بررسی پتانسیل وقوع زمین‌لغزش در حوضه‌آبریز آبگلال ( استان خوزستان) با استفاده از مدل فازی

نوع مقاله : مقاله پژوهشی

نویسنده

دانش آموخته دکتری ژئومورفولوژی، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز.

10.22034/gmpj.2021.289251.1278

چکیده

در این پژوهش مناطق مستعد خطر زمین‌لغزش در حوضه‌آبریز آبگلال با استفاده از مدل منطق فازی مورد ارزیابی قرار گرفت. با استفاده از مطالعات میدانی، نقشه‌های زمین‌شناسی و توپوگرافی و با مرور مطالعات صورت گرفته در این زمینه و همچنین بررسی شرایط موجود در منطقه هشت عامل طبقات ارتفاعی، شیب، جهت‌شیب، لیتولوژی، فاصله از گسل، فاصله از رودخانه، کاربری اراضی و بارش به عنوان عوامل مؤثر بر وقوع زمین‌لغزش مورد بررسی قرار گرفت و بعد از مرحله فازی‌سازی، نقشه‌های پهنه‌بندی زمین‌لغزش با استفاده از عملگر گامای فازی با مقادیر 0/7، 0/8، 0/9 تهیه شد. نتایج حاصل از جمع کیفی نشان داد که عملگر گامای 0/9 فازی در مقایسه با دیگر عملگرها‌ی فازی مناسبتر است. در نهایت نقشه بدست آمده با 5 کلاس بسیار زیاد، زیاد، متوسط، کم و بسیارکم طبقه‌بندی شد. نتایج تحقیق نشان داد که 0/016 از مساحت منطقه در پهنه با خطر بسیار زیاد و 94 درصد از مساحت منطقه در پهنه با خطر بسیار کم قرار گرفته است. نتایج به دست آمده بیانگر این است که منطقه مورد مطالعه به دلیل وجود شبکه رودخانه، بارش، کاربری مرتعی، محدوده شهری و لیتولوژی ضعیف داری پتانسیل بالایی در جهت وقوع لغزش هستند. همچنین بخش‌های عمده‌ای از مناطق جنوب منطقه نیز پتانسیل بالایی جهت حرکات لغزشی دارند.

کلیدواژه‌ها


عنوان مقاله [English]

Study of Landslides using a Fuzzy Model in Abgalal Watershed in Khuzestan Province

نویسنده [English]

  • Fariba Hemmati
Tabriz University
چکیده [English]

Study of Landslides using a Fuzzy Model in Abgalal Watershed in Khuzestan Province

Extended Abstract

Introduction
As one of the global dilemmas that inflicts heavy human, financial and economic losses on an annual basis, study of mass movement has special importance, particularly with the increase in population and settlements over steep slopes prone to mass movement. International statistics related to human and financial losses caused by this phenomenon are steadily increasing. Frequent landslide events, their daily expansion in many parts of Iran in recent years and their destructive effects have attracted greater interest in responsible authorities, especially landslide experts, than ever before. Identifying and zoning areas susceptible to landslides is necessary for reducing losses. Since preparation of landslide susceptibility maps substantially improves land use planning, it can serve as an efficient method for decreasing human and financial losses resulting from landslides. Correct and systematic landslide hazard zonation and factors influencing it can be useful and effective in making decisions for containment, control and reduction of losses caused by this phenomenon

Methodology
The Abgalal Watershed is located in Khuzestan Province, southwestern Iran. It forms one of the sub-watersheds of the Zard River. The physical tools used in the study included the 1:100,000 geological map, the 1:50,000 topographic map, the 30 m digital elevation model and the precipitation data obtained from the Meteorological Organization. GIS was used to measure the shapes and geomorphological parameters. Fuzzy logic evaluates the probability a pixel would be assigned to fuzzy sets considering the fuzzy membership function. Fuzzy sets do not have clear boundaries and membership or non-membership in a specific fuzzy set is a gradual process. There are two common methods for defining fuzzy sets: in the form of a function or in numbers. In the former, the degree of membership is presented as a function and in the latter specific degrees of membership are assigned to discreet values.

Results and Discussion
Following preparation of the distribution map of landslide prone areas, the distribution of these areas was studied in the form of nine factors influencing landslide occurrence. Each information layer (elevation classes, slope, orientation of slope, distance from fault, distance from river, precipitation, land use and lithology) were classified into five categories each receiving a score of 1 to 5 based on degree of susceptibility to landslides. The category with highest degree of susceptibility to landslide received a score of 5. The factor maps were combined with the landslide distribution map to determine the relationship between landslides and factors influencing its occurrence and also to prepare the landslide hazard zoning map.

Conclusion
This research studied the landslide-prone areas in the Abgalal Watershed using a fuzzy logic model. Using field studies, geological and topographic maps, reviewing the previous research conducted on this subject, and also investigating the existing conditions in the study region, eight factors (elevation classes, slope, direction of slope, lithology, distance from fault, distance from river, land use and precipitation) were studied as the factors influencing landslide occurrence. Following the fuzzification stage, landslide zoning maps were prepared using fuzzy gamma operators (for gamma values equal to 0.7, 0.8 and 0.9). The results of the qualitative addition method revealed that the fuzzy gamma operator ( at gamma=0.9) was more suitable than the others. Finally, the obtained map was classified into the very high, high, moderate, low and very low susceptibility categories, with 1.6% and 94% of the study region in the high and very low susceptibility zones, respectively. These results demonstrated that the study region had high potential for landslide occurrence due to the presence of a river network, precipitation, rangelands, urban areas, and weak lithology. Moreover, large areas lying south of the study region also have high potential for sliding movement.
 

کلیدواژه‌ها [English]

  • Abgalal Watershed
  • Fuzzy logic
  • Landslide zoning
  • Index of Qualitative Addition
  • پیروان، ح ر؛ شریعت جعفری، م، 1392، ارائه روشی جامع برای تعیین فرسایش­پذیری واحدهای سنگ­شناسی با نگرشی بر زمین­شناسی ایران، نشریه علمی – پژوهشی مهندسی و مدیریت آبخیز، جلد 5، شماره 3، صص 213- 199.
  • حجازی، س ا ؛ نجف­وند، س، 1399 ، پتانسیل سنجی مناطق مستعد وقوع زمین‌لغزش در شهرستان پاوه با استفاده از روش منطق Fuzzy، جغرافیا و روابط انسانی، دوره2 ، شماره4، صص 385- 376.
  • حسین آبادی، م ؛ موسوی، س م ؛ ناظمی، م ، 1398 ، پهنه‌‌­بندی خطر زمین‌‌‌‌لرزه و زمین‌‌‌‌لغزش به روش منطق فازی در رشته‌ کوه باقران (جنوب بیرجند)، فصلنامه جغرافیا و توسعه، دوره 17، شماره 55، صص 174- 153.
  • روستائی، ش ؛ حجازی، س ا ؛ رجبی، م ؛ جلالی، ن ؛ نجفی ایگدیر، ا ، 1397، کاربرد منطق فازی در پهنه بندی خطر زمین‌لغزش در حوضه­آبخیز نازلوچای، پژوهش­های ژئومورفولوژی کمی، دوره 6، شماره 4، پیاپی 24، صص 119-103.
  • سازمان زمین­شناسی، 1966، شرح نقشه­های زمین­شناسی چهارگوش هفت گل، دهلر، آسماری.
  • سوری، س ؛ بهاروند، س ؛ فرهادی­نژاد، ط،1392، پهنه‌بندی خطر زمین­لغزش با استفاده از منطق فازی (مطالعة موردی: حوزه چم‌سنگر)، نشریه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، دوره 4، شماره 4، شماره پیاپی 13، صص 60-47.
  • طاهری، س م، 1381، آشنایی با نظریه مجموعه­های فازی، انتشارات جهاد دانشگاهی دانشگاه فردوسی مشهد، چاپ دوم.
  • عابدینی، م؛ فتحی، م ح، 1393، پهنه­بندی حساسیت خطر وقوع زمین­لغزش در حوضه آبخیز خلخال چای با استفاده از مدل­های چند معیاره، پژوهش­های ژئومورفولوژی کمی، شماره 4، پیاپی 8، صص 85- 71.
  • عرب عامری، ع ؛ حلبیان، ا ح ،1394، پهنه­بندی خطر زمین­لغزش با استفاده از مدل آماری دو متغیره وزنی AHP و سیستم اطلاعات جغرافیایی حوضه زرند، فصلنامه جغرافیایی طبیعی، دوره8، شماره 28، صص 86-65.
  • فرجی، ح ؛ آذر، ع،1395، علم مدیریت فازی، ناشر کتاب مهربان،چاپ پنجم.
  • مرادی، ح. م؛ پورقاسمی، ح. م؛  محمدی ،م؛ مهدوی­فر، م. ر ،1389،پهنه­بندی خطر زمین­لغزش با استفاده از اپراتور فازی گاما (مطالعه موردی: حوضه آبخیز هراز)، علوم محیطی، دوره 7، شماره 4، صص 142- 129.
  • نوجوان، م ر ؛ شاه زیدی، س س ؛ داودی، م ؛ امین الرعایی، ه،1398، پهنه‌بندی خطر زمین­لغزش با استفاده از تلفیق دو مدل فرآیند تحلیل سلسله مراتبی و فازی (مطالعه موردی: حوضه­آبخیز کمه، استان اصفهان)، پژوهش­های ژئومورفولوژی کمی، سال هفتم، شماره 4 (پیاپی 28) ، صص 159-142.
  • وانگ، ل ،1395، سیستم­های فازی و کنترل فازی، ترجمه داریوش افیونی، نیما صفارپور، محمد تشنه‌لب، دانشگاه خواجه نصیرالدین طوسی،چاپ اول.
  • Aksoy, B., & Ercanoglu, M .( 2012). Landslide identification and classification by object-based image analysis and fuzzy logic: An example from the Azdavay region (Kastamonu, Turkey), Computers & Geosciences, Vol 38, Issue 1, pp : 87-97.
  • Champati-ray, P.K., Dimri, S., Lakhera, R.C., & Sati, S.( 2007). Fuzzy-based method for landslide hazard assessment in active seismic zone of Himalaya, Landslides, Vol. 4, Issue 2, pp:101 - 111.
  • Dhianaufal, D., Kristyanto ,T. H. W., Indra, T. L., & Syahputra, R.(2018). Fuzzy Logic Method for Landslide Susceptibility Mapping in Volcanic Sediment Area in Western Bogor, Proceedings of the 3rd International Symposium on Current Progress in Mathematics and Sciences 2017 (ISCPMS2017)AIP Conf.
  • Gee,M.D.(1991).Classification of landslide hazard zonztion methodes and 3. .a test of predictive capability ,Landslide,Bell(ed), Balkema,Rotterdam.
  • Guzzetti, F., Cardinali, M., Relchenbach, P., & Carrara, A. (2000). Comparing Landslide Map: A Case Study in The Upper Tiber River Basin- Central Italy, Environmental Management, 25, pp: 247- 263.
  • Lee S.(2004). Application of Likelihood Ratio and Logistic Regression Models to Landslide Susceptibility Mapping Using GIS, The Journal of Environmental Management, 34(66), pp:223-232.
  • Leonardia, G., Palamaraa, Rocco., & Cirianni, F.( 2016). Landslide Susceptibility Mapping Using a Fuzzy Approach, Procedia Engineering ,161, pp: 380 – 387.
  • Marzbani, M., Shirzadi, H.,& Fathi, M.(2016). Landslide hazard zoning using information value model in geographic information system (GIS) case study (Dareh Shahr watershed-Simakan), The First International Conference on Natural Hazards and Environmental Crises. Strategies and Challenges. (In Persian).
  • Mosafaee, J., Onegh, M., & Shariat Jaffar, IM. (2009). Comparison of the efficiency of the experimental and statistical method of landslide ranger zoning (Case study of Alamoot Roud Watershed), Journal of Water and Soil Conservation Studies, 6(4), pp: 43–61.
  • Sabuya, F., Alves, M. G., & Pinto, W. D .(2006). Assessment of failure susceptibility of soil slopes sing fuzzy logic, Engineering Geology, Volume 86, Issue 4 , pp: 211-224.
  • Zhu, A. X., Wang, R., Qiao, J., Qin, C. Z., Chen, Y., Liu, J., Du, F., Lin, y., & Zhu, T.( 2014). An expertknowledge-based approach to landslide susceptibility mapping using GIS and fuzzy logic, Geomorphology, 7,pp: 128-138.