مدل سازی خطر زمین لغزش با استفاده از روش تصمیم گیری چند متغیره فضایی (مطالعه موردی: مسیر راه آهن جنوب غرب کشور)
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 33
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTIEJO-7-1_003
تاریخ نمایه سازی: 6 شهریور 1403
Abstract:
پدیده طبیعی زمین لغزش یکی از بلایای طبیعی است که هر ساله با تغییرات که بشر در عرصه های طبیعی ایجاد می کند اتفاق می افتد. بنابراین ارزیابی پدیده طبیعی زمین لغزش نیازمند اطلاعات مکانی دقیق و قابل اعتماد است. امروزه با وجود پیشرفت علم می توان با فنون مختلف از قبیل سنجش از دور وقوع زمین لغزش را ارزیابی کرد. لذا در این تحقیق با استفاده از علم سنجش از دور تصاویر ماهواره ای ETM+ و روش AHP به مدل سازی وقوع زمین لغزش در منطقه جنوب غرب کشور پرداخته شده است. برای این منظور ابتدا نقاط زمین برای کنترل و افزایش دقت با استفاده از GPS تهیه شد؛ سپس فیلترهای مختلف بر روی تصاویر سنجنده لندست صورت گرفت در ادامه پارامترهای مختلف شیب، سازند زمین شناسی، فاصله از رودخانه و ... بررسی شد. نتایج نشان داد که فیلتر Kernel Size ۹*۹ بهترین Kernel Size در فیلتر Convolution High Pass برای بارز-سازی عواض ساختاری و ژئومورفولوژی است. با استفاده از مقایسه زوجی و روش AHP وزن هریک از پارامترها مشخص شد. نتایج مقایسه زوجی پارامتر فاصله از گسل با وزن ۰۵/۰ بیشترین وزن، فاصله از رودخانه ۰۷/۰، شبکه ارتباطی ۰۹/۰، بارش ۱۲/۰، کاربری اراضی ۱۵/۰، پوشش گیاهی۲/۰، سازند زمین شناسی ۳/۰ و شیب ۵۹/۰ بدست آمد. نتایج وزن دهی نشان داد که با ادغام لایه های مختلف نشان داد که کلاس های خطر زیاد و بسیارخطرناک به ترتیب ۸۷/۳۲ و ۶۸/۶ کیلومتر از طول خطوط راه اهن را در خود جای داده اند که جمعا ۵۵/۳۹ کیلومتر یا ۹۲/۸ درصد از کل ۳۹.۵۵ کیلومتر از کل طول خط راه آهن اندیمشک دورود است.
Authors
عبدالخالق آروین
دانشجوی دکتری عمران، گرایش حمل ونقل، دانشگاه آزاد اسلامی واحد تهران مرکزی
حمید بهبهانی
گروه راه و ترابری، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
سعید منجم
Faculty member of the Faculty of Civil Engineering, Khajeh Nasir al-Din Tusi University
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 :