ارزیابی کارایی مدل احتمالاتی وزن واقعه در تهیه نقشه حساسیت زمین لغزش
Publish place: Journal of Watershed Management Research، Vol: 7، Issue: 14
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 256
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-7-14_008
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
حرکات تودهای معمولا جزء فرسایشهای طبیعی است، اما بشر با انجام عملیاتی مانند حفر معدن، جادهسازی و از بین بردن پوشش گیاهی طبیعی میتواند آن را تشدید نماید. هدف از تحقیق حاضر شناخت عوامل موثر در وقوع زمینلغزش درحوزه آبخیز سیاهبیشه با استفاده از مدل احتمالاتی وزن واقعه و سامانه اطلاعات جغرافیایی میباشد. بدین منظور با استفاده از تفسیر
عکسهای هوایی و پیمایشهای گسترده صحرایی ۱۳۲ نقطه لغزشی شناسایی و ثبت شد. از این تعداد به طور تصادفی ۹۲ نقطه لغزشی (۷۰ درصد) برای مدلسازی و ۴۰ نقطه لغزشی (۳۰ درصد) برای ارزیابی مدل استفاده شد. عوامل مورد بررسی در ایجاد زمینلغزش شامل درجه شیب، جهت شیب، شکل شیب، ارتفاع، فاصله از جاده، فاصله از آبراهه، فاصله از گسل و زمین شناسی در محیط GISرقومی و نقشههای هر یک از عوامل تهیه شد. با استفاده از مدل احتمالاتی وزن واقعه، ارتباط هر عامل با نقاط لغزشی مشخص و در نهایت نقشه پهنهبندی حساسیت زمینلغزش برای منطقه مورد مطالعه تهیه گردید. درمدل وزن واقعه کلاسهای، شیب ۳۰-۱۵ درجه، جهت شمال شرقی، ارتفاع ۲۶۰۰-۲۲۰۰ متر، فاصله از آبراهه ۲۰۰-۱۵۰ متری، فاصله کمتر از ۱۰۰ متری جاده، فاصله بیشتر از ۴۰۰ متری گسل، سازندهای دوره زمینشناسی ژوراسیک- تریاس، شکل شیب مقعر از مهمترین عوامل موثربر وقوع زمینلغزش در حوزه آبخیز سیاه بیشه معرفی شد. نتایج ارزیابی با استفاده از منحنی ROCنشان داد که مدل وزن واقعه با سطح زیر منحنی ۸۱/۰دقت خوبی برای تحلیل حساسیت زمینلغزش در منطقه مورد مطالعه دارد.
Keywords:
Landslide susceptibility Zonation , Mass movements , Siyahbisheh Watershed , Weights-of-Evidence , حرکات توده ای , پهنه بندی حساسیت زمین لغزش , مدل وزن واقعه , حوزه آبخیز سیاه بیشه
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :