands introduced by the research method show that the high-risk lands are relatively close to the road, river and fault. In this regard, it can be said that the road factor has a very important role in creating slippery movements due to the overlap and removal of the heel of the slope and the change in the slope of the slopes. Because most road construction activities in the city (especially in rural and nomadic areas) are unprincipled and without regard to engineering principles, the construction of roads on the one hand due to the creation of trenches and weight change due to excavation and soil Lowering, overlapping the domain and destroying the domain support leads to landslides.

Conclusions
In this study, the risk of landslides in Nir County., using a combination of ANP and MABAC methods, has been investigated. The results of the study showed that land use factors, lithology, elevation and slope classes with the values of 0.152, 0.151, 0.13 and 0.132, respectively, had the highest weight coefficient and according to the study of the role and The importance of each of the factors involved in the formation of the landslide and also the results of using the final research and analysis method using the MACAC method, as one of the multi-criteria decision analysis methods, are 14.05 and 25.52%, respectively. Studies are on very high-risk and high-risk classes. Due to the landslide zoning plan of Nayr city, very high-risk and high-risk areas are mainly on the slope of 20 to 35%. It can also be said that the results of this study indicate the high power of Nir County in terms of the occurrence of sliding movements.
Keywords: Landslide, ANP, MABAC, Nir County.

References
-Haque U, Paula F. d Silva Graziella Devoli, Pilz J, Zhao B, Khaloua A, Wilopoi W, Andersen P, Luk P, Lee J, Yamamoto T, Keellings D, Wuo J.H, E. Glass, 2019. The human cost of global warming: Deadly landslides and their triggers (1995–2014), Science of The Total Environment, Volume 682, pp 673-684.
-Rossi, M. Guzzetti, F. Salvati, P. Donnini, M. Napolitano, E. Bianchi, C. 2019. A predictive model of societal landslide risk in Italy, Earth-Science Reviews Volu 196, 102849: pp 1-19.
- Ahmadi, Hassan and Ali Talebi. 2001. Investigation of effective factors in creating mass movements (Ardal region of Chaharmahal Bakhtiari province), Iranian Journal of Natural Resources, Volume 4, Number 4, pp. 329-323.
-Sorbi, A., Farrokhnia, A, 2018. "Landslide hazard evaluation and zonation of Karaj-CHaluse road (North of Iran). International Journal of Geography and Geology. 7, No. 2, pp. 35-44. 2305-7041.

کلیدواژه‌ها [English]

  • Landslide
  • ANP
  • MABAC
  • Nir County
  • احمدی، حسن. 1386. ژئومورفولوژی کاربردی، جلد اول، فرسایش آبی، چاپ پنجم، انتشارات دانشگاه تهران، 688 صفحه.
  • احمدی، حسن و علی طالبی. 1380. بررسی عوامل مؤثر در ایجاد حرکات توده­ای (منطقه اردل استان چهار محال بختیاری)، مجله­ی منابع طبیعی ایران، جلد 4، شماره4، صص 329-323.
  • -اصغری سراسکانرود، صیاد، پالیزبان، دلنیا، امامی، هادی، قلعه، احسان، 1399، تحلیل مدل­های تحلیل شبکه و منطق فازی برای تهیه نقشه پهنه­بندی وقوع زمین­لغزش مطالعه موردی: (جاده سراب-نیر)، جغرافیا و برنامه­ریزی، سال 24، شماره 73، صص 22-1.
  • امیر احمدی، ابوالقاسم؛ شکاری بادی، علی؛ معتمدی­راد، محمد. 1394. پهنه­بندی خطر زمین­لغزش با استفاده از مدل ANP (مطالعه موردی: حوضه پیوه­ژن دامنه جنوبی بینالود)، پژوهش­های ژئومورفولوژی کمی، سال چهارم، شماره 3، صص 230-214.
  • انتظاری، مژگان، خدادای، فاطمه، ساسان­پور، فرزانه، 1398. تحلیل و پهنه­بندی مخاطرات ژئومورفولوژیک (لغزش و سیل) استان البرز با استفاده از مدل­های AHP-VIKOR و FR، پژوهش­های جغرافیای طبیعی، دوره 51، شماره 1، صص 199-183.
  • بیگدلی، بهناز، سجادی، محمدرضا، احمدی، احمد، 1399. پهنه­بندی خطر زمین­لغزش بر اساس فرایند سلسله مراتبی-فازی (FANP) و تجزیه و تحلیل تصمیم­گیری چند معیاره (مطالعه موردی: حوزه رودخانه ماربر)، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال سازدهم، شماره 4، صص 46-25.
  • روستایی، شهرام، معزز، سمیه، رحیم­پور، توحید. 1398. پهنهب­ندی خطر وقوع زمین­لغزش در حوضه آبخیز نهندچای با استفاده از مدل ANP و تکنیک GIS، پژوهشهای ژئومورفولوژی کمّی، سال هشتم، شماره ، صص 37-23.
  • فرجی سبک­بار، حسنعلی؛ سلمانی، محمد؛ فریدونی، فاطمه؛ کریم­زاده، حسین؛ رحیمی، حسن. 1389. مکان­یابی محل دفن بهداشتی زباله­ی روستایی با استفاده از مدل فرایند تحلیل شبکه­ای (ANP) ؛ مطالعه­ی موردی: نواحی روستایی شهرستان قوچان، فصل­نامه­ مدرس علوم انسانی، دوره­ 14، شماره 1، صص 149-127.
  • قهرمانی، رضا، 1396. بررسی توانمندی­های ژئومورفوسایت­های شهرستان نیر با استفاده از روش کومانسکو، پایان نامه کارشناسی ارشد، دانشگاه محقق اردبیلی، 78 صفحه.
  • عابدینی، موسی، رنجبری، احد، مختاری، داود. 1398. تجزیه و تحلیل خطر زمین‌لغزش با استفاده از مدل‌های ANP و LR در محیط GIS مطالعه موردی) پهنه گسلی قوشاداغ-ارسباران در آذربایجانشرقی)، پژوهش­های ژئومورفولوژی کمی، دوره 8، شماره 1، صص 88-70.
  • کرم، عبد­المیر. 1383. کاربرد مدل ترکیب خطی وزنی در پهنه بندی زمین لغزش (مطالعه موردی :منطقه سرخون چهار محال بختیاری)، مجله جغرافیا و توسعه، صص 146-131.
  • مددی، عقیل، 1389، بررسی ناپایداری ژئومورفولوژیک گردنه صائین (بین شهر نیر و سراب، منطقه آذربایجان) با استغاده از روش آنبلاگان، جغرافیا و برنامه­ریزی محیطی، سال 21، شماره1، صص 94-77.
  • مددی، عقیل، پیروزی، الناز، شکرزاده فرد، الهام. 1397. پهنه­بندی خطر زمین­لغزش در حوضه­ی آبخیز آق لاقان چای، با استفاده از مدل ELECTRE، فصلنامه‌ی فضای جغرافیایی، سال هجدهم، شماره‌ی 64، صص 199-177.
  • محمدنیا، ملیحه، امیر احمدی، ابوالقاسم، زندی، رحمان، 1397. استفاده از مدل آنتروپی در ارزیابی مخاطره زمین­لغزش در مسیر جاده پیشنهادی طرقبه-درود (مشهد-نیشابور)، جغرافیا و روابط انسانی، دوره 1، شماره2، صص 58-37.
  • محمودی، فرج الله.1387. ژئومورفولوژی دینامیک، چاپ دوم، انتشارات پیام نور،283 صفحه.
  • وثیق، یوسف.1390. بررسی زمین­لغزش مسیر جاده اردبیل- سراب، نشریه آموزش زمین­شناسی، دوره هفدهم، شماره 1، صص 23-19.
  • یاری حصار، ارسطو، باختر، سهیلا، 1395. ارزیابی شاخص­های گردشگری پایدار روستایی از منظر جامعه محلی و گردشگران) مطالعه موردی: شهرستان نیر(، فصلنامه برنامه‌ریزی منطقه­ای، سال 6، شمارۀ پیاپی 22، صص 134-121.
  • Abedi Gheshlaghi, H., Feizizadeh, B., 2017. An integrated approach of analytical network process and fuzzy based spatial decision making systems applied to landslide risk mapping, Journal of African Earth Sciences, pp 133: 15-24.
  • Alinezhad A, Khalili J., 2019. New Methods and Applications in Multiple Attribute Decision Making (MADM). International Series in Operations Research & Management Science, Springer, Cham, pp 193-198.
  • Baumgertel A, Luki´c S, Belanovi´c Simi´c S, Kadovi´c R (2019) Identifying Areas Sensitive to Wind Erosion- A Case Study of the AP Vojvodina (Serbia). Appl Sci 19(23):1-12.
  • Bell, R., Glade, T. 2004. Quantitative Risk Analysis for Landslides, Examples from Bildudalur, NW- Iceland, Natural Hazards and Earth, 4, pp. 117-131.
  • Colkesen, I, Sahin, Emrehan. Kavzoglu, Taskin. 2016. Susceptibility mapping of shallow landslides using kernel-based Gaussian process, support vector machines and logistic regression, Journal of African Earth Sciences 118: 53-64.
  • -Gigovic, L., Drobnjak, S., Pamucar, D., 2019. The Application of the Hybrid GIS Spatial Multi-Criteria Decision Analysis Best–Worst Methodology for Landslide Susceptibility Mapping, International jornal of Geo-Information, 8 (79): pp 1-29.
  • Haque U, Paula F. d Silva Graziella Devoli, Pilz J, Zhao B, Khaloua A, Wilopoi W, Andersen P, Luk P, Lee J, Yamamoto T, Keellings D, Wuo J.H, E. Glass, 2019. The human cost of global warming: Deadly landslides and their triggers (1995–2014), Science of The Total Environment, Volume 682, pp 673-684.
  • Hoseini H., 2019. Use fuzzy interface systems to optimize land suitability evaluation for surface and trickle irrigation. Information Processing in Agriculture 6(1):11-19.
  • Neaupane, K.M., Piantanakulchai, M., 2006, Analytic network process model for landslide hazard zonation, Engineering Geology, N 85, pp281–294.
  • Rossi, M. Guzzetti, F. Salvati, P. Donnini, M. Napolitano, E. Bianchi, C. 2019. A predictive model of societal landslide risk in Italy, Earth-Science Reviews Volu 196, 102849: pp 1-19.
  • -Sorbi, A., Farrokhnia, A, 2018. "Landslide hazard evaluation and zonation of Karaj-CHaluse road (North of Iran). International Journal of Geography and Geology. 7, No. 2, pp. 35-44. 2305-7041.
  • Tajudin, N., Yaacob, N., mohdali, D., Adnan, N., 2018. Rainfall – landslide potential mapping using remote sensing and GIS at Ulu Kelang, Selangor, Malaysia. Conference Series Earth and Environmental Science, Vol 169, Pp 1-8.
  • Xu XG, Shi H, Zhang LJ, Liu, H., 2019. Green Supplier Evaluation and Selection with an Extended MABAC Method Under the Heterogeneous Information Environment. Sustainability 11(23): 1-16.
  • -Vojtekova, J., Vojtek, M, 2020. Assessment of landslide susceptibility at a localspatial scale applying the multi-criteria analysisand GIS: a case study from Slovaki, Geomatics, Natural Hazards and Risk, Vol 11, Issue 1, Pp 131–148.
  • Zhang H, Zhang J, Zhang, SH, Yu CH, Sun R, Wang D, Zhu CH, Zhang, J.,2020. Identification of Priority Areas for Soil and Water Conservation Planning Based on Multi-Criteria Decision Analysis Using Choquet Integral. Int J Environ Res Publ Health 17(4):1331.1-24.