پهنه بندی حساسیت وقوع زمین لغزش با مدل های آنتروپی و منطق فازی (مطالعه موردی:شهرستان کرمانشاه )
محورهای موضوعی : اقلیم شناسی
1 - دانشیاردانشکده علوم جغرافیایی دانشگاه خوارزمی،تهران،ایران
2 - دانشجوی دکتری دانشکده علوم جغرافیایی دانشگاه خوارزمی،تهران،ایران
کلید واژه: پهنه بندی, کرمانشاه, زمین لغزش, فازی, مدل انتروپی,
چکیده مقاله :
ارزیابی زمین به منظور شناخت و پهنه بندی عرصه های حساس به حرکات دامنه ای به ویژه زمین لغزش از پژوهش های مربوط به جغرافیدانان طبیعی بویژه ژئومورفولوژیست ها است .شناسایی و تعیین مناطق حساس و مستعد لغزش می تواند ضمن جلوگیری از بروز خسارت ها ، زمینه را برای اجرای طرح های پایدار سازی دامنه ها فراهم آورد . در پژوهش حاضر پهنه بندی خطر زمین لغزش با استفاده از دو روش مدل انتروپی و روش منطق فازی انجام شده است براساس مطالعات ، نه پارامتر لیتولوژی ، فاصله از آبراهه ، فاصله از گسل ، فاصله از جاده ، شیب ، جهت شیب ،ارتفاع، کاربری اراضی و بارش به عنوان مهم ترین پارامتر های احتمالی موثر در وقوع زمین لغزش های منطقه ، تشخیص داده شدند، با انطباق لایه های اطلاعاتی این عوامل بر نقشه زمین لغزش های منطقه بررسی شده در محیط GIS ، اثر هر یک ار عوامل در رخداد زمین لغزش ها ارزیابی شد و در نهایت نقشه پهنه بندی خطر زمین لغزش با استفاده از 9 پارامتر تهیه شد . ارزیابی صورت گرفته با استفاده از شاخص احتمال تجربی نشان می دهد که مدل فازی با مقدار شاخص احتمال تجربی 90% روش کارامد تری نسبت به مدل انتروپی با مقدار شاخص 50% در برآورد خطر زمین لغزش در شهرستان کرمانشاه است.
Estimation of the ground to determine the zoning of sensitive areas movements, especially landslides range of research related to natural geographers is especially geomorphologists.Identification of sensitive areas to landslide can prevent the damages and also provide the capability for slope stabilization projects. In this paper landslide risk zoning is done by entropy and fuzzy methods. According to studies nine factors have been determined as the most important factors in landslide risk which include: lithology, distance from stream, distance from fault, distance from road, slope, aspect, altitude, land use and rainfall. By overlaying data layers, the effects of these factors on landslides in study area was reviewed in GIS, then the effect of them was evaluated and finally zoning map of landslide risk was provided by using these 9 factors. Evaluating by experimental probability index shows that fuzzy model with index of 90% is more capable than entropy method with index of 50% in landslide risk assessment in Kermanshah Township.
1- امیر احمدی، ابوالقاسم ( 1389 ): پهنه بندی خطر زمین لغزش با استفاده از روش تحلیل سلسله مراتبی(AHP) مطالعه موردی حوضه آبخیز چلاو آمل، فصلنامه علمی-پژوهشی انجمن جغرافیای ایران، سال هشتم،شماره 27
2- بلادپس علی (1388): پژوهشی در پهنه بندی خطر زمین لغزش در منطقه ماکو تا دشت بازرگان، فصلنامه پژوهشهای جغرافیایی. دانشگاه تهران
3- پیشگاهی فرد ،زهرا ؛ محسن کلانتری ، فریاد پرهیز ، احسان حق پناه (1390): تحلیل جغرافیایی کانون های جرم خیز جرایم مرتبط با مواد مخدر در شهر کرمانشاه ، مطالعات و پژوهش های شهری و منطقه ای ، سال سوم ، شماره یازدهم ، صص 75-96
4- سفیدگری، رحیم ( 1384 ): ارزیابی روش های پهنه بندی خطر زمین لغزش در مقیاس 1.50000 مطالعه موردی حوضه آبخیز دماوند. مجموعه مقالات سومین همایش ملی فرسایش و رسوب، مرکز تحقیقات حفاظت خاک و. آبخیزداری،صص574-580
5- سیارپور، محسن (1378): پهنه بندی پتانسیل خطر زمین لغزش در جنوب خلخال در استان اردبیل، پایان نامه کارشناسی ارشد زمین شناسی دانشکده فنی دانشگاه تهران. ص. 173
6- عابدینی ، موسی ؛ بهاره قاسمیان ، عطاا.. شیرزادی (1393): مدل سازی خطر وقوع زمین لغزش با استفاده از مدل آماری رگرسیون لجستیک : مطالعه موردی : استان کردستان ، شهرستان بیجار .مجله جغرافیا و توسعه شماره 37، صص 85-102
7- عابدینی، موسی ( 1391 ): پهنهبندی خطر زمین لغزشهای حوضه گیوی چای بر اساس روش تحلیل سلسله مراتبی(AHP) طرح پژوهشی گروه جغرافیای دانشگاه محقق اردبیلی.
8- علیجانی، ب.، قهرودی تالی، م. و امیراحمدی، ا(1381): پهنه بندی خطر وقوع زمین لغزش در دامنه های شمالی شاه جهان با استفاده از GIS مطالعه موردی حوضه اسطرخی شیروان، فصلنامه تحقیقات جغرافیایی، شماره 84
9- کریمی، حاجی، نادری، فتح اله ، مرشدی، ابراهیم و مهدی نیک سرشت، ( 1390 ):پهنه بندی خطر، زمین لغزش در حوضه آبخیز چرداول ایلام با استفاده از سیستم اطلاعات جغرافیایی (GIS) فصلنامه زمین شناسی کاربردی، سال 7، شماره .319-332
10- کرم، عبدالامیر؛ فرج ا... محمودی(1384): مدلسازی کمی و پهنهبندی خطر زمینلغزش در زاگرس چین خورده (حوضه ی آبریز سرخون، استان چهارمحال و . بختیاری) پژوهشهای جغرافیایی. شماره 5
11- مقیمی، ابراهیم؛ نگهبان، سعید (1391): بررسی فرسایش در حوضه آبخیز رودخانه شور فدامی با استفاده از مدل آنتروپی، مجله پژوهشهای جغرافیای طبیعی، سال 44 ، شماره 33 ،ص 16
12- روز بهانی ، حبیبه . ایلدرمی ، علی رضا . دشتی ، مریم (1389): بررسی عوامل وقوع حرکات توده ای با مدل inrf (مطالعه موردی ؛ حوضه سد کلان ملایر ). همایش کاربرد جغرافیای طبیعی در برنامه ریزی محیطی ، دانشگاه آزاد اسلامی خرم آباد .
_||_1- Blochl, A & B, Braun (2005), “Economic Assessment of Landslide Risks in the Swabian Alb, Germany Research Framework and First Results of Homeowners and Experts Surveys”, Natural Hazards and Earth System Sciences, Vol. 5, PP: 389-396.
2- Bednarik, M., Magulova, B., Matys, M., Marschalko, M., 2010, Landslide Susceptibility Assessment of the Kralˇovany–Liptovsky Mikulas Railway Case Study, Physics and Chemistry of the Earth, Vol. 35, PP.162-171.
3- Coates, D.R (1977). Landslide Perspectives, In: landslides, Coates (Ed.) Geological Society of America.
4- Cover, M.T., Joy, A.T., (1991), "Entropy, Relative Entropy and Mutual Information", Element Information Heory.
5- Luna, B., et al., (1963), "The Concept of Entropy in Landscape Evolution", Geological survey professional paper 500-A Assembly.Nice. France.
6- Roering, J.J., Kirchner, J.W., Dietrich, W.E., (2005). Characterizing structural and lithologic controls on deep-seated landsliding: Implications for topographic relief and landscape evolution in the Oregon Coast Range, USA. Geological Society of America Bulletin 117, 654–668.
7- Zongji, Y., et al., (2010), "Regional Landslide Zonation Based on Entropy Method in Three Gorges Area", China, Seventh International Conference on Fuzzy Systems and Knowledge Discovery, (FSKD).
'Business as usual' climate change scenario. Climate Change Journal62, 217-232
27- Rusticucci, M., and Renom, M. 2008. Variability and trends in indices of quality-controlled daily temperature extremes in Uruguay. Int. J. Clim. 28: 1083-1095.
28- Roy K., Rahman M., and KumanU. 2009. Future climate change and moisture stress: Impact on crop agriculture in south-western Bangladesh. Climate Change and Development Perspective. 1(1):1-8.
29-Todisco F and Vergni L, 2008. Climatic changes in central Italy and their potential effects on corn water consumption. Agric For Meteorol 148: 1–11.