نویسندگان
1 دانشیار گروه جغرافیای طبیعی دانشگاه محقق اردبیلی
2 دانشجوی دکتری ژئومورفولوژی دانشگاه محقق اردبیلی
چکیده
زمین لغزش به عنوان یکی از فرآیندهای مورفودینامیک و از جمله مخاطرات پراهمیت از نظر تلفات جانی، مالی و تعداد وقوع است. در این پژوهش پهنه بندی پتانسیل وقوع زمین لغزش در منطقه ی گردنه ی حیران اردبیل مورد مطالعه قرار گرفته است. جهت انجام این کار از ترکیب مدلهای چندمعیاره (فرآیند تحلیل شبکه) و آماری (قضیه ی بیز) و 12 پارامتر شیب زمین، جهت شیب، کاربری زمین، سنگشناسی، بارش، شاخص تراکم پوشش گیاهی (NDVI)، شاخص طول شیب (LS)، شاخص رطوبت توپوگرافیک (TWI)، شاخص قدرت آبراهه (SPI)، فاصله از جاده، فاصله از گسل و فاصله از آبراهه استفاده شده است. جهت به دست آوردن وزن کلاسهای هر یک از پارامترهای مستعدکنندهی زمین لغزش و اعتبارسنجی نقشه ی نهایی از لایهی زمین لغزشها ی رخ داده در منطقه استفاده شده که از این بین 70 درصد زمین لغزشها برای اجرای مدل و 30 درصد دیگر برای اعتبارسنجی به کار رفته است. نتیجه ی کار به صورت یک نقشه ی طبقه بندی شده در پنج طبقه است که به ترتیب پهنه های با پتانسیل وقوع زمین لغزش بسیار کم، کم، متوسط، زیاد و خیلی زیاد را شامل میشود. با توجه به نقشهی به دست آمده 3/26 درصد از اراضی محدودهی مورد مطالعه به عنوان منطقهای با پتانسیل خیلی زیاد و زیاد برای وقوع زمین لغزش در نظر گرفته شدهاند. این مناطق عمدتاً مناطق حاشیه ی محور مواصلاتی اردبیل-آستارا را شامل میشود. به خاطر حجم زیاد ساخت و سازهای حاشیه جاده، همچنین به خاطر به هم زدن شیب طبیعی زمین برای جاده سازی و عریضکردن آن، اکثر زمینلغزشها نیز در این مناطق رخ داده است. کاربری زمین در این مناطق عمدتاً از نوع جنگل تنک، مرتع و کـشاورزی بر روی دامنه ها میباشد. ارزیابی نقشه ی پهنه بندی شده با استفاده از 30 درصد زمین لغزشهای منطقه انجام شد. بر اساس نتایج به دست آمده از این ارزیابی و قرارگیری درصد قابل توجهی از زمین لغزشها در طـبقه با حساسیت زیاد و خـیلی زیاد (6/77) میتوان گفت دقت مدلهای به کار رفته در پهنه بندی حساسیت وقوع زمین لغزش قابل قبول و خوب است.
کلیدواژه‌ها
عنوان مقاله [English]
Landslides Susceptibility Zoning Using Bayes' Theorem-ANP Hybrid Model (Case Study: Heyran Defile)
نویسندگان [English]
- Fariba Esfandiyari Darabadi 1
- Ebrahim Beheshti Javid 2
چکیده [English]
Received: 2015.12.13
Accepted: 2016.10.29
Fariba Esfandiyari Darabad[1]*
Ebrahim Beheshti Javid[2]
Abstract
Landslide is one of the morphodynamic processes including significant hazards in terms of fatalities, financial casualties and the number of happening. In this research, Zoning of potential landslide occurrence is studied in Heyran Defile region. To do this the combination of multi-criteria (Analytical Network Process) and statistically (Bayes' theorem) models and accompanied by 12 natural and human parameters including, Slope, aspect, land use, lithology, precipitation, vegetation density index (NDVI), slope length (LS), topographic wetness index (TWI), stream power index (SPI), distance to road, distance to fault and distance to river were used. The layer of occurred landslides in the study area have been used to the obtaining weight of each landslide susceptibility parameters classes and validation of the final map which seventy percent of the landslide for running the model and another 30 percent is used to the model validation. The result is a map classified in five categories that respectively to be included Zones with very low, Low, Moderate, High and very High potential. According to the result map 26.3 percent of the area case study has been predicted as a region with high and very high potential for the landslide occurrence. These areas primarily to be included marginal areas of the Ardebil- Astara road. Most landslides also occurred in these areas because of the high construction in bordering the road, disrupt the natural slope of the land for the road construction and broaden it. Land use in these areas is mainly sparse forest, rangelands and agriculture which is located on the slopes. Evaluation of zoning map was done using 30 percent of the occurred landslide. According to the results of this evaluation and placement of a considerable percentage of landslides in the high and very high sensitivity classes (77.6 %), it can be concluded that the accuracy of used models in the landslides susceptibility zoning is acceptable.
[1]- Associate Professor and Faculty Member of Mohaghegh Ardabili University, (Corresponding Autor), Email:fariba.darabad@gmail.com.
[2]- Geomorphology Ph.D. student, mohaghegh Ardabili University (Corresponding Autor).
کلیدواژه‌ها [English]
- Landslide
- Bayes' theorem
- ANP
- Heran Defile
مقدمه
بر اساس برآوردهای اولیه در ایران سالانه حدود 500 میلیارد ریال خسارت مالی از طریق وقوع زمین لغزش به کشور وارد میشود (حسینزاده و همکاران، 1388: 27) از اینرو لازم است تا تصمیمات جدی در این زمینه اتخاذ شود. از راهکارهای مناسب در جهت کاهش زیانهای مالی و جانی مخاطراتی نظیر زمین لغزش، شناسایی و پهنهبندی زمین بر اساس قابلیت وقوع آن است. در یک عبارت ساده میتوان گفت که حساسیت وقوع زمین لغزش (LS)[1] در واقع احتمال رخداد زمین لغزش در یک ناحیه بر اساس وضعیت محلی زمین است (براب[2]، 1984: 308). مدلهایی که برای تهیهی نقشههای حساسیت وقوع زمینلغزش استفاده میشوند مـیتوانند با تـمرکز بر روی کاهش خطر وقوع زمـینلغزش سـطح تصمیمات برنامهریزان فضایی را بالا برده و از آن پشتیبانی کنند. در حال حاضر برای مدلسازی فضایی و پیشبینی وقوع زمینلغزش سطح گستردهای از روشهای کمی وجود دارد که توسط افراد مختلفی صورت گرفته و از ان جمله میتوان به موارد زیر اشاره کرد.
نیازی و همکاران (1389) حوضهی سد ایلام را با استفاده از مدل آماری دومتغیره پهنهبندی کردند نتایج کار نشان داد که روش تراکم سطح، وزن متغیرها و ارزش اطلاعاتی به ترتیب بیشترین دقت را در تفکیک کلاسهای خطر زمین لغزش داشـتهاند. رحیمزاده و طالقانی (1394) در پـژوهشی پتانسیل ناپایداری دامنهای را در بخش شمال غرب زاگرس مورد مطالعه قرار دادند. نتایج کار نشان داد روش آماری دومتغیره تراکم سطح بیشترین و روش وزنی نیز کمترین همخوانی با ویژگیهای منطقهی مورد مطالعه را دارد.
اکسوی و ارکانگلو[3](2012) با استفاده از منطق فازی و تصاویر ماهوارهای تشخیص و شناسایی زمین لغزشهای غرب دریای سیاه را مورد پژوهش قرار دادند. بر اساس نتایج، عملگر گامای فازی از نظر دقت نسبت به سایر توابع عضویت فازی با وضع موجود تطابق بیشتری دارد. پیاسنتینیا و همکاران[4] (2012) با استفاده از مدل تئوری بیزین، حساسیت زمین لغزش را برای جنوب منطقهی تیرول[5] انجام دادند. نتایج نشان داد، نقشهی حساسیت زمین لغزش برای پیشبینی زمین لغزشها با درصد بالایی (75 %) قابل اطمینان است. گوئتز و همکاران (2015) در پژوهشی توانایی مدلهای الگوریتم SVM و آماری را در مدلسازی زمین لغزش مورد ارزیابی قرار دادند. نتایج کار نشان داد که بهطور کلی، چارچوب این نوع ارزیابی مدل را میتوان برای کمک به انتخاب یک روش مدلسازی مناسب برای زمین لغزش اعمال کرد.
در این پژوهش منطقهی گردنهی حیران در استان اردبیل از نظر احتمال وقوع زمین لغزش مورد ارزیابی قرار گرفته است. این منطقه به دلیل دستکاریهای گسترده صورت گرفته در آن و نیز شرایط طبیعی حاکم، از نظر وقوع زمینلغزش بسیار مستعد میباشد. با توجه به این امر ضرورت دارد که منطقهی فوق با استـفاده از یکی از روشهای مناسب از نظر قابلیت وقوع زمین لغزش پهنهبندی شود.
شکل (1) موقعیت منطقهی مورد
معرفی منطقهی مورد مطالعه
منطقهی حیران در استان اردبیل، بین عرض '27 °38 تا '22 °38 شمالی و طول '32 °48 تا '40 °48 شرقی قرار گرفـته است (شکل1). ارتفاع منطقه بین 256 تا 1764 متر در نوسان است. توپوگرافی منطقه بیانگر یک منطقهی کوهستانی و پر شیب است. از لحاظ زمینشناسی نیز اغلب زمینهای منطقه از جنس برشهای ولکانیکی، توف و کنگلومرا است و اغلب توسط گسلهای فراوان بریده شدهاند. کاربری اغلب زمینها در این منطقه از نوع کشاورزی و مرتع است. به دلیل قرارگیری بخش زیادی از منطقه در دامنههای شرقی ارتفاعات تالش اقلیم آن متأثر از جریانهای اقلیمی دریای خزر بوده و بر اساس نقشهی پهنهبندی بارش منطقه میانگین بارش آن برابر با 840 میلیمتر میباشد.
مواد و روشها
در این پژوهش از میان عوامل تأثیرگذار در وقوع زمین لغزش 12 پارامتر مختلف انتخاب شده و در مدلسازی پهنهبندی پتانسیل زمین لغزش مورد استفاده قرار گرفته است که عبارتند از: شیب زمین، جهت شیب، کاربری زمین، لیتولوژی، بارش، شاخص تراکم پوشش گیاهی (NDVI)، شاخص طول شیب (LS)، شاخص رطوبت توپوگرافیک (TWI)، شاخص قدرت آبراهه (SPI)، فاصله از جاده، فاصله از گسل و فاصله از آبراهه. برای تهیهی این لایههای از منابع داده مختلفی استفاده شده است (از شکل 2تا 5).
برای تهیهی نقشهی کاربری اراضی محدودهی مورد مطالعه از محیط نرمافزار پردازش تصویر ENVIو روش طبقهبندی نظارت شده (الگوریتم حداکثر مشابهت[6] (MLC)) و تصاویر رنگی ماهواره لندست استفاده شد.برای به دست آوردن لایهی پهنههای بارشی از آمار ایستگاههای هواشناسی منطقه استفاده شد و لایه بارش به صورت پهنههای بارشی به دست آمد. همچنین برای تهیهی لایه تراکم پوشش گیاهی از تصاویر باندهای 3 و 4 ماهواره لندست استفاده شده است.
شکل (2) نقشهی سنگشناسی
شکل (3) نقشهی فاصله از گسل
شکل (4) نقشه شیب (سمت راست) نقشه جهت شیب (سمت چپ)
شکل(5) نقشه فاصله از رودخانه (سمت راست) و فاصله از جاده (سمت چپ)
شاخص رطوبت توپوگرافیک (TWI)
شاخص رطوبت توپوگرافیک (شاخص تـرکیب توپوگـرافیک[7](CTI)) که بـرای توصیف الگوی فـضایی رطوبت خـاک اسـتفاده مـیشود (ویلسون و گالانت[8]، 2000) بـه صورت
رابطهی زیر تعریف میشود:
رابطهی (2)
در منطقهی مورد مطالعه مناطق با انحنای مقعر و مناطق حاشیهای رودخانهها و درهها از نظر شاخص رطوبت توپوگرافیک مقدار عددی بالاتری دارند.
شاخص طول شیب (LS)
طبق این شاخص با افزایش طول شیب مقدار فرسایش افزایش مییابد (رضایی و همکاران، 1393: 102). مور و بورچ (1986) برای شاخص LS رابطهی (1) را پیشنهاد دادهاند.
رابطهی (1)
که در آن AS مساحت حوضهی آبخیز و b گرادیان شیب بر حسب درجه است.
شاخص فوق با استفاده از رابطهی (1) در محیط نرمافزار Arc map تهیه شد (شکل 8). بر اساس این شاخص مناطقی که دارای طول شیب بیشتری هستند از نظر زمین لغزش پتانسیل بالاتری دارند.
شاخص قدرت آبراهه (SPI)
مور و همکاران (1991) رابطه (3) را برای محاسبه شاخص قدرت رودخانه (SPI) پیشنهاد نمودند که در این معادله اندازهی قدرت فرسایش جریان آب بر این فرض استوار است که عمل تخلیه متناسب با وسعت حوضه صورت میگیرد. شاخص فوق با استفاده از رابطهی (3) و نرمافزار Arc map تهیه شد.
رابطهی (3) SPI=AS.tanb
که در آن رابطهی (3) AS مساحت حوضهی آبخیز و bگرادیان شیب بر حسب درجه است (شکل 8). برای منطقهی مورد مطالعه شاخص فوق تهیه شد و مناطق درهای و حاشیهی رودخانهای بیشترین ارزش را کسب کردهاند.
شکل (6) نقشهی بارش(سمت راست ) نقشهی کاربری زمین(سمت چپ)
شکل (7) نقشهی تراکم پوشش گیاهی (NDVI) سمت راست ورطوبت توپوگرافیک (شاخص TWI)- سمت چپ
شکل (8) نقشهی LS (سمت راست)و نقشهی قدرت آبراهه ، SPI( سمت چپ)
برای اجرای پهنهبندی دو مدل فرآیند تحلیل شبکه و قضیهی بیز مورد استفاده قرارگرفته که با توجه به ماهیت مدلها هر کدام در مرحلهای از پژوهش مورد استفاده قرار گرفتهاند. برای مقایسه و رتبهبندی پارامترها از مدل فرآیند تحلیل شبکه و برای تعیین وزن کلاسهای هر پارامتر نیز از مدل قضیهی بیز کمک گرفته شده است.
مدل قضیهی بیز یا وزن شواهد
در این پژوهش از مدل قضیهی بیز برای پیدا کردن سطح تأثیر و وزن هر کدام از کلاسهای پارامترهای مستعدکنندهی زمین لغزش استفاده شده است. فرمول قضیهی بیز بر اساس رابطهی زیر (رابطهی 4) تعریف میشود (پیاسنتینی و همکاران، 2012: 199):
رابطهی (4)
در رابطهی فوق P(S) احتمال اولیه وقوع پیشامد S در محدودهی مورد مطالعه (AS)، P(Bi): احتمال وقوع کلاس Bi در محدودهی مورد مطالعه (AS)، احتمال وقوع پیشامد Bi به شرطی که پیشامد S اتفاق افتاده باشد، : احتمال وقوع پیشامد S به شرطی که پیشامد Bi اتفاق افتاده باشد.
احتمال شرطی وقوع زمین لغزش زمانی که کلاس Bi اتفاق نیفتاده باشد نیز به صورت رابطه زیر تعریف میشود:
رابطهی (5)
در معادلهی فوق P(s)احتمال اولیه وقوع پیشامد S در محدودهی مورد مطالعه (AS)، احتمال شرطی نبود کلاس Biبه شرطی که S اتفاق افتاده باشد، احتمال اولیه نبود کلاس Bi در محدودهی مورد مطالعه (AS). در این مدل، وزن کلاسههای هر پارامتر به وسیله ترکیبی از ارزشهای مثبت و منفی (W+ و W-) از طریق تئوری بیز و نیز اختلاف تفاضل بین آنها محاسبه مـیشود و در نهایت با استفاده از رابطهی 6 تا 9 وزن نهایی کلاسهها حاصل میشود.
رابطهی (6) W+=LN(P(Bi|s)/P(Bi))
رابطهی (7)
رابطهی (8) C=W+ - W-
رابطهی (9) Wfinal=C/Sc
که در آن LN لگاریتم بر مبنی عدد نپر، C تفاضل وزنهای مثبت و منفی، Wfinal وزن نهایی استاندارد شده و Sc انحراف استاندارد است که برابر با جذر واریانس هر یک از وزنهای مثبت و منفی است (پورقاسمی و همکاران، 1391: 117).
بحث و نتایج
در این پژوهش برای مقایسهی زوجی و تعیین ضریب پارامترها از مدل فرآیند تحلیل شبکه و برای تعیین سطح تأثیر کلاسهای هر پارامتر از مدل قضیهی بیز استفاده شده است. برای اجرای مدل ANP ابتدا بر اساس ماهیت دادهها و ارتباطات موجود بین آنها، پارامترها در چهار خوشهی اصلی 1ـ پارامترهای اقلیمی و هیدرولوژیکی 2ـ پارامترهای زمینشناسی 3ـ پارامترهای انسانی و پوشش زمین و در نهایت 4ـ پارامترهای ژئومورفولوژیکی دستهبندی شدند. در ادامه با مشخص شدن خوشهها، ساختار شبکهای بین خوشهها و پارامترهای در نظر گرفته شده تشکیل شد. تمامی مراحل مربوط به مقایسات زوجی بین خوشهها معیارها و روابط درونی آنها در محیط نرمافزار Super Decision صورت گرفته و با تهیهی سوپر ماتریس حد وزن نهایی هر یک از پارامترها به دست آمده است. بر اساس جدول (1) لایهی شیب زمین با 222/0 و سنگشناسی با 154/0 بیشترین ضریب تأثیر را در پهنهبندی پتانسیل زمینلغزش دارند. در مقابل لایههای شاخص رطوبت توپوگرافیک با 004/0 و فاصله از جاده با 005/0 کمترین ضریب تأثیر را دارا هستند. با به دست آمدن ضریب تأثیر پارامترها نوبت به محاسبه وزن کلاسهای هر پارامتر میرسد. برای به دست آوردن این ضرایب از مدل قضیهی بیز استفاده شده است. دو دسته اطلاعات بـرای این مرحله مورد نـیاز بود: 1ـ زمین لغزشهای رخ داده در منطقه که در مدلسازی 70 درصد آنها مورد استفاده قرار گرفته و 30 درصد زمینلغزشها برای ارزیابـی مدل در نظر گرفته شده است و 2ـ پارامترهای کلاسهبـندی شده. با داشتن دادههای فوق اطلاعات مورد نیاز برای مدلسازی در محیط نرمافزار Arcmap استخراج شده و از طریق فرمولنویسی روابط مدل در نرمافزار excel وزن کلاسهای هر طبقه به دست آمد. جدول (1) وزن به دست آمده از مدل قضیهی بیز را برای کلاسهای هر پارامتر نمایش میدهد.
جدول (1) وزن کلاسهای هر پارامتر (بر اساس مدل قضیهی بیز)
|
پارامترها |
کلاس |
W+ |
W- |
C |
S2(W+) |
S2(W-) |
SC |
Weight |
|
کاربری زمین |
جنگل تنک |
94/0 |
14/0- |
08/1- |
017/0 |
0043/0 |
147/0 |
4/7 |
|
جنگل متراکم |
17/0- |
048/0 |
22/0- |
017/0 |
0043/0 |
147/0 |
49/1- |
|
|
مرتع خوب |
27/2- |
168/0 |
44/2- |
2/0 |
0036/0 |
45/0 |
42/5- |
|
|
جنگل متوسط |
95/2- |
137/0 |
09/3- |
5/0 |
0035/0 |
71/0 |
36/4- |
|
|
مرتعوکشاورزیمختلط |
64/0 |
49/0- |
13/1 |
006/0 |
0081/0 |
12/0 |
46/9 |
|
|
سنگشناسی |
A |
29/2- |
0/48 |
-2/77 |
0/083 |
0/003 |
0/29 |
-9/42 |
|
B |
0/146 |
-0/034 |
0/18 |
0/016 |
0/004 |
0/146 |
1/23 |
|
|
C |
0/72 |
-0/06 |
0/79 |
0/029 |
0/004 |
0/18 |
4/32 |
|
|
D |
0/6 |
-0/17 |
0/77 |
0/011 |
0 /005 |
0/128 |
6/04 |
|
|
E |
3/15 |
-0/39 |
3 /54 |
0/01 |
0/0052 |
0/12 |
28/33 |
|
|
شاخص TWI |
1 |
-0/84 |
0/26 |
-1/11 |
0/023 |
0/0041 |
0/16 |
-6/64 |
|
2 |
0/09 |
-0/06 |
0/15 |
0/008 |
0/006 |
0/12 |
1/29 |
|
|
3 |
0/71 |
-0/27 |
0/98 |
0/009 |
0/0057 |
0/12 |
8/11 |
|
|
4 |
-0/24 |
0/016 |
-0/25 |
0/062 |
0/003 |
0/25 |
-0/99 |
|
|
شاخص LS |
1 |
-0/76 |
0/45 |
-1/21 |
0/014 |
0/0047 |
0/14 |
-8/81 |
|
2 |
0/16 |
-0/09 |
0/26 |
0/008 |
0/0059 |
0/12 |
2/21 |
|
|
3 |
0/93 |
-0/21 |
1/14 |
0/012 |
0/0049 |
0/13 |
8/66 |
|
|
4 |
1/17 |
-0/05 |
1/22 |
0/05 |
0/0038 |
0/23 |
5/27 |
|
|
شاخص SPI |
1 |
-1/65 |
0/61 |
-2/26 |
0/035 |
0/0039 |
0/19 |
-11/36 |
|
2 |
0/46 |
-0/28 |
0/74 |
0/007 |
0/0066 |
0/12 |
6/27 |
|
|
3 |
0/35 |
-0/038 |
0/39 |
0/03 |
0/004 |
0/18 |
2/14 |
|
|
4 |
1/27 |
-0/17 |
1/45 |
0/015 |
0/0044 |
0/14 |
9/9 |
|
|
5 |
0/71 |
-0/06 |
0/77 |
0/032 |
0/004 |
0/19 |
4/05 |
|
|
شاخص NDVI |
1 |
0/72 |
-0/06 |
0/78 |
0/037 |
0/0045 |
0/2 |
3/87 |
|
2 |
0/23 |
-0/17 |
0/41 |
0/008 |
0/0077 |
0/12 |
3/23 |
|
|
3 |
-0/23 |
0/04 |
-0/28 |
0/026 |
0/0047 |
0/17 |
-1/58 |
|
|
4 |
-0/25 |
0/03 |
-0/28 |
0/034 |
0/0045 |
0/19 |
-1/45 |
|
|
5 |
-0/46 |
0/1 |
-0/56 |
0/027 |
0/0047 |
0/18 |
-3/11 |
|
|
|
1 |
0/39 |
-0/33 |
0/73 |
0/006 |
0/007 |
0/12 |
6/19 |
ادامه جدول(1)
|
فاصله از گسل |
2 |
0/06 |
-0/023 |
0/08 |
0/012 |
0/005 |
0/13 |
0/66 |
|
3 |
-0/09 |
9/019 |
-0/11 |
0/021 |
0/004 |
0/16 |
-0/7 |
|
|
4 |
-2/2 |
0/12 |
-2/32 |
0/25 |
0/0035 |
0/5 |
-4/6 |
|
|
فاصلهاز رودخانه |
1 |
0/6 |
-0/76 |
1/37 |
0/005 |
0/012 |
0/13 |
10/44 |
|
2 |
-0/65 |
0/23 |
-0/89 |
0/019 |
0/0043 |
0/15 |
-5/81 |
|
|
3 |
-0/63 |
0/09 |
-0/72 |
0/035 |
0/0039 |
0/2 |
-3/63 |
|
|
4 |
-2/63 |
0/04 |
-2/67 |
1 |
0/0035 |
0/002 |
-2/67 |
|
|
جهت شیب |
شمال شرقی |
-1/82 |
0/12 |
-1/94 |
0/166 |
0/0036 |
0/41 |
-4/71 |
|
شرق |
0/36 |
-0/14 |
0/51 |
0/01 |
0/005 |
0/12 |
078/4 |
|
|
جنوب شرقی |
0/51 |
-0/27 |
0/78 |
0/008 |
0/006 |
0/12 |
6/63 |
|
|
جنوب |
-3/28 |
0/09 |
-3/38 |
1 |
0/0035 |
1/001 |
-3/37 |
|
|
شمال غربی |
-0/12 |
0/01 |
-0/13 |
0/034 |
0/004 |
0/19 |
-0/67 |
|
|
شمال |
0/74 |
-0/057 |
0/8 |
0/034 |
0/004 |
0/19 |
4/1 |
|
|
شیب زمین |
1 |
-2/9 |
0/2 |
-3/12 |
0/33 |
0/0035 |
0/58 |
-5/4 |
|
2 |
-0/66 |
0/11 |
-0/77 |
0/034 |
0/004 |
0/19 |
-3/93 |
|
|
3 |
0/57 |
-0/37 |
0/94 |
0/006 |
0/0071 |
0/12 |
7/97 |
|
|
4 |
0/36 |
-0/12 |
0/48 |
0/011 |
0/005 |
0/13 |
3/74 |
|
|
5 |
-0/25 |
0/02 |
-0/26 |
0/05 |
0/004 |
0/24 |
-1/13 |
|
|
6 |
-0/62 |
0/015 |
-0/63 |
0/2 |
0/0035 |
0/45 |
-1/41 |
|
|
بارش |
1 |
0/18 |
-0/12 |
0/31 |
0/007 |
0/006 |
0/11 |
2/65 |
|
2 |
-0/11 |
0/022 |
-0/13 |
0/02 |
0/004 |
0/16 |
-0/83 |
|
|
3 |
-1/025 |
0/1 |
-1/12 |
0/066 |
0/0036 |
0/26 |
-4/24 |
|
|
4 |
0/89 |
-0/27 |
1/16 |
0/01 |
0/005 |
0/12 |
9/48 |
|
|
فاصله از جاده |
1 |
0/74 |
-1/04 |
1/78 |
0/004 |
0/015 |
0/14 |
12/56 |
|
2 |
-1/04 |
0/22 |
-1/26 |
0/035 |
0/004 |
0/2 |
-6/35 |
|
|
3 |
-0/14 |
0/015 |
-0/16 |
0/038 |
0/0038 |
0/2 |
-0/78 |
|
|
4 |
-0/55 |
0/02 |
-0/58 |
0/1 |
0/0036 |
0/32 |
|
وزنهای به دست آمده از مدل قضیهی بیز از طریق عملگر Reclassify بر روی پارامترها اعمال شده و در نهایت پارامترهای به دست آمده از این مرحله با ضرایب مدل ANP ترکیب شدند. نتیجه این فرآیند یک لایهی رستری است که وضعیت منطقه را از نظر پتانسیل وقوع زمین لغزش نمایش میدهد. نقشهی به دست آمده، با استفاد از روش شکستگیهای طبیعی[9] در پنج کلاس حساسیت طبقهبندی شد (شکل 9).
در این طبقهبنـدی نـقشهی به دست آمده در پـنج کلاس حساسیت وقوع زمینلغزش طبقهبندی شده است (طبقه با پتانسیل وقوع زمین لغزش خیلی کم، پتانسیل کم، پتانسیل متوسط، پتانسیل زیاد و پتانسیل خیلی زیاد).
شکل (9) نقشهی پهنهبندی پتانسیل زمین لغزش
ارزیابی مدل
برای ارزیابی، نقشهی طبقهبندی زمینلغزش رویهمگذاری شده و درصد پراکنش فضایی آنها را در هر کدام از طبقات به دست آمده است. نتیجه این روی همگذاری به صورت جدول (2) به دست آمد. بر اساس اطلاعات جدول با اینکه تنها 1/9 درصد از کل منطقه در کلاس با حساسیت خیلی زیاد قرار گرفته ولی با اینحال در حدود 7/40 از زمین لغزشهای در نظر گرفته شده برای ارزیابی در این طبقه قرارگرفته است. در حالت کلی حدود 6/77 درصد از این زمین لغزشها در دو کلاس با خطر زیاد و خیلی زیاد قرار گرفته است. جدول (2) وضعیت آماری حاصل از این ارزیابی را نشان میدهد.
جدول (2) مساحت کلاسهای پهنهبندی حساسیت زمین لغزش و درصد زمین لغزشهای رخ داده
|
کلاس حساسیت |
مساحت هر کلاس به درصد |
مساحت زمین لغزشهای رخ داده به درصد |
|
حساسیت خیلی کم |
6/17 |
1/4 |
|
حساسیت کم |
7/31 |
9 |
|
حساسیت متوسط |
4/24 |
3/9 |
|
حساسیت زیاد |
2/17 |
37 |
|
حساسیت خیلی زیاد |
1/9 |
6/40 |
نتیجهگیری
بر اساس نقشهی تهیه شده بخشهای شرقی و مرکزی منطقهی مورد مطالعه از نظروقوع زمین لغزش بیشترین پتانسیل وقوع زمینلغزش را دارد. طبق نقشهی زمینشناسی منطقه و اطلاعات مربوط به ساختمان زمین اغلب مناطقی که به صورت مناطق با پتانسیل بالا شناسایی شدهاند جنس سنگها عمدتاً از نوع گنکلومرای پلیژنیک و برشهای آتشفشانی است که توسط حجم زیادی از مواد هوازده پوشیده شده است.مواد تخریب شده و هوازده موجود در روی دامنهها، سطح لایهبندی موازی با شیب زمین، باعث تسریع حرکات تـودهای شده است. بریـدگی شیب در پای دامـنهها به خاطر دستکاریهای صورت گرفته توسط فعالیتهای انسانی عامل دیگری است که باعث ایجاد لغزشهای منطقه شده است. چندین گسل فعال در بیشتر بخشهای منطقه پراکنده شده و باعث ایجاد گسستگیهای زیادی در لایههای رسوبی شـدهاند. بـرای مثال در بخش شرقی منطقهی مورد مطالعه میتوان شاهد تراکم بالایی از زمین لغژشها بود.
با توجه به اطلاعات حاصل از نتایج مطالعات 1/9 درصد از اراضی محدودهی مورد مطالعه به عنوان منطقهای با پتانسیل خیلی زیاد برای وقوع زمین لغزش در نظر گرفته شدهاند. کاربری زمین در این مناطق عمدتاً از نوع جنگل تنک، مرتع و کشاورزی بر روی دامنهها میباشد. عمدتاً مناطق با پتانسیل کم و خیلی کم در بخشهای مرتفع منطقه (غرب منطقهی مورد مطالعه) و شمال شرق آن بعد از تونل گردنهی حیران واقع شده است. کاربری از نوع جنگل متراکم و مرتع خوب، داشتن فاصله دورتر از مناطق مسکونی و جادههای ارتباطی و دستکاری کمتر توسط انسان، دریافت بارش کمتر نسبت به مناطق شرقی و شیب کم از مجموعه عواملی هستند که باعث شده مقدار وقوع زمین لغزش در این مناطق کمتر باشد و به عنوان مناطقی با پتانسیل کم و خـیلی کم معرفی شـوند. جهت ارزیابی نقشهی نهایی نیز از 30 درصد زمین لغزشهای منطقه استفاده شد تا دقت مدلهای به کار رفته برای پهنهبندی مشخص شود. بر اساس نتایج به دست آمده از این ارزیابی و قرارگیری درصد قابل توجهی از زمین لغزشها در طبقه با حساسیت زیاد و خیلی زیاد (6/77) دقت مدلهای به کار رفته در پهنهبندی حساسیت وقوع زمینلغزش قابل قبول و خوب است.
)