کاربرد سامانه اطلاعات مکانی و مدل نسبت فراوانی در پهنه بندی حساسیت زمین لغزش مطالعه موردی، حوزه آبخیز سیاه بیشه، مازندران
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 731
This Paper With 13 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:
ICSDA01_0653
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
ازآنجا که پیش بینی زمان رخداد زمین لغزش ها از توان علمی و دانش فعلی بشر خارج می باشد، لذا با شناسایی مناطق حساس به زمین لغزش و رتبه بندی آن میتوان تا حدودی خطرات ناشی از وقوع زمین لغزش را کاهش داد. هدف از این تحقیق حاضر، شناخت عوامل مؤثر در وقوع زمین لغزش های حوزه آبخیز سیاه بیشه، تعیین پتانسیل و تهیه نقشه حساسیت زمین لغزش با استفاده از مدل نسبت فراوانی و سامانه اطلاعات مکانی می باشد. بدین منظور با استفاده از تفسیر عکس های هوایی و پیمایش های گسترده صحرایی، 132 نقطه لغزشی شناسایی و ثبت گردید. از این تعداد به طور تصادفی 22 نقطه لغزشی 07 درصد برای مدلسازی و 07 نقطه لغزشی 37 درصد برای ارزیابی مدل استفاده گردید. عوامل مورد بررسی در ایجاد زمین لغزش شامل درجه شیب، جهت شیب، شکل شیب، ارتفاع، فاصله از جاده، فاصله از آبراهه، فاصله از گسل و زمین شناسی در محیط GIS رقومی و نقشه هر یک از عوامل تهیه گردید. با استفاده از مدل نسبت فراوانی ارتباط بین هر یک از عوامل با نقاط لغزشی مشخص و در نهایت نقشه پهنه بندی حساسیت زمین لغزش تهیه شد. براین اساس منطقه مورد مطالعه به چهار کلاس خطر کم28/39درصد متوسط 34/48درصد زیاد 20/22 درصد و خیلی زیاد 16/91درصد تقسیم بندی گردید. ارزیابی مدل با استفاده از یک سوم نقاط لغزشی نشان میدهد که همبستگی بالایی بین نقشه حساسیت مورد نظر و نقشه پراکنش زمین لغزش ها وجود دارد
Keywords:
Authors
احسان ابراهیمی
دانشجوی کارشناسی ارشد آبخیزداری، موسسه آموزش عالی هراز آمل
کریم سلیمانی
استاد گروه مرتع و آبخیزداری، دانشکده منابع طبیعی دانشگاه علوم کشاورزی و منابع طبیعی ساری
حمیدرضا پورقاسمی
استادیار گروه منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز
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 :