پهنه‌بندی مناطق مستعد خطر زمین‌لغزش در محدودۀ سدّ شهید عباسپور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد ژئومورفولوژی، دانشکده منابع طبیعی دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر، ایران

2 استادیار گروه زمین‌شناسی، دانشکده منابع طبیعی دریا، دانشگاه علوم و فنون دریایی خرمشهر، خرمشهر، ایران

چکیده

زمین‌لغزش، یکی از مهم‌ترین حرکات دامنه‌ای است. ازجمله مناطق زمین‌لغزش، محدوده اطراف سد و دریاچه آن است که خسارات زیادی را در سدها ایجاد می‌کند. هدف از این پژوهش شناسایی مناطق مستعد ایجاد زمین‌لغزش در محدودۀ سد شهید عباسپور است. این پژوهش با استفاده از دو روش حائری-سمیعی و تحلیل سلسله مراتبی انجام گردید. براین اساس هفت عامل سنگ‌شناسی، زاویه شیب، طول گسل، طول راه و رودخانه، عامل بارندگی، شدت بارندگی و زمین‌لرزه موردبررسی قرار گرفت. در مدل حائری-سمیعی این هفت عامل بررسی شده و وزن به دست آمده هر یک از آن‌ها در معادله کلی قرار گرفته و در محیط GIS به نقشه پهنه‌بندی تبدیل شده و مناطق مستعد در محدوده شناسایی می‌شود. در روش تحلیل سلسله مراتبی، براساس مقایسات زوجی بین هفت عامل ذکرشده، پس از بررسی نظر کارشناسان وزن هریک از عوامل به دست آمده و در نرم‌افزار Expert Choice، مقایسه زوجی انجام شده و وزن نهایی به دست می‌آید. پس از بررسی‌های به عمل آمده در دو روش، بیشترین مناطق حساس به لغزش در آبرفت‌های جوان کواترنری است و عامل سنگ‌شناسی مهم‌ترین عامل در محدوده است. به‌طورکلی مناطق با خطر زیاد در محدوده جنوب غربی سد و بخش کوچکی در شمال است.

کلیدواژه‌ها


ایلانلو، مریم و مقیمی، ابراهیم و ثروتی، محمدرضا و قهرودی تال، منیژه؛ 1398، پهنه‌بندی خطر حرکات توده‌ای با استفاده از روش منطق فازی (مطالعه موردی حوضه آبریز سیرا). نشریه مطالعات برنامه‌ریزی سکونتگاه‌های انسانی. چشم‌انداز جغرافیا. دوره 5. شماره 11. صص 34-19.
آقانباتی، سیدعلی؛ 1385. زمین‌شناسی ایران. انتشارات سازمان زمین‌شناسی کشور. تهران
برزگر، فرح و مالکی، ابراهیم و قرشی، منوچهر و بربریان، مانوکل و معینی فر، علی‌اکبر و نادرزاده، احمد، 1376. پهنه‌بندی خطر نسبی زمین‌لرزه. مجموعه مطالعات طرح کالبدی ملی ایران. مرکز مطالعات و تحقیقات شهرسازی و معماری ایران
حائری، سیدمحسن و سمیعی، امیرحسین؛ 1376. روش جدید پهنه‌بندی مناطق شیبدار در برابر خطر زمین‌لغزش با تکیه بر بررسی‌های پهنه‌بندی استان مازندران. نشریه علوم زمین. شماره 23 و 24.
حسنی، حسین و قلی نژاد، محمدرضا و  تهرانی مقدس، سیاوش؛ 1392. پهنه‌بندی خطر سقوط سنگ در دامنه‌های مشرف به مسیر خط راه‌آهن لرستان با استفاده از GIS. نشریه علمی-پژوهشی امیرکبیر. دوره 45. شماره 2. صص 104-97.
حسین‌آبادی، مهدی و موسوی، سید مرتضی و ناظمی، محمد؛ 1398. پهنه‌بندی خطر زمین‌لرزه و زمین‌لغزش به روش منطق فازی در رشته‌کوه باقران (جنوب بیرجند). فصلنامه جغرافیا و توسعه. شماره 55. صص 47-55.
حسین زاده، سیدرضا و قربانی شورستانی، علی و نورمحمدی، علی‌محمد و رضاعارفی، محسن؛ 1394. بررسی عوامل مؤثر بر وقوع زمین‌لغزش با استفاده از GIS و RS(مطالعه موردی سد دولتی). هیدروژئوموفولوژی. شماره 4. صص 38-21.  
سرکوبی فریدنی، نازیلا؛ 1395. پهنه‌بندی حساسیت خطر زمین‌لغزش با استفاده از منطق فازی و سیستم اطلاعات جغرافیایی در حوضه هراز (از امامزاده هاشم تا امامزاده علی). پایان‌نامه کارشناسی ارشد. دانشگاه آزاد اسلامی واحد تهران و مرکزی. دانشکده ادبیات و علوم تاریخی. گروه جغرافیا
صمدزاده، رسول؛ 1394. ارزیابی پهنه‌بندی خطر زمین‌لغزش در جاده اردبیل-سرچم. پژوهش‌های دانش زمین. سال ششم. شماره 33. صص 33-19.
عابدینی، موسی و یعقوب نژاد اصل، نازیلا؛ 1396. پهنه‌بندی خطر زمین‌لغزش در استان تهران با استفاده از مدل فازی. دوره 6. شماره 11. نشریه مدیریت بحران. صص 155-145
غلامیان، حسین و فناطی رشیدی، رؤیا و سجادی، سیدهادی؛ 1394. مطالعه خاردارن میوسن (سازندمیشان) در برش گهره. شمال بندرعباس استان هرمزگان. نشریه علوم زمین. شماره 98. صص 82-73.
مکرم، مرضیه و شایگان، مهران؛ 1397. ارزیابی خطر زمین‌لغزش و ارتباط آن با نوع لندفرم در محیط GIS. پژوهش‌های ژئومورفولوژی کمی. سال ششم. شماره 4. صص 31-17.
نیاسری، مهراد و قبادی، محمد؛ 1383. نقش تکتونیک در زمین‌لغزش‌ها و ریزش‌های سنگی حوضه آبخیز شلال خوزستان. هشتمین همایش انجمن زمین‌شناسی ایران. شاهرود.
 
Aksoy, B. Ercanoglu, M., 2012. Landslide identification and classification object based image analysis and fazzy logic: An example from the Azdavay region (Ckastamonu, Turkey), computers and Geosciences, 38. 92-97 
Anbalagan, R. Sharma, L. Tyagi, s., 1994. Landslide Road research laboratory report 1039. Transport and hazard zonation (LHZ) Mapping of a part of Doon valley, Garhval Himalaya, India. In: proceedings Aspects Wollongong Australia pp 253-260
Broeckx, J. Vanmaercke, M. Duchateau, R, poesen, j., 2018. A data-based Landslide map of Africa, Journal Earth Science Reviews DOI: 10-1016. Reference: Earth 2623 PII: S0012-3252(17)-30540-4
Chawla, A- Chawla, s- pasupuleti, S-Rao, A- Sarkar, Dwivedi, R., 2018. Landslide susceptibility mapping in Darjeeling Himalayas, India, Hindawi, Article ID 6416492, 17 p.
Classens, L, A. Knapen, M, G. Kitutu, J. poesen and Deckers, J, A., 2007. Modelling Landslide Hazard soil redistribution and sediment yield of Landslide on the Uganda footlopes of Mount Elgon. Geomorphology 4: 23-35
Herrera, g. Mateos, R, M. Garcia, J, C. Grandjean. G. Poyiadji, E. Maflic, R. Filipcius, T, C. Auflic, M, J. Laszlopodolszki, J. Trigila, C. Raetzo, H. and Kocius, A., 2017. Landslide databases in the geological surveys of Europe, Springer 15: 359-379
Highland, L, M. and Bobrowsky, P., 2008. The Landslide handbook: a guide to understanding Landslide, US Geological survey.129 p.
Komac, M., 2006. A Landslide suscepibiliy model using the Analytical Hierarchy process method and multi variate statistic in peralping Slovenia Geomorphology vol. 24 pp 17-28
Li, Y. Ping, M., 2019. A unified Landslide classification system for Loess slopes: a critical review. Geomorphology, vol 340, pp. 67-83.
Maa, J. Yingtao, Ch. He, Q. Shahabi, H. Shirzad, A. Shaojunlid, C. Wei, Ch. Wanga, H. Bian, H., 2019. Landslide spatial modelling using novel bivariate statistical based Noive Baves Rbf clasifer, and Rbf network machine learning algorithms, science of the total Environment. pp 1-15.
Polleck, W. grant, A. Wartman, J. Abou Jaoude, G., 2019. Multimodal method for Landslide risk analysis. Journal methods x. 827-836.
Pradhan, B., 2013. A comparative study on the predictive ability of decision tree, support vector machine and neuro-Fuzzy models in Landslide susceptibility mapping using GIS computer and Geosciences: 51:350-365
Van westen, C, J. Rengers, N. and Soeters, R., 1993. Geographic Information system Applied to Landslide Hazard zonation mapping awareness and GIS in Europe, vol7 No5 
Wang, H. Jianmei, L. Bo, ZH. Zhou, Y. Yoan, Q. Chen, P., 2017. Application of a hybrid model of neural networks and genetic algoritms to evaluate Landslide susceptibility, geoenvivonmental Disasters, 4: 15, Doi: 1786/s 40677-017-00765-y
Yalcin, A. Reis, A, C. Aydinogla, X and Yomraliglu, T., 2011. A GIS-based comparative study of frequency vatio, analytical hirarchy process, bivariate statistics and Logistics regression methods for Landslide susceptibility mapping in trabazon NE Turkey catena 85: 274-287pp
Zhou, CH. Lee, C, F. Li, J. and Xhou, Z,W., 2002. On the spatial relationship between Landslide and causative factors on lantua Island, Hongkong. Geomorphology, 43: 127-207
CAPTCHA Image