پهنه‌بندی خطر زمین لغزش با استفاده از منطق فازی (مطالعة موردی: حوزه چم‌سنگر)

محورهای موضوعی : توسعه سیستم های مکانی

سلمان سوری ¹ (کارشناس ارشد زمین شناسی مهندسی، باشگاه پژوهشگران جوان و نخبگان، واحد خرم آباد، دانشگاه آزاد اسلامی)
سیامک بهاروند ² (استادیار زمین شناسی ساختمانی، دانشگاه آزاد اسلامی، واحد خرم آباد)
طاهر فرهادی نژاد ³ (دکتری زمین‌شناسی اقتصادی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات)

تاریخ دریافت : 1391/08/29 تاریخ پذیرش : 1392/02/25 تاریخ انتشار : 1392/11/01

کلید واژه: fuzzy logic, سیستم اطلاعات جغرافیایی, منطق فازی, landslide, زمین لغزش, چم سنگر, Chamsangar, Geographic Information System,

چکیده مقاله :

زمین لغزش یکی از مخرب ترین پدیده های طبیعت است که هر ساله باعث خسارت‌هایی به جان و اموال مردم می‌شود. بنابراین، پهنه‌بندی خطر زمین لغزش به منظور توسعه فعالیت‌های آینده امری ضروری است. در این تحقیق برای پهنه‌بندی خطر زمین‌لغزش در حوزه چم‌سنگر از عملگرهای منطق فازی استفاده شده است. به منظور بررسی پایداری دامنه‌ها در حوزه چم‌سنگر ابتدا با استفاده از تصاویر گوگل ارث و بازدید‌های میدانی (ثبت نقاط لغزشی با استفاده از GPS) نقاط لغزشی شناسایی و متعاقب آن نقشه پراکنش زمین لغزش‌های حوزه تهیه گردیده است. سپس سطح همبستگی نقاط لغزشی و هر یک از عوامل مؤثر بر وقوع زمین لغزش شامل شیب، جهت شیب، کاربری اراضی، ارتفاع، لیتولوژی، بارندگی، آبراهه و فاصله از جاده با استفاده از مدل نسبت فراوانی مشخص و مقادیر فازی با استفاده از نظرات کارشناسی و تعیین توابع عضویت برای هر یک از عوامل موثر در محیط ArcGIS®10.1 تعیین گردید. برای ارزیابی و طبقه‌بندی نتایج خروجی عملگرهای مورد استفاده در برآورد خطر لغزش منطقه از شاخص جمع مطلوبیت (QS) استفاده شده است. نتایج نشان داد که عملگر گامای 9/0، با مقدار 554/0=QS روش کارآمدتری نسبت به عملگرهای جمع جبری فازی با 042/0=QS و ضرب جبری فازی با 008/0 =QS، برای تهیه نقشه خطر لغزش‌های حوزه چم‌سنگر می‌باشد. بر اساس پهنه‌بندی صورت گرفته با عملگر گامای 9/0 به ترتیب 39/13، 58/47، 7/32، 44/5، 884/0% از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.

چکیده انگلیسی:

Landslides are one of the most destructive phenomena of nature that cause damage to both property and life every year, therefore, landslide susceptibility zonation (LSZ) is necessary for planning future developmental activities. In this study, the operator of fuzzy logic in landslide hazard zonation has been used in the Chamsangar watershed. For study the stability of slopes in the Chamsang field, in first step the sliding point and subsequent distribution maps of landslide were prepared using satellite images and field excursions (recording the sliding points by GPS). The correlation level between sliding points and each effective factor in landslide occurrence including slope, aspect, landuse, elevation, lithology, rainfall, drainage and distance to road determined using frequency ratio model. The fuzzy values prepared by expert view and the membership functions appointed for all effective factors in ArcGIS®10.1environment. The Sum of Quality (QS) index used for evaluation and deviation of operators outputs which applied in estimation of sliding risk. Results show that Gama operator 0.9 with QS=0.554 is the more suitable than Fuzzy Algebraic Sum with QS=0.042 and Fuzzy Algebraic Product with QS=0.008 for prepare the landslide risk maps in Chamsangr field. According the zoning based on the gamma operator 0.9, the 13.39, 47.58, 32.7, 5.44, and 0.884 percent of the area is located in very low, low, medium, high and very high risk classes, respectively.

منابع و مأخذ:

1. احمدیان مقدم، ر. 1391. بررسی و پهنه‌بندی پتانسیل خطر لغزش در حوضه آبریز سد شیرین­دره. پایان­نامه کارشناسی ارشد، دانشگاه فردوسی مشهد، 106صفحه.

2. اشقلی فراهانی، ع. 1380. ارزیابی خطر ناپایداری دامنه­های طبیعی در منطقه رودبار با استفاده از تئوری فازی. پایان­نامه کارشناسی ارشد زمین­شناسی مهندسی، دانشگاه تربیت معلم، 141صفحه.

3. حائری، س. م. و ا. ح. سمیعی. 1376. روش جدید پهنه‌بندی‌ مناطق شیب­دار در برابر خطر ‌زمین‌لغزش با تکیه بر      بررسی­های پهنه‌بندی‌ استان مازندران. علوم زمین، 6(23-24): 2-15.

4. خالدی، م.، م. ک. قاسمیان، م. مرادی و م. ح. بازیار. 1389. طرح پایدارسازی زمین­لغزش با استفاده از سیستم میکروپایل (مطالعه موردی: کیلومتر 56 محور یاسوج- اصفهان). همایش ملی یافته­های نوین در مهندسی عمران، دانشگاه آزاد اسلامی واحد نجف آباد.

5. رضایی مقدم، م. ح.، ر. اسماعیلی و م. م. حسین­زاده. 1385. پهنه‌بندی‌ خطر ‌زمین‌لغزش در حوضه آبریز لاویج­رود (البرز شمالی). علوم انسانی و اجتماعی (تبریز)، 20: 155-176.

6. سوری، س. 1390. پهنه‌بندی خطر زمین‌­لغزش با استفاده از منطق فازی و شبکه عصبی مصنوعی (مطالعه موردی حوضه کشوری). پایان­نامه کارشناسی ارشد، دانشگاه فردوسی مشهد، 112 صفحه.

7. سوری، س.، غ. ر. لشکری­پور، م. غفوری و ط. فرهادی­نژاد. 1392. اولویت­بندی عوامل مؤثر بر زمین­لغزش و تهیه نقشه خطر آن با استفاده از مدل فرآیند تحلیل سلسله مراتبی (مطالعه موردی: حوضه کشوری). نشریه زمین­شناسی مهندسی ایران، 6(1-2): 1-12.

8. شریعت جعفری، م و ر. حامدپناه. 1386. پیش­بینی خطر ناپایداری شیب­های طبیعی با استفاده از عملگرهای ضرب و جمع جبری فازی در البرز مرکزی. نشریه منابع طبیعی ایران، 60(3): 745-757.

9. عبادی نژاد، س. ع.، م. یمانی، م. مقصودی و ص. شادفر. 1386. ارزیابی کارایی عملگرهای منطق فازی در تعیین توانمندی زمین­لغزش (مطالعه موردی حوضه آبخیز شیرود). مجله علوم و مهندسی آبخیزداری ایران، 1(2): 39-44.

10. عبدوس، م. و ن. مزینی. 1386. حل مسایل تصمیم­گیری چندمعیاره با استفاده از شبکه­های عصبی مصنوعی. مهندسی برق و مهندسی کامپیوتر ایران، 5(1): 47-52.

11. فاطمی عقدا، س. م.، ج. غیومیان، م. تشنه­لب و ع. اشقلی فراهانی. 1384. بررسی خطر زمین­لغزش با استفاده از منطق فازی (مطالعه موردی منطقه رودبار). مجله علوم دانشگاه تهران، 31(1): 43-64.

12. کرم، ع. 1380. مدل­سازی کمی و پهنه­بندی خطر زمین­لغزش در زاگرس چین­خورده (مطالعه موردی: حوضه آبخیز سرخون واقع در استان چهار محال بختیاری). رساله دکتری جغرافیای طبیعی، دانشگاه تربیت مدرس، 354 صفحه.

13. کریمی، ح.، ف. نادری، ا. مرشدی و م. نیک­سرشت. 1390. پهنه­بندی خطر زمین­لغزش در حوضه آبخیز چرداول ایلام با استفاده از سیستم اطلاعات جغرافیایی (GIS). زمین­شناسی ژئوتکنیک (زمین­شناسی کاربردی)، 7(4): 319-332.

14. متشرعی، آ.، ج. قمی، ا. افتخاری، ب. پوزش و م. شاهماری. 1391. پهنه­بندی خطر وقوع زمین­لغزش بر روی جاده تهران- چالوس و بزرگراه در دست احداث. زمین­شناسی ژئوتکنیک (زمین­شناسی کاربردی)، 8(2): 147-158.

15. مرادی، ح. م.، ح. ر. پورقاسمی، م. محمدی و م. ر. مهدوی­فر. 1389. پهنه­بندی خطر زمین­لغزش با استفاده از اپراتور فازی گاما (مطالعه موردی: حوضه آبخیز هراز). علوم محیطی، 7(4): 129-142.

16. امجد، م. و ع. قربان­پور. 1387. پهنه­بندی خطر زمین­لغزش حوضه چرمله شهرستان سنقر استان کرمانشاه. جغرافیا و توسعه، 6(12): 181-198.

17. Bui  DT, Pradhan B, Lofman O, Revhaug I, Dick OB. 2012. Spatial prediction of landslide hazards in Hoa Binh province (Vietnam): A comparative assessment of the efficacy of evidential belief functions and fuzzy logic models. CATENA, 96: 28-40.

18. Carrara A, Cardinali M, Detti R, Guzzetti F, Pasqui V, Reichenbach P. 1991. GIS techniques and statistical models in evaluating landslide hazard. Earth Surface Processes and Landforms, 16(5): 427-445.

19. Chi KH, Park NW, Chung CJ. 2002. Fuzzy logic integration for landslide hazard mapping using spatial data from Boeun, Korea, Symposium on Geospatial Theory. Processing and Aplications, Ottawa.

20. Ercanoglu M, Gokceoglu C. 2004. Use of fuzzy relations to produce landslide susceptibility map of a landslide prone area (West Black Sea Region, Turkey). Engineering Geology, 75 (3-4): 229-250.

21. Gee MD. 1992. Classification of landslide hazard zoning methods and a test of predictive capability. Bell, Davi H.(ed). Proceedings 6^th International Symposium on Landslides, 110-121.

22. Higgs G. 2006. Integrating multi-criteria techniques with geographical information systems in waste facility location to enhance public participation. Waste Management & Research, 24(2): 105-117.

23. Komac M. 2006. A Landslide Susceptibility Model Using the Analytical Hierarchy Process method and Multivariate Statistics in prialpine Slovenia. Geomorphology, 74: 17-28.

24. Mathew J, Jha VK, Rawat GS. 2007. Weights of evidence modelling for landslide hazard zonation mapping in part of Bhagirathi valley, Uttarakhand. Current Science, 92(5): 628-638.

25. Neaupane KM, Piantanakulchai M. 2006. Analytic network process model for landslide hazard zonation. Engineering Geology, 85(3-4): 281-294.

26. Wong W-D, Xie C-M, Du X-G. 2009. Landslides susceptibility mapping in Guizhou province based on fuzzy theory. Mining Science and Technology (China), 19(3): 399-404.

27. Zhu A-X, Wang R, Qiao J, Qin C-Z, Chen Y, Liu J, Du F, Lin Y, Zhu T. 2014. An expert knowledge - based approach to landslide susceptibility mapping using GIS and fuzzy logic. Geomorphology, 214: 128-138.