Landslide Hazard Zonation in Kolur Region Using Bayes' Theorem-ANP Hybrid Model

Document Type : Research Article

Authors

• Farangis Nazari bayatiani ¹
• Mansour Jafar Beglou ²
• Shirin Mohammad Khan ³
• Mehran Maghsoudi ⁴

¹ PhD Candidate in Geomorphology, Kish International Bridge, Tehran University Khorramshahr University of Marine Science and Technology, Khorramshahr, Iran

² Associate Professor of Geography, Department of Geography, Tehran University, Tehran, Iran.

³ Assistant Professor of Geography, Department of Geography, Tehran University, Tehran, Iran

⁴ Associate Professor of Geography, Department of Geography, Tehran University, Tehran, Iran

10.22067/geoeh.2021.69988.1048

Abstract

Identifying the factors affecting landslides occurrence in an area and zoning its hazard is one of the basic measures to achieve solutions to control this phenomenon and reduce its environmental hazards. The aim of this study was to determine the areas sensitive to the possibility of landslides occurrence in the Kolur region (Khalkhal County). In this regard, 9 factors affecting the landslides occurrence in the region including lithology, elevation, slope, slope direction, land use, faults, road construction, drainage network and precipitation were identified and used. Then, to determine the vulnerable areas, the hybrid models of conditional probabilities (Bayes' theorem) and network analysis process (ANP) were used. As for landslides occurrence, the results showed that about 28.69% and 25.40% of the study area had a very high risk, about 21.57% of the study area had a moderate risk, and finally about 14.21 and 13.10% of the study area had a low and a very low risk, respectively. Therefore, 65% of the Kolur region had a high and a very high risk of landslides. The main reason was due to the high slope and the presence of marl calcareous formations.  According to the obtained results and the relationship between the area of hazardous zones and the percentage of landslide with R2 more than 0.93, the accuracy of landslide hazard zoning map in the study area was confirmed at a good level. Therefore, the results of the combined Bayes' theorem-ANP model were suitable for landslide risk zoning in this type of areas, and the resulting map can be used as a valuable tool in environmental planning and reducing landslide occurrence costs.

Graphical Abstract

Keywords

• Environmental Hazards
• Landslide
• Bayes' Theorem
• ANP
• Kolur

20.1001.1.23221682.1401.11.2.1.5

---

References

اسفندیاری درآباد، فریبا؛ ابراهیم، بهشتی جاوید؛ 1395. پهنه‌بندی حساسیت وقوع زمین‌لغزش با استفاده از مدل هیبریدی قضیه‌ بیز ANP (مطالعه‌ موردی: گردنه‌ حیران). نشریه هیدروژئومورفولوژی. شماره 8. 93-111. DOI: 20.1001.1.23833254.1395.3.8.5.3

پورقاسمی، حمیدرضا؛ مرادی، حمیدرضا؛ محمدی، مجید؛ مصطفی‌زاده، رئوف؛ گلی جیرنده، عباس؛ 1391. پهنه­بندی خطر زمین‌لغزش با استفاده از تئوری بیزین. مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب و خاک. شماره 62. 109-121.  DOI: ‎ 20.1001.1.24763594.1391.16.62.10.9

پیش­نماز احمدی، مجید؛ محمد زاده، کیوان؛ ثقفی، مهدی؛ 1397. پهنه­بندی خطر وقوع زمین­لغزش و خطرپذیری سکونتگاه­های روستایی در زیرحوضه رودبار با استفاده از روش تحلیل شبکه (ANP). مجله پژوهش­های ژئومورفولوژی کمّی. شماره 1. 211-225.  DOI: 20.1001.1.22519424.1397.7.1.14.8

رنجبری، احد؛ عابدینی، موسی؛ مختاری، داود؛ 1398. تجزیه‌وتحلیل خطر زمین­لغزش با استفاده از مدل‌های ANP و LR در محیط  GIS(مطالعه موردی: پهنه گسلی قوشاداغ-ارسباران در آذربایجان شرقی). مجله پژوهش­های ژئومورفولوژی کمّی. شماره 1. 70-88.

http://www.geomorphologyjournal.ir/article_91726.html

روستایی، شهرام؛ خدائی، لیلا؛ مختاری، داود؛ رضا طبع، خدیجه؛ خدائی، فاطمه؛ 1394. کاربرد تحلیل شبکه­ای (ANP) در بررسی پتانسیل وقوع زمین‌لغزش در محدوده سد قلعه چای. مجله مخاطرات محیط طبیعی. شماره 5. 59-74. 10.22111/JNEH.2015.2475 DOI:

روستایی، شهرام؛ مختاری، داوود؛ حسینی، زهرا؛ اطمانی حقویران، مهدی؛ 1394. بررسی پتانسیل وقوع زمین­لغزش در حوضه آبخیز رودخانه میمه به روش تحلیل شبکه. مجله هیدروژئومورفولوژی. شماره 4. 101-123.

DOI:20.1001.1.23833254.1394.2.4.6.9

شاهکوئی، اسماعیل؛ سارلی، رضا؛ درویشی، یوسف؛ امان­پور قرائی، سمانه؛ 1398. پهنه­بندی عرصه­های آسیب­پذیر در برابر مخاطرات طبیعی با تأکید بر زمین­لغزش مطالعه موردی: زیر حوضه گرگان رود شهرستان گرگان. مجله پژوهش­های ژئومورفولوژی کمّی. شماره 2. 52-70. http://noo.rs/VdlKD

شکاری­بادی، علی؛ معتمدی راد، علی؛ محمدی نیا، ملیحه؛ 1394. تلفیق مدل ANP و شاخص آنتروپی شانون در برآورد عوامل مؤثر در وقوع و پهنه­بندی خطر زمین­لغزش (مطالعه موردی: حوضه فاروبرومان نیشابور). مجله مطالعات جغرافیایی مناطق خشک. شماره 22. 89-103.

 http://journals.hsu.ac.ir/jarhs/article-1-1001-fa.html

شمس، جلیل؛ علیزاده، البروس؛ 1397). پهنه­بندی حساسیت خطر وقوع زمین­لغزش با استفاده از مدل احتمالات شرطی (قضیه بیز)، مطالعه موردی: قاراداغ (ارسباران، از قره­سو تا دره دیز). نشریه علمی- پژوهشی جغرافیا و برنامه­ریزی. شماره 63. 161-182. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=527864

صفاری، امیر؛ هاشمی، معصومه؛ 1395. پهنه­بندی حساسیت زمین­لغزش با مدل آنتروپی و منطق فازی (مطالعه موردی: شهرستان کرمانشاه). فصلنامه جغرافیای طبیعی. شماره 34. 43-62. 20.1001.1.20085656.1395.9.34.3.1

عابدینی، موسی؛ روستایی، شهرام؛ فتحی، محمد حسین؛ 1395. پهنه­بندی حساسیت وقوع زمین­لغزش با استفاده از مدل هیبریدی قضیه بیز و ANP (مطالعه موردی: کرانه جنوبی حوضه آبریز اهرچای از روستای نصیرآباد تا سد ستارخان). مجله پژوهش­های ژئومورفولوژی کمی. شماره 1. 142-159.

 DOI:20.1001.1.22519424.1395.5.1.10.0

مجد باوی، اکبر؛ مومی پور، مهدی؛ 1400. پهنه‌بندی مناطق مستعد خطر زمین‌لغزش در محدودۀ سد شهید عباسپور. جغرافیا و مخاطرات محیطی. شماره 10. 65-80. DOI: 10.22067/GEOEH.2021.67029.0 

محمدخان شیرین؛ ویسی، عبدالکریم؛ باقری، کیوان؛ 1393. پتانسیل‌سنجی خطر زمین‌لغزش با استفاده از مدل آنتروپی (منطقه کوهستانی شیرپناه در جنوب‌ غرب استان کرمانشاه). مجله جغرافیایی سرزمین. شماره 4. 89-103.

محمودی، فرج اله؛ 1382. ژئومورفولوژی دینامیک. انتشارات دانشگاه تهران.

 https://sarzamin.srbiau.ac.ir/article_7991.html

مقصودی، مهران؛ شرفی، سیامک؛ یمانی، مجتبی؛ مقدم، عباس و زمانزاده، سید محمد؛ 1394. تغییرات محیطی بعد از رخداد زمین‌لغزش کبیرکوه و تأثیر آن در شکل­گیری محوطه‌های باستانی محدوده دریاچه جایدر. فصلنامه کواترنری ایران. شماره 1. 1-14. http://journal.iranqua.ir/article-1-322-fa.html

مقیمی، ابراهیم؛ باقری سید شکری، سجاد؛ صفرراد، طاهر؛ 1391. پهنه­بندی خطر وقوع زمین­لغزش با استفاده از مدل آنتروپی (مطالعه موردی: تاقدیس نسار زاگرس شمال غربی). پژوهش­های جغرافیای طبیعی. شماره 79. 79-90.

DOI:10.22059/JPHGR.2012.24735

نظم­فر، حسین؛ بهشتی، ابراهیم؛ 1395. کاربرد مدل ترکیبی فرآیند تحلیل شبکه و منطق فازی در پهنه­بندی حساسیت وقوع زمین‌لغزش. مجله جغرافیا و برنامه‌ریزی محیطی. شماره 1. 53-68.

DOI:10.22108/GEP.2016.20793

یمانی، مجتبی؛ خداپور، سیروس؛ مصطفایی، ابولفضل؛ شادمان رود پشتی، مجید؛ 1391. نقشه پهنه­بندی خطر زمین­لغزش در حوضه آبخیز کارون بزرگ با استفاده از مدل AHP در محیGIS . مجله جغرافیا و برنامه­ریزی محیطی. شماره 4. 39-56.          DOI: 20.1001.1.20085362.1391.23.4.3.7  

 

Basu T, Pal S., 2019. RS-GIS based morphometrical and geological multi- criteria approach to the landslide susceptibility mapping in Gish River Basin, West Bengal India. Advances in Space Research 3: 1253-1269. https://doi.org/10.1016/j.asr.2018.10.033

Bera S, Guru B, Ramesh V., 2019. Evaluation of landslide susceptibility models: a comparative study on the part of Western Ghat Region, India. Remote Sensing Applications: Society and Environment 17: 39-52. https://doi.org/10.1016/j.rsase.2018.10.010

Bernknopf RL, Cambell RH, Brookshire DS, Shapiro CD., 1998. A probabilistic approach to landslide hazard mapping in Cincinnati, Ohio, with applications for economic evaluation. Bulletin of the Association of Engineering Geologists 25: 39-56.

https://doi.org/10.2113/gseegeosci.xxv.1.39

Brabb EE., 1991. The world landslide problem. Episodes Journal of International Geoscience 14: 52-61.‏ https://pubs.er.usgs.gov/publication/70197558

Chen K, Blong R, Jacobson C., 2012. MCE-Risk: Integrating Multicriteria Evolution and GIS for Risk Decision-Making in Natural Hazards. Environmental Modeling & Software 16: 387-397. DOI:10.1016/S1364-8152(01)00006-8

Chen W, He B, Zhang L, Nover D., 2016. Developing an integrated 2D and 3D WebGIS based platform for effective landslide hazard management. International Journal of Disaster Risk Reduction 20: 28-38. https://doi.org/10.1016/j.ijdrr.2016.10.003

D'Errico G E, Murru, N., 2012. Fuzzy Treatment of Candidate Outliers in Measurements. Advances in Fuzzy Systems 1-6. DOI:10.1155/2012/783843

Denison DGT, Holmes CC, Mallick BK, Smith AFM., 2002. Bayesian Methods for Nonlinear Classification and Regression. John Wiley & Sons, Chichester, west Sussex.

https://www.wiley.com/en-us/ Bayesian+ Methods+ for+ Nonlinear+ Classification+ and+ Regression- p-9780471490364

Faraji Sabokbar H, Shadman Roodposhti M, Tazik E., 2014. Landslide susceptibility mapping using geographically-weighted principal component analysis. Journal of Geomorphology 226: 15–24. https://doi.org/10.1016/j.geomorph.2014.07.026

Fathi M H, Khohdel K, Kandi Shoreh A, Ashrafi feini Z, Khaliji M A., 2015. The combination of spectral and spatial data in zoning oflandslide susceptibility (Case study: Sangorchay reservoir). Journal of Biodiversity and Environmental Sciences 2: 515-527.

http://www.innspub.net/wp-content/upl...

Hattanji T, Moriwaki H., 2009. Morphometric Analysis of Relic Landslides Using Detailed Landslide Distribution Maps: Implications for Forecasting Travel Distance of Future Landslides. Journal of Geomorphology 3: 447-454. https:// doi.org/ 10.1016/ j.geomorph .2008. 07. 009

Lantada N, Pujades L, Barbat A., 2009. Vulnerability index and capacity spectrum based methods for urban seismic risk evaluation. A comparison, Natural Hazards 51:501-524.

DOI:10.1007/s11069-007-9212-4

Melchiorre C, Tryggvason A., 2015. Application of a fast and efficient algorithm to assess landslide-prone areas in sensitive clays in Sweden. Natural Hazards and Earth System Sciences 12: 2703-2713. https://doi.org/10.5194/nhess-15-2703-2015

Neaupane KM, Piantanakulchai M., 2006. Analytic network process model for landslide hazard zonation, Engineering Geology 85: 281–294. https://doi.org/10.1016/j.enggeo.2006.02.003

Nefeslioglu HA, Duman TY, Durmaz S., 2008. Landslide susceptibilit, mapping for a part of tectonic Kelkit Valley (Eastern Black Sea region of Turkey). Journal of Geomorphology 94: 401-418. https://doi.org/10.1016/j.geomorph.2006.10.036

Piacentinia D, Troiani F, Soldati M, Notarnicola C, Savelli D, Schneiderbauer S, Strada C., 2012. Statistical analysis for assessing shallow-landslide susceptibility in South Tyrol (south-eastern Alps, Italy). Journal of Geomorphology 151-152: 196-206. DOI: 10.1016/ j. geomorph. 2012.02.003

Pradhan B., 2011. An Assessment of the Use of an Advanced Neural Network Model with Five Different Training Strategies for the Preparation of Landslide Susceptibility Maps. Journal of Data Science 9: 65-81. DOI:10.6339/JDS.201101_09(1).0006

Samodra G, Chen G, Sartohadi J, Kasama K., 2018. Generating landslide inventory by participatory mapping: an example in Purwosari Area, Yogyakarta Java. Journal of Geomorphology 306: 306-313. https://doi.org/10.1016/j.geomorph.2015.07.035

Shadman Roodposhti M, Rahimi S, Jafarbeglou M., 2013. PROMETHEE II and fuzzy AHP: an enhanced GIS-based landslide susceptibility mapping. Journal of Nat Hazards 1: 95-77. DOI: 10. 1007/ s11069-012-0523-8

Yamin F, Rahman A, Huq S., 2005. Vulnerability, Adaptation and Climate Disasters: A Conceptual overview. Institute of Development Studies Bulletin 4: 1-14. https://doi.org/ 10.1111/ j.1759-5436.2005.tb00231.x

Zhu A-X, Wang R, Qiao J, Qin C-Z, Chen Y, Liu J, Du F, Lin Y, Zhu T., 2014. An expert knowledge- based approach to landslide susceptibility mapping using GIS and fuzzy logic. Journal of Geomorphology 214: 128-138. https://doi.org/10.1016/j.geomorph.2014.02.003