Landslide susceptibility zonation in Shahid Abbaspour Dam district

Document Type : Research Article

Authors

1 MSc. Geomorphology, Marine Natural Sciences Faculty, Khorramshahr University of Marine Sciences and Technology, Khorramshahr, Iran

2 Assistant Professor, Department of Geology, Marine Natural Sciences Faculty, Khorramshahr University of Marine Sciences and Technology, Khorramshahr, Iran

Abstract

Landslides are one of the most important slope movements. One of the landslide-prone areas is the area around the dams and their lake, which may cause damage to the dams. The purpose of this study was to identify areas prone to landslides in the area of ​​Shahid Abbaspour Dam, Northern Khuzestan, Iran. This research was conducted using two methods of Hayeri-Samiei and Analytical hierarchical Process. Based on this, seven factors including lithological, slope angle, fault length, road and river length, rainfall factor, rainfall intensity and earthquake were prepared. In the Hayeri-Samiei model, these seven factors are investigated and the obtained weight of each of them is placed in the general equation and in the GIS environment is converted into a zonation map and potential areas in the range are identified. In the Analytical hierarchical Process method, based on pairwise comparisons between the seven factors mentioned, considering the opinion of experts, the weight of each factor is obtained and in Expert Choice software, pairwise comparison is performed and the final weight is obtained. After studies in two methods, the most landslide-sensitive areas are in Quaternary young alluvium and lithological factor is the most important factor in the study area. In general, high-risk areas are in the southwestern part of the dam and a small part in the north. In AHP model, like Hayeri-Samiei model, the lithological factor has the greatest effect on landslides in the region. Gachsaran Formation also has very low resistance to landslides after Quaternary alluviums. In terms of slope angle, areas located at slope angles of 36-45 are prone to landslide.

Keywords


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