شناسایی مناطق مستعد وقوع زمین لغزش در حوضه آبریز سد ایلام با استفاده از مدل تحلیل شبکه ای
Publish place: geography and human relationships، Vol: 5، Issue: 4
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 193
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_GAHR-5-4_027
Index date: 9 July 2023
شناسایی مناطق مستعد وقوع زمین لغزش در حوضه آبریز سد ایلام با استفاده از مدل تحلیل شبکه ای abstract
زمین لغزش به حرکت توده ای مواد بر روی دامنه گفته می شود که هرساله با خسارات جانی و مالی زیادی همراه است. مناطق مختلف تحت تاثیر وضعیت هیدروژئومورفولوژی و هیدرواقلیمی، پتانسیل-های متفاوتی از نظر وقوع زمین لغزش دارند. یکی از مناطقی که در معرض این مخاطره قرار دارد، حوضه آبریز سد ایلام است به همین دلیل در این پژوهش به شناسایی مناطق مستعد وقوع زمین لغزش در آن پرداخته شده است. در این پژوهش از مدل رقومی ارتفاعی ۳۰ متر، نقشه زمین شناسی ۱:۱۰۰۰۰۰ و لایه-های مختلف اطلاعاتی به عنوان داده های تحقیق استفاده شده است. مهم ترین ابزارهای تحقیق ArcGIS و Super Decision بوده است. در این تحقیق با استفاده از ۸ پارامتر (ارتفاع، شیب، جهت شیب، لیتولوژی، فاصله از گسل، فاصله از رودخانه، فاصله از جاده و کاربری اراضی) و مدل تلفیقی تحلیل شبکه ای (ANP) و منطق فازی، مناطق مستعد وقوع زمین لغزش در حوضه آبریز سد ایلام شناسایی شده است. بر اساس نتایج حاصله، بخش های مرکزی و غربی منطقه پتانسیل بالایی از نظر وقوع زمین لغزش دارند. در واقع، این مناطق به دلیل نزدیکی به خطوط گسلی، رودخانه و جاده اصلی، نوع کاربری و شیب زیاد، مستعد وقوع زمین لغزش هستند. همچنین بخش های شرقی منطقه به دلیل نوع کاربری، دور بودن از خطوط گسلی، دور بودن از جاده و رودخانه، پتانسیل کمی جهت وقوع زمین لغزش دارند.
شناسایی مناطق مستعد وقوع زمین لغزش در حوضه آبریز سد ایلام با استفاده از مدل تحلیل شبکه ای Keywords:
شناسایی مناطق مستعد وقوع زمین لغزش در حوضه آبریز سد ایلام با استفاده از مدل تحلیل شبکه ای authors
سمیرا کنعانی
گروه آموزشی ژئومورفولوژی، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز، ایران
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 :