ارزیابی خطر زمین‌لغزش درحوضه‌ی آبریز اُنارچای مشکین شهر با استفاده از مدل‌ماباک (MABAC)

مددی, عقیل; اصغری سراسکانرود, صیاد; تقی زاده, داور

doi:10.22034/hyd.2025.65991.1779

ارزیابی خطر زمین‌لغزش درحوضه‌ی آبریز اُنارچای مشکین شهر با استفاده از مدل‌ماباک (MABAC)

نوع مقاله : پژوهشی

نویسندگان

¹ استاد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

² استاد، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

³ دانشجوی دکتری ژئومورفولوژی دانشگاه محقق اردبیلی

10.22034/hyd.2025.65991.1779

چکیده

حوضه آبریز اُنارچای مشکین‌شهر با مساحت 36/122 کیلومتر‌مربع در استان‌ اردبیل، جنوب‌شرقی شهرستان مشکین‌شهر در موقعیت جغرافیایی بین ʺ 01 ´50 °47 تا ʺ 16 ´55 °47 طول شرقی و ʺ38 ´14 °38 تا ʺ 06 ´34 °38 عرض شمالی واقع شده است . این حوضه به دلیل ویژگی‌های خاص زمین‌شناسی، اقلیمی، ژئومورفولوژیکی پیوسته تحت تأثیر زمین‌لغزش بوده است. لذا، تحقیق حاضر با هدف پهنه‌بندی خطر زمین‌لغزش در این حوضه انجام شده‌است. روش مورد استفاده بر‌اساس مدل تصمیم‌گیری چند‌معیارۀ ماباک (MABAC) و در محیط‌های نرم‌افزاری EXCEL و GIS صورت گرفت. در راستای پهنه‌بندی زمین‌لغزش اُنارچای از 12 متغیر مهم موثر بر وقوع زمین‌لغزش: زمین‌شناسی‌، خاک‌شناسی‌، لیتولوژی، فاصله ‌از‌گسل‌، پوشش‌‌گیاهی، شیب، جهت شیب، طبقات‌ارتفاعی‌، بارش، فاصله ‌ازآبراهه‌، کاربری‌اراضی، فاصله ‌از‌جاده استفاده گردید. وزن‌دهی به معیارهای مورد بررسی در ماباک با استفاده از روش کریتیک (CRITIC) انجام شد. در نهایت، لایه‌های موضوعی مؤثر بر رویداد زمین-لغزش با توجه به وزن و ضرایب آن‌ها در محیط نرم‌افزار GIS با استفاده از روش ترکیب‌وزنی با یکدیگر ترکیب و نقشه نهایی پهنه‌بندی خطر زمین‌لغزش بدست آمد. با توجه به خروجی حاصل از بکارگیری روش ماباک، عوامل شیب،کاربری‌اراضی، لیتولوژی و زمین شناسی با کسب امتیاز بیشتری در رتبه‌های اول تا چهارم قرار گرفتند. بدین ترتیب از مجموع 36/122 کیلومتر مربعی مساحت حوضه، 72/22 کیلومتر‌مربع (50/18درصد )‌، 64/30کیلومتر‌مربع ( 25 درصد)، 10/29کیلومتر مربع (80/23درصد)، 26/20کیلومتر مربع (60/16درصد) و 64/19 کیلومتر‌مربع (10/16درصد) به ترتیب در کلاس‌های با خطر زمین‌لغزش خیلی‌زیاد، زیاد ، متوسط ، کم و خیلی‌کم قرار گرفتند.

کلیدواژه‌ها

موضوعات

ژئومورفولوژی

عنوان مقاله [English]

Landslide Hazard Assessment in the Onarchay Watershed of Meshkinshahr Using the (MABAC) Model

نویسندگان [English]

Aghil Madadi ¹
sayyad asghari ²
Davar taghizadeh ³

¹ Professor, Department of Physical Geography, University of Mohaghegh Ardabili, Ardabil. Iran.

² Professor, Department of Physical Geography, University of Mohaghegh Ardabili, Ardabil. Iran.

³ Ph.D Student in Geomorphology, Department of Physical Geoghraphy, University of Mohaghegh Ardabili, Ardabil. Iran

چکیده [English]

One of the most important forms of geomorphological processes on the Earth's surface is landslides. Landslides are dynamic processes that play a role in the change and evolution of slopes (Guzzetti et al., 2005:274). This phenomenon occurs due to the displacement of constituent materials on slopes; the result is the movement of a large mass of materials down the slopes (Maddi, 2009:77). The displacement of soil and rock masses on slopes originates from two external and internal factors.However, this phenomenon causes the formation and evolution of slopes in mountainous areas (Roering et al., 2005:655). But they cause damage or death to humans and also significant financial losses to mountainous areas, agricultural lands and facilities in that area such as communication roads and development sectors (Mohammadnia et al., 2018:115). In this context: (Maddadi et al., 2019), conducted a comparative evaluation of MABAC and CODAS multi-criteria decision-making in landslide risk zoning in Kausar County. (Yalcin, 2008), evaluated landslide areas in the Ardsin region of Turkey using the analytic hierarchy process and statistical index and weighting factor. Therefore, considering that no research has been conducted on landslides in the Onarchay region so far. Therefore, the purpose of this study is to investigate the various factors affecting the occurrence of landslides in the Onar Chay watershed of Meshkinshahr and to zoning the landslide risk using the (MABAC) model.

کلیدواژه‌ها [English]

Landslide
MABAC model
GIS
Onarchay
Meshkinshahr

مراجع

Amir Ahmadi, A., Jamal Abadi, J., &Daneshfar, R. (2021). Modeling and zoning of landslides in the Latian basin using variable statistical comparison: Bi-Quarterly Journal of Disaster Management, 11(21), 97-127.

Asghari Saraskanroud, S ., Aghayari, L .,P ., Zeinali, B. (2024). Identification and zoning of landslide-prone areas in Germi County: Journal of Hydrogeomorphology,11 (39), 18-1.

Ayalew, L., & Yamagishi, H. (2005). The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan: Geomorphology, 65(2), 15–31.

Baumgertel, A., S. Luki, S. Belanovi´c Simi´c, & R. Kadovi´c, )2019(. Identifying Areas Sensitive to Wind Erosion- A Case Study of the AP Vojvodina (Serbia): Appl Sci, 19 (23), 1-12.

Bchari, F.E., TheilenWillige, B., &Ait Malek, H. (2019). Landslide hazard zonation assessment using GIS analysis at the coastal area of Safi (Morocco), Proceedings of the International Cartographic Association،pp 1-7.

Bommer, J. J., & Rodrı́guez, C. E. (2002). Earthquake-induced landslides in Central America: Engineering Geology, 13(3),189-220.

Colkesen, I., Sahin, E., & Kavzoglu,T.)2016(.Susceptibility mapping of shallow landslides using kernel-based Gaussian process, support vector machines and logistic regression: Journal of African Earth Sciences, )16118(, 53-64.

Diakoulaki, D., Mavrotas, G., Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The critic method, Computers and Operations Research, 22 (7), 763–770.

Dikshit, A., Sarkar, R., Pradhan, B., Acharya, S., & Alamri, AM. ( 2020). Spatial Landslide Risk Assessment at Phuent sholing, Bhutan:Geosciences, 10(4), 1-17.

Guzzetti,F., Reichenbach,P., Cardinali, M., Galli, M., & Ardizzone, F. (2005). Probabilistic landslide hazard assessment at the basin scale: Geomorphology, 19(4), 272-299.

Khan, H., M. ShafiqueKhan, A. Mian, Safeer, U., &Chiara, C. (2019). Landslide susceptibility assessment using Frequency Ratio, a case study of northern Pakistan:The Egyptian Journal of Remote Sensing and Space Sciences, 22 (1),11-24.

Lee, S. (2007). A pplication and veification of fuzzy algebriaic operators to land slide suseplibility mapping: Environmental Geology, ،2007847-855.

Madadi, A. .(2010) Investigation of geomorphological instability of the Sayin neck (between the cities of Nir-Sarab, Azerbaijan region) using the Anbalagan method: Journal of Geography and Environmental Planning, 1 (21)،77-94.

Madadi, A., Piroozi, A. (2022). Landslide hazard zoning in the upstream basin of Yamchi Dam, Ardabil Province, using MARCOS and CODAS decision methods: Quantitative Geomorphology Research, 12(1), 94-73.

Madadi, A., Piroozi, A. (2023). Landslide hazard zoning in the upstream basin of Yamchi Dam, Ardabil Province, using MARCOS and CODAS decision methods:Journal of Quantitative Geomorphology Research, 10(12), 94-73.

Mohammadnia, M., & Fallah Qalhari, G. (2018). Landslide probability simulation using fuzzy logic and analytic hierarchy process (case study: Piweh-Jen watershed - Southern Binaloud highlands): Journal of Applied Research in Geographical Sciences, 18 (48), 130-115..

Najafi Igdir, A., Roustaei, S .,Hejazi, A., Rajabi, M., & Jalali, N. (2021). Application of two-variable statistical models in landslide hazard zoning in the Nazluchai watershed: Quarterly Journal of Hydrology, 8(27), 1-17.

Pacumar ,D., & Cirovic, G .(2015). The selection of transport and handling resources in logistics centers using multiattributive border approximation area comparison (MABAC). Expert Systems with Applications. 42(6) ,16 -30.

Ramesht, M.) 1993(. Geography of Soils, Tehran University.

Roering, J. J., Kirchner, J. W., & Dietrich, W. E. (2005). Characterizing structural and lithologic controls on deep-seated landsliding: Implications for topographic relief and landscape evolution in the Oregon Coast Range, USA. Geological Society of America Bulletin, 17(6), 654-668.

Sharifi Pichon,M., Shirani. K. & Shirani. M. (1400). Prioritization of factors affecting theoccurrence of landslides and zoning of its sensitivity using multivariate linear regression method. case study:Abriz Vohergan-West of Isfahan province. Hydrogeomorphology. 8(26). 163-139.

Sanders ,M. H., & Clark ,P. D.( 2010). Geomorphology: Processes, Taxonomy and Applications: Nova Science Publishers, Inc. ، (2010)216.

Tavusi, T., & DelAra, Q. (2010), Climate zoning of Ardabil province: Scientific and Technical Journal of Niwar, 70& 71(6), 47-52.

Yalcin, A. (2008). GIS-based landslide susceptibility mapping using analytical hierchay process and bivariate statistics in Ardesen (Turkey): of results and confirmations. CATENA.16 (72), 1-12.

Yalcin, A., Reis, S., Aydinoglo, A., & Yomraliglu, T. )2011(. A GIS- based comparative study of feguency ratio, analytical hierarchy process, bivariate statistics and logistics metids for land slide susceptibility mapping in Trabzon, NE Turkey. Geomorfology. 8 (85),274-287.