[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 1، شماره 2 - ( 12-1392 ) ::
جلد 1 شماره 2 صفحات 69-80 برگشت به فهرست نسخه ها
پهنه‌بندی حساسیت زمین‌لغزش با استفاده از مدل احتمالاتی وزن واقعه
حمیدرضا پورقاسمی، حمیدرضا مرادی ، مجید محمدی
دانشیار دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، مازندران، نور
چکیده:   (3682 مشاهده)
زمین‌لغزش از جمله بلایای طبیعی است که همه‌ساله باعث کشته و مجروح شدن صدها هزار نفر و بی‌خانمان شدن میلیون‌ها انسان در سراسر جهان می‌شود. هدف از تحقیق حاضر، پهنه‌بندی حساسیت زمین‌لغزش با استفاده از سامانه اطلاعات مکانی و مدل احتمالاتی Weight of Evidence در بخشی از حوزه آبخیز هراز در استان مازندران است. به این منظور با استفاده از بازدید‌های صحرایی و تفسیر عکس‌های هوایی، 78 نقطه لغزشی در منطقه شناسایی شد و نقشه پراکنش زمین‌لغزش‌های منطقه مورد مطالعه تهیه گردید. لایه‌های اطلاعاتی شیب، جهت شیب، طبقات ارتفاعی، شکل شیب، لیتولوژی، کاربری اراضی، فاصله از شبکه آبراهه، فاصله از جاده، فاصله از گسل، شاخص توان آبراهه، شاخص رطوبت و شاخص حمل رسوب به عنوان عوامل مؤثر بر خطر وقوع زمین‌لغزش منطقه شناسایی شدند، و نقشه‌های مربوط نیز در محیط GIS رقومی گردید. با استفاده از تئوری احتمالات، ارتباط هر یک از عوامل و نقاط لغزشی مشخص شد و نقشه پهنه‌بندی حساسیت زمین‌لغزش برای منطقه‌ تهیه گردید. ارزیابی مدل با استفاده از یک‌سوم نقاط لغزشی، شاخص SCAI و منحنی ROC صورت گرفت. نتایج نشان داد که همبستگی بالایی بین نقشه خطر مورد نظر و نقشه پراکنش زمین‌لغزش وجود دارد و دقت مدل احتمالی تهیه شده در منطقه، 87/79 درصد (خیلی خوب) برآورد گردید. مهم‌ترین نوآوری این تحقیق در مقایسه با دیگر پژوهش‌های انجام شده، استفاده از فاکتورهای شکل شیب، شاخص رطوبت،‌ شاخص توان آبراهه، شاخل حمل رسوب و به‌کارگیری همزمان دو روش مهم ارزیابی مدل (شاخص SCAI و منحنی ROC) است.
واژه‌های کلیدی: زمین‌لغزش، تئوری احتمالات، سامانه اطلاعات مکانی، شاخص SCAI. منحنی ROC
متن کامل [PDF 1647 kb]   (804 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: ۱۳۹۳/۱۱/۳۰ | پذیرش: ۱۳۹۳/۱۱/۳۰ | انتشار: ۱۳۹۳/۱۱/۳۰
فهرست منابع
1. [1] Koehorst, B.A.N., Kjekstad, O., Patel, D., Lubkowski, Z., Knoeff, J.G. and Akkerman, G.J., 2005. Work Package 6, Determination of Socio-Economic Impact of Natural Disasters. Assessing socio-economic Impact in Europe, p.173.
2. [2] Landslide Working Party, 2007. Iranian Landslides List, Forest. Rangeland and Watershed Association, p.60.
3. [3] Shahabi, M. and Sadoddin, A., 2009. Bayesian Decision Network Approach for Predicting Impacts of Drought Management Actions in Dry Land Wheat Areas of Golestan Province. In: 5Th National Conference of watershed management, Iran, 3140-3149.
4. [4] Lee, S., Choi, J. and Min, K., Retrieved from www.adpc.net/casita/case-studieo 2002. Landslide Susceptibility Analysis and Verification Using the Bayesian Probability Model. Environmental Geology, 43, 120–131.
5. [5] Neuhäuser, B. and Terhorst, B., 2007. Landslide Susceptibility Assessment using "Weights-of-evidence" Applied to a Study Area at the Jurassic Escarpment (SW- Germany). Geomorphology, 86, 12–24. [DOI:10.1016/j.geomorph.2006.08.002]
6. [6] Bui, H.B., Nguyen, Q. and Nguyen, V.T., 2008. GIS-based Weight of Evidence Modeling for Landslide Susceptibility Mapping at Jaechon Area, Korea. In: International Symposium on Geoinformatics for Spatial Infrastructure Development in Earth and Allied Sciences.
7. [7] Song, R.H., Hiromu, D., Kazutoki, A., Usio, K. and Sumio, M., 2008. Modeling the Potential Distribution of Shallow-seated Landslides Using the Weights of Evidence Method and a Logistic Regression Model: A Case Study of the Sabae Area, Japan. International Journal of Sediment Research, 23, 106-118. [DOI:10.1016/S1001-6279(08)60010-4]
8. [8] Zhu, C. and Wang, X., 2009. Landslide Susceptibility Mapping: A Comparison of Information and Weights-of Evidence Methods in Three Gorges Area. International Conference on Environmental Science and Information Application Technology, IEEE, DOI 10.1109/ESIAT.2009.187, 342-346. [DOI:10.1109/ESIAT.2009.187]
9. [9] Moore, I.D., Gessler, P.E., Neslesn, G.A. and Peterson, G.A., 1993. Soil Attribute Prediction using Terrain Analysis. Soil Science Society of American Journal, 57(2), 443-452. [DOI:10.2136/sssaj1993.03615995005700020026x]
10. [10] Yesilnacar, E. and Hunter, G.J., 2004. Application of Neural Networks for Landslide Susceptibility Mapping in Turkey. In: J.P. van Leeuwen and H.J.P. Timmermans, eds., Recent Advances in Design and Decision Support Systems in Architecture and Urban Planning, 3-18. [DOI:10.1007/1-4020-2409-6_1]
11. [11] Gokceoglu, C., Sonmez, H., Nefeslioglu, H.A., Duman, T.Y. and Can, T., 2005. The March 17, 2005 Kuzulu Landslide (Sivas, Turkey) and Landslide Susceptibility Map of Its Near Vicinity. Eng Geo, l 81(1):65–83. [DOI:10.1016/j.enggeo.2005.07.011]
12. [12] Nefeslioglu, H.A., Gokceoglu, C. and Sonmez, H., 2008. An Assessment on the Use of Logistic Regression and Artificial Neural Networks with Different Sampling Strategies for the Preparation of Landslide Susceptibility Maps. Engineering Geology, 97, 171–191. [DOI:10.1016/j.enggeo.2008.01.004]
13. [13] Yilmaz, I., 2009. Landslide Susceptibility Mapping using Frequency Ratio, Logistic Regression, Artificial Neural Networks and Their Comparison: A Case Study from Kat Landslides (Tokat-Turkey). Comp Geosc, 35 (6), 1125-1138. [DOI:10.1016/j.cageo.2008.08.007]
14. [14] Akgun, A. and Needet, T., 2010. Landslide Susceptibility Mapping for Ayvalik (Western Turkey) and its Vicinty by Multi Criteria Decision Analysis. Environ Earth Science, 61, 595–611. [DOI:10.1007/s12665-009-0373-1]
15. [15] Poudyal, C.P., Chang, C., Oh, H.J. and Lee, S., 2010. Landslide Susceptibility Maps Comparing Frequency Ratio and Artificial Neural Networks: A case Study from the Nepal Himalaya. Environ Earth Sci, 61, 1049–1064. [DOI:10.1007/s12665-009-0426-5]
16. [16] Regmi, N.R., Giardino, J.R. and Vitek, J.D., 2010. Modeling Susceptibility to Landslides using the Weight of Evidence Approach: Western Colorado, USA. Geomorphology, 115, 172–187. [DOI:10.1016/j.geomorph.2009.10.002]
17. [17] Van Western, C.J., 2002. Use of Weights of Evidence Modeling for Landslide Susceptibility Mapping, [lecture notes], Retriered from www.adpc.net/casita/case-studies p. 21.
18. [18] Remendo, J., Gonzales, A., Teran, J., Cendrero, A., Fabbri, A. and Chung, C., 2003. Validation of Landslide Susceptibility Maps, Examples and Applications from a Case Study in Northern Spain, Natural Hazard, 437-449.
19. [19] Pourghasemi, H.R, Moradi, H.R., Mohammadi, M. and Mahdavifar, M.R., 2009. Landslide Hazard Susceptibility Mapping and its Evaluation Using the Fuzzy Operators. Journal Science and Technology Agriculture and Natural Resources, 12(46A), 375-390.
20. [20] Pourghasemi, H.R., Moradi, H.R. Fatemi Aghda, S.M. Mahdavifar, M.R. and Mohammdi, M., 2009. Landslide Hazard Assessment Using Fuzzy Multi Criteria Decision- Making Method. Iran-Watershed Management Science and Engineering, 3(8), 51-63.
21. [21] Yesilnacar, E.K., 2005. The Application of Computational Intelligence to Landslide Susceptibility Mapping in Turkey. Ph.D. Thesis, Department of Geomatics the University of Melbourne, p. 423.
22. [22] Suzen, M.L. and Doyuran, V., 2004. A Comparision of the GIS based Landslide Susceptibility Assessment Method: Multivariate Versus Bivariate. Environmental Geology, 71, 303-321.
23. [23] Kincal, C., Akgun, A. and Koca, M.Y., 2009. Landslide Susceptibility Assessment in the Izmir (West Anatolia, Turkey) City Center and Its Near Vicinity by the Logistic Regression Method. Environmental Earth Science, Doi: 10.1007/s12665-009-0070-0. [DOI:10.1007/s12665-009-0070-0]
24. [24] Swets, J.A., 1988. Measuring the Accuracy of Diagnostic Systems. Science, 240, 1285-1293. [DOI:10.1126/science.3287615]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Pourghasemi H R, Moradi H R, Mohammadi M. Landslide Susceptibility Zoning, Using Weight of Evidence Probabilistic Model. jgit. 2014; 1 (2) :69-80
URL: http://jgit.kntu.ac.ir/article-1-64-fa.html

پورقاسمی حمیدرضا، مرادی حمیدرضا، محمدی مجید. پهنه‌بندی حساسیت زمین‌لغزش با استفاده از مدل احتمالاتی وزن واقعه. مهندسی فناوری اطلاعات مکانی. 1392; 1 (2) :69-80

URL: http://jgit.kntu.ac.ir/article-1-64-fa.html



دوره 1، شماره 2 - ( 12-1392 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 29 queries by YEKTAWEB 3742