نوع مقاله : پژوهشی

نویسندگان

1 - استادیار گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه، خراسان رضوی، ایران (نویسنده مسئول).

2 کارشناسی ارشد آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه، خراسان رضوی، ایران.

3 کارشناس گروه آموزشی مدیریت مناطق بیابانی، مرکز تحقیقات بین المللی بیابان، دانشگاه تهران، تهران، ایران.

چکیده

چکیده
حرکت توده­ای از مواد روی دامنه­های شیب­دار تحت تأثیر ثقل و عوامل محرکی مانند زمین‌لرزه، سیل و باران­های سیل‌آسا زمین­لغزش نامیده می­شود. امروزه در کشورهای درگیر با زمین­لغزش، تمایل فزاینده‌ای جهت ارزیابی خطر و خسارات این پدیده وجود دارد. لذا در پژوهش حاضر به ­کمک هندسه­ی فرکتال اثر کاربری، زمین­شناسی و ژئومورفولوژی بر الگوی پهنه­های لغزشی در حوضه­ی­ تویه-دروار استان سمنان مورد ارزیابی قرار گرفت. نتایج بررسی بعد فرکتالی 146 پهنه لغزشی به روش شمارش جعبه، متوسطی برابر با 987/1 را نشان داد. بررسی ویژگی­های مکانی پهنه­های لغزشی شامل کاربری اراضی، جهت دامنه، کلاس فرسایش خاک، واحد زمین­شناسی، تیپ ژئومورفولوژی، کلاس شیب و ارتفاع، فاصله از جاده، فاصله از گسل و فاصله از آبراهه نشان داد که تنها اثر تیپ­ ژئومورفولوژی بر بعد هندسی پهنه­های لغزشی معنا­دار است و این معنا­داری ناشی از اختلاف بالای (000/sig.= ) تیپ کوه­ها با تیپ فلات­ها و تراس­های فوقانی است. نهایتاً نیز نسبت تراکمی نقاط و پهنه­های لغزشی در هر یک از طبقات مربوط به ویژگی­های مکانی وقوع زمین­لغزش محاسبه و اثر این متغیرها بر شدت وقوع زمین­لغزش ارایه و تحلیل گردید. در پهنه­بندی حساسیت زمین­لغزش حدود 57 درصد لغزش­ها در کلاس خطر بالا و خیلی بالا واقع شدند که بیانگر پتانسیل بالای منطقه برای وقوع زمین­لغزش است.

تازه های تحقیق

-

کلیدواژه‌ها

عنوان مقاله [English]

The Study and Zonation of the Effect of Geologic and Geomorphic Characteristics on the Pattern of Sliding Zones using Fractal Geometry (Case Study: Tooye-Darvar watershed)

نویسندگان [English]

  • Mehdi Bashiri 1
  • Seyedeh-Maedeh Kavousi Davoudi 2
  • Ali Afzali 3

1 Assistant Professor, Department of Range and Watershed Management, Faculty of Agriculture and Natural Resources, University of Torbat Heydarieh, Razavi-Khorasan, (Corresponding Author), E-mail:me.bashiri@yahoo.com

2 M.Sc. in Watershed Management, Faculty of Agriculture and Natural Resources, University of Torbat Heydarieh, Razavi-Khorasan, Iran.

3 M.Sc. in Watershed Management, Department of Management of Desert Regions, International Desert Research Center, Tehran University, Tehran, Iran.

چکیده [English]

Introduction
The mass movement of materials on steep slopes under the influence of gravity and motivation factors such as earthquakes, floods and torrential rains called landslide. Landslide similar the other natural phenomena is an important natural disaster that occur every year in the mountainous and highland areas of our country. By risk assessment of landslide occurrence, the sensitive areas with a high potential risk can be identified. Also the effect of different environmental factors on the pattern of high-risk areas can be used in risk management, practically.
Methodology
One of the basic measures for achieving methods for mass movements control and management is identifying the effective factors in occurrence of this phenomenon. Also, in countries involved in the landslide, there is an increasing tendency for risk and damage assessment of this phenomenon. Therefore, at the present study, using fractal geometry, the effects of land use, geology and geomorphology on the landslide patterns were evaluated in the Tooye-Darvar watershed, Semnan province. Because the fractal theory studies and recent reviews in the earth science indicate that some geological processes such as mineralization, sedimentation, deposition, volcano, morphology and etc have self-similar characteristics. First, using aerial photo interpretation, field surveying and recording the position of landslides using GPS, the landslide distribution map prepared. Then, information layers for each slope, aspect, elevation, geology, geomorphic units, soil erosion class, distance from fault, distance from road, distance from stream and land-use factors prepared.in the ArcGIS software environment using digital elevation model (DEM) of the region with a pixel accuracy of 20 meters. Also the landslides information layer prepared according to the field studies and rasterized. Then, different layers overlapped and table of  combined properties for  merged layer includes the information of each pixel, extracted and entered into the Excel environment. In Excel, the relative importance (or frequency ratio) calculated for each different class of information layers.
Statistical analysis
After collecting and recording data and creating the database, the SPSS v.23 used for data analysis. In the first stage, the normalization checked using Kolmogorov-Smirnov test at the 5% confidence level. Then, the effect and significance of each measured variable investigated in landslide occurrence.
 
Calculating the fractal dimension
The landslide areas available in each unit extracted as a polygon and the resulting image transmitted to the Fractalyse software and its fractal dimension calculated using box-counting method. Then, the fractal dimension of landslides placed in work units transferred to the SPSS environment and statistical comparison performed with the aim of investigating the geometric or morphologic differences of sliding zones in different land uses and geologic and geomorphic units. Then to compare the different landslide hazard classes, the  density or compression ratio of landslide used in each hazard class. The density ratio calculated by dividing the landslide density in a particular hazard class to the average density of landslides based on the area density or the number of landslides.
landslide susceptibility zonation
In order to zonate the landslide susceptibilityusing bivariate statistical methods, the information value and the area density, each of the factors affecting landslide occurrence include slope and elevation maps, slope aspect, soil erosion class, geomorphic type, geological unit, land use, distance from the stream, distance from the road and distance from fault in GIS environment digitized and classified. Then, based on the two above mentioned methods, the weight of each factor and its related classes determined. The weighted maps of effective factors combined and using natural breaks method, the obtained maps classified in very low, low, moderate, high and very high hazard classes. In order to evaluate the implemented model in the region , 2/3 of landslide points and 2/3 of landslide areas used for modelling and the remaining 1/3 of each one used to evaluate the model.
 
Discussion
The results of fractal dimensions study in 146 landslide areas using box counting method showed an average of 1.987. Study of the spatial features in landslide areas include landuse, slope aspect, soil erosion class, geological unit, geomorphic type, height and slope class, distance from road, distance from fault and distance from stream showed that only the effect of geomorphic types on geometric dimension of landslide areas is significant and this significance is caused by high difference (sig=0/000)between mountains and plateaus and upperterraces types. Finally, the density ratio for landslide areas and points in each class of spatial characteristics for landslide occurrence, calculated and the effects of these variables on landslide occurrence severity, presented and analyzed. Also, in the landslide susceptibility zonation about 1/2 of landslides located in the high and very high risk classes that indicates the high potential for landslide in this region.
Conclusion
The results showed that the surface erosion has no significant effect on occurrence of large landslides but it has affected the landslide points. Also, the presence of marl and lime in study area that is a geological unit susceptible to dissolution can be effective in landslide occurrence. Geomorphologically, the mountain and hill types have been effective, which could be due to the high slope of these types. In the case of landslides occurrence in the vicinity of roads, faults and streams, it can be concluded that the small landslides has been affected by road, but it has no significant effect on the occurrence of large landslides. But the existence of fault in the area and proximity to the fault led to the occurrence of extensive landslides. Finally, the presence of stream in the area has also been effective in occurrence of large landslides, but the landslide points, has not been affected by existence of stream in their buffers. Also, high potential for landslide in the study area represents the being endangered for regional installations, agricultural lands, engineering structures and buildings.

کلیدواژه‌ها [English]

  • Keywords: Box counting Method
  • Density ratio
  • Fractal theory
  • Landslide
  • Hazard zonation
منابع
- ابراهیمی، پیام؛ اصلاح، مهدی و مریم آذرخشی (1396)، پهنه­­بندیخطرزمین­لغزشبااستفادهازروشSMCE و فن AHP در حوضه­ی­ آبخیزهفشجان در استان چهارمحالوبختیاری، منابع طبیعی ایران، مرتع و آبخیزداری، شماره­ی 1، صص 1-18.
 -اسفندیاری درآباد، فریبا؛ بهشتی جاوید، ابراهیم و محمدحسین فتحی (1393)، پهنه بندی حساسیت وقوع زمین‌لغزش با استفاده از تئوری بیزین (مطالعه­ی موردی: حوضه­ی آبخیز سیاهرود)، جغرافیا و مخاطرات طبیعی، شماره­ی 12، صص 1-18.
- اﻳﻼﻧﻠﻮ، مریم؛ ﻣﻘﻴﻤﻲ، ابراهیم و محمدرضا ﺛﺮوﺗﻲ (1388)، پهنه­بندی ﺧﻄﺮ ﺣﺮﻛﺎت ﺗﻮده­ای ﺑﺎ اﺳﺘﻔﺎده از روش ﺗﺤﻠﻴﻞ ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺒﻲ (AHP) (ﻣﻄﺎﻟﻌﻪ­ی ﻣﻮردی: ﺣﻮﺿﻪ­ی آﺑﺮﻳﺰ ﺳﺪﻛﺮج)، ﺟﻐﺮاﻓﻴﺎی ﻃﺒﻴﻌﻲ، شماره­ی 5، صص 85-95.
- پورهاشمی، سیما؛ امیراحمدی، ابوالقاسم و الهه اکبری (1393)، انتخابمدلمناسبازبینروش­هایآماریدومتغیرهجهتپهنه­بندیخطرزمین­لغزشدر محیط (GIS)(مطالعهموردی: حوضه­یآبخیزبقیع)، مطالعات جغرافیایی مناطق خشک، شماره­ی 15، صص 71-89.
- حسین­زاده، سیدرضا؛ قربانی­شورستانی، علی؛ نورمحمدی، علی­محمد و محسن رضایی عارفی (1394)، بررسی عوامل موثر بر وقوع زمین­لغزش با استفاده از GIS و RS (مطالعه موردی سد دوستی)، هیدروژئومورفولوژی، شماره­ی 4، صص 21-38.
- حکمت‌زاده، علی‌اکبر و ناصر طالب­بیدختی (1387)، آنالیز فراکتالی سری زمانی جریان رودخانه­ها-مطالعه­ی موردی بر روی رودخانه­ی کر، هفتمین کنفرانس هیدرولیک ایران، 21 تا 23 آبان­، دانشگاه صنعتی شهید عباسپور، تهران، صص 1-10.
- روستایی، شهرام؛ مختاری، داود؛ حسینی، زهرا و مهدی اطمانی­حقویران (1394)، بررسی پتانسیل وقوع زمین­لغزش در حوضه­ی آبخیز رودخانه­ی میمه در استان ایلام به روش تحلیل شبکه (ANP هیدروژئومورفولوژی، شماره­ی 4، صص 101-123.
- شیرانی، کورش و عبدالله سیف (1390)، پهنه­بندی خطر زمین­لغزش با استفاده از روش­های آماری (مطالعه­ی موردی: منطقه­ی پیشکوه، شهرستان فریدون شهر علوم زمین، شماره­ی 85، صص 149-158.
- صابرچناری، کاظم؛ سلمانی. حسین و مجتبی محمدی (1394)، ارزیابیخطرزمین لغزشبااستفادهازمدل­هایارزشاطلاعات و LNRF (مطالعه­ی موردی: حوضه­ی آبخیز زیارت استان گلستان)، اکوهیدرولوژی، شماره­ی 1، صص 105-116.
- طولابی، سوسن و موسی عابدینی (1395)، پهنه­بندی خطر وقوع زمین­لغزش حوضه نوژیان با مدل­های همپوشانی فازی و AHP، علوم مهندسی آبخیزداری ایران، شماره­ی 34، صص 93-104.
- طالبی، علی؛ نفرزادگان، علیرضا و حسین ملکی­نژاد (1388)، مروری بر مدل­سازی تجربی و فیزیکی زمین­لغزش­های ناشی از بارندگی، پژوهش­های جغرافیای طبیعی، شماره­ی 70، صص 45-64.
- فتاحی، محمدهادی و زهرا طالب­زاده (1396)، ارتباط بین ضریب فشردگی حوضه­ی آبریز با ویژگی­های فرکتال آن، تحقیقات منابع آب ایران، شماره 1، صص 191-203.
- فیض­نیا، سادات؛ کلارستاقی، عطاالله؛ احمدی، حسن و مهرداد صفایی (1383)، بررسی عوامل مؤثر در وقوع زمین­لغزش و پهنه­بندی خطر زمین­لغزش (مطالعه­ی موردی: زهکشی شیرین­رود، حوضه­ی تجن)، منابع طبیعی، شماره­ی 1، صص 3-20.
- کردی، عبدالواحد؛ دشتی مرویلی، مریم و بهارک معتمد وزیری (1391)، پهنه­بندیخطرزمین­لغزشبااستفادهازرگرسیونچندمتغیره (مطالعه­یموردی:حوضه­ی آبخیزکوهسار)، پژوهش­های فرسایش محیطی، شماره­ی 8، صص 49-61 .
- کرم، امیر (1389)، نظریه­ی آشوب، فرکتال (برخال) و سیستم­های غیرخطی در ژئومورفولوژی، جغرافیای طبیعی، شماره­ی 8، صص 67-82.
- Ayalew, L, and Yamagishi, H. (2006), The application of GIS-based logistic regression for landslide susceptibility mapping in the kakuda-yahiko mountains- central japan, Geomorphology, Vol. 65, No. 1, PP,15-31.
- Cheng, Q., (1999), Spatial and scaling modelling for geochemical anomaly separation, Geochemical exploration, Vol. 65, No. 3, PP, 175-194.
- Dymond, J. R., Ausseil, A. G., Shepherd, J. D., and Buettner, L., (2006), Validation of a region-wide model of landslide susceptibility in the Manawatu–Wanganui region of NewZealand, Geomorphology, Vol. 74, No. 1, PP,70-79.
- Geissen, V., Sanchez-Hernandez, R., Kampichler, C., Ramos-Reyes, R., Sepulveda-Lozada, A., Ochoa-Goana, S., de Jong, BHJ., Huerta-Lwanga, E. and Hernandez-Daumas, S., (2009), Effects of land-use change on some properties of tropical soils-An example from Southeast Mexico, Geoderma, Vol. 151, No. 3, PP,87-97.
- Kamp, U., Growley, B. J., Khattak, G. A., and Owen, L. A., (2008), GIS-based landslide susceptibility mapping for the 2005 Kashmir earthquake region, Geomorphology, Vol. 101, No. 4, PP, 631-642.
- Li, C., Ma, T., Sun, L., Li, W., and Zheng, A., (2012), Application and verification of a fractal approach to landslide susceptibility mapping, Natural hazards, Vol. 61, No. 1, PP,169-185.
- Li, H., Giger, M. L., Olopade, O. I., and Lan, L., (2007), Fractal analysis of mammographic parenchymal patterns in breast cancer risk assessment, Academic radiology, Vol. 14, No. 5, PP, 513-521.
- Papadakis, M., and Karimalis, A., (2017), Producing a Landslide Susceptibility Map through the Use of Analytic Hierarchical Process in Finikas Watershed, North Peloponnese, Greece, American Journal of Geographic Information System, Vol. 6, No. 1, PP,14-22.
- Pachauri, A. K., and Pant, M., (1992), Landslide hazard mapping based on geological attributes, Engineering geology, Vol. 32, No. 1, PP,81-100.
- Sarp, G., (2014), Evolution of neotecctonic activity of east anatolian fault system (EAFS) in Bingol pull-aport basin based on fractal dimension and morphometric, Asian Earth Sciences, Vol. 88, PP, 168-187.
- Zuo, R., and Carranza, E.J.M., (2017), A fractal measure of spatial association between landslides and conditioning factors, Journal of Earth Science, Vol. 28, Issue 4, PP,588–594.