ارزیابی پتانسیل زمین‌لغزش در مخزن سد خاکی پلرود با رویکرد چند معیاره فازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 1. کارشناس ارشد زمین‌شناسی مهندسی، گروه زمین‌شناسی دانشگاه فردوسی مشهد

2 دانشگاه فردوسی مشهد

3 استاد گروه زمین شناسی مهندسی دانشگاه فردوسی

4 کارشناس ارشد ژئوهیدرولوژی، دانشکده علوم زمین دانشگاه شهید چمران اهواز

5 کارشناس ارشد پترولوژی، شرکت مهاب قدس

چکیده

هدف از این مطالعه ارزیابی پتانسیل زمین‌لغزش در مخزن سد خاکی پل‌رود با استفاده از رویکرد چند معیاره فازی می‌باشد. پس از بررسی و بازدید میدانی و با توجه به اطلاعات موجود، ده متغیر شامل شیب زمین، جهت شیب، لیتولوژی، فاصله از آبراهه، فاصله از گسل، فاصله از جاده، بارش باران، شتاب افقی زلزله، شاخص پوشش گیاهی و انحنای دامنه جهت ارزیابی پتانسیل وقوع زمین‌لغزش در نظر گرفته شد. با استفاده از مدل احتمالی نسبت فراوانیسطح همبستگی بین نقاط لغزشی موجود و هریک از عوامل مؤثر تعیین گردید. نتایج به دست آمده نشان می‌دهد که مدل نسبت فراوانی، مدل ساده و خوبی برای محاسبه شاخص حساسیت زمین‌لغزش متغیرها می‌باشد. با محاسبه مقدار LSI (شاخص حساسیت زمین‌لغزش) برای متغیرهای گوناگون، مشخص شد که جهت شیب دارای بیشترین مقدار LSI  می‌باشد. در این مطالعه از دو نوع تابع (user define, Gaussian) جهت فازی کردن متغیرها استفاده شده است. با استفاده از وزن‌های به دست آمده از روش AHP و پنج عملگر فازی نقشه‌های حساسیت زمین‌لغزشی تولید شده است. با در نظر گرفتن مقادیر  و کارایی خوب عملگر Gamma جهت پهنه‌بندی، نقشه تولید شده با تابع User define و عملگر Gamma0.95 دارای بهترین کیفیت است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Landslide potential assessment for Poulrood earth fill dam reservoir by fuzzy multi criteria decision analysis

نویسندگان [English]

  • Maryam Dehban Avan Stakhri 1
  • Mohammad Ghafoori 2
  • Gholamreza Lashkaripour 3
  • Mojtaba Zare sefat 4
  • Amir Sayyar 5
1 1. M.Sc. of Engineering Geology, Ferdowsi University of Mashhad,
2 Professor of Engineering Geology, Ferdowsi University of Mashhad
3 Professor of Engineering Geology, Ferdowsi University of Mashhad
4 M.Sc. of Geohydrology, Shahid Chamran University of Ahvaz
5 M.Sc. Petrology, Mahabghods Engineering Company
چکیده [English]

The purpose of this study is to produce the landslide susceptibility zonation map for Poulrood earth fill dam reservoir with using AHP/Fuzzy method. To obtain the Fuzzy relations for producing the susceptibility map, a landslide inventory database is obtained by both field surveys and desk studies. To produce susceptibility map with user define and Gaussian functions then landslide related factors such as litology, distance from faults, distance from drainage, slope angle, slope aspect, slope curvature, distance from road, NDVI, earth quick horizontal acceleration and Precipitation were used in the landslide susceptibility analysis. The results obtained in this study showed that the frequency ratio can be used as a simple tool in assessment of landslide susceptibility when a sufficient number of data were obtained. According to landslide susceptibility index for different factors, it was found that the aspect, lithology and drainage system are the most effective factors in the study area. The prediction performance of the susceptibility map is checked by considering quality sum amount ().With investigation get amount of quality sum index( ) for  two types function in Fuzzy multi criteria decision analysis  and  attention to good  work of  operator Gamma in landslide susceptibility mapping, is produced map with  user define function and Gamma0.95 operator having  topmost quality. The results obtained also showed that the user define function is more reliable then Gaussian function in the study area.

کلیدواژه‌ها [English]

  • Landslide
  • Poulrood
  • Fuzzy multi criteria decision analysis
  • landslide susceptibility index

اردکانی.م، غیومیان.ج، جلالی.ن. 1382. ارزیابی کارایی مدل‌های پهنه‌بندی خطر زمین‌لغزش در حوزه آبخیز سد لتیان، مجله زمین‌شناسی مهندسی، جلد اول، شماره 1، 25-42.

پورقاسمی، ح. 1386. پایان‌نامه کارشناسی ارشد، ارزیابی حساسیت لغزش با استفاده از منطق فازی (مطالعه موردی؛ بخشی از حوزه آبخیز هراز)، دانشگاه تربیت مدرس، 90ص.

پورقاسمی، ح.ر.، مرادی، ح.ر.، فاطمی عقدا، م.، مهدویفر، م. و محمدی. م، 1388. ارزیابی حساسیت زمین‌لغزش با استفاده از روش تصمیم‌گیری چندمعیاره‌ی فازی، مجله علوم و مهندسی آبخیزداری ایران. سال سوم، شماره8، 51-62.

سازمان زمین‌شناسی و اکتشافات معدنی کشور، 2003، سری شیت‌های 100000/1، شیت شماره6063.

شرکت سهامی آب منطقه‌ای استان گیلان، آمار ایستگاه‌های هواشناسی(1387-1389).

شرکت مهاب قدس، 1383، گزارش زمین‌شناسی مهندسی (مرحله تفصیلی ) سد مخزنی پل‌رود.

عبادی‌نژاد.ع، یمانی.م، مقصودی.م، شادفر.ص، 1386، ارزیابی کارایی عملگرهای منطق فازی در تعیین توانمندی زمین‌لغزش (مطالعه موردی: حوزه آبخیز شیرود)، انجمن آبخیزداری ایران، سال اول، شماره 2، 39-44

فاطمی عقدا. م، غیومیان. ج، تشنه‌لب. م، اشقلی فراهانی. ع، 1384، بررسی خطر زمین‌لغزش با استفاده از منطق فازی (مطالعه موردی منطقه رودبار)، مجله علوم دانشگاه تهران، شماره1: 64-43.

معماریان.ح، 1383، زمین‌شناسی مهندسی و ژئوتکنیک، انتشارات دانشگاه تهران، صفحه565.

میرصانعی، ر، 1382، ارزیابی و کاربرد نقشه پهنه‌بندی خطر زمین‌لغزش در مقیاس 1:25000 با استفاده از GIS (مطالعه موردی: تهران). پایان‌نامه کارشناسی ارشد، دانشگاه تربیت معلم تهران. 120ص.

مقتدر.ع، بحرودی.ع، شریفی.م، مهدوی‌فر.م، 1389، پهنه‌بندی خطر زمین‌لغزش استان لرستان با استفاده از منطق فازی، چهاردهمین همایش انجمن زمین‌شناسی ایران و بیست و هشتمین گردهمایی علوم زمین (ارومیه)، 1-7.

نصر آزادانی. ا، شیرانی. ک، 1388، ارزیابی و مقایسه روش‌های پهنه‌بندی آماری دو متغیره، با استفاده از GIS (مطالعه موردی حوضه آبخیز دز علیا)، همایش و نمایشگاه ژئوماتیک، 1-10.

Aleotti P., Chowdhury R., 1999. Landslide hazard assessment: summary review and new perspectives. Bulletin Engineering Geology and Environment, 58: 21-44.

Abdallah, C., Chorowicz  J.,  Bou kheir, R., Khawlie, M. 2005. Detecting major terrain parameters relating to mass movements occurrence using GIS, remote sensing and statistical correlations: case study Lebanon. Remote Sensing of Environment, 99: 448-461.

Akgun, A., Turk, N. 2010. Landslide susceptibility mapping for Ayvalik (western Turkey)379 and its Vicinity by multicriteria decision analysis. Environment Earth Sciences, 61(3): 595-611.

Atkinson, P. M., Massari, R., 1999. A generalized linear modeling of susceptibility to landsliding in the central Apennines, Italy. Computers and Geosciences, 24(4): 373-385.

Ayalew, L., Yamagishi, H., 2005. The application of GIS –based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, central Japan. Geomorphology. doi:10.1016/j.

Bonham-carter, G.F., 1994. Geographic Information systems for geoscientists: modeling with GIS. Pergamon Press, 398p.

Chi, k.h., Park, N.W., Chung, C.J., 2002. Fuzzy logic integration for landslide hazard mapping using spatial data from Boeun, Korea. Symposium Geospatial Theory, processing and Aplications, Ottawa, 6p.

Can, T., Nefeslioglu H. A., Gokceoglu C., Sonmaz H., Duman T.Y., 2005. Susceptibility assessment of shallow earth flows triggered by heavy rain fall at three subcatchments by logistic regression analysis. Geomorphology, 72: 250-271.

Dai, F.C., Lee, C.F., 2002. Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology, 42: 213-228.

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: 229-250.

Ercanoglu, M., 2005. Landslide susceptibility assessment of SE Bartin (West Black sea region, Turkey) by artificial neural networks. Natural Hazards and Earth System Sciences, 5: 979-992.

Gee, M.D., 1991. Classification of landslide hazard zonation methods and a test of predictive capability, landslides, Belletin (ed.), Balkema, Rotterdam, 947-952.

Gorsevski, P.V., Jankowski, P., 2010. An optimized solution of multi-criteria evaluation analysis of landslide susceptibility using fuzzy sets and kalman filter. Computer & Geoscience, 36: 1005-1020.

Hall, F.G., Towhshend, J.R., Engman,  E.T., 1995. Status of  remote sensing algorithms for estimation of land surface state parameters. Remote Sensing of Environment, 51: 138-156

Kelarestaghi, A., Ahmadi, H., 2009.  Landslide susceptibility analysis with a bivariate and GIS in Northern Iran. Arabian Journal of Geosciences, 2: 95-101. DOI 10.1007/s12517-008-0022-0.

Kamp, U., Growley, B.J., Khattak, G.A., Owen, L.A., 2008. GIS-based landslide susceptibility mapping for the 2005 Kashmir earthquake region. Geomorphology, 101: 631-642.

Lee, s., 2007. Application and  verification of  fuzzy  algebraic operators to landslide susceptibility mapping. Environmental Geology, 52: 615-623

Murat, E., Candan, G., 2004. Use of fuzzy relation to produce landslide susceptibility map of a landslide pron area (west black sea region, turkey). Engineering Geology, 75: 229-250.

Magliul, P., Lisio, A., Russo, F., Zelano, A., 2008. Geomorphology and Landslide susceptibility assessment using GIS and bivariate statistics:a case study in southern Italy. Natural Hazards, 47: 411-435

Nefeslioglu, H.A., Duman, T .Y., Durmaz, s., 2008. landslide susceptibility mapping for a part of tectonic kelkit valley (Eastern Black sea region of Turkey). Geomorphology, 94(3-4): 401-418

Nefeslioglu, H.A., Sezer, E., Gokceoglu, C., Bozkir, A.S., Duman, T.Y., 2010. Assessment of landslide susceptibility by Decision Trees in the metropolitan area of Istanbul, Turkey. Mathematical problems in Engineering, doi: 10. 1155/2010/901095, 1-15.

Nandi, A., Shakoor, A., 2009. A GIS – based landslide susceptibility evaluation using bivariate and multivariate statistical analyses. Engineering Geology, 110: 11-20.

Pradhan, B., 2010. Application of an advanced fuzzy logic model for landslide susceptibility analysis. International Journal of Computational Intelligence Systems, 3(3): 370-381.

Oh, j., Pradhan, B., 2011. Application of a neuro- fuzzy model to landslide susceptibility mapping for shallow landslides in a tropical hilly area. Computers & Geosciences. doi:10.1016/j.cageo.2010.10.012.

Sabuya, F., Alves, M.G., Pinto, W.D., 2006. Assessment of failure susceptibility of soil slopes sing fuzzy logic. Engineering Geology, 86: 211-224.

Soeters, R., Van westen, C.J., 1996. Slope instability recognition, analysis, and zonation. In: Turner,K.A., Schuster, R. L. (Eds.): Landslides :Investigation and Mitigation. Transport Research Board, special report, 247: 129-177

Sarkar, S., Kanungo, D.P., 2009. GIS Based Spatial Data Analysis for landslide Susceptibility Mapping. Journal Mountain Science, 5: 52-62

Saaty, T.L., 1980. The Analytical Hierarchy process. Mc Graw Hill, Newyork. 350p.

Tangestani, M., 2009. A comparative  study of Dempster-shafer and fuzzy models for landslid susceptibility mapping using a GIS: An experience from Zagros Mountains, SW Iran. Journal of Asian Sciences, 35: 66-73.

Weier, J., Herring, D., 2005. Measuring Vegetation (NDVI and EVI).Earth observatory library of Nasa .<http:// earthobservatory.  nasa.  gov/library/Measuring vegetation>.

Wilson, J.P., Gallant J.C., 2000. Terrain Analysis: principles and Applications, Newyork, John wiley & sons, 469 p.

Zadeh, L.A., 1965. Fuzzy sets. IEEE Information and Control 8: 338-353.

Zezere, J.L., 2002. Landslide susceptibility assessment considering landslide typology. A case study in the area north of Lisbon (Portugal). Natural Hazards and Earth System Sciences, 2: 73-82.

Yalcin, A., 2008. GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey) ,comparisons of results and confirmations. Catena, 72:1-12.

Yilmaz, I., 2010. Comparison of landslide susceptibility mapping methodologies for koyulhisar, Turkey: conditional probability, logistic regression, artificial neural networks and Support vector machine. Environmental Earth Sciences, 61: 821-836.