پهنه بندی استعداد اراضی نسبت به وقوع زمین لغزش با روش های دمپستر-شیفر و نسبت فراوانی در حوضه سرخون کارون

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 354

This Paper With 17 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWSC-24-3_003

تاریخ نمایه سازی: 11 آبان 1398

Abstract:

سابقه و هدف زمین لغزش ها یکی از مخاطرات مهم زمین شناسی در سراسر جهان می باشند. توسعه شهرهای و سازه های دست انسان بر روی مناطق به طور بالقوه خطرناک همه ساله موجب خسارات گسترده به زیرساخت ها و گاهی اوقات موجب خسارات جانی می شود. شناسایی عوامل موثر بر زمین لغزش های موجود در یک حوضه و پهنه بندی خطر آن یکی از ابزارهای اساسی جهت دستیابی به راهکارهای کنترل این پدیده و انتخاب مناسب ترین و کاربردی ترین گزینه موثر می باشد. از این رو، این پژوهش با هدف شناسایی عوامل موثر در ایجاد پدیده زمین لغزش و مشخص کردن مناطق دارای پتانسیل جهت پهنه بندی زمین لغزش در حوضه سرخون کارون با استفاده از روش های دمپستر-شفر و نسبت فراوانی انجام گرفته است. مواد و روش ها بدین منظور پس از تهیه نقشه پراکنش زمین لغزش با استفاده از پیمایشات میدانی و تفسیر عکس های هوایی، لایه های اطلاعاتی فاصله از آبراهه، فاصله از گسل، طبقات ارتفاعی، شیب، جهت شیب، شاخص رطوبت‎(TWI)‎ ،فاصله از جاده، کاربری اراضی، لیتولوژی و شاخص توان حمل جریان ‎(SPI)‎ به عنوان عوامل موثر در وقوع زمین لغزش در منطقه مورد مطالعه انتخاب گردیدند و پس از اعمال روش های دمپستر-شفر و نسبت فراوانی نقشه های نهایی پهنه بندی تهیه گردید. برای محاسبه وزن عوامل موثر از روش فرایند تحلیل سلسله مراتبی کارشناسی در نرم افزار expert choice استفاده گردید. به منظور صحت سنجی روش های مورد استفاده از منحنی ROC استفاده گردیده است. یافته ها اصلی ترین عوامل در بروز زمین لغزش های این منطقه بر اساس مشاهدات میدانی و نظرات کارشناسی شامل لیتولوژی، فاصله از جاده و شیب به ترتیب با کسب امتیازات (181/0، 163/0، 145/0) می باشند و در مقابل عوامل بارندگی، شیب و شاخص خیسی ‎(TWI)‎ به ترتیب با کسب امتیازات (018/0، 036/0، 054/0) کمترین تاثیر را در وقوع زمین لغزش داشته اند. طبق نتایج مدل نسبت فراوانی مقدار ‎ ‎AUCبالاتری (927/0) را نسبت به مدل دمپستر-شیفر (858/0) کسب نمود که این موضوع بیانگر همبستگی بالا بین نقشه خطر تهیه شده و نقشه پراکنش زمین لغزش و ارزیابی بهتر مدل نسبت فراوانی نسبت به مدل دمپستر-شیفر می باشد. نتیجه گیری نتایج حاصل از صحت سنجی نشان داد که مدل نسبت فراوانی دارای کارایی و دقت بالاتری نسبت به مدل دمپستر-شفر جهت تهیه نقشه پهنه بندی می باشد. بر اساس نتایج حاصل از مدل نسبت فراوانی 21128200متر مربع (05/7 درصد) از منطقه در کلاس خطر خیلی کم، 67144500متر مربع (45/20 درصد) از منطقه در کلاس خطر کم، 90113400 متر مربع (45/27 درصد) از منطقه در کلاس خطر متوسط، 91733400 متر مربع (94/27 درصد) از منطقه در کلاس زیاد و در نهایت ‎56160000‎ متر مربع (11/17 درصد) از منطقه در کلاس خیلی زیاد قرار گرفته است.

Authors

علیرضا عرب عامری

دانشگاه تربیت مدرس

کورش شیرانی

دانشگاه تربیت مدرس

خلیل رضایی

دانشگاه خوارزمی

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 :
  • Arabameri, A.R., and Shirani, K. 2016. Identification of Effective Factors ...
  • Occurrence and its Hazard Zonation Using Dempster-Shafer theory (Case study: ...
  • Basin, Isfahan province). J. Water. Engin. Manage. 8: 1. 93-106. ...
  • Arabameri, A.R., and Shirani, K. 2016. Prioritization of Effective Factors ...
  • Occurrence and its Susceptibility Zonation Using Statistical Methods, A Case ...
  • catchment. Geodynamics Research International Bulletin. 3: 5. 22-38. (In Persian) ...
  • Arabameri, A.R., and Halabian, A.H. 2016. Landslide Hazard Zonation Using ...
  • Model of AHP (Case study: Zarand Saveh Basin). Physical Geomorphology. ...
  • An, P., Moon, W.M., and Bonham-Carter, G.F. 1994. Uncertainty management ...
  • of exploration data using the belief function. Nonrenewable Resources. 3: ...
  • Ayalew, L., and Yamagishi, H. 2005. The application of GIS-based ...
  • landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. ...
  • Geomorphology. 65: 15-31. ...
  • Ayalew, L., Yamagishi, H., Marui, H., and Kanno, T. 2005. ...
  • Japan: Part II. GIS-based susceptibility mapping with comparisons of results ...
  • methods and verifications. Eng. Geol. 81: 432-445. ...
  • Akgun, A., and Tu¨rk, N. 2010. Landslide susceptibility mapping for ...
  • Turkey) and its vicinity by multicriteria decision analysis. Environ. Earth. ...
  • Basiri Dehkordi, H., Naderi Khorasgani, M., and Mohammadi, J. 2014. ...
  • Zonation in Ardal County (Chaharmahal va Bakhtiari province, Iran) Using ...
  • Hierarchy Process (AHP). J. Sci. Technol. Agric. Natur. Resour. Water ...
  • : 73-82. (In Persian) ...
  • Constantin, M., Bednarik, M., Jurchescu, M.C., and Vlaicu, M. 2011. ...
  • assessment using the bivariate statistical analysis and the index of ...
  • Basin (Romania). Environ. Earth Sci. 63: 397-406. ...
  • Chen, W., Pourghasemi, H.R., and Zhao, Z. 2016. A GIS-based ...
  • Dempster-Shafer, logistic regression and artificial neural network models for landslide ...
  • susceptibility mapping. Geocarto international. DOI:10.1080/10106049.2016.1140824. ...
  • Dempster, A.P. 1967. Upper and lower probabilities induced by a ...
  • Annals of Mathematical Statistics. 38: 325-339. ...
  • Garfi, G., and Bruno, D.E. 2007. Fan morphodynamics and slope ...
  • River Basin (Sila Massif, Southern Italy): signification of weathering and ...
  • changes, Catena. 50: 181-196. ...
  • Guzzetti, F., Mondini, A.C., Cardinali, M., Fiorucci, F., Santangelo, M., ...
  • 2. Landslide inventory maps: New tools for an old problem. ...
  • Kanungo, D.P., Arora, M.K., Sarcar, S., and Gupta, R.P. 2006. ...
  • conventional, ANN black box, fuzzy and combined neural and fuzzy ...
  • for landslide susceptibility zonation ln Darjeeling Himalayas. Engineering Geology. ...
  • Lee, S., and Pradhan, B. 2007. Landslide hazard mapping at ...
  • frequency ratio and logistic regression models. Landslides. 4: 33-41. ...
  • Moradi, H.R., Majid, M., Pourghasemi, H.R., and Mostafazade, R. 2010. ...
  • Landslide Hazard in Golestan province Using Dempster-shafer theory. Earth Science ...
  • Researches. 3: 1-14. (In Persian) ...
  • Mohammady, M., Pourghasemi, H.R., and Pradhan, B. 2012. Landslide susceptibility ...
  • mapping at Golestan province, Iran: A comparison between frequency ratio, ...
  • Shafer and weights-of-evidence models. J. Asi. Earth Sci. 61: 221-236. ...
  • Mousavi Khatir, S.Z., Kavian, A., and Hashemzadeh Atoei, A. 2009. ...
  • Some Morphometeric Characteristics and Effective Factors on Landslide Occurrence in ...
  • Sajarood Watershed. Water and Soil Conservation. 16: 2: 85-103. (In ...
  • Neuhauser, B., and Terhorst, B. 2007. Landslide Susceptibility Assessment Using ...
  • Geomorphology. 86: 12-24. ...
  • Organization of The forests, pastures and Watershed Management, 2010. ...
  • Park, N.W. 2011. Application of Dempster-Shafer theory of evidence to ...
  • susceptibility analysis. Environ. Earth Sci. 62: 367-376. ...
  • Poorghasemi, H.R., Moradi, H.R., Fatemi Oghda, S.M., Mahdavifar, M.R., and ...
  • M. 2011. Evaluation of geomorphological and geological parameters in landslide ...
  • mapping using fuzzy logic and AHP method (Case study: a ...
  • Water and Soil Conservation. 18: 4. 1-20. (In Persian) ...
  • Pedram, H. 1998. A preliminary study of rock avalanche of ...
  • Labad-Bazoft Region, Chaharmahal va Bakhtiari, Proceedings of the conference of ...
  • Sciences. Geological Survey. 3: 105-110. (In Persian) ...
  • Rozos, D.G., Bathrellos, D., and Skillodimou, H.D. 2011. Comparison of ...
  • of rock engineering system and analytic hierarchy process methods, upon ...
  • susceptibility mapping, using GIS: a case study from the Eastern ...
  • Peloponnesus, Greece. Environ. Earth Sci. 63: 49-63. ...
  • Regmi, A.D., Devkota, K.C., Yoshida, K., Pradhan, B., Pourghasemi, H.R., ...
  • and Akgun, A. 2014. Application of frequency ratio, statistical index ...
  • Himalaya. Arab. J. Geosci. 7: 725-742. ...
  • Shafer, G. 1976. A mathematical theory of evidence. Princeton University ...
  • Shirani, K., Hajihashemijazi, M.R., Niknezhad, S.A., and Rakhsha, S. 2012. ...
  • Zoning Potential by Analytical Hierarchy Process (AHP) and Multivariate Regression ...
  • Case study: Upstream of North Karoon Basin). J. Range Water. ...
  • Resour. 3: 395-409. (In Persian) ...
  • Shirani, K., and Seif, A. 2012. Investigation of Effective Parameters ...
  • Using of Landslide Hazard Zonation Maps (Case study: Northern Karoon ...
  • J. Geosci. 85: 149-158. (In Persian) ...
  • Shirani, K., and Arabameri, A.R. 2015. Landslide Hazard Zonation Using ...
  • Regression Method (Case study: Dez-e-Oulia Basin). J. Sci. Technol. Agric. ...
  • Water and Soil Sci., Isf. Univ. Technol. Isf. Iran. 72: ...
  • Singhroy, V., Glenn, N., and Ohkura, H. 2004. Landslide hazard ...
  • disaster management support group. CEOS Disaster Information Server. National Academy ...
  • Press, Washington, D.C. 4: 130-132. ...
  • Tangestani, M. 2009. A comparative study of Dempster–Shafer and fuzzy ...
  • landslide susceptibility mapping using a GIS: An experience from Zagros. ...
  • Varnes, D.J. 1984. Landslide hazard zonation: A review of Principles ...
  • UNESCO, France, 63p. ...
  • Wu, W., and Sidle, R.C. 1995. A distributed slope stability ...
  • Water Research. 31: 2097-2110. ...
  • نمایش کامل مراجع