پهنه بندی خطر زمین لغزش با استفاده از فرایند تحلیل شبکه ANP و شبکه مصنوعی ANN در محیط GIS ( مطالعه موردی : حوضه آبخیز رودخانه رودبال
محورهای موضوعی : کاربرد GIS&RS در برنامه ریزیمحمدابراهیم عفیفی 1 , مهین صدری زاده 2
1 - استادیار داشگاه آزاد اسلامی واحد لارستان
2 - کارشناس ارشد جغرافیای طبیعی ودبیردبیرستانهای لار،لارستان،ایران
کلید واژه: پهنه‌بندی زمین لغزش, شبکه عصبی, منطق فازی, مدلAHP, حوضه رودخانه رود بال.,
چکیده مقاله :
زمین لغزش از معمول‌ترین مخاطرات زمین شناختی در جهان است که همواره باعث تلفات جانی و آسیب‌های مالی زیاد می گردد. شناسایی مناطق مستعد وقوع زمین لغزش از طریق پهنه‌بندی توان خطر با مدل‌های تجربی مناسب، یکی از اقدامات اولیه در کاهش خسارات احتمالی و مدیریت خطر است. حوضه رودبال که در شهرستان داراب در استان فارس واقع شده به دلیل موقعیت جغرافیایی و ویژگیهای طبیعی آن یکی از مناطق تقریبا مستعد کشور نسبت به وقوع زمین لغزش و سایر پدیده های مرتبط با لغزش دامنه ها می‌باشد. ما در این پژوهش با استفاده از روش شبکه عصبی، مدل‌های AHP ،ANP و منطق فازی با عملگرهای OR، And،Sum، Product و گاما به ارزیابی خطر زمین لغزش در حوضه رودبال داراب پرداختیم. مجموعاً 9 معیار اصلی مرتبط با وقوع پدیده زمین لغزش از جمله لیتولوژی، فاصله ازگسل، شیب، جهت شیب، باش، فاصله ازجاده، ارتفاع، فاصله از آبراهه و کاربری اراضی مورد تحلیل قرارگرفت. این معیارها به عنوان نقشه های عامل، هر کدام جداگانه کلاس بندی شده و از روش های آماری ارزش گذاری شدند. نقشه نهایی تولید شده برای پهنه‌بندی خطر زمین لغزش در حوضه نشان داد که مجموعاً حدود 70 درصد از حوضه در معرض خطر خیلی زیاد و زیاد زمین لغزش قرار دارد. همچنین زمین لغزه های موجود از طریق مشاهده زمینی، به عنوان شاهد زمینی(مرجع خطر) نقشه‌بندی شد که انطباق پذیری بالایی با روش مورد استفاده شبکه عصبی و تلفیق منطق فازی با عملگر 3/0 و ANP نشان داد.
Landslide is one of the most common geological hazards in the world, which always causes loss of life and financial damage. Identifying landslide-prone areas through hazard power zoning with suitable experimental models is one of the primary measures in reducing possible damages and risk management. Due to its geographic location and natural features, Rodbal Basin, which is located in Darab County, Fars Province, is one of the most prone areas in the country to the occurrence of landslides and other phenomena related to landslides. In this research, we evaluated the risk of landslides in Rodbal Darab basin by using neural network method, AHP, ANP models and fuzzy logic with OR, And, Sum, Product and Gamma operators. A total of 9 main criteria related to the occurrence of landslide phenomenon including lithology, distance from fault, slope, direction of slope, slope, distance from road, height, distance from waterway and land use were analyzed. These criteria were classified as factor maps, each one separately and valued using statistical methods. The final map produced for landslide risk zoning in the basin showed that a total of about 70% of the basin is at very high and high risk of landslides. Also, the existing landslides were mapped through ground observation as a ground witness (danger reference) which showed high adaptability with the neural network method and the combination of fuzzy logic with 0.3 operator and ANP.
