تعیین پهنه‌های حساس به وقوع لغزش با استفاده از روش آنتروپی شانون (مطالعه موردی : حوضه آبخیز چهاردانگه - استان مازندران)

نوع مقاله : پژوهشی

نویسندگان

1 دانشگاه فردوسی مشهد

2 دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 دانشگاه شیراز

چکیده

زمین‌لغزش، یکی از مهم‌ترین خطرات ژئومورفولوژیکی با خسارات اکولوژیکی و اقتصادی قابل توجّه است. منطقۀ مورد مطالعه به دلیل شرایط فیزیوگرافی و آب‌وهوایی از مناطق حساس و در معرض خطر زمین‌لغزش محسوب می‌گردد. پژوهش حاضر با هدف تعیین عرصه‌های حساس به وقوع زمین‌لغزش با استفاده از شاخص انتروپی شانون در حوزۀ آبخیز چهاردانگه (استان مازندران) صورت پذیرفته است. به این منظور، ابتدا نقشۀ پراکنش زمین‌لغزش منطقه با استفاده از تصاویر گوگل ارث و بازدیدهای گستردۀ میدانی تهیه گردید. نقشه‌های عوامل تأثیرگذار بر وقوع زمین‌لغزش شامل درجۀ شیب، جهت شیب، انحنای سطح، انحنای نیم‌رخ، طبقات ارتفاعی، شاخص رطوبت توپوگرافی، شاخص وضعیّت توپوگرافی، شاخص پوشش گیاهی تفاضلی نرمال‌شده، کاربری اراضی، زمین‌شناسی، فاصله از گسل، فاصله از شبکه آبراهه، فاصله از جاده، تراکم گسل، تراکم زهکشی و تراکم جاده در محیط نرم‌افزار ArcGIS تهیه شد. نتایج اولویت‌بندی عوامل مؤثّر با استفاده از شاخص انتروپی نشان داد که لایه‌های ارتفاع، درجۀ شیب، انحنای سطح و کاربری اراضی بیشترین تأثیر را بر رخداد زمین‌لغزش‌های منطقه، داشته‌اند و 05/51 درصد منطقۀ مورد مطالعه در طبقه حساسیت زیاد و خیلی زیاد نسبت به وقوع زمین‌لغزش قرار دارد. همچنین ارزیابی نقشۀ حساسیت تهیه شده با استفاده از منحنی ROC و 30 درصد نقاط لغزشی بیانگر دقت خوب مدل مذکور برای منطقۀ مورد مطالعه است.

کلیدواژه‌ها


پاشا، عین‌اله؛ مصطفایی، حمیدرضا؛ خلج، مهران & خلج، فرشته. (1392). محاسبه فاصله عدم قطعیت بر پایه تئوری دمپستر- شافر از شواهد. نشریه بین‌المللی مهندسی صنایع و مدیریت تولید، 24(2)، 223- 216.
پورقاسمی، حمیدرضا؛ مرادی، حمیدرضا & فاطمی عقدا، سیدمحمود. (1393). اولویت‌بندی عوامل موثر بر وقوع زمین‌لغزش و پهنه‌بندی حساسیت آن با استفاده از شاخص انتروپی شانون. مجله علوم و فنون کشاورزی و منابع-طبیعی، علوم آب و خاک، 18(70)،191- 181.
حسین‌پور میل‌آغاردان، امین & عباسپور، رحیم‌علی. (1393). بهبود نتایج پیش‌بینی وقوع زمین‌لغزش با استفاده از تئوری انتروپی شانون. دانش مخاطرات، 1(2)، 268- 253.
رحیمی‌فر، عطیه؛ شیخ، واحدبردی & بهره‌مند، عبدالرضا. (1390). معرفی و تهیه نقشه شاخص رطوبت توپوگرافی (TWI). پنجمین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک.
فتاحی بندپی، مریم؛ غفوری، محمد؛ لشکری‌پور، غلامرضا & حافظی‌مقدس، ناصر (1393). ارزیابی تأثیر گسل و سنگ‌شناسی بر عملکرد عامل جهت شیب در وقوع زمین‌لغزش (مطالعه موردی: حوضه آبریز بابلرود). جغرافیا و مخاطرات محیطی، 3(4)، 52-35.
گروه مطالعه امور زمین‌لغزش، فهرست زمین‌لغزش‌های کشور. (1386). سازمان جنگل‌ها، مراتع و آبخیزداری کشور، معاونت آبخیزداری.
مقیمی، ابراهیم؛ باقری سید شکری، سجاد؛ صفرراد، طاهره. (1391). پهنه‌بندی خطر وقوع زمین‌لغزش با استفاده از مدل انتروپی (مطالعه موردی: تاقدیس نسار زاگرس شمال غربی). پژوهش‌های جغرافیای طبیعی، 44(1)، 90-77.
Baeza, C., & Corominas, J., 2001. Assessment of shallow landslide susceptibility by means of multivariate statistical techniques. Earth surface processes and landforms, 26(12), 1251-1263.
Bednarik, M., Magulova, B., Matys, M., & Marschalko, M., 2010. Landslide susceptibility assessment of the Kraľovany–Liptovský Mikulaš railway case study. Physics and Chemistry of the Earth, Parts A/B/C, 35(3), 162-171.
Bednarik, M., Yilmaz, I., & Marschalko, M., 2012. Landslide hazard and risk assessment: a case study from the Hlohovec–Sered’landslide area in south-west Slovakia. Natural hazards, 64(1), 547-575.
Brenning, A., Schwinn, M., Ruiz-Paez, A. P., & Muenchow, J., 2014. Landslide susceptibility near highways is increased by one order of magnitude in the Andes of southern Ecuador, Loja province. Natural Hazards and Earth System Sciences Discussions, 2, 1945-1975.
Chen, W., Li, W., Hou, E., Bai, H., Chai, H., Wang, D., ... & Wang, Q., 2015. Application of frequency ratio, statistical index, and index of entropy models and their comparison in landslide susceptibility mapping for the Baozhong Region of Baoji, China. Arabian Journal of Geosciences, 8(4), 1829-1841.‏
Chen, T., Niu, R., & Jia, X., 2016. A comparison of information value and logistic regression models in landslide susceptibility mapping by using GIS. Environmental Earth Sciences, 75(10), 867.‏
Constantin, M., Bednarik, M., Jurchescu, M. C., & Vlaicu, M., 2011. Landslide susceptibility assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu Basin (Romania). Environmental Earth Sciences, 63(2), 397-406.
‏Das, I., Stein, A., Kerle, N., & Dadhwal, V. K., 2012. Landslide susceptibility mapping along road corridors in the Indian Himalayas using Bayesian logistic regression models. Geomorphology, 179, 116-125.
‏Devkota, K. C., Regmi, A. D., Pourghasemi, H. R., Yoshida, K., Pradhan, B., Ryu, I. C., ... & Althuwaynee, O. F., 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.‏
Guo, C., Montgomery, D. R., Zhang, Y., Wang, K., & Yang, Z., 2015. Quantitative assessment of landslide susceptibility along the Xianshuihe fault zone, Tibetan Plateau, China. Geomorphology, 248, 93-110.
‏Guzzetti, F., Carrara, A., Cardinali, M., & Reichenbach, P., 1999. Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology, 31(1), 181-216.
‏Guzzetti, F., 2005. Review and selection of optimal geological models related to spatial information available. Risk AWARE. European Union under the INTEREG IIIB CADSES programme.‏
Hong, H., Pourghasemi, H. R., & Pourtaghi, Z. S., 2016. Landslide susceptibility assessment in Lianhua County (China): a comparison between a random forest data mining technique and bivariate and multivariate statistical models. Geomorphology, 259, 105-118.‏
Jaafari, A., Najafi, A., Pourghasemi, H. R., Rezaeian, J., & Sattarian, A., 2014. GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. International Journal of Environmental Science and Technology, 11(4), 909-926.‏
Moore, I. D., Grayson, R. B., & Ladson, A. R., 1991. Digital terrain modelling: a review of hydrological, geomorphological, and biological applications. Hydrological processes, 5(1), 3-30.‏
O’brien, R. M., 2007. A caution regarding rules of thumb for variance inflation factors. Quality & Quantity, 41(5), 673-690.
‏Ozdemir, A., 2011. GIS-based groundwater spring potential mapping in the Sultan Mountains (Konya, Turkey) using frequency ratio, weights of evidence and logistic regression methods and their comparison. Journal of Hydrology, 411(3), 290-308.‏
Pourghasemi, H. R., Mohammady, M., & Pradhan, B., 2012. Landslide susceptibility mapping using index of entropy and conditional probability models in GIS: Safarood Basin, Iran. Catena, 97, 71-84.‏
Pourghasemi, H. R., Moradi, H. R., & Aghda, S. F., 2013. Landslide susceptibility mapping by binary logistic regression, analytical hierarchy process, and statistical index models and assessment of their performances. Natural hazards, 69(1), 749-779.
‏Pourghasemi, H. R., Moradi, H. R., Aghda, S. F., Gokceoglu, C., & Pradhan, B., 2014. GIS-based landslide susceptibility mapping with probabilistic likelihood ratio and spatial multi-criteria evaluation models (North of Tehran, Iran). Arabian Journal of Geosciences, 7(5), 1857-1878.
Pourghasemi, H. R., & Rossi, M., 2016. Landslide susceptibility modeling in a landslide prone area in Mazandarn Province, north of Iran: a comparison between GLM, GAM, MARS, and M-AHP methods. Theoretical and Applied Climatology, 1-25.‏
Regmi, A. D., Devkota, K. C., Yoshida, K., Pradhan, B., Pourghasemi, H. R., Kumamoto, T., & Akgun, A., 2014. Application of frequency ratio, statistical index, and weights-of-evidence models and their comparison in landslide susceptibility mapping in Central Nepal Himalaya. Arabian Journal of Geosciences, 7(2), 725-742.‏
Romer, C., & Ferentinou, M., 2016. Shallow landslide susceptibility assessment in a semiarid environment—A Quaternary catchment of KwaZulu-Natal, South Africa. Engineering Geology, 201, 29-44.
‏Shahabi, H., Hashim, M., & Ahmad, B. B., 2015. Remote sensing and GIS-based landslide susceptibility mapping using frequency ratio, logistic regression, and fuzzy logic methods at the central Zab basin, Iran. Environmental Earth Sciences, 73(12), 8647-8668.‏
Song, Y., Gong, J., Gao, S., Wang, D., Cui, T., Li, Y., & Wei, B., 2012. Susceptibility assessment of earthquake-induced landslides using Bayesian network: a case study in Beichuan, China. Computers & Geosciences, 42, 189-199.‏
Tay, L. T., Lateh, H., Hossain, M. K., & Kamil, A. A., 2014. Landslide hazard mapping using a poisson distribution: a case study in Penang Island, Malaysia. In Landslide Science for a Safer Geoenvironment (pp. 521-525). Springer, Cham.
‏Wan, S., 2009. A spatial decision support system for extracting the core factors and thresholds for landslide susceptibility map. Engineering Geology, 108(3), 237-251.‏
Wan, S., 2013. Entropy-based particle swarm optimization with clustering analysis on landslide susceptibility mapping. Environmental earth sciences, 68(5), 1349-1366.‏
Wang, Q., Li, W., Chen, W., & Bai, H., 2015. GIS-based assessment of landslide susceptibility using certainty factor and index of entropy models for the Qianyang County of Baoji city, China. Journal of Earth System Science, 124(7), 1399-1415.
‏Wang, Q., Li, W., Wu, Y., Pei, Y., & Xie, P., 2016. Application of statistical index and index of entropy methods to landslide susceptibility assessment in Gongliu (Xinjiang, China). Environmental Earth Sciences, 75(7), 599.
‏Wu, Y., Li, W., Liu, P., Bai, H., Wang, Q., He, J., ... & 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.‏
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), 1-12.
Youssef, A. M., Pourghasemi, H. R., Pourtaghi, Z. S., & Al-Katheeri, M. M., 2016. Landslide susceptibility mapping using random forest, boosted regression tree, classification and regression tree, and general linear models and comparison of their performance at Wadi Tayyah Basin, Asir Region, Saudi Arabia. Landslides, 13(5), 839-856.‏
Youssef, A. M., Al-Kathery, M., & Pradhan, B., 2015. Landslide susceptibility mapping at Al-Hasher area, Jizan (Saudi Arabia) using GIS-based frequency ratio and index of entropy models. Geosciences Journal, 19(1), 113-134.
Yufeng, S., & Fengxiang, J., 2009, July. Landslide stability analysis based on generalized information entropy. In Environmental Science and Information Application Technology, 2009. ESIAT 2009. International Conference on (Vol. 2, pp. 83-85). IEEE.‏
CAPTCHA Image