پهنه بندی خطر زمین‌لغزش بر اساس فرایند سلسله مراتبی-فازی (FAHP) و تجزیه‌وتحلیل تصمیم‌گیری چند معیاره (مطالعه موردی: حوزه رودخانه ماربر)

محورهای موضوعی : زیرساخت اطلاعات مکانی و طبقه بندی

محمدرضا سجادی ¹ , احمد احمدی ² , بهناز بیگدلی ³

1 - دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران
2 - دانشیار گروه مهندسی آب و محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران
3 - استادیار گروه ژئوتکنیک، راه و نقشه برداری، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران

تاریخ دریافت : 1398/10/14 تاریخ پذیرش : 1399/05/15 تاریخ انتشار : 1399/10/01

کلید واژه: پهنه بندی, تحلیل سلسله مراتبی فازی, حوزۀ رودخانه ماربر, خطر زمین‌لغزش,

چکیده مقاله :

پیشینه و هدف زمین‌لغزش به‌عنوان یک حادثه مهیب می تواند موجب آسیب رساندن به انسان، از دست دادن زندگی، زیان اقتصادی و از بین بردن میراث فرهنگی و طبیعی شود. درحالی‌که نیاز به روشی برای پیش بینی مستقیم محل وقوع زمین‌لغزش احساس می شود و در حال حاضر امکان پیش بینی مستقیم وجود ندارد، پهنه بندی خطر زمین‌لغزش می‌تواند روش غیرمستقیم مناسبی برای پاسخ به این نیاز باشد. هدف از این مطالعه پهنه ‌بندی خطر زمین‌لغزش در حوزه رودخانه ماربر در محدوده سمیرم استان اصفهان با استفاده از ادغام داده در ترکیب با روش های تحلیل سلسله مراتبی است.مواد و روش هادر مرحله اول، اطلاعات مربوط به منطقه جمع‌آوری و لایه های اطلاعاتی در فضای سیستم اطلاعات جغرافیایی فراهم گردید. سپس با استفاده از دو روش تحلیل سلسله مراتبی فازی و غیر فازی و با قضاوت کارشناسان، لایه ها و زیر لایه‌ها وزن دهی شدند. از دو روش همپوشانی وزن دار و همپوشانی فازی برای پهنه‌بندی نتایج تحلیل های سلسله مراتبی فازی و غیرفازی استفاده شد. ترکیب دو روش تحلیل سلسله مراتبی و دو روش همپوشانی باعث ایجاد چهار نقشه پهنه بندی برای منطقه موردنظر شد. ابزار همپوشانی فازی امکان تجزیه‌وتحلیل احتمال وقوع پدیده متعلق به چندین مجموعه را در تحلیل همپوشانی چند معیاره فراهم می‌کند. نه‌تنها همپوشانی فازی اعضای تأثیرگذار در وقوع یک پدیده را تعیین می کند، بلکه روابط بین عضویت چند مجموعه را تجزیه‌وتحلیل می‌کند. همپوشانی وزنی نیز یکی از روش‌های مورداستفاده برای تجزیه ‌و تحلیل‌های همپوشانی برای پاسخ به سؤالات چند معیاری مانند انتخاب محل و مدل مناسب است. که این روش مقادیر موجود در رسترهای ورودی را به یک مقیاس ارزیابی مشترک ازنظر مناسب بودن یا اولویت، ریسک و یا مقیاس مناسب یکسان‌سازی می کند و مقادیر سلول هر یک از ردیف ورودی را با توجه به اهمیت رسترها افزایش می دهد. همچنین مقادیر حاصل سلول را باهم ترکیب می کند تا رستر خروجی تولید کند. در ادامه پس از ایجاد چهار نتیجه پهنه‌بندی از مفهوم ادغام تصمیم‌ گیری‌ها برای تلفیق نتایج و ایجاد نتیجه نهایی استفاده می شود. ادغام تصمیم‌ گیری‌ها یا در حالت کلی ادغام یا تلفیق داده، تصمیم‌ گیری‌های مختلف حاصل از روش‌ها یا داده های متفاوت را باهم ترکیب یا تلفیق می کند تا درنهایت تصمیم ‌گیری را حاصل کند که هم دقت بیشتری دارد و هم اعتماد به آن بسیار بیشتر از نتیجه یک تصمیم‌ گیری انفرادی است.نتایج و بحثمنطقه موردمطالعه در فاصله 60 کیلومتری از شهر سمیرم در حوزه رودخانه ماربر واقع‌شده است. به‌طورکلی عوامل مختلفی می توانند در ناپایداری شیب ها و فراهم کردن شرایط برای بروز زمین‌لغزش مؤثر باشند. از میان تمامی عوامل مؤثر، در این تحقیق هشت عامل شیب، جهت شیب، فاصله تا گسل، فاصله تا راه ها، فاصله تا زهکش، فاصله تا مناطق مسکونی، لیتولوژی و میزان بارش جهت بررسی بیشتر زمین‌لغزش انتخاب شدند. این لایه های مؤثر با استفاده از لایه های اطلاعاتی مدل رقومی ارتفاعی، خطوط گسل، موقعیت راه ها، موقعیت آبراهه ها، موقعیت مناطق مسکونی، لیتولوژی و ایستگاه های سینوپتیک منطقه به دست آمد. مدل رقومی ارتفاعی منطقه با اندازه پیکسل 30 متر از سایت USGS تهیه ‌شد. با استفاده از مدل رقومی ارتفاعی منطقه و در فضای GIS، نقشه‌های شیب و جهت شیب در 5 کلاس تولید گردید. نقشه گسل های منطقه از نقشه زمین‌شناسی1:100000 سازمان زمین شناسی کشور تهیه‌ شد. سپس در محیط ArcGIS و به کمک ابزار فاصله اقلیدسی لایه فاصله تا گسل ایجاد و با توجه به میزان فاصله هر نقطه تا گسل ها، لایه نهایی فاصله تا گسل در 5 گروه کلاس بندی شد. همچنین برای تهیه نقشه میزان بارش محدوده مورد مطالعه از میانگین اطلاعات بارش سازمان هواشناسی کشور در 10 سال اخیر در 19 ایستگاه اطراف ناحیه مورد مطالعه استفاده شد. سپس با توجه به میزان بارش، فاصله میان ۱۹ ایستگاه هواشناسی به 5 گروه تقسیم بندی گردید. منطقه مورد مطالعه در قسمت بارندگی زیاد و بسیار زیاد قرارگرفته است. نقشه راه های منطقه از نقشه 1:25000 سازمان نقشه‌برداری کشور برای ناحیه موردمطالعه تهیه‌ شد. برای مطالعه تأثیرات راه های محدوده موردمطالعه در ایجاد زمین‌لغزش نیاز به تولید نقشه فاصله تا راه ها بود که این نقشه با استفاده از نقشه راه تهیه شد و فاصله هر نقطه تا راه ها در 5 گروه مشخص گردید. برای تهیه نقشه زهکش منطقه از نقشه های 1:25000 سازمان نقشه ‌برداری کشور برای ناحیه مورد تحقیق استفاده شد. جهت استفاده از لایه زهکش به‌عنوان یک‌لایه مؤثر، لایه فاصله تا زهکش در محیط ArcGIS و ابزار فاصله اقلیدسی تولید شد. درنهایت لایه فاصله تا زهکش در 5 گروه کلاس بندی شد. جهت بررسی مناطق مسکونی در پدیده زمین‌لغزش از نقشه های 1:25000 سازمان نقشه‌برداری کشور برای منطقه موردمطالعه استفاده شد. برای مشاهده تأثیر لایه مناطق مسکونی در وقوع زمین‌لغزش نیاز به تولید پهنه بندی فاصله تا مناطق مسکونی وجود داشت که این لایه در محیط ArcGIS و در پنج کلاس تولید شد. برای بررسی تأثیر لیتولوژی در این منطقه از نقشه زمین ‌شناسی 1:100000 سازمان زمین شناسی کشور استفاده‌ شد. همچنین سنگ ها با توجه به جداول کانی‌شناسی به 2 گروه سنگ نرم و سنگ سخت تقسیم بندی شد.نتیجه گیری پهنه بندی با روش تحلیل سلسله مراتبی-همپوشانی وزن دار، تحلیل سلسله مراتبی-همپوشانی فازی، تحلیل سلسله مراتبی فازی- همپوشانی وزن دار و درنهایت تحلیل سلسله مراتبی فازی-همپوشانی فازی به ترتیب دارای دقت 80%، 86% و 75% و 88% بود و پس از ادغام نتایج حاصل از این ۴ روش، دقت پهنه بندی به 90% افزایش یافت. مقایسه و صحت سنجی نتایج با نرخ پیش ‌بینی زمین ‌لغزش‌های تاریخی منطقه نشان داد رو ش های پهنه بندی، نتایج مناسبی داشتند اما درنهایت با ادغام اطلاعات، نتایج بهبود بیشتری یافتند.

چکیده انگلیسی:

Background and ObjectiveLandslide as a terrifying disaster can cause human and economic losses and the destruction of cultural and natural heritage. While the need for a method to directly predict the location of landslides has vital importance but currently, the prediction is not possible. The zoning of landslide hazard can be an efficient indirect approach. This paper proposes a method for landslide hazard zoning based on the decision fusion and Analytical Hierarchy Process (AHP) in the Semirom of Isfahan province. Materials and Methods In the first step of the proposed methodology of this research, GIS information layers of the study area are collected. Then by using of fuzzy and non-fuzzy hierarchical analysis method and based on expert knowledge, the layers and sub-layers were weighted. In addition, two different overlay methods including weighted overlay and fuzzy overlay are applied for zoning of the AHP and fuzzy AHP results. Combination of both AHP and fuzzy AHP methods with two overlay methods create four zoning maps for the area. The Fuzzy Overlay tool makes it possible for the analysis of the possibility of a phenomenon belonging to multiple sets in a multi-criteria overlay analysis. Not only the fuzzy overlay determines the influential members in the occurrence of a phenomenon but also analyzes the relationships between the memberships of several sets. Weight overlapping is one of the most effective methods used to overlay analysis to address multiple-criteria questions such as location selection and appropriate models. This method will adopt the values in the input raster to a common evaluation criterion for suitability or priority, risk, or appropriate scale. The cell values of each row of inputs increase with the increase of importance of the raster. It also combines the resultant cells to produce the output raster. After obtaining four zoning maps, a decision fusion strategy is applied for the fusion of these maps. Decision fusion systems or in general data fusion or combination strategies combines various decisions made from different methods or data to ultimately make decisions that are more precise and reliable than the result obtained from a single decision. One of the most important and effective methods for integrating decisions is based on the concept of voting. In this method, one vote is assigned to each decision. The simplest form of this method is known as the majority voting. In this method, if all decision-making methods have the same weight and accuracy, the decision of all strategies for an input sample is considered to be the same weight, and the decision with the highest score will be introduced as the winning class for the input sample. Results and Discussion The study area is located approximately 60 kilometers from Semirom city. Also, this area is located in Marbur River watershed. Generally, different factors can be effective in slope instability and landslide, which in this research, slope, aspect, distance to fault, distance to roads, distance to drainages, distance to residential areas, lithology and rainfall were selected for assessing the landslide phenomenon. These effective layers are obtained from information data such as Digital Elevation Model (DEM), fault lines, rivers location, streams location, residential areas, roads location, lithology and synoptic stations. The digital elevation model (DEM) of the region is prepared with 30 meters pixel size from the USGS website. By using DEM in GIS, slope and aspect maps in five classes are created. Faults map of the studied area is obtained from 1:100000 geology map of the Geology organization center of the country. Also, by using Euclidean distance in GIS, distance to faults layer is created in five classes. For preparation of rainfall map, the rainfall content of the studied area has been used from the average rainfall data of the Iran Meteorological Organization in the last 10 years of 19 meteoroidal stations. Based on the rainfall information, the area is divided into five classes. Roads map of the area is obtained from 1:25000 map of National Cartographic Center.  The distance to road layer is created from roads map of the area and divided into five classes. For drainage and residential area maps, a 1:25000 map from NCC is applied. Also, distance to residential area layer is created by this map in five classes. For assessment of the lithology in this area, a 1:100000 geology map is applied. Conclusion Results showed that the zoning methods provide satisfactory results, but eventually the results were improved with the decision fusion strategy. For validation our finding the results were compared with historical landslides. Based on the results, it was concluded that zoning by four different combinations: hierarchical analysis and overweight analysis, hierarchical analysis and fuzzy overlay, fuzzy hierarchical analysis and weighted overlay, and fuzzy hierarchical analysis and fuzzy overlaying, have a precision of 80%, 86%, 75% and 88% respectively. After integrating the results of these four methods, the accuracy of the zoning increased to 90%.

منابع و مأخذ:

Abedini M, Tulabi S. 2018. Assessing LNRF, FR, and AHP models in landslide susceptibility mapping index: a comparative study of Nojian watershed in Lorestan province, Iran. Environmental Earth Sciences, 77(11): 405. doi:https://doi.org/10.1007/s12665-018-7524-1.

Achour Y, Boumezbeur A, Hadji R, Chouabbi A, Cavaleiro V, Bendaoud EA. 2017. Landslide susceptibility mapping using analytic hierarchy process and information value methods along a highway road section in Constantine, Algeria. Arabian Journal of Geosciences, 10(8): 194. doi:https://doi.org/10.1007/s12517-017-2980-6.

Ahmed B. 2015. Landslide susceptibility modelling applying user-defined weighting and data-driven statistical techniques in Cox’s Bazar Municipality, Bangladesh. Natural Hazards, 79(3): 1707-1737. doi:https://doi.org/10.1007/s11069-015-1922-4.

Anbalagan R, Singh B. 1996. Landslide hazard and risk assessment mapping of mountainous terrains - a case study from Kumaun Himalaya, India. Engineering Geology, 43(4): 237-246. doi:https://doi.org/10.1016/S0013-7952(96)00033-6.

Asgharizadeh MJ. 2018. Multi-criteria decision making techniques. First Edition. University of Tehran Press. 562 p. (In Persian).

Baharvand S, Soori S. 2016. Landslide hazard zonation using artificial neural network (Case study: Sepiddasht-Lorestan, iran). Journal of RS and GIS for Natural Resources (Journal of Applied RS & GIS Techniques in Natural Resource Science), 6(4): 15-31. (In Persian).

Bera A, Mukhopadhyay BP, Das D. 2019. Landslide hazard zonation mapping using multi-criteria analysis with the help of GIS techniques: a case study from Eastern Himalayas, Namchi, South Sikkim. Natural Hazards, 96(2): 935-959. doi:https://doi.org/10.1007/s11069-019-03580-w.

Chandra DK, Regmi AD, Pourghasemi HR, Yoshida K, Pradhan B, Ryu IC, Dhital MR, Althuwaynee OF. 2013. Landslide susceptibility mapping using certainty factor, index of entropy and logistic regression models in GIS and their comparison at Mugling–Narayanghat road section in Nepal Himalaya. Natural Hazards, 65(1): 135-165. doi:10.1007/s11069-012-0347-6.

Dahal RK, Hasegawa S, Nonomura A, Yamanaka M, Dhakal S, Paudyal P. 2008. Predictive modelling of rainfall-induced landslide hazard in the Lesser Himalaya of Nepal based on weights-of-evidence. Geomorphology, 102(3): 496-510. doi:https://doi.org/10.1016/j.geomorph.2008.05.041.

Dai FC, Lee CF. 2002. Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology, 42(3): 213-228. doi:https://doi.org/10.1016/S0169-555X(01)00087-3.

Fauvel M, Chanussot J, Benediktsson J. 2006. A combined support vector machines classification based on decision fusion. In: 2006 IEEE International Symposium on Geoscience and Remote Sensing, Citeseer. 2494-2497.

Fell R, Corominas J, Bonnard C, Cascini L, Leroi E, Savage W. 2008. on behalf of the JTC-1 Joint Technical Committee on Landslides and Engineered Slopes (2008) Guidelines for landslide susceptibility, hazard and risk zoning for land use planning. Eng Geol, 102(3-4): 85-98. doi:https://doi.org/10.1016/j.enggeo.2008.03.014.

Jiang W, Rao P, Cao R, Tang Z, Chen K. 2017. Comparative evaluation of geological disaster susceptibility using multi-regression methods and spatial accuracy validation. Journal of Geographical Sciences, 27(4): 439-462. doi:10.1007/s11442-017-1386-4.

Kanungo DP, Arora MK, Sarkar S, Gupta RP. 2006. A comparative study of conventional, ANN black box, fuzzy and combined neural and fuzzy weighting procedures for landslide susceptibility zonation in Darjeeling Himalayas. Engineering Geology, 85(3): 347-366. doi:https://doi.org/10.1016/j.enggeo.2006.03.004.

Kayastha P, Dhital MR, De Smedt F. 2012. Landslide susceptibility mapping using the weight of evidence method in the Tinau watershed, Nepal. Natural Hazards, 63(2): 479-498. doi:https://doi.org/10.1007/s11069-012-0163-z.

Kumar R, Anbalagan R. 2016. Landslide susceptibility mapping using analytical hierarchy process (AHP) in Tehri reservoir rim region, Uttarakhand. Journal of the Geological Society of India, 87(3): 271-286. doi:https://doi.org/10.1007/s12594-016-0395-8.

Kuncheva LI, Whitaker CJ. 2003. Measures of Diversity in Classifier Ensembles and Their Relationship with the Ensemble Accuracy. Machine Learning, 51(2): 181-207. doi:https://doi.org/10.1023/A:1022859003006.

Lynn H, Bobrowsky PT. 2008. The landslide handbook: a guide to understanding landslides. US Geological Survey Reston, 129 p.

Rahmati M, Zand F. 2018. Landslide hazard zonation using geographic information system landslide (Case study: Robat-Siahpoush rural district, lorestan province). Journal of RS and GIS for Natural Resources (Journal of Applied RS & GIS Techniques in Natural Resource Science), 8(4): 63-75. (In Persian).

Ruta D, Gabrys B. 2000. An overview of classifier fusion methods. Computing and Information systems, 7(1): 1-10.

Sharma S, Mahajan AK. 2018. Comparative evaluation of GIS-based landslide susceptibility mapping using statistical and heuristic approach for Dharamshala region of Kangra Valley, India. Geoenvironmental Disasters, 5(1): 4. doi:https://doi.org/10.1186/s40677-018-0097-1.

Soeters R, Van Westen C. 1996. Slope instability recognition, analysis and zonation. In:  Landslides: investigation and mitigation. Transportation Research Board, National Research Council, Special Report 247. National Academy Press, Washington D.C., U.S.A. 129-177 p.

Subedi P, Subedi K, Thapa B, Subedi P. 2019. Sinkhole susceptibility mapping in Marion County, Florida: Evaluation and comparison between analytical hierarchy process and logistic regression based approaches. Scientific reports, 9(1): 1-18. doi:https://doi.org/10.1038/s41598-019-43705-6.

Vojteková J, Vojtek M. 2020. Assessment of landslide susceptibility at a local spatial scale applying the multi-criteria analysis and GIS: a case study from Slovakia. Geomatics, Natural Hazards and Risk, 11(1): 131-148. doi:https://doi.org/10.1080/19475705.2020.1713233.

Wu Y, Li W, Liu P, Bai H, Wang Q, He J, Liu Y, Sun S. 2016. Application of analytic hierarchy process model for landslide susceptibility mapping in the Gangu County, Gansu Province, China. Environmental Earth Sciences, 75(5): 422. doi:https://doi.org/10.1007/s12665-015-5194-9.

متن کامل:



روشی بر مبنای تحلیل تصمیم­گیری چند معیاره فازی-غیرفازی و ادغام تصمیم گیری ها به‌منظور پهنه­بندی خطر زمین‌لغزش در حوضه رودخانه ماربر

 

چکیده 

زمین‌لغزش به‌عنوان یک حادثه­ی مهیب می­تواند موجب آسیب رساندن به انسان، از دست دادن زندگی، زیان اقتصادی و از بین بردن میراث فرهنگی و طبیعی شود. درحالی‌که نیاز به روشی برای پیش­بینی مستقیم محل وقوع زمین‌لغزش احساس می­شود و در حال حاضر امکان پیش­بینی مستقیم وجود ندارد، پهنه­بندی خطر زمین‌لغزش می‌تواند روش غیرمستقیم مناسبی برای پاسخ به این نیاز باشد. هدف از این مطالعه، ادغام اطلاعات چندین تصمیم‌گیری نهایی حاصل از پهنه­بندی خطر زمین‌لغزش در محدوده­ی سمیرم استان اصفهان است. بدین منظور از مهم‌ترین عوامل مؤثر زمین‌لغزش، ۸ عامل شیب، جهت شیب، میزان بارش، لیتولوژی، فاصله تا مناطق مسکونی، فاصله تا رودخانه، فاصله تا جاده و فاصله تا گسل انتخاب‌شده و در محیط جی آی اس طبقه‌بندی شدند. با استفاده از روش تحلیل سلسله مراتبی فازی و غیر فازی و با قضاوت کارشناسان خبره، لایه­ها و زیرلایه­ها وزن­دهی شدند. همچنین دو روش همپوشانی وزندار و همپوشانی فازی جهت همپوشانی دو روش تحلیل سلسله مراتبی و تحلیل سلسله مراتبی فازی به کار گرفته شدند و چهار نقشه ی پهنه بندی حاصل شد. سپس چهار نقشه پهنه­بندی حاصل، به روش رأی‌گیری وزن‌دار از روش‌های ادغام تصمیم‌گیری‌ها، ادغام شدند. مقایسه و صحت سنجی نتایج با نرخ پیشبینی زمین لغزش­های تاریخی منطقه نشان داد روش­های پهنه­بندی، نتایج مناسبی داشتند اما درنهایت با ادغام اطلاعات نتایج، بهبود بیشتری یافتند. جهت صحت­سنجی تحقیق از مقایسه­ی نتایج پهنه­بندی با زمین‌لغزش‌های تاریخی منطقه استفاده شد. طبق این بررسی مشخص شد که پهنه­بندی با روش تحلیل سلسله مراتبی و همپوشانی وزن­دار، تحلیل سلسله مراتبی و همپوشانی فازی، تحلیل سلسله مراتبی فازی و همپوشانی وزن­دار و درنهایت تحلیل سلسله مراتبی فازی و همپوشانی فازی به ترتیب دارای دقت ۸۰%، ۸۶% و ۷۵% و ۸۸% بودند و پس از ادغام نتایج حاصل از این ۴ روش، دقت پهنه­بندی به ۹۰% افزایش یافت.

 

واژگان کلیدی: تحلیل سلسله مراتبی فازی، پهنه­بندی، خطر زمین‌لغزش، ادغام اطلاعات

 

 

 

 

 

 

 

 

 

 

 

 

 

 

مقدمه

زمین‌لغزش(Landslide)حرکتی است که به‌صورت سقوط سنگ یا خاک و یا هردوی آن­ها، بر روی سطوح گسیختگی رخ می­دهد که این سطوح می­­توانند به‌صورت منحنی (لغزش چرخشی) و یا خطی (لغزش انتقالی) ایجاد شود.

فل و همکاران (12) حساسیت زمین‌لغزش را برای شناسایی مناطق مستعد زمین‌لغزش و ارتباط آن­ها با مجموعه عوامل مؤثر در نظر گرفتند. این روش­های غیرمستقیم شامل مدل­سازی کمی و کیفی و انواع مختلف تکنیک­های آنالیز است. تولید نقشه­های پهنه­بندی زمین‌لغزش به‌طورکلی شامل دو دسته روش می­شود: ۱( روش­های کیفی که مبتنی بر دانش متخصصین و توسعه­ی موجودی زمین‌لغزش‌ها است؛ مانند روش تحلیل سلسله مراتبی که بسیاری از محققین از آن استفاده می­کنند. ۲( روش­های کمی ازجمله مدل‌سازی‌های دومتغیره و چندمتغیره که برای استفاده آماری از زمین‌لغزش استفاده می­شوند.

بایس احمد(3) پهنه‌بندی زمین‌لغزش را در منطقه­ی چیتاگونگ متروپولیتان بنگلادش با سه روش میانگین وزنی رتبه­ای، تحلیل سلسله مراتبی و ترکیب خطی وزنی انجام داد و مشاهده کرد تمامی روش­ها از دقت خوبی برخوردار هستند. عابدینی و تولابی(1) پهنه‌بندی زمین‌لغزش را با روش­های فاکتور ریسک اسمی زمین‌لغزش، نسبت فرکانس و تحلیل سلسله مراتبی انجام دادند و با صحت سنجی نتایج حاصله، پیش‌بینی روش­های تحلیل سلسله مراتبی و روش نسبت فرکانس را نسبت به روش فاکتور ریسک اسمی مناسب­تر دانستند. علاوه بر این تحقیق کلی و جامع در مورد روشهای تحلیل سلسله مراتبی، کایاستا و همکاران(15) ، وو و همکاران(25) ، کومار و آنابالگان(16) ، ، آچور و همکاران(2) ، برا و همکاران(6)، سوبدی و همکاران(23) و وجتکوا و وجتک(24) در تحقیقات خود از پهنه‌بندی خطر زمین‌لغزش به روش تحلیل سلسله مراتبی استفاده کردند.

چاندرا و همکاران(8) اقدام به پهنه‌بندی زمین‌لغزش در جاده موگلینگ-نارایانگات و منطقه پیرامون آن در حوزه نپال هیمالیا کردند. آن‌ها ارزیابی احتمال وقوع زمین‌لغزش را با استفاده از مدل‌های دومتغیره (عامل اطمینان و شاخص آنتروپی) و مدل چند متغیره (رگرسیون لگاریتمی) انجام دادند. ابتدا نقشه فهرست زمین‌لغزش‌ها با استفاده از گزارش‌ها و تصاویر هوایی قبلی و همچنین با نقشه‌برداری از منطقه، آماده‌شده است. درنتیجه ۳۲۱ زمین‌لغزش نقشه‌برداری شده‌اند که از آن‌ها به‌طور تصادفی، ۲۴۱ عدد (۷۵%) برای ساخت مدل‌های احتمالاتی زمین‌لغزش استفاده‌شده است. درحالی‌که ۸۰ مورد (۲۵%) باقی‌مانده برای صحت سنجی مدل‌ها مورداستفاده قرارگرفته است. تأثیر ارزیابی احتمالات زمین‌لغزش‌ها با استفاده از GIS و آمار، وابسته به انتخاب مناسب عواملی است که نقش اصلی در پایداری شیب دارند. در این تحقیق، عوامل وابسته به شرایط در زمین‌لغزش‌ها، ارزیابی‌شده‌اند: گرادیان شیب، جهت شیب، ارتفاع، انحنای نقشه، سنگ‌شناسی، استفاده از زمین، فاصله از گسل‌ها، رودخانه و جاده‌ها، شاخص رطوبت توپوگرافی، شاخص انتقال رسوبات. این عوامل از نقشه توپوگرافی، نقشه زهکش‌ها، نقشه جاده و نقشه جغرافیایی به‌دست‌آمده‌اند. درنهایت تصدیق نقشه احتمالات زمین‌لغزش با استفاده از منحنی مشخصات دریافت‌کننده اجرایی (Receiver Operating Characteristic) انجام‌شده است. نتایج تخمین نقشه ROC نشان داد که نقشه احتمالات با استفاده از شاخص مدل آنتروپی با مقدار مساحت زیر نمودار ۹۰۱۶/۰ بیشترین دقت پیش‌بینی را با مقدار ۱۶/۹۰ درصد دارا است. به‌طور مشابه، نقشه‌های احتمالاتی تولیدشده با استفاده از مدل رگرسیون منطقی و مدل عامل اطمینان، دقت پیش‌بینی ۲۹/۸۶ و ۵۷/۸۳ را دارا می‌باشند؛ بنابراین، نتیجه این شده است که تمامی مدل‌های به‌کاررفته در این تحقیق، دقت معقول و مناسبی در پیش‌بینی احتمال وقوع زمین‌لغزش بخش جاده موگلینگ-نارایانگات نشان داده‌اند. جیانگ وی گی و همکاران(13) پهنه‌بندی زمین‌لغزش را در استان یونان چین با استفاده از روش­های رگرسیون منطقی، ﺧﻮد رﮔﺮﺳﯿﻮن ﻓﻀـﺎﯾﯽ، رگرسیون وزنی جغرافیایی و رگرسیون بردار پشتیبان انجام دادند و با توجه به مقایسه­ نتایج حاصل با نقشه­ی پراکنش زمین‌لغزش، روش رگرسیون بردار پشتیبان(Support Vector Regression) نتایج بهتری را به دست آورد. آنبالاگان و سینگ(4) ­، دای و لی(10) ، داهال و همکاران(9) و سیامک بهاروند و سلمان سوری (7) و مریم رحمتی و فرهاد زند (19) از روش­های کمی در پهنه­بندی زمین‌لغزش استفاده کرده­اند.

هدف از این مطالعه پهنه بندی خطر زمین لغزش در حوضه ی رودخانه ی ماربر با بهره جستن از دو روش همپوشانی فازی و همپوشانی وزن دار در روش­های تحلیل سلسله مراتبی و تحلیل سلسله مراتبی فازی و سپس ادغام نتایج با روش رای دهی وزن دار می باشد. روش­های پیشین معمولاً از یک روش تصمیم­گیری بر پایه وزن­های حاصل استفاده می­کردند ولی در این تحقیق سعی می­شود وزن­های حاصل در روش­های مختلفی بکار برده شوند تا نتایج پهنه­بندی متفاوتی حاصل شود. به علاوه با توجه به دقت و نتایج متفاوت حاصل از روشهای مختلف پهنه بندی، در انتها روشی بر پایه ادغام اطلاعات به منظور ادغام نتایج پهنه بندی بکار برده می­شود. به علت رخداد زمین لغزش­های بسیار زیاد درمنطقه مورد مطالعه و وجود بیش از 40 منطقه مسکونی در این حوضه، بررسی خطر و ریسک زمین لغزش اهمیت بسیار بالایی دارد. پیشبینی می­شود ادغام نتایج بتواند دقت پیش بینی زمین لغزش­های منطقه را افزایش دهد.

داده‌ها و روش­ها

     به منظور پهنه بندی خطر زمین لغزش در حوضه رودخانه، روشی برپایه ادغام روشهای تحلیل سلسله مراتبی فازی و غیرفازی ارائه می­شود. با توجه به مزایا و معایب روش­های پیشین، استفاده هم‌زمان از چندین روش پهنه­بندی و سپس ادغام نتایج حاصل از این روش­ها می­تواند به بهبود نتایج پهنه­بندی کمک کند. شکل 1 مراحل مختلف روش پیشنهادی را نمایش می­دهد. مطابق شکل 1 ابتدا داده­های جمع آوری شده از منطقه، بررسی و پردازش می­شوند. این داده­ها شامل نقشه اطلاعات ارتفاعی منطقه یا DEM (Digital Elevation Model )، اطلاعات ایستگاههای سینوپتیک اطراف منطقه مورد نظر، لایه گسل، نقشه لیتولوژی منطقه، آبراهها، جاده­ها و مناطق مسکونی می­باشد. با پردازش این لایه­ها در محیط GIS لایه­های اطلاعاتی نهایی فراهم می­شود. دو روش تحلیل سلسسله مراتبی فازی و غیرفازی برای محاسبه وزن لایه­ها استفاده می­شود. همچنین پس از بدست آمدن وزن لایه­ها از دو روش تحلیل سلسله مراتبی، دو روش همپوشانی وزنی و همپوشانی فازی برای اعمال وزنها بر لایه­ها استفاده می­شود. در نهایت روش ادغام رأی گیری وزندار نتایج پهنه بندی حاصل را با یکدیگر ادغام کرده و نقشه نهایی پهنه بندی خطر زمین لغزش را تولید می­کند.

الف_لایه­های اطلاعاتی

به‌طورکلی عوامل مختلفی می­توانند در ناپایداری شیب­ها و فراهم کردن شرایط برای بروز زمین‌لغزش موثر باشند. از میان تمامی عوامل مؤثر، در این تحقیق هشت عامل شیب، جهت شیب، فاصله تا گسل، فاصله تا راه­ها، فاصله تا زهکش، فاصله تا مناطق مسکونی، لیتولوژی و میزان بارش جهت بررسی بیشتر زمین‌لغزش انتخاب شدند. بدین منظور جهت تولید لایه­های مؤثر، از هفت لایه­ی اطلاعاتی به شرح زیر استفاده شد:

مدل رقومی ارتفاعی

 مدل رقومی ارتفاعی یک فایل دیجیتال است که شامل ارتفاعات زمین برای موقعیت­های زمین در فواصل منظم افقی است(18). مدل رقومی ارتفاعی منطقه با اندازه­ی پیکسل ۳۰ متر از سایت USGS تهیه‌شده است. با استفاده از مدل رقومی ارتفاعی منطقه و در فضای GIS، نقشه‌های شیب و جهت شیب منطقه تولید شد. به‌طورکلی شیب­های منطقه از ۰ تا ۸۴ درجه متغیر هستند. درنهایت لایه­ی شیب و جهت شیب در ۵ گروه کلاس­بندی شدند.

گسل

 به‌طورکلی مشاهده ‌شده است که احتمال وقوع زمین‌لغزش در مناطق نزدیک به گسل افزایش می­یابد که نه‌تنها بر ساختارهای مواد سطحی تأثیر می­گذارد بلکه موجب نفوذپذیری در سطح زمین می­شود که این باعث بی‌ثباتی در شیب می­شود (14). نقشه­ی گسل­های منطقه از نقشه‌ی زمین‌شناسی ۱۰۰۰۰۰: ۱ سازمان زمین­شناسی کشور تهیه‌شده است. سپس در محیط جی‌ای اس و به کمک ابزار فاصله­ی اقلیدسی لایه­ی فاصله تا گسل ایجادشده و با توجه به میزان فاصله­ی هر نقطه تا گسل­ها، لایه­ی نهایی فاصله تا گسل در ۵ گروه کلاس­بندی شد.

بارش

  اشباع شیب توسط آب یکی از علل اصلی زمین­لغزش است. اشباع می­تواند در قالب میزان بارش شدید، ذوب برف و تغییرات در سطح آب­های زیرزمینی اتفاق بیافتد. براي تهیه­ی نقشه­ی ميزان بارش محدوده­ی موردمطالعه از ميانگين اطلاعات بارش سازمان هواشناسي كشور در ۱۰ سال اخير در ۱۹ ايستگاه اطراف ناحیه­ی موردمطالعه استفاده شد. سپس با توجه به میزان بارش، فاصله­ی میان ۱۹ ایستگاه هواشناسی به ۵ گروه تقسیم­بندی شد. منطقه­ی موردمطالعه در قسمت بارندگی زیاد و بسیار زیاد قرارگرفته است.

راه­

در نواحی کوهستانی، خاک‌برداری بر روی شیب جهت احداث جاده یک روش رایج است که تا حد زیادی پایداری شیب را تحت تأثیر قرار می­دهد (21). نقشه­ی راه­های منطقه از نقشه­ی ۲۵۰۰۰: ۱ سازمان نقشه‌برداری کشور برای ناحیه­ی موردمطالعه تهیه‌شده‌اند. برای مطالعه­ی تأثیرات راه­های محدوده‌ی موردمطالعه در ایجاد زمین‌لغزش نیاز به تولید نقشه­ی فاصله­ تا راه­ها بود که این نقشه با استفاده از نقشه­ی راه تولید شد و فاصله­ی هر نقطه تا راه­ها در ۵ گروه مشخص شد.

 

زهکش

  تجزیه‌وتحلیل شبکه­های زهکشی یک ابزار قدرتمند به‌منظور بررسی زمین‌لغزش‌های بزرگ است(17). برای تهیه‌ی نقشه­ی زهکش منطقه از نقشه­های ۲۵۰۰۰: ۱ سازمان نقشه‌برداری کشور برای ناحیه­ی موردتحقیق استفاده شد. جهت استفاده از لایه­ی زهکش به‌عنوان یک‌لایه‌ی مؤثر، لایه­ی فاصله تا زهکش به کمک محیط GIS و ابزار فاصله­ی اقلیدسی تولید شد. درنهایت لایه­ی فاصله تا زهکش در ۵ گروه کلاس­بندی شد.

 

 

 

 

 

لایه شیب Slop layer

 

لایه DEM DEM layer

 

لایه جهت شیب Aspect layer

 

پهنه بندی همپوشانی وزنی Zoning by weighted overlay

لایه گسل Fault layer

 

لایه فاصله تا گسل Distance to fault layer

 

پهنه بندی همپوشانی فازی Zoning by fuzzy overlay

 

لایه بارش Rainfall layer

لایه بارش Rainfall layer

 

ادغام نتایج Data fusion

 

لایه فاصله تا راهها Distance to roads layer

لایه راه Road layer

 

صحت سنجی

پهنه بندی همپوشانی وزنی Zoning by weighted overlay

 

لایه زهکش Drainage layer

لایه فاصله تا زهکش Distance to drainage layer

 

پهنه بندی همپوشانی فازی Zoning by fuzzy overlay

 

لایه مناطق مسکونی Urban settlements layer

لایه فاصله تا مناطق مسکونی Distance to urban settlement

 

 

لایه لیتولوژی Lithology

 

لایه جنس خاک Soil type layer

 

 

 

 

شکل 1. روش پیشنهادی به منظور پهنه بندی خطر زمین لغزش

Fig 1. The proposed method for landslide hazard zoning

 

 

مناطق مسکونی

بررسی تأثیر مناطق مسکونی بر ایجاد زمین‌لغزش به دلیل نشست­های زمین ناشی از برداشت آب از سفره­های آب زیرزمینی حائز اهمیت است. جهت بررسی مناطق مسکونی در پدیده­ی زمین‌لغزش از نقشه­های ۲۵۰۰۰: ۱ سازمان نقشه‌برداری کشور برای منطقه­ی موردمطالعه استفاده شد. برای مشاهده­ی تأثیر لایه­ی مناطق مسکونی در وقوع زمین‌لغزش نیاز به تولید پهنه­بندی فاصله تا مناطق مسکونی وجود داشت که این لایه در محیط GIS تولید شد. سپس لایه­ی نزدیکی به مناطق مسکونی در ۵ گروه کلاس­بندی شد.

لیتولوژی

به‌طور گسترده‌ای مشخص‌شده ‌است که پارامترهای زمین‌شناسی به‌شدت بر وقوع زمین‌لغزش‌ها ‌تاثیرمی­گذارند، زیرا تغییرات سنگ­شناسی و ساختاری اغلب منجر به تفاوت استحکام و نفوذپذیری سنگ­ها و خاک­ها می‌شود (20). برای بررسی تأثیر لیتولوژی در این منطقه از نقشه‌ی زمین‌شناسی ۱۰۰۰۰۰: ۱ سازمان زمین­شناسی کشور استفاده ‌شده است. برای تقسیم‌بندی و تعیین حد بین خاک و سنگ از مرز مقاومت فشاری تک‌محوره ۱ مگا پاسکال استفاده شد. بدین منظور کانی­های با مقاومت فشاری تک‌محوره کمتر از ۱ مگا پاسکال به‌عنوان خاک و کانی­های با مقاومت فشاری تک‌محوره بیشتر از ۱ مگا پاسکال به‌عنوان سنگ انتخاب شدند؛ و همچنین گروه سنگ با توجه به جداول کانی‌شناسی به ۲ گروه سنگ نرم و سنگ سخت تقسیم­بندی شدند.

ب-روش­های وزن­دهی

روش تحلیل سلسله مراتبی

تکنیک تحلیل سلسله مراتبی یا AHP(analytical Hierarchy process) را پروفسور ساعتی در سال ۱۹۷۷ پیشنهاد کرد. در این روش ابتدا مسائل پیچیده تجزیه می‌شوند و به مسائل ساده تقسیم می‌شوند و سپس از طریق مقایسات زوجی بین گزینه‌ها ترجیحات سیستم مشخص می‌شود. در مرحله‌ی بعدی بین گزینه‌ها سازگاری ایجاد می‌شود. این روش دارای سه فاز اساسی در اجراست:

فاز اول: محاسبه­ی وزن و ضرایب اهمیت از ماتریس‌های مقایسه زوجی. برای تشکیل ماتریس مقایسه زوجی از جدول 1 که نشان‌دهنده‌ی ارجحیت سطر به ستون است استفاده می­شود.

جدول1. شدت ارجحیت گزینه­ها درروش تحلیل سلسله مراتبی

Table1. Option’s preference intensity for AHP

فاز دوم: محاسبه‌ی نرخ ناسازگاری و اصلاح ماتریس‌های ناسازگار. برای محاسبه‌ی نرخ ناسازگاری باید گام‌های زیر طی شود. در گام اول هر یک از ماتریس‌های تصمیم­، در بردار وزن یا ضرایب آن ماتریس که در فاز اول محاسبه شد ضرب شده و بردار به‌دست‌آمده که یک بردار ستونی است بردار مجموع موزون یا WSV نامیده می­شود (مطابق رابطه 1).

ارجحیت Pereference	ارزش Value
ارجحیت یکسان گزینه A1 بر گزینه Ah Same preference of A1 over Ah
ارجحیت خیلی کم گزینه A1 بر گزینه Ah Very low preference of A1 over Ah
ارجحیت کم گزینه A1 بر گزینه Ah Low preference of A1 over Ah
ارجحیت نسبتاً کم گزینه A1 بر گزینه Ah Relatively Low preference of A1 over Ah	4
ارجحیت متوسط گزینه A1 بر گزینه Ah Medium preference of A1 over Ah
ارجحیت نسبتاً زیاد گزینه A1 بر گزینه Ah Relatively high preference of A1 over Ah
ارجحیت زیاد گزینه A1 بر گزینه Ah High preference of A1 over Ah
ارجحیت خیلی زیاد گزینه A1 بر گزینه Ah Very high preference of A1 over Ah
ارجحیت بی­نهایت زیاد گزینه A1 بر گزینه Ah Unlimited preference of A1 over Ah

در گام دوم بردار ناسازگاری یا ICV که برابر با حاصل تقسیم نظیر با نظیر (نه ماتریسی) بردار WSV بر بردار وزن‌ها یا ضرایب است، محاسبه می­شود (مطابق رابطه 2)

[1]

در گام سوم میانگین درایه‌های بردار ناسازگاری را به دست آورده که این مقدار تقریبی از بزرگ‌ترین مقدار ویژه یا   است. در ادامه در گام چهارم نشانگر ناسازگاری از رابطه‌ی «3» محاسبه می­شود. هنگامی‌که m (n) برابر با تعداد گزینه‌ها (شاخص‌ها) است.

[2]

)

در گام پنجم نرخ ناسازگاری از رابطه «4» استخراج می­شود.

[3]

فاز سوم. ادغام وزن­ها و ضرایب اهمیت و استخراج امتیاز نهایی گزینه­ها. در این فاز وزن‌ها و ضرایب اهمیت حاصل از ماتریس‌های مقایسات زوجی که سازگاری آن‌ها تأییدشده است باهم ادغام می‌شوند تا امتیاز نهایی گزینه‌ها به دست آید که بر اساس آن رتبه‌بندی کلی گزینه‌ها ارائه می‌شود. این فاز شامل سه گام اساسی زیر است: گام اول وزن هر شاخص در ضرایب اهمیت گزینه‌ها با ازای آن شاخص ضرب شده تا ارزش موزون هر گزینه در هر شاخص مشخص شود. در گام دوم ارزش موزون هر گزینه در تمام شاخص‌ها با یکدیگر جمع شده تا ارزش و امتیاز نهایی گزینه‌ها (Ui) استخراج شود و در گام نهایی گزینه‌ها به ترتیب از صعودی به نزولی رتبه‌بندی می‌شود.

 

جدول2. شدت ارجحیت گزینه­ها درروش تحلیل سلسله مراتبی فازی

Table2. Option’s preference intensity for fuzzy AHP

[4]

روش تحلیل سلسله مراتبی فازی برای استخراج وزن­ها

 روش تحلیل سلسله مراتبی فازی باحالت‌های مختلفی ارائه‌شده است. یکی از پرکاربردترین این رویکردها را چانگ (۱۹۹۶) پیشنهاد کرد که آن را تحلیل گسترش نامید. در این تکنیک از اعداد فازی مثلثی استفاده می­شود.

ابتدا از هر یک از ماتریس‌های مقایسات زوجی فازی و به ازای هر گزینه یا شاخص یک عدد فازی S مطابق رابطه «5» استخراج می­شود.

ارجحیت Preference	ارزش Value
ارجحیت یکسان گزینه A1 بر گزینه Ah Same preference of A1 over Ah	, ۱, ۲)
ارجحیت خیلی کم گزینه A1 بر گزینه Ah Very low preference of A1 over Ah	, ۲, ۳)
ارجحیت کم گزینه A1 بر گزینه Ah Low preference of A1 over Ah	, ۳, ۴)
ارجحیت متوسط گزینه A1 بر گزینه Ah Medium preference of A1 over Ah	, ۴, ۵)
ارجحیت نسبتاً زیاد گزینه A1 بر گزینه Ah Relatively high preference of A1 over Ah	, ۶, ۷)
ارجحیت زیاد گزینه A1 بر گزینه Ah High preference of A1 over Ah	, ۷, ۸)
ارجحیت خیلی زیاد گزینه A1 بر گزینه Ah Very high preference of A1 over Ah	, ۸, ۹)
ارجحیت بی­نهایت زیاد گزینه A1 بر گزینه Ah Unlimited preference of A1 over Ah	, ۹, ۹)

\

با توجه به حالت­های مختلف برتری گزینه­ها، پارامتر شدت برتری طبق رابطه «6» تعیین می­­شود.

[5]

 

سپس در هر ماتریس مقایسات زوجی، کمترین شدت برتری یک گزینه بر گزینه­های دیگر وزن اولیه آن گزینه در آن ماتریس را نشان می­دهد؛ وزن­های اولیه­، بر مجموعشان تقسیم‌شده تا وزن­های نسبی () به دست آید. درنهایت، وزن هر شاخص در وزن­های به‌دست‌آمده از ماتریس مقایسه گزینه­ها در آن شاخص ضرب می­شود تا ارزش موزون هر گزینه در هر شاخص مشخص شود (5).

در این تحقیق پرسشنامه­­ها در قالب جداول مقایسات زوجی در اختیار کارشناسان خبره قرار گرفت. کارشناسان مقایسات زوجی بین عوامل موثر وقوع زمین لغزش را با توجه به جدول 1 و جدول 2 انجام داده وارجحیت عوامل را نسبت به یکدیگر مشخص کردند، سپس با اتفاق نظر رای خود را در قالب یک نتیجه­­ی واحد بیان کردند. سپس فرایند تحلیل سلسله مراتبی و تحلیل سلسله مراتبی فازی با توجه به روند فوق بر روی رای کارشناسان صورت پذیرفت و در نتیجه درصد اهمیت لایه­ها( وزن لایه­ها) مشخص شد.

 در ادامه پس از ایجاد وزنها به دو روش تحلیل سلسله مراتبی و تحلیل سلسله مراتبی فازی، دو روش همپوشانی به منظور اعمال وزنها در لایه­ها استفاده می­شود.

روش­های همپوشانی وزنی و فازی

روشهای همپوشانی مورد استفاده در این تحقیق به شرح زیر می باشد:

·       روش همپوشانی وزنی. یکی از روش‌های مورداستفاده برای تجزیه‌وتحلیل‌های همپوشانی برای پاسخ به سؤالات چند معیاری مانند انتخاب محل و مدل مناسب است. این ابزار شامل گام­هایی به شرح زیر است: اول، مقادیر موجود در رسترهای ورودی، به یک مقیاس ارزیابی مشترک ازنظر مناسب بودن یا اولویت، ریسک و یا مقیاس مناسب یکسان‌سازی می­شوند.دوم، مقادیر سلول هر یک از ردیف ورودی با توجه به اهمیت رسترها افزایش می­ یابد.سوم،   مقادیر حاصل سلول باهم ترکیب می­شوند تا رستر خروجی تولید شود.

·       روش همپوشانی فازی. دیگر روش مورد استفاده است. ابزار همپوشانی فازی امکان تجزیه‌وتحلیل احتمال وقوع پدیده متعلق به چندین مجموعه را در تحلیل همپوشانی چند معیاره فراهم می‌کند. نه‌تنها همپوشانی فازی اعضای تأثیرگذار در وقوع یک پدیده را تعیین می­کند، بلکه روابط بین عضویت چند مجموعه را تجزیه‌وتحلیل می‌کند.

 

 ادغام تصمیم گیری­ها

ادغام تصمیم‌گیری‌ها(Decision Fusion) یا در حالت کلی ادغام یا تلفیق داده، تصمیم‌گیری‌های مختلف حاصل از روش‌ها یا داده­های متفاوت را باهم ترکیب یا تلفیق می­کند تا درنهایت تصمیم­گیری­ای را حاصل کند که هم دقت بیشتری دارد و هم اعتماد به آن بسیار بیشتر از نتیجه یک تصمیم‌گیری انفرادی است (22). یکی از روش‌های مهم و پرکاربرد در ادغام تصمیم‌گیری‌ها، روشی بر پایه مفهوم رأی‌گیری است. در این روش با تصمیم هر روش تصمیم‌گیری به‌صورت یک رأي برخورد می‌شود(20). ساده‌ترین حالت این روش بانام حداکثر رأی شناخته می‌شود. در این روش اگر همه روش­­های تصمیم‌گیری دارای وزن و دقت یکسانی باشند، تصمیم تمام طبقه‌بندی کننده‌ها برای یک نمونه ورودی، با وزن یکسان در نظر گرفته می‌شود و تصمیم با بیشترین رأی به‌عنوان کلاس برنده برای نمونه ورودی معرفی می‌شود. با این فرض که Di,i=1,…,M مجموعه روش­های تصمیم‌گیری به تعداد M و Wj,j=1,…,c تعداد کلاس‌های موجود باشد، برای هر طبقه‌بندی کننده، بردار c بعدی] di1,di2,…di3 [ در نظر گرفته می‌شود. dij می‌تواند مقادیر ۱ یا ۰ را بگیرد به‌این‌ترتیب که اگر روش تصمیم‌گیری نمونه ورودی را متعلق به کلاس خاص موردنظر دانست به آن مقدار ۱ و اگر متعلق ندانست مقدار ۰ داده می‌شود. همان‌طور که پیش‌ازاین ذکر شد، در حالت رأی‌گیری ساده که وزن همه طبقه‌بندی کننده‌ها برابر است، کلاس با حداکثر رأي برنده خواهد بود (مطابق رابطه 7).

[6]

هنگامی‌که روش­های تصمیم‌گیری دارای دقت‌های مختلف هستند، حالت خاصی از این روش بانام حداکثر رأي وزن‌دار به‌کاربرده می‌شود. به‌این‌ترتیب نقش روش‌هایی که دقت بیشتری دارند در رأی‌گیری بیشتر می‌شود و وزن بیشتری به آن‌ها تعلق می‌گیرد درحالی‌که روش‌های پهنه‌بندی با دقت کمتر وزن کمتری را در ادغام دریافت می‌کنند. رابطه «8» رأی نهایی در حالت وزن‌دار را نمایش می­دهد (11).

[7]

 در این رابطه وزن هر روش پهنه‌بندی است.  درروش پیشنهادی در این تحقیق از دقت تخمین زمین‌لغزش‌های تاریخی در هر روش پهنه‌بندی به‌عنوان وزن آن روش استفاده خواهد شد.

منطقه موردمطالعه 

منطقه موردمطالعه در حدفاصل 30° 44´ 59˝ تا  31° 7´ 30˝ عرض شمالی و 51° 29´ 52˝ تا  51° 45´10˝ طول شرقی  و در فاصله تقریبی 60  کیلومتری از شهر سمیرم واقع‌شده است. همچنین در این منطقه حوضه­ی رودخانه­ی ماربر قرارگرفته است. این ناحیه جزء رشته‌کوه‌های زاگرس است.  شکل 2 منطقه موردمطالعه را نمایش می­دهد.

[8]

الف	ب
شکل2.  الف) منطقه موردمطالعه و ب) زمین‌لغزش‌های تاریخی Fig 2. a) Study area and b) Historical landslides

یافته­های تحقیق

لایه­های مؤثر با استفاده از نقشه­های موجود از ناحیه­ی موردمطالعه تولید می­شوند. بدین منظور از نقشه­ی رقومی ارتفاعی منطقه­، نقشه­ی آبراهه­ها­، جاده­ها و گسل­ها­، نقشه­ی زمین­شناسی منطقه و نقشه­ی داده­ی ایستگاه­های سینوپتیک به‌عنوان لایه­های اولیه  استفاده شد. تمامی لایه­­های مورداستفاده در اندازه‌ی پیکسل 30 متر تهیه و مورداستفاده قرار گرفتند. لایه­های مؤثر رودخانه­ها و آبراهه­ها، مناطق مسكوني و جاده­ها با استفاده از نقشه­های ۱:25000 سازمان نقشه‌برداری کشور برای ناحیه­ی موردمطالعه تهیه‌شده‌اند.

الف	ب
پ	ت
ث	ج
	چ
شکل3. داده‌های مورداستفاده شامل الف) موقعیت ایستگاه‌های سینوپتیک، ب) مدل رقومی ارتفاعی، پ) جاده، ت) گسل، ث) لیتولوژی، ج) آبراهه­ها و چ) مناطق مسکونی  Fig 3. Data, a) location of Synoptic station, b) Digital Elevation Model, c)Road, d) Fault, e)Lithology, f) Stream, g) Urban settlements

همچنین مدل رقومی ارتفاعی منطقه با اندازه­ی پیکسل ۳۰ متر تهیه‌شده است. لایه­های مؤثر لیتولوژی و گسل­های منطقه از نقشه‌ی زمین‌شناسی ۱:100000 سازمان زمین­شناسی کشور تهیه‌شده است. همچنین نقشه زمین­لغزش‌های تاریخی در منطقه از سازمان زمین­شناسی کشور تهیه‌شده است. شکل 3 داده­های اولیه جمع‌آوری‌شده برای این منطقه را نمایش می­دهد.

الف	ب
پ	ت
ث	ج
چ	ح

شکل4. لایه­های مورداستفاده: الف) فاصله تا مناطق مسکونی ب) فاصله تا آبراهه­ها پ) میزان بارش ت) فاصله تا جاده ث) لیتولوژی ج) فاصله تا گسل چ) جهت شیب ح) شیب

Fig 4. Applied information layers, a) Distance to urban settlements, b) Distance to stream, c) Rainfall, d) Distance to road, e) Lithology, f) Distance to fault, g) Aspect and h) Slope

بعد از تهیه­ی لایه­های اولیه­، به‌منظور تهیه­ی لایه­های مؤثر در محیط جی ای اس و با استفاده از فاصله اقلیدسی نقشه­های فاصله از خطوط گسل، فاصله از رودخانه‌ها و آبراهه­ها و فاصله از جاده تهیه‌شده‌اند. براي تهیه­ی نقشه­ی ميزان بارش منطقه نيز از ميانگين داده­هاي بارش سازمان هواشناسي كشور در ۱۰ سال اخير در ۱۹ ايستگاه اطراف ناحیه­ی موردمطالعه استفاده شد. همچنین لایه­های مؤثر شیب و جهت شیب با استفاده از مدل رقومی ارتفاعی منطقه و با اندازه­ی پیکسل ۳۰ متر تهیه‌شده است. شکل 4 لایه‌های حاصل را نمایش می­دهد.

نتایج و بحث

طبق مشاهدات تعداد زیادی از زمین‌لغزش‌ها در محدوده­ای با شیب کم و حتی تخت رخ‌داده‌اند. دلیل وقوع این زمین‌لغزش‌ها می­تواند با لایه­های مناطق مسکونی و آبراهه توجیه شود. تعدادی از زمین‌لغزش‌ها با الگویی در راستای آبراهه اصلی منطقه که از شمال غرب منطقه­ی موردمطالعه آغاز می­شود و از مناطق مسکونی عبور می­کند به وقوع پیوسته است. برداشت غیراصولی از منابع و سفره­های آب زیر­زمینی شرایط را برای وقوع زمین‌لغزش فراهم می­کند.

همچنین با توجه به حضور گسل زاگرس در محدوده­ی موردمطالعه، انتظار می­رود قسمتی از زمین‌لغزش‌ها بر روی این گسل به وقوع بپیوندد. اما با توجه به مطالعات صورت گرفته در این مورد، به دلیل نوع ساختار این گسل و همچنین سمت وجهت فعالیت گسل زاگرس تأثیر حضور گسل در قسمت شمالی – شرقی مشاهده خواهد شد و به همین دلیل زمین‌لغزش قابل‌ملاحظه‌ای در قسمت جنوبی-غربی و همچنین بر روی گسل رخ نداده است.

پس از ایجاد لایه­های اطلاعاتی منطقه موردمطالعه، مطابق روش پیشنهادی روش تحلیل سلسله مراتبی با گردآوری نظر کارشناسان اجرا شد و وزن­های نهایی هر لایه حاصل شد. این وزن‌ها درنهایت با استفاده از دو روش همپوشانی وزن‌دار و همپوشانی فازی در لایه­ها اعمال شد. نتایج حاصل از پهنه‌بندی به روش تحلیل سلسله مراتبی و تحت دو روش همپوشانی نامبرده شده، در شکل 5 نمایش داده‌شده است.

الف	ب
شکل5. نتایج پهنه‌بندی به روش تحلیل سلسله مراتبی، الف) همپوشانی فازی و ب) همپوشانی وزن‌دار Fig 5. Zoning results by AHP, a) Fuzzy overlap and b) Weighted overlap

 

الف	ب
شکل6. نتایج پهنه‌بندی به روش تحلیل سلسله مراتبی فازی الف) همپوشانی فازی و ب) همپوشانی وزن‌دار Fig 6. Results of zoning by fuzzy AHP, a) fuzzy overlap and b) weighted overlap

در ادامه روش تحلیل سلسله مراتبی فازی برای به دست آوردن وزن­های هر لایه بر اساس نظر کارشناسان اجرا شد. همچنین دو روش همپوشانی ذکرشده برای عمال وزن‌ها در لایه­ها و ایجاد نقشه پهنه‌بندی نهایی بکار برده شد. شکل 6 نتایج حاصل از این مرحله را نمایش می­دهد. برای ارزیابی چهار نقشه پهنه‌بندی حاصل، از زمین‌لغزش‌های تاریخی ثبت‌شده در منطقه استفاده شد. جدول 3 نتایج دقت هر روش را در پیش‌بینی این زمین‌لغزش‌ها نشان می­دهد.

جدول3. صحت­سنجی نقشه‌های پهنه­بندی خطر زمین‌لغزش

Table3. Accuracy assessment for different landslide zoning maps

محدوده­ی خطر Risk range	تعداد مجموع زمین‌لغزش‌ها Number of landslides	درصد زمین‌لغزش‌های موجود در هر روش   Landslides percentage for methods
		AHP-همپوشانی وزنی AHP-weighted overlay	AHP-همپوشانی فازی AHP-fuzzy overlay	FAHP-همپوشانی وزنی FAHP-weighted overlay	FAHP- همپوشانی فازی FAHP-fuzzy overlay
خطر زیاد و بسیار زیاد High and very high risk	68	%۸)	%۸)	۷۵%	۸۸%
خطر متوسط Medium risk		۳%	۵%	۱۱%	۴%
خطر کم و بسیار کم Low and very low risk		۱۷%	۹%	۱۴%	۸%

 با توجه به نتایج پهنه­بندی خطر زمین‌لغزش به روش­های تحلیل سلسله مراتبی و تحلیل سلسله مراتبی فازی و همچنین همپوشانی فازی و وزن­دار، مشاهده می­شود در نقشه­هایی که از همپوشانی فازی استفاده‌شده است، بااینکه پیش­بینی مناسبی از زمین‌لغزش‌های تاریخی انجام‌شده است اما مناطق زیادی به‌عنوان مناطق با خطر زمین‌لغزش زیاد و بسیار زیاد پیش‌بینی‌شده است که این مورد نشان از کاهش دقت این روش­ها جهت پیش‌بینی دقیق زمین‌لغزش‌ها دارد.

شکل7. نقشه‌ی پهنه­بندی خطر زمین‌لغزش حاصل از ادغام نتایج Fig 7. Landslide zoning map for fusion method

همچنین در نقشه­های پهنه­بندی خطر زمین‌لغزش که از همپوشانی وزن­دار استفاده‌شده است، روش تحلیل سلسله مراتبی ۸۰% زمین‌لغزش‌ها را در محدوده­ی خطر زیاد و بسیار زیاد پیش­بینی کرد که نشان‌دهنده‌ی دقت بیشتر این روش در مقایسه با روش تحلیل سلسله مراتبی فازی است. درنهایت چهار نتیجه حاصل از روش‌های مختلف پهنه‌بندی، به روش رأی‌گیری وزن‌دار با یکدیگر ادغام می­شوند. شکل7 نقشه پهنه‌بندی نهایی حاصل از ادغام را نمایش می­دهد. به‌منظور مقایسه دقت روش پیشنهادی دقت نقشه پهنه‌بندی نهایی با تکیه‌بر زمین‌لغزش‌های تاریخی به دست آمد. جدول 4 نتایج مربوط به پهنه‌بندی حاصل از ادغام را نمایش می­دهد.

جدول4. صحت­سنجی نقشه­ی پهنه­بندی خطر زمین‌لغزش

Table4. Accuracy assessment landslide hazard maps

درصد زمین‌لغزش‌های موجود در محدوده(ادغام اطلاعات) Landslide percentage in range (data fusion)	تعداد مجموع زمین‌لغزش‌ها Number of landslides	محدوده­ی خطر Risk range
۹۰%	۶۸	خطر زیاد و بسیار زیاد  High and very high risk
۴%		خطر متوسط Medium risk
۶%		خطر کم و بسیار کم Low and very low risk

 

 

 

 

 

 

 

 

شکل8. مقایسه دقت نقشه‌های پهنه‌بندی Fig 8. Accuracy comparison for different zoning methods

 

 

 

 

 

 

شکل8 دقت روش‌های مختلف پهنه‌بندی در پیش‌بینی زمین‌لغزش‌های تاریخی را به‌خوبی مقایسه می­کند. این شکل نشان می­دهد که روش ادغام درصد بیشتری از زمین‌لغزش‌های تاریخی را در کلاس خطر بسیار زیاد و زیاد طبقه‌بندی کرده است و همچنین درصد کمتری از زمین‌لغزش‌های تاریخی را در دسته خطر کم قرار داده است.

نتیجه­گیری ­

زمین‌لغزش‌های رخ‌داده در ایران و سایر کشورها، تلفات جانی و مالی و خسارات جبران‌ناپذیری را ایجاد کرده است. همین خسارات نشان از اهمیت بررسی و پیش‌بینی این پدیده دارد. در این تحقیق برای بررسی خطر زمین‌لغزش در محدوده­ی سمیرم استان اصفهان از ۴ روش پهنه­بندی متفاوت با استفاده از روش تحلیل سلسله مراتبی و روش تحلیل سلسله مراتبی فازی و همچنین با استفاده از همپوشانی وزن­دار و همپوشانی فازی به کمک قضاوت کارشناس خبره و درنهایت ادغام نتایج حاصل از این روش­ها استفاده شد. پس از بررسی نتایج و انجام صحت­سنجی مشاهده شد پهنه­بندی با روش تحلیل سلسله مراتبی و همپوشانی وزن­دار، تحلیل سلسله مراتبی و همپوشانی فازی و تحلیل سلسله مراتبی فازی و همپوشانی وزن­دار و درنهایت تحلیل سلسله مراتبی فازی و همپوشانی فازی به ترتیب دارای دقت ۸۰%، ۸۶% و ۷۵% و ۸۸% بودند و پس از ادغام نتایج حاصل از این ۴ روش، دقت پهنه­بندی به ۹۰% افزایش یافت. اگرچه استفاده از روش حداکثر رأی وزن­دار جهت ادغام اطلاعات باعث افزایش دقت پهنه­بندی شد اما استفاده از لایه­های اطلاعاتی متفاوت و یا استفاده از روش ادغام اطلاعات فازی، موضوعاتی هستند که می­توانند در آینده موردتوجه بیشتر قرار بگیرند.

 

منابع مورداستفاده 

1-       Abedini M, Tulabi S. 2018. Assessing LNRF, FR, and AHP models in landslide susceptibility mapping index: a comparative study of Nojian watershed in Lorestan province, Iran. Environmental Earth Sciences (2018) 77: 405. https://doi.org/10.1007/s12665-018-7524-1

2-       Achour Y, Boumezbeur A, Hadji R, Chouabbi A, Cavaleiro V, Bendaoud E.A. 2017. Landslide susceptibility mapping using analytic hierarchy process and information value methods along a highway road section in Constantine, Algeria. Arabian Journal of Geosciences 10: 194. https://doi.org/10.1007/ s12517-017-2980-6.

3-       Ahmed B. 2015. Landslide susceptibility modelling applying user-defined weighting and data-driven statistical techniques in Cox’s Bazar Municipality, Bangladesh. Natural Hazards, 79(3): 1707–1737.

4-       Anbalagan R, Singh B. 1996. Landslide hazard and risk assessment mapping of mountainous terrains—A case study from Kumaun Himalaya, India. Engineering Geology 43 (4): 237–246.

5-       Asgharizadeh E.A, Mohammadi balani E.A. 2018. Multi-criteria decision making techniques. First Edition. University of Tehran Press. (in Persian).

6-       Bera A,  Mukhopadhyay B.P, Das D. 2019. Landslide hazard zonation mapping using multi‑criteria analysis with the help of GIS techniques: a case study from Eastern Himalayas, Namchi, South Sikkim. Natural Hazards 96: 935–959.

7-       Bharvand S, Soori S. 2016. Landslide hazard zonation using artificial neural network (case study:Sepiddasht-Lorestan,iran), journal of RS and GIS for Natural Resources, 6(4): 15-31. (in Persian).

8-       Chandra K, Regmi A, Pourghasemi H, Yoshida K, Pradhan B, Ryu I, Dhital M, Althuwaynee O. 2012. Landslide susceptibility mapping using certainty factor, index of entropy and logistic regression models in GIS and their comparison at Mugling–Narayanghat road section in Nepal Himalaya. Natural Hazards 10.1007/s11069-012-0347-6

9-       Dahal R.K, Hasegawa S, Nonomura S, Yamanaka M, Dhakal S, Paudyal P. 2008. Predictive modelling of rainfall induced landslide hazard in the lesser Himalaya of Nepal based on weights of evidence. Geomorphology 102: 496–510.

10-       Dai F, Lee C.F. 2002. Landslide characteristics and slope instability modelling using GIS, Lantau Island, Hong Kong. Geomorphology 42: 213–238.

11-       Fauvel M, Benediktsson, J. 2007, A Combined Support Vector Machine Classification Based on Decision Fusion, Signal & Images Laboratory, LIS Grenoble, Grenoble National Polytechnical Institute, France.

12-       Fell R, Corominas J, Bonnard C, Cascini L, Leroi E, Savage W.Z. 2008. Guidelines for landslide susceptibility, hazard and risk zoning for land-use planning. Engineering Geology 102 (3): 99–111. https://doi.org/10.1016/j. enggeo.2008.03.014.

13-       Jiang W, Rao P, Cao R. Geogr J. 2017. Comparative evaluation of geological disaster susceptibility using multi-regression methods and spatial accuracy validation

14-       Kanungo D.P, Arora M.K, Sarkar S, Gupta R.P. 2006, A comparative study of conventional, ANN black box, fuzzy and combined neural and fuzzy weighting procedures for landslide susceptibility zonation in Darjeeling Himalayas, Engineering Geology, 85, 347-366.

15-       Kayastha P, Dhital M, De Smedt F. 2012. Landslide susceptibility using the weight of evidence method in the Tinau watershed, Nepal. Natural Hazards 63: 479–498.

16-       Kumar R, Anabalgan R. 2016. Landslide susceptibility mapping using analytical hierarchy process (AHP) in Tehri reservoir rim region, Uttarakhand. Journal of the Geological Society of India 87: 271–286.

17-       Kuncheva L.I, Whitaker C.J.(2003), Measures of diversity in classifier ensemble and their relationship with the ensemble accuracy, Machine Learning, 51(2): 181- 207.

18-       Lynn M, Highland, United States Geological Survey, Peter Bobrowsky, Geological Survey of Canada. (2008).The Landslide Handbook—A Guide to Understanding Landslides, : Reston, Virginia, U.S. Geological Survey Circular 1325, 129 p.

19-       Rahmati M, Zand F. 2018. Landslide hazard zonation using geographic information system landslide (case study:Robat-Siahpoush rural district, lorestan province), journal of RS and GIS for Natural Resources, 8(4): 63-75. (in Persian).

20-       Ruta D, Gabrys B. 2000. An overview of classifieur fusion methods. Computing and information systems, Vol. 7, pp. 1-10.

21-       Sharma S, Mahajan A.K. 2018. Comparative evaluation of GIS-based landslide susceptibility mapping using statistical and heuristic approach for Dharamshala region of Kangra Valley, India. Geoenvironmental Disasters. 2018. 5: 4. https://doi.org/10.1186/s40677-018-0097-1

22-       Soeters R, Van Westen C.J. 1996. Slope instability recognition, analysis and zonation. In: Turner, A.K., Schuster, R.L. (Eds.), Landslides, investigation and mitigation. Transportation Research Board, National Research Council, Special Report 247. National Academy Press, Washington D.C., U.S.A., pp. 129–177.

23-       Subedi P, Subedi K, Thapa B. 2019. Sinkhole susceptibility mapping in Marion County, Florida: Evaluation and comparison between analytical hierarchy process and logistic regression based approaches. Sci Rep 9, 7140 (2019). https://doi.org/10.1038/s41598-019-43705-6

24-       Vojteková J, Vojtek M. 2020. Assessment of landslide susceptibility at a local spatial scale applying the multi-criteria analysis and GIS: a case study from Slovakia. Geomatics, Natural Hazards and Risk 11: 131–148.

25-       Wu Y.L, Li W.P, Liu P, Bai H.Y, Wang Q.Q, He J.H, Liu Y, Sun S.S. 2016. Application of analytic hierarchy process model for landslide susceptibility mapping in the Gangu County, Gansu Province, China. Environment and Earth Science 75: 1–11.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

A Method based on Fuzzy-non Fuzzy Analytical Hierarchy Process (AHP) and Decision Fusion System for Landslide Hazard Zonation in Marbar Basin

 

 

Abstract

Landslide as a terrifying disaster can cause human and economic losses and the destruction of cultural and natural heritage. While the need for a method to directly predict the location of landslides has vital importance but currently, the prediction is not possible. The zoning of landslide hazard can be an efficient indirect approach. The aim of this study is to integrate information on several final decisions resulting from the zoning of landslide hazard in the Semirom in Isfahan province. For this purpose, eight variables (slope, slope direction, rainfall, lithology, distance to residential areas, distance to river, distance to road and distance to selected faults) were categorized in GIS Software. Using the fuzzy and non-fuzzy hierarchical process, and in consultation with the experts, the layers and substrates were weighted. Also, two different overlay methods including weighted overlay and fuzzy overlay are applied on the results of fuzzy and non -fuzzy AHP methods. Then, four zoning maps were merged into the decision-making methods by the weighting method. Comparison and verification of the results showed that the zoning methods provide satisfactory results, but eventually the results were improved with the integration of information. To validate the research, the results were compared with historical land surveys. Based on the results, it was concluded that zoning by hierarchical analysis and overweight analysis, hierarchical analysis and fuzzy overlay, fuzzy hierarchical analysis and weighted overlay, and fuzzy hierarchical analysis and fuzzy overlaying, have a precision of 80 %, 86%, 75% and 88% respectively. After integrating the results of these four methods, the accuracy of the zoning increased to 90%.

        

 

Keywords: fuzzy Analytical Hierarchy process, zoning, landslide hazard, information fusion

 

 

 

 

 

 

 

 

 

روشی بر مبنای تحلیل تصمیم­گیری چند معیاره فازی-غیرفازی و ادغام تصمیم گیری ها به‌منظور پهنه­بندی خطر زمین‌لغزش در حوضه رودخانه ماربر

 

چکیده مبسوط 

طرح مسئله: زمین‌لغزش به‌عنوان یک حادثه­ی مهیب می­تواند موجب آسیب رساندن به انسان، از دست دادن زندگی، زیان اقتصادی و از بین بردن میراث فرهنگی و طبیعی شود. درحالی‌که نیاز به روشی برای پیش­بینی مستقیم محل وقوع زمین‌لغزش احساس می­شود و در حال حاضر امکان پیش­بینی مستقیم وجود ندارد، پهنه­بندی خطر زمین‌لغزش می‌تواند روش غیرمستقیم مناسبی برای پاسخ به این نیاز باشد.

هدف: هدف از این مطالعه پهنه بندی خطر زمین لغزش در حوضه­ی رودخانه­ی ماربر در محدوده­ی سمیرم استان اصفهان با بهره جستن از مفهوم ادغام داده در ترکیب با روش­­های تحلیل سلسله مراتبی می­باشد. استفاده از روش­های ادغام تصمیم گیری­ها در محیط GIS هدف اصلی تحقیق می­باشد.

روش تحقیق: در گام اول از روش پیشنهادی، اطلاعات مربوط به منطقه جمع آوری و لایه­های اطلاعاتی در فضای GIS فراهم می­شوند.  در ادامه با استفاده از دو روش تحلیل سلسله مراتبی فازی و غیر فازی و با قضاوت کارشناسان خبره، لایه­ها و زیرلایه­ها وزن­دهی می­شوند. در ادامه دو روش مختلف همپوشانی شامل همپوشانی وزندار و همپوشانی فازی برای پهنه بندی نتایج تحلیل­های سلسله مراتبی فازی و غیرفازی بکار برده می­­شوند. ترکیب دو روش تحلیل سلسله مراتبی و دو روش همپوشانی باعث ایجاد چهار نقشه پهنه بندی برای منطقه مورد نظر می­شود. ابزار همپوشانی فازی امکان تجزیه‌وتحلیل احتمال وقوع پدیده متعلق به چندین مجموعه را در تحلیل همپوشانی چند معیاره فراهم می‌کند. نه‌تنها همپوشانی فازی اعضای تأثیرگذار در وقوع یک پدیده را تعیین می­کند، بلکه روابط بین عضویت چند مجموعه را تجزیه‌وتحلیل می‌کند. همپوشانی وزنی نیز یکی از روش‌های مورداستفاده برای تجزیه‌وتحلیل‌های همپوشانی برای پاسخ به سؤالات چند معیاری مانند انتخاب محل و مدل مناسب است. که این روش مقادیر موجود در رسترهای ورودی را به یک مقیاس ارزیابی مشترک ازنظر مناسب بودن یا اولویت، ریسک و یا مقیاس مناسب یکسان‌سازی می­کند و مقادیر سلول هر یک از ردیف ورودی را با توجه به اهمیت رسترها افزایش می­دهد. همچنین مقادیر حاصل سلول را باهم ترکیب می­کند تا رستر خروجی تولید کند. در ادامه پس از ایجاد چهار نتیجه پهنه بندی از مفهوم ادغام تصمیم گیریها برای تلفیق نتایج و ایجاد نتیجه نهایی استفاده می­­شود. ادغام تصمیم‌گیری‌ها یا در حالت کلی ادغام یا تلفیق داده، تصمیم‌گیری‌های مختلف حاصل از روش‌ها یا داده­های متفاوت را باهم ترکیب یا تلفیق می­کند تا درنهایت تصمیم‌گیری­ را حاصل کند که هم دقت بیشتری دارد و هم اعتماد به آن بسیار بیشتر از نتیجه یک تصمیم‌گیری انفرادی است. یکی از روش‌های مهم و پرکاربرد در ادغام تصمیم‌گیری‌ها، روشی بر پایه مفهوم رأی‌گیری است. در این روش با تصمیم هر روش تصمیم‌گیری به‌صورت یک رأي برخورد می‌شود. ساده‌ترین حالت این روش بانام حداکثر رأی شناخته می‌شود. در این روش اگر همه روش‌های تصمیم‌گیری دارای وزن و دقت یکسانی باشند، تصمیم تمام طبقه‌بندی کننده‌ها برای یک نمونه ورودی، با وزن یکسان در نظر گرفته می‌شود و تصمیم با بیشترین رأی به‌عنوان کلاس برنده برای نمونه ورودی معرفی می‌شود.

نتایج و بحث: منطقه مورد مطالعه در فاصله تقریبی 60  کیلومتری از شهر سمیرم واقع شده است. همچنین در این منطقه حوضه­ی رودخانه­ی ماربر قرار گرفته است. به‌طورکلی عوامل مختلفی می­توانند در ناپایداری شیب­ها و فراهم کردن شرایط برای بروز زمین‌لغزش موثر باشند. از میان تمامی عوامل مؤثر، در این تحقیق هشت عامل شیب، جهت شیب، فاصله تا گسل، فاصله تا راه­ها، فاصله تا زهکش، فاصله تا مناطق مسکونی، لیتولوژی و میزان بارش جهت بررسی بیشتر زمین‌لغزش انتخاب شدند.  این لایه­های موثر با استفاده از لایه­های اطلاعاتی مدل رقومی ارتفاعی، خطوط گسل، موقعیت راه­ها، موقعیت آبراهه­ها، موقعیت مناطق مسکونی، لیتولوژی و ایستگاه­های سینوپتیک منطقه بدست آمده است. مدل رقومی ارتفاعی منطقه با اندازه­ی پیکسل ۳۰ متر از سایت USGS تهیه‌شده است. با استفاده از مدل رقومی ارتفاعی منطقه و در فضای GIS، نقشه‌های شیب و جهت شیب در 5 کلاس تولید شد. نقشه­ی گسل­های منطقه از نقشه‌ی زمین‌شناسی ۱۰۰۰۰۰: ۱ سازمان زمین­شناسی کشور تهیه‌شده است. سپس در محیط جی‌ای اس و به کمک ابزار فاصله­ی اقلیدسی لایه­ی فاصله تا گسل ایجادشده و با توجه به میزان فاصله­ی هر نقطه تا گسل­ها، لایه­ی نهایی فاصله تا گسل در ۵ گروه کلاس­بندی شد. همچنین براي تهیه­ی نقشه­ی ميزان بارش محدوده­ی موردمطالعه از ميانگين اطلاعات بارش سازمان هواشناسي كشور در ۱۰ سال اخير در ۱۹ ايستگاه اطراف ناحیه­ی موردمطالعه استفاده شد. سپس با توجه به میزان بارش، فاصله­ی میان ۱۹ ایستگاه هواشناسی به ۵ گروه تقسیم­بندی شد. منطقه­ی موردمطالعه در قسمت بارندگی زیاد و بسیار زیاد قرارگرفته است. نقشه­ی راه­های منطقه از نقشه­ی ۲۵۰۰۰: ۱ سازمان نقشه‌برداری کشور برای ناحیه­ی موردمطالعه تهیه‌شده‌اند. برای مطالعه­ی تأثیرات راه­های محدوده‌ی موردمطالعه در ایجاد زمین‌لغزش نیاز به تولید نقشه­ی فاصله­ تا راه­ها بود که این نقشه با استفاده از نقشه­ی راه تولید شد و فاصله­ی هر نقطه تا راه­ها در ۵ گروه مشخص شد. برای تهیه‌ی نقشه­ی زهکش منطقه از نقشه­های ۲۵۰۰۰: ۱ سازمان نقشه‌برداری کشور برای ناحیه­ی موردتحقیق استفاده شد. جهت استفاده از لایه­ی زهکش به‌عنوان یک‌لایه‌ی مؤثر، لایه­ی فاصله تا زهکش به کمک محیط GIS و ابزار فاصله­ی اقلیدسی تولید شد. درنهایت لایه­ی فاصله تا زهکش در ۵ گروه کلاس­بندی شد. جهت بررسی مناطق مسکونی در پدیده­ی زمین‌لغزش از نقشه­های ۲۵۰۰۰: ۱ سازمان نقشه‌برداری کشور برای منطقه­ی موردمطالعه استفاده شد. برای مشاهده­ی تأثیر لایه­ی مناطق مسکونی در وقوع زمین‌لغزش نیاز به تولید پهنه­بندی فاصله تا مناطق مسکونی وجود داشت که این لایه در محیط GIS و در پنج کلاس تولید شد. برای بررسی تأثیر لیتولوژی در این منطقه از نقشه‌ی زمین‌شناسی ۱۰۰۰۰۰: ۱ سازمان زمین­شناسی کشور استفاده‌شده است. همچنین سنگها با توجه به جداول کانی‌شناسی به ۲ گروه سنگ نرم و سنگ سخت تقسیم­بندی شدند.

نتیجه­گیری: پس از ایجاد لایه­ها، تهیه نظرات کارشناسان خبره و اعمال روش­های تحلیل سلسله مراتبی فازی و غیرفازی، دو روش همپوشانی وزندار و همپوشانی فازی روی نتایج بکار گرفته شد. در نهایت چهار نقشه پهنه بندی حاصل به روش ادغام تصمیم گیری­ها با هم تلفیق شدند. جهت صحت­سنجی تحقیق از مقایسه­ی نتایج پهنه­بندی با زمین‌لغزش‌های تاریخی منطقه استفاده شد. طبق این بررسی مشخص شد که پهنه­بندی با روش تحلیل سلسله مراتبی-همپوشانی وزن­دار، تحلیل سلسله مراتبی-همپوشانی فازی، تحلیل سلسله مراتبی فازی- همپوشانی وزن­دار و درنهایت تحلیل سلسله مراتبی فازی-همپوشانی فازی به ترتیب دارای دقت ۸۰%، ۸۶% و ۷۵% و ۸۸% بودند و پس از ادغام نتایج حاصل از این ۴ روش، دقت پهنه­بندی به ۹۰% افزایش یافت. مقایسه و صحت سنجی نتایج با نرخ پیش‌بینی زمین‌لغزش‌های تاریخی منطقه نشان داد روش­های پهنه­بندی، نتایج مناسبی داشتند اما درنهایت با ادغام اطلاعات، نتایج بهبود بیشتری یافتند.

 

واژگان کلیدی: تحلیل سلسله مراتبی فازی، پهنه­بندی، خطر زمین‌لغزش، ادغام اطلاعات

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

A Method based on Fuzzy-non Fuzzy Analytical Hierarchy Process (AHP) and Decision Fusion System for Landslide Hazard Zonation in Marbar Basin

 

Abstract

Statement of the Problem: Landslide as a terrifying disaster can cause human and economic losses and the destruction of cultural and natural heritage. While the need for a method to directly predict the location of landslides has vital importance but currently, the prediction is not possible. The zoning of landslide hazard can be an efficient indirect approach.

Purpose: This paper proposes a method for landslide hazard zoning based on the decision fusion and Analytical Hierarchy Process (AHP) in the Semirom of Isfahan province. Using of decision fusion strategy for fusion of different zoning maps is new in GIS area.

Methodology: In the first step of the proposed methodology, GIS information layers of study area are collected. Then by using of fuzzy and non-fuzzy hierarchical analysis method and based on expert knowledge, the layers and sublayers were weighted. In addition, two different overlay methods including weighted overlay and fuzzy overlay are applied for zoning of the AHP and fuzzy AHP results. Combination of both AHP and fuzzy AHP methods with two overlay methods create four zoning maps for the area. The Fuzzy Overlay tool makes it possible to analysis of the possibility of a phenomenon belonging to multiple sets in a multi-criteria overlay analysis. Not only the fuzzy overlay determines the influential members in the occurrence of a phenomenon, but also analyzes the relationships between the memberships of several sets. Weight overlapping is one of the most effective methods used to overlay analysis to address multiple-criteria questions such as location selection and appropriate models. This method will adapt the values in the input raster to a common evaluation criterion for suitability or priority, risk, or appropriate scale. The cell values of each row of inputs increase with the increase of importance of the raster. It also combines the resultant cells to produce the output raster. After obtaining four zoning maps, a decision fusion strategy is applied for fusion of these maps. Decision fusion systems or in general data fusion or combination strategies, combines various decisions made from different methods or data to ultimately make decisions that are more precise and reliable than the result obtained from a single decision. One of the most important and effective methods for integrating decisions is based on the concept of voting. In this method, one vote is assigned to each decision. The simplest form of this method is known as the majority voting. In this method, if all decision-making methods have the same weight and accuracy, the decision of all strategies for an input sample is considered to be the same weight, and the decision with the highest score will be introduced as the winning class for the input sample.

        Results and discussion: The study area is located approximately 60 kilometers from Semirom city, in the vicinity of Zagros mountain range. Also, this area is located in Marbur River watershed. Generally, different factors can be effective in slope instability and landslide, which in this research, slope, aspect, distance to fault, distance to roads, distance to drainages, distance to residential areas, lithology and rainfall were selected for assessing the landslide phenomenon. These effective layers are obtained from information data such as Digital Elevation Model (DEM), fault lines, rivers location, streams location, residential areas, roads location, lithology and synoptic stations. The digital elevation model (DEM) of the region is prepared with 30 meters pixel size from USGS website. By using of DEM in GIS, slope and aspect maps in five classes are created. Faults map of the studied area is obtained from 1:100000 geology map of the Geology organization center of the country. Also, by using Euclidean distance in GIS space, distance to fault layer is created in five classes. Also, for preparation of rainfall map, the rainfall content of the studied area has been used from the average rainfall data of the Iran Meteorological Organization in the last 10 years of 19 meteoroidal stations. Based on the rainfall information, the area is divided into five classes. Roads map of the area is obtained from 1:25000 map of National Cartographic Center. The distance to road layer is created from roads map of the area and divided into five classes. For drainage and residential area maps, a 1:25000 map from NCC is applied. Also distance to residential area layer is created by this map in five classes. For assessment of the lithology in this area, a 1:100000 geology map is applied.

Conclusion: Finally, four extracted zoning maps were fused using a decision fusion method named Weighted Majority Voting (WMV). Results showed that the zoning methods provide satisfactory results, but eventually the results were improved with the decision fusion strategy. To validate the research, the results were compared with historical landslides. Based on the results, it was concluded that zoning by four different combinations: hierarchical analysis and overweight analysis, hierarchical analysis and fuzzy overlay, fuzzy hierarchical analysis and weighted overlay, and fuzzy hierarchical analysis and fuzzy overlaying, have a precision of 80 %, 86%, 75% and 88% respectively. After integrating the results of these four methods, the accuracy of the zoning increased to 90%.

Keywords: fuzzy Analytical Hierarchy process, zoning, landslide hazard, information fusion

 

 

 

 

---

مقالات مرتبط