ارزیابی و تحلیل عوامل موثر بر فرونشست دشت میاندواب با استفاده از روش تداخل سنجی راداری و مدل ترکیبی منطق فازی و RWR

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

تکتم یزدانی

محمدحسین رضائی مقدم

شهرام روستایی

توحید رحیم‌پور

گروه ژئومورفولوژی، دانشکده برنامه‌ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

10.22067/geoeh.2026.99023.1671

چکیده

فرونشست زمین یکی از مهم‌ترین مخاطرات ژئومورفولوژیکی در بسیاری از دشت‌های آبرفتی جهان به شمار می‌رود که عمدتاً در اثر برداشت بی‌رویه از منابع آب زیرزمینی رخ می‌دهد. هدف این پژوهش، ارزیابی میزان فرونشست زمین در دشت میاندوآب و تحلیل ارتباط آن با افت سطح آب زیرزمینی و برخی پارامترهای محیطی است. برای این منظور از. در مجموع 38 تصویر داده‌های راداری ماهواره Sentinel 1 در بازه زمانی ژانویه 2018 تا ژانویه 2024 استفاده شد راداری با استفاده از روش تداخل‌سنجی سری زمانی SBAS در نرم‌افزار GMTSAR پردازش گردید تا میزان جابجایی سطح زمین استخراج شود. همچنین به‌منظور بررسی نقش افت منابع آب زیرزمینی، داده‌های 12 حلقه چاه پیزومتری مورد تحلیل قرار گرفت. علاوه بر این، با استفاده از روش ترکیبی منطق فازی و RWR و پارامترهای محیطی، نقشه پتانسیل فرونشست منطقه تهیه شده است. نتایج نشان داد که میزان فرونشست در دوره مورد مطالعه بین 2.9 تا 36.7 سانتی‌متر متغیر بوده و میانگین نرخ سالانه آن حدود 6 سانتی‌متر است. بیشترین میزان فرونشست در بخش‌های جنوبی دشت و محدوده شهری میاندوآب مشاهده شد. تحلیل داده‌های پیزومتری نیز نشان داد که میانگین افت سالانه سطح آب زیرزمینی در منطقه حدود 81.6 سانتی‌متر است. نتایج تحلیل همبستگی پیکسلی بیانگر وجود رابطه مستقیم و معنادار بین افت سطح آب زیرزمینی و فرونشست زمین با ضریب همبستگی 0.66 است. همچنین نتایج پهنه‌بندی نشان داد که حدود 17.8 درصد از مساحت منطقه در طبقه پتانسیل بسیار زیاد وقوع فرونشست قرار دارد. یافته‌های پژوهش نشان می‌دهد که افت منابع آب زیرزمینی مهم‌ترین عامل کنترل‌کننده فرونشست در دشت میاندوآب بوده و مدیریت پایدار منابع آب زیرزمینی برای کاهش شدت این پدیده ضروری است.

کلیدواژه‌ها

فرونشست; SBAS

مدل RWR; دشت میاندوآب; افت آب زیرزمینی

موضوعات

• مخاطرات محیط‌ های شهری و مدیریت ‌شان

---

©2026 The author(s). This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0)

مراجع

Abedini, M., & Nazari Gazik, Z. (2024). Investigating the effect of groundwater loss on land subsidence, a case study: Chenaran city. Geography and Human Relationships, 6(4), 669-689. [in Persian] https://doi.org/10.22034/gahr.2024.433326.2019

Asadi, M., Ganjaeian, H., Javedani, M., & Ghaderi Hasab, M. (2021). Evaluation of the Relationship between Natural Factors and Subsidence in Ivanaki Plain Using Radar Imaging. Hydrogeology, 6(1), 13-22. [in Persian] https://doi.org/10.22034/hydro.2021.13016

Asghari Saraskanroud, S., Esfandyari, F., Faal Naziri, M., & Zeinali, B. (2025). Estimation and evaluation of the risk of land subsidence in the urban boundaries of Savajbalag-Nazarabad-Chaharbagh-Karaj-Ferdis cities. Journal of Hydrogeomorphology, 11(41), 161-135. [in Persian]  https://doi.org/10.22034/hyd.2024.62570.1751

Bayati Khatibi, M., Mohammadzadeh, R., & Karimzadeh, S. (2024). Modeling of Land Subsidence of Salmas Plain by Using Adaptive Neuro-Fuzzy Inference System (ANFIS). Journal of Geography and Environmental Hazards, 13(4), 48-73. [in Persian] https://doi.org/10.22067/geoeh.2024.75157.1171

Chaussard, E., Wdowinski, S., Cabral-Cano, E., & Amelung, F. (2014). Land subsidence in central Mexico detected by ALOS InSAR time-series. Remote Sensing of Environment, 140, 94-106. http://dx.doi.org/10.1016/j.rse.2013.08.038

Ebrahimi, A., Ghasemi, A., & Ganjaeian, H. (2020). Monitoring the subsidence rate of Pakdasht urban area using radar interferometry method. Geography and Human Relationships, 2(4), 29–41. [in Persian] https://dor.isc.ac/dor/20.1001.1.26453851.1399.2.4.3.1

Ganjaeian, H. (2024). Identification of sinkhole-prone areas using radar images (Case study: Qorveh Plain). Environmental Erosion Research, 14(2), 87-105. [in Persian]  http://dx.doi.org/10.61186/jeer.14.2.6

Ganjaeian, H., Asadi, M., Menbari, F., & Ebrahimi, A. (2023a). Analysis of Subsidence Status in Hamedan Urban Area using Radar and Satellite Images. Journal of Geography and Environmental Hazards, 11(4), 236-221. [in Persian] https://doi.org/10.22067/geoeh.2022.76383.1217

Ganjaeian, H., Menbari, F., Ghasemi, A., & Nosrati, M. (2023b). Assessment and analysis of subsidence risk in Kaboudar Ahang-Famenin plain. Scientific- Research Quarterly of Geographical Data (SEPEHR), 31(124), 75-86. [in Persian] https://doi.org/10.22131/sepehr.2023.553000.2871

Ganjaeian, H., Zahabnazouri, S., Boshehri, T. F., Ebrahimi, A., & Asadi, M. (2026). Quantitative assessment and driving factors of land subsidence in Northern Hamadan Province, Iran. Journal of Sedimentary Environments, 11, 17. https://doi.org/10.1007/s43217-026-00285-6

Ghorbani Mohammadabadi, S., Nejad Hossini, R., & Ganjaeian, H. (2023). Analysis of the effective factors in the subsidence of the Ghahavand Plain using radar and satellite images. Geography and Human Relationships, 5(4), 542–553. [in Persian] https://dor.isc.ac/dor/20.1001.1.26453851.1402.5.4.29.4

Hejazi, A., Rezaei Moghaddam, M. H., Valizadeh Kamran, K., & Mosavi Kajabad, N. (2022). Revealing Land Subsidence in Heris Plain Using Radar Images and SBAS, PSI Method. Geography and Environmental Sustainability, 12(1), 89-103. [in Persian] https://doi.org/10.22126/ges.2022.6909.2446

Hosseinzadeh, S. R., Akbari, E., Javanshiri, M., & Mohammadpour, Z. (2023). Spatial Analysis of Ground Subsidence using Radar Interferometry (Case Study: Central Plain of Ghaen City). Journal of Geography and Environmental Hazards, 11(4), 99-126. [in Persian] https://doi.org/10.22067/geoeh.2022.75138.1169

Jasechko, S., Seybold, H., Perrone, D., Fan, Y., Shamsudduha, M., Taylor, R. G., … & Kirchner, J. W. (2024). Rapid groundwater decline and some cases of recovery in aquifers globally. Nature, 625, 715–721. https://doi.org/10.1016/j.isprsjprs.2019.05.005

Jie Yin, J., Yu, D., & Wilby, R. (2016). Modelling the impact of land subsidence on urban pluvial flooding: A case study of downtown Shanghai, China. Science of The Total Environment, 744-753. https://doi.org/10.1016/j.scitotenv.2015.11.159

Kanwal, S., Ding, X., Wu, S., & Sajjad, M. (2022). Vertical ground displacements and its impact on erosion along the Karachi coastline, Pakistan. Remote Sensing, 14(9), 2054. https://doi.org/10.3390/rs14092054

Khan, S. D., Faiz, M. I., Gadea, C. A., & Ahmad, A. (2023). Study of land subsidence by radar interferometry and hot spot analysis techniques in the Peshawar Basin, Pakistan. The Egyptian Journal of Remote Sensing and Space Science, 26(1), 173-184. https://doi.org/10.1016/j.ejrs.2023.02.001

Lu, C., Zhu, L., Li, X., Gong, H., Du, D., Wang, H., & Teatini, P. (2022). Land subsidence evolution and simulation in the western coastal area of Bohai Bay, China. Journal of Marine Science and Engineering,  10(10), 1549. https://doi.org/10.3390/jmse10101549

Malik, K., Kumar, D., Perissin, D., & Pradhan, B. (2022). Estimation of ground subsidence of New Delhi, India using PS-InSAR technique and multi-sensor radar data. Advances in Space Research, 69(4), 1863–1882.  https://doi.org/10.1016/j.asr.2021.08.032

Miler, M. M., & Shirazaei, M. (2019). Land subsidence in Houston correlated with flooding from Hurricane Harvey. Remote Sensing of Environment, 225, 368-378. https://doi.org/10.1016/j.rse.2019.03.022.

Mohammad Khan, S., Ganjaeian, H., Garosi, L., & Zanganetabar, Z. (2020). Assessing the impact of groundwater drop on the subsidence rate using the Sentinel-1 Radar images - Case study: Qorveh Plain. Scientific- Research Quarterly of Geographical Data (SEPEHR), 28(112), 219-229. [in Persian]  https://doi.org/10.22131/sepehr.2020.38617

Mohammadi Dehcheshme, M., & Ebrahimi, A. (2026). Evaluation of the Amount of Subsidence of the Urban Area and Urban Periphery of Jahrom using Radar Interferometric Method. Geography and Development, 24(82), 193-210. [in Persian] https://doi.org/10.22111/gdij.2025.50205.3692

Mokhtari, D., Rezaei Moghadam, M. H., & Dortaj, D. (2024). Evaluation of the tectonic status of the sub-basins of Fars province (from evaz to Karmostaj) using geomorphic indicators and SBAS time series method. Quantitative Geomorphological Research, 13(1), 50-63. [in Persian]  https://doi.org/10.22034/gmpj.2024.422974.1461

Navarro-Hernández, M. I., Valdes-Abellan, J., Tomás, R., Tessitore, S., Ezquerro, P., & Herrera, G. (2023). Analysing the Impact of Land Subsidence on the Flooding Risk: Evaluation Through InSAR and Modelling. Water Resources Management, 37(11), 4363-4383. https://doi.org/10.1007/s11269-023-03561-6

Ren, T., Gong, W., Gao, L., & Zhao, F. (2024). Understanding land subsidence in the Pearl River Delta region of China based on InSAR observations. Engineering Geology,  339, 107646. https://doi.org/10.1016/j.enggeo.2024.107646

Roostaei, S., Hejazi, S. A., Mokhtari, D., & Amani, D. (2026). Assessment of Land Subsidence in the Marand Plain Using Interferometric Synthetic Aperture Radar (InSAR). Journal of Geography and Environmental Hazards, 15(1), 72-95. [in Persian] https://doi.org/10.22067/geoeh.2026.97067.1633

Roostaei, S., Rezaei Moghaddam, M. H., Yarahmadi, G., & Najafvand, S. (2023). Investigation of land subsidence risk areas due to groundwater level drop using FUZZY-AHP method (Case study: Shabestar-Soufian plain). Quantitative Geomorphological Research, 12(3), 35-58. [in Persian] https://doi.org/10.22126/ges.2022.6909.2446

Rygus, M., Bianchi, M., Novellino, A., Hussain, E., Taufiq, A., Rusli, S. R., … & Meisina, C. (2025). Permanent aquifer storage loss from long-term groundwater withdrawal: A case study of subsidence in Bandung (Indonesia). Journal of Hydrology: Regional Studies,  57, 102129. https://doi.org/10.1016/j.ejrh.2024.102129

Shankar, H., Singh, D., & Chauhan, P. (2024). Investigation of groundwater-induced land subsidence in Ludhiana City using InSAR and Sentinel-1 data. Quaternary Science Advances, 13, 100151. https://doi.org/10.1016/j.qsa.2023.100151

Sheng, H., Zhou, L., Huang, C., Ma, S., Xian, L., Chen, Y., & Yang, F. (2023). Surface subsidence characteristics and causes in Beijing (China) before and after COVID-19 by Sentinel-1A TS-InSAR. Remote Sensing, 15(5), 1199. https://doi.org/10.3390/rs15051199

Shi, X., Chen, C., Dai, K., Deng, J., Wen, N., Yin, Y., & Dong, X. (2022). Monitoring and Predicting the Subsidence of Dalian Jinzhou Bay International Airport, China by Integrating InSAR Observation and Terzaghi Consolidation Theory. Remote Sensing, 14(10), 2332. https://doi.org/10.3390/rs14102332

Tang, Z., Ning, R., Wang, D., Tian, X., Bi, X., Ning, J., … & Luo, F. (2024). Projections of land use/cover change and habitat quality in the model area of Yellow River Delta by coupling land subsidence and sea level rise. Ecological Indicators, 158, 111394. https://doi.org/10.1016/j.ecolind.2023.111394

Ullah, I., Chen, Z., Hussain, M. A., Shah, S. U., & Ali, N. (2025). Hybrid machine learning and SBAS-InSAR integration for landslide susceptibility mapping along the Balakot–Naran Route, Pakistan. Remote Sensing, 17(20), 3464. https://doi.org/10.3390/rs17203464

Wang, H., Jia, C., Ding, P., Feng, K., Yang, X., & Zhu, X. (2022). Analysis and Prediction of Regional Land Subsidence with InSAR Technology and Machine Learning Algorithm. Civil Engineering, 25, 782-793. https://doi.org/10.1007/s12205-022-1067-4

Wang, Y., Gong, H., Zhou, C., Wang, Q., Wang, H., & Zhang, J. (2025). Decomposition and attribution analysis of the coupled evolution characteristics of groundwater and land subsidence in the Beijing-Tianjin-Hebei Plain. Journal of Hydrology: Regional Studies, 59, 102393. https://doi.org/10.1016/j.ejrh.2025.102393

Yastika, P. E., Shimizu, N., & Abidin, H. Z. (2019). Monitoring of long-term land subsidence from 2003 to 2017 in coastal area of Semarang, Indonesia by SBAS DInSAR analyses using Envisat-ASAR, ALOS-PALSAR, and Sentinel-1A SAR data. Advances in Space Research, 63(5), 1719-1736. https://doi.org/10.1016/j.asr.2018.11.008

Zangenehtabar, S., Yamani, M., Sharifikia, M., Hoseini, S. M., & Amighpey, M. (2025). Using the PS-InSAR Technique to Assess the Impacts of Land Subsidence on Road Bridges in Southwest Tehran. Journal of Geography and Environmental Hazards, 14(4), 1-20. [in Persian] https://doi.org/10.22067/geoeh.2025.93735.1575

Zhao, Q., Ma, G., Wang, Q., Yang, T., Liu, M., Gao, W., … & Pepe, A. (2019). Generation of long-term InSAR ground displacement time-series through a novel multi-sensor data merging technique: The case study of the Shanghai coastal area. ISPRS Journal of Photogrammetry and Remote Sensing, 154, 10-27. https://doi.org/10.1016/j.isprsjprs.2019.05.005

Zhu, M., Yu, X., Tan, H., Yuan, J., Chen, K., Xie, S., … & Long, W. (2020). High-precision monitoring and prediction of mining area surface subsidence using SBAS-InSAR and CNN-BiGRU-attention model. Scientific Reports, 14, 28968. https://doi.org/10.1038/s41598-024-80446-7