نوع مقاله : پژوهشی

نویسندگان

1 دانشیار ژئومورفولوژی، دانشگاه حکیم سبزواری، سبزوار

2 فارغ التحصیل کارشناسی ارشد ژئومورفولوژی، دانشگاه حکیم سبزواری، سبزوار

3 فارغ التحصیل کارشناسی ارشد ژئومورفولوژی، دانشگاه حکیم سبزواری،

چکیده

چکیده
منطقه باجگیران به دلیل شرایط جغرافیایی از جمله مناطق مستعد برای وقوع زمین لغزش است. ﻫﺪف اﺻﻠﯽ از اﯾﻦ پژوهش اولویّت ­بندی عوامل موثر بر وقوع زمین لغزش و  پهنه بندی خطر وقوع زﻣﯿﻦ ﻟﻐﺰه در منطقه می­ باشد. بدین منظور بعد از انجام مطالعات کتابخانه­ای و تهیّه نقشه پراکندگی لغزش منطقه از ده پارامتر تاثیر گذار شامل ارتفاع، بارندگی، شیب، جهت شیب، شکل شیب، فاصله از آبراهه، فاصله از جاده، فاصله از گسل، پوشش زمین و لیتولوژی استفاده شد و ماتریس آنتروپی برای این عوامل محاسبه و در محیط­Gis  پهنه بندی خطر زمین لغزش در منطقه انجام شد. اولویّت بندی عوامل مؤثر با استفاده از شاخص آنتروپی نشان داد که لایه­های شیب، جهت شیب، لیتولوژی، فاصله از گسل و ارتفاع بیشترین نقش را در وقوع زمین لغزش در منطقه دارند.  پهنه­بندی حساسیّت زمین لغزش با مدل مذکور نشان میدهد که42­% زمین لغزه­ها در محدوده خطر زیاد، 31% در محدوده خطر متوسط، 27­% ­در محدوده خطر کم واقع شده است. نتایج نشان می­دهد بیشترین درصد لغزش­های رخ داده در منطقه، در پهنه خطر زیاد که توسط مدل آنتروپی مشخص شده بود، قرار گرفته است. این امر حاکی از آن است که مدل پیشنهادی مدلی مناسب برای تعیین خطر حساسیّت وقوع زمین لغزش در منطقه است.

تازه های تحقیق

-

کلیدواژه‌ها

عنوان مقاله [English]

Prioritize and zoning factors affecting the landslide model entropy(Case study:Bajgiran, Ghochan

نویسندگان [English]

  • Abolghasem Amir Ahmadi 1
  • Mahnaz Naemi Tabar 2
  • Bahar Gholkar ostadi 3

1 Geomorphology professor Hakim Sabzevari,

2 MA degree in geomorphology, Hakim Sabzevari University,

3 MA degree in geomorphology, Hakim Sabzevari University,

چکیده [English]

Absract:
Introduction
Landslide is one of the natural phenomena causing many financial losses and casualties in Iran every year (Kamranzadeh, 2014: 101). This phenomenon occurs when the force of materials’ weight is higher than the shear strength of the soil shear force (Memarian et al. 2006: 105). The Shannon entropy is a function of probability distribution and standard for measuring uncertainty in the information content of a parameter, and by considering occurrence frequency of subgroups of that parameter, it shows heterogeneity level. As a result, it calculates the effect of each parameter on the results of the system (Hosseinpour Mil Arghadan et al. 2014). Objectives of the present study are the selection of criteria and standards, preparation of digital factors layers, preparation of the landslide hazard zonation map, diagnosis of high risk points via the Shannon entropy, presentation of strategies appropriate for preventing possible risks and solutions to reduce damages in the study area. Bajgiran is the central district of Bajgiran County and a part Doulatkhaneh Rural District of Ghouchan Township. According to climate divisions, Bajgiran has a moderate mountainous climate. Geologically and structurally, it is a part of Kopeh Dagh Sedimentary Basin. In terms of stratigraphy, outcrops from the Jurassic rock units to the present era can be observed in the study area.
 
Materials and methods
In the present study, first of all factors affecting the occurrence of landslide including height, precipitation, slope, slope direction, slope shape, distance from the waterway, distance from the road, distance from the fault, land cover and lithology were identified as factors affecting the occurrence of landslides, and the mentioned maps were digitized in GIS. to this end, using the topographic map on a scale of 1:50000, the Digital Elevation Model Map (DEM), factors of slope degree, slope direction, slope shape, height level, distance from the waterway, and distance from the road were prepared. Using the land-use map on a scale of 1:25000, information layers of land use were extracted. To draw the lithological map, the distance from the fault of the geological map on a scale of 1:50000 was used. To draw the precipitation map, statistics of the rain gauge stations of five Daroungar, Mohammad Taghi Beig, Aman Gholi, Kikan, Hey Hey Ghouchan, and Bahman Jan Stations were used. The information content available in the decision matrix in entropy process is calculated via equation 1:
 
Equation 1:                                                                                                               Ej = -K
Where Ej is the entropy value and Pi,j is the decision matrix.
 
Equation 2:                                                                                                            Pij =
 
Where rij is the value or the special score assigned to each layer.
 
Equation 3:                                                                                                               K= (lnm)-1
Where k is the fixed coefficient and m is the number of landslides.
After the formation of the decision matrix and extraction of the value of Ej, the value of Vj can be calculated via equation 4:
 
Equation 4:                                                                                                               Vj = 1- Ej
Where Vj is the deviation degree of uncertainty.                        
           
And finally, to calculate the final weight of all factors (Wj), equation 5 is employed.
 
Equation 5:                                                                                                             Wj =    
 
To prepare the final map, equation 6 is used:
 
Equation 6:                                                                                                            
 
Where Hi is the landslide hazard occurrence coefficient, Wj is the final weight of all factors, rij is the weight of each factors (Moghimi et al. 2012: 82).
 
Results and discussion
After converting criteria into integers and the formation of the initial matrix, the value of Pij was calculated via equation 1 and the value of K was calculated via equation 2. To calculate Ej for each criterion, equation 2 was used. The results are indicated table 2. In this equation, the value of E which is a function of n, for each n where Pi is equal, the value of E becomes maximum which is statistically calculated via probability distribution of Pi. Then, uncertainty or degree of deviation of each criterion (dj) obtained from the fraction of the value of Ej from 1 were calculated per each indices effective on landslides of the study area (table 2). After that, using equation 5, the weight of each parameters used in the entropy matrix of landslides (Wj) including height (0.02113), precipitation (0.031142), shape of slope (0.0116110), slope (0.011342), distance from the waterway (0.045161), distance from the road (0.113401), distance from the fault (0.099871), land use (0.997110), and lithology (0.095148) were obtained. Therefore, the regional model of the landslide hazard degree in the area was obtained via equation 6. Hi is the landslide hazard degree in the area (equation 7).
 
Conclusion
The aim of the present study was to prioritize factors affecting the occurrence landslides and zone their sensitivity in Bajgiran Region via the Shannon entropy. The results of the study shows that the most important factors affecting landslides in the study area are slope layers, slope direction, lithology, distance from the fault, and height. After weighting parameters and formatting the entropy matrix, the zonation mapping were conducted. To this end, information layers were prepared in Arc GIS and converted into Raster formats. With regard to zoning maps obtained from the entropy model, 15 landslides have occurred in the area among which 9 landslides have occurred in a high risk zone (42%), 4 landslides in a moderate risk zone (31%), and 2 landslides in a low risk zone (27%). Regarding the factor of slope, it can be said that the most landslides have occurred in slopes with 60%. It may because the lack of the soil-formation process prone to slippery movements. In case of the factor of slope direction, the most landslides have occurred in northern domains and in heights with 1600 m high. This results is compatible with the faults and calcareous, marl, and Pyura Chilensis organizations of the area. The results of the present study also show that the entropy model has appropriate performance in identifying risk areas and their zonation. In addition, the results can be used in decision making and management of land use and urban planning.
 

کلیدواژه‌ها [English]

  • Landslide
  • Zoning
  • the entropy model
  • GIS
  • Bajgiran Region
احمدآبادی،علی،رحمتی، مریم (1394)، کاربرد شاخصهای کمی ژئومورفومتریک در شناسایی پهنه­های مستعد زمین­لغزش با استفاده از مدل SVM(مطالعه موردی: آزادراه خرم آباد – پل زال)، پژوهشهای کمی، سال 4، شماره 3، صص 197-213.
بای، ناصر، حاجی میررحیمی، سید محمود (1387)، پهنه­بندی خطر زمین لغزش با استفاده از روش AHP، همایش ژئوماتیک، صص 9.
بهشتی راد، مسعود، فیض نیا، سادات، سلاجقه، علی، احمدی، حسن (1388)، بررسی کارایی مدل پهنه­بندی خطر زمین لغزش فاکتور اطمینان (CF)، مطالعه موردی حوزه آبخیز معلم کلایه، فصلنامه جغرافیای طبیعی، سال 2، شماره 5، صص 28-19.
پورقاسمی، حمیدرضا، مرادی، حمیدرضا، فاطمی عقدا، سید محمود (1393)، اولویت­بندی عوامل مؤثر بر وقوع زمین­لغزش و پهنه­بندی حساسیّت آن با استفاده از شاخص آنتروپی شانون، مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، سال18، شماره 70، صص 191-181.
پورقاسمی، حمیدرضا، مرادی، حمیدرضا، محمدی، مجید، مصطفی­زاده، رئوف، گلی جیرنده، عباس (1391)، پهنه بندی خطر زمین­لغزش با استفاده از تئوری بیزین، مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، سال 16، شماره 62، صص 109-121.
جوادی، محمد رضا، طهرانی پور، ه، غلامی، ش، ع، فتاحی اردکانی، م. ع (1391)، مقایسه روش های مورا و وارسون و رگرسیون چندمتغیره در پهنه بندی خطر زمین لغزش حوضه آبخیز کن، پژوهشنامه مدیریت حوضه آبخیز، سال 3، شماره 5، صص 105-92­.
حاتمی­فرد، رامین، موسوی، سید حجت، علیمرادی، مسعود (1391)، پهنه­بندی خطر زمین لغزش با استفاده از مدل AHP و تکنیک GIS در شهرستان خرم­آباد، جغرافیا و برنامه­ریزی محیطی، سال بیست و سوم، پیاپی 47، شماره 3، صص 43-60­.
حسین پور میل آغاردان، امین، عباسپور، رحیم علی (1393)، بهبود نتایج پیش بینی وقوع زمین لغزش با استفاده از تئوری آنترپی شانون، دانش مخاطرات، دوره 1. شماره 2، صص 253­-268­.
حسین­زاده، سید رضا، قربانی شورستانی، علی، نورمحمدی، علی­محمد، رضایی عارفی، محسن (1394)، بررسی عوامل مؤثر بر وقوع زمین­لغزش با استفاده از GIS و RS (مطالعه موردی سد دوستی)، هیدروژئومورفولوژی، شماره 4، صص 21-38­.
راکعی، بابک، خامه چیان، ماشااله، عبدالملکی، پرویز، گیاهچی، پانته آ (1389)، کاربرد سیستم شبکة عصبی مصنوعی در پهنه­بندی خطر زمین لغزش, مطالعه موردی: ناحیه سفیدار گله در استان سمنان، مجله علوم دانشگاه تهران، جلد 33، شماره 1، صص 57 ­-64­.
روستایی، شهرام، مختاری، داوود، حسینی، زهرا، اطمانی حقویران، مهدی (1394)، بررسی پتانسیّل وقوع زمین لغزش در حوضه آبخیز رودخانه میمه در استان ایلام به روش تحلیل شبکه (ANP)، هیدروژئومورفولوژی، شماره4، صص 101-123.
سوری، سلمان، لشکری­پور، غلامرضا، غفوری، محمد (1390)، پهنه­بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی مطالعه موردی: حوضه کشوری (نوژیان)، زمین شناسی مهندسی، جلد 5، شماره2، صص 1269-1286.
شریفی. رضا، میرآبادی. احمد، ارفع، احسان (1390)، بررسی و انتخاب سیستم سیگنالینگ مناسب به روش آنتروپی- پرومتی برای راه آهن چابهار- زاهدان، فصلنامه مهندسی حمل و نقل، سال 2،  شماره 4، صص 346-335.
شریفی، رحمان، دریاباری، سیدجمال (1384)، روش نیلسن و بهینه سازی آن در پهنه بندی خطر زمین لغزش، فصلنامه تحقیقات جغرافیایی، سال20، شماره 1، پیاپی 76، صص 78­- 89.
علیپور، حمید، ملکیان، آرش (1394)، پهنه­بندی خطر زمین لغزش در حوضه­ی آبخیز جهان اسفراین خراسان شمالی، فصلنامه جغرافیا و توسعه، سال 13، شماره 39، صص 165-180.
فرداد، مهدی، آل شیخ، علی اصغر، حکیم­پور، فرشاد، وفایی نژاد، علیرضا (1390)، پهنه بندی حساسیّت خطر زمین لغزش با روشهای منطق فازی (Fuzzy) و شبکه عصبی (Neural Network) درGIS، (مطالعه موردی منطقه مال خلیفه)، پانزدهمین همایش زمین شناسی ایران، صص 8.
کامران­زاد، فرناز، محصل­افشار، عماد، مجرب، مسعود، معماریان، حسین (1393)، پهنه­بندی خطر زمین­لغزش در استان تهران با استفاده از روشهای داده محور و تحلیل سلسله مراتبی، علوم زمین، سال 25، شماره 97،صص 101-114صص.
کردی، عبدالواحد، دشتی مرویلی، مریم، معتمد وزیری، بهارک (1391)، پهنه­بندی خطر زمین­لغزش با استفاده از رگرسیون چند متغیره (مطالعه موردی: حوزه آبخیز کوهسار)، پژوهشهای فرسایش محیطی، سال 2، شماره 8، صص 49-61.
محمد خان، شیرین، ویسی، عبدالکریم، باقری،کیوان (1393)، پتانسیّل سنجی خطر زمین لغزش با استفاده از مدل آنتروپی، مطالعه موردی (منطقه کوهستانی شیرپناه در جنوبغرب استان کرمانشاه)، فصلنامه جغرافیایی سرزمین، سال11، شماره 44 ، صص­103­-88.
معماریان، حمید، سیارپور، مجید (1385)، نقش پارامتر  شیب دامنه در بروز خطا در پهنه­بندی خطر زمین لغزش، نشریه دانشکده فنی، جلد 40، شماره 105، صص 13-1.
مقیمی­، ابراهیم، باقری سیدشکری، سجاد، صفرراد، طاهر (1391)، پهنه­بندی خطر وقوع زمین لغزش با استفاده از مدل آنتروپی (مطالعه ی موردی: تاقدیس نسار زاگرس شمال غربی)، پژوهشهای جغرافیای طبیعی، شماره 79، صص­77 -90.
نصرآزادانی، احمد، شیرانی، کوروش (1388)، ارزیابی و مقایسه روشهای پهنه­بندی آماری دو متغیره با استفاده از GIS (مطالعه موردی حوضه آبخیز دز علیا)، همایش ژئوماتیک.
Bednarik , M. Magulova , B . Matys , M. Marschalko , M 2010, Landslide susceptibility Assessment of the kral ovany – Liptovsky Mikulas Railways case study , physics and chemistry of the Earth , pp .162 – 171.
Sharma, L. P; Patel, Nilanchal; Ghose M. K; and Debnat P. 2012. Influence of Shannon ’s entropy on landslide-cau sing parameter s for vulnerab ility study and zonation — a case study in Sikkim, India, Arab J Geosci. 5:421– 431.
Zou, Zuyin; Chen, H; Chen, Y; Long, X. (2016). Stability
Analysis of Slope Based on Hierarchical Analysis of Fuzzy Entropy, Vol. 21, pp: 1399-1416.