A Comparison of efficiency of the landslide hazard zonation using the Value Information and Density Area Models in Sistan and Baluchestan province

Authors

1 Department of Geology, College of Sciences, University of Sistan and Baluchestan

2 College of Geography, University of Sistan and Baluchestan

3 General Directorate of Roads and Urban Development Sistan and Baluchestan Province

Abstract

     Landslide is one of the natural hazards that causes physical and financial harm every year around the world. Landslide zoning is an important step towards landslide hazard and risk management. To find an appropriate model for landslide hazard zonation in Sistan and Baluchestan province, the efficiency of two models, including Value information and Density Area were tested. For this purpose at first, a landslide inventory map was prepared using previous reports and field surveys. Then maps of ten effective factors in the occurrence of landslide were prepared and classified. The weight of each factor’s classes were calculate based on two model of Value Information and Density Area .Then landslide hazard zonation maps were developed by using the Geographic Information System and crossing layers in Arc GIS software. These hazard maps show that areas with high attitude and flysch rock formation as well as areas where located along the major faults are prone and areas with low altitude are not prone to landslide. To compare methods and determine their efficacy relative to each other Sum quality (Qs) and precision (P) indices were used. Higher value of these indices for Value information show that this method more effective than Density area method in landslide hazard zonation in this area.
 

Keywords

References

اسلامی. س.س٬ درخشانی. ر٬ کاربرد روش‌های عددی در شناسایی چشمه‌های لرزه‌ای: مطالعه موردی استان سیستان و بلوچستان. مجله زمین‌شناسی کاربردی پیشرفته. دوره 4، شماره 14، صفحه 60-64
آقانباتی.ع ، ۱۳۸۳. زمین‌شناسی ایران. انتشارات سازمان زمین‌شناسی و اکتشافات معدنی کشور. ۵۸۶ ص
 پرتابیان. ع٬  فتوحی. ص.  ریگی. ح. ۱۳۹۵. استفاده از روش احتمالاتی در پهنه‌بندی خطر لرزه‌ای استان سیستان و بلوچستان. دوره 5، شماره 8، ص 1-16.
خاکسفیدی. ع ، نورا .ن ، بیرودیان. ن٬ نجفینژاد. ع. ۱۳۸۹ الگوی توزیع زمانی بارش در استان سیستان و بلوچستان. مجله پژوهشهای حفاظت آب و خاک جلد هفدهم، شماره اول ص ۴۵- ۶۱
شریعت جعفری. م،  غیومیان. ج. ،۱۳۸۷. ارزیابی کارایی مدل آنالیز آماری دومتغیره در پهنه‌بندی خطر زمین‌لغزش. مجله علوم دانشگاه تهران، جلد ۳۴، ص ۷۳۱-۳۴۱.
شیرانی.ک، سیف.٬ ع.، ۱۳۹۱. پهنه‌بندی خطر زمین‌لغزش با استفاده از روش‌های آماری منطقه پیشکوه، شهرستان فریدو نشهر.فصلنامه علوم زمین، سال بیست و دوم، شماره ۸۵، ص ۱۴۹- ۱۵۸.
شیرانی، ک. و سیف، ع.، 1391 .پهنه‌بندی خطر زمین‌لغزش با استفاده از روش‌های آماری )منطقه پیشکوه، شهرستان فریدونشهر(، فصلنامه علوم زمین، شماره 85 ،پاییز 1391 ،ص 158-149.
صابری چناری.ک ، سلمانی.ح ، محمدی.م٬ ۱۳۹۴. ارزیابی خطر زمین‌لغزش با استفاده از مدل‌های ارزش مطالعات و LNRF. اکو هیدرولوژی.دوره ۲ شماره ۱ ص ۱۰۵- ۱۱۶
طیبا . ع، داداشی. م،  نوربخش. س. ف، جمالی. ع، حسن‌آبادی، ع. ،۱۳۹۴. پهنه ‌بندی خطر زمین ‌لغزش با استفاده از روش ارزیابی چندمعیاره مکانی (SMCE)مطالعه موردی : حوضه آبخیز شهرستان بن استان چهارمحال و بختیاری . مجله جغرافیا و برنامه‌ریزی محیطی سال ۲۶ پیاپی ۲۷ شماره ۱ ص ۱۰۵-۱۱۶.
کامران زاد. ف، محصل افشار.  ع، مجرب. م، حسن.م، ۱۳۹۴. پهنه­‌بندی خطر زمین ‌لغزش در استان تهران با استفاده از روش‌های داده محور و تحلیل سلسله مراتبی. فصلنامه ‌علوم ‌زمین  سال بیست و پنجم، شماره ۹۷ ،ص ۱۰۱ ۱۱۴.
کرنژادی٬ آ. اونق٬ م. سعدالدین٬ ا..۱۳۹۲ پهنه‌بندی خطر و خسارت زمین‌لغزش مطالعه‌ی موردی: حوضه‌ی آبخیز زیارت، استان گلستان. دو فصل‌نامه علمی پژوهشی مدیریت بحران شماره هفتم. ص ۵۱-۶۲
کریمی.ح، گرایی.پ، توکلی.م،1391. پهنه‌بندی خطر وقوع فروچاله با استفاده از رگرسیون چند متغیره (مطالعه موردی، فروچاله های ریزش دشت جابر استان ایلام)، مجله زمین‌شناسی کاربردی پیشرفته، شماره 6، ص 62-53.
مصفایی. ج،  اونق. م، مصداقی. م،  محسن شریعت. ج. ،  ۱۳۸۸. مقایسه کارایی مدل‌های تجربی و آماری پهنه‌بندی خطر زمین‌لغزش (مطالعه موردی: آب خیز الموت رود). مجله پژوهش‌های حفاظت آب‌وخاک جلد شانزدهم، شماره چهارم،ص ۴۱-۶۱ .
نیک‌اندیش. ن. ،  ۱۳۷۸. بررسی نقش عوامل هیدرو اقلیم در وقوع حرکات توده‌ای با توجه به نقش رسوب زایی آن‌ها در حوضه کارون. پایان‌نامه دکتری هیدرو اقلیم. دانشگاه اصفهان، ۱۸۱ ص.
Conforti, M., Pascale, S., Robustelli, G. & Sdao, F. 2014. Evaluation of prediction capability of the artificial neural networks for mapping landslide susceptibility in the Turbolo River catchment (northern Calabria, Italy). Catena, 113, 236–250.
Constantin M, Bednarik M, Jurchescu MC, Vlaicu M. 2010, Landslide susceptibility assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu Basin (Romania), Environmental Earth Science, 63:397-406.
Ercanogla, M. Cokceoglu, C., 2002. Assessment of landslide susceptibility for a landslide pron area north of yenice, NW turkey by fuzzy Approach. Environmental geology. 41: 720-730.
Gee, M. D., 1992. Classification of landslides hazard Zonation methods and a test of predictive capability, Bell, Davi, H (Ed.), Proceedings 6th International Symposium on Landslide, 48-56.
Guzzetti, F., Cardinali, M., Relchenbach, P. Carrara, A., 2000. Comparing landslide map: A case study in the upper Tiber river basin, central Italy. Environmental management. 25: 247-263.
Jade, S.  Sarkar, S., 1993 Statistical models for Slope Instability classifications Engineering Geology, 36, 91-98.
Kornejady, A., Kohzad, H., Sarparast, M., Khosravi, G., Mombeini, M., 2014. Performance assessment of two “LNRF” and “AHP-Area Density” models in landslide susceptibility zonation. Journal of Life Science and Biomedicine, 4 (3), 169-176.
Kumar K, Sati D, Goyal N, Mathur S. 2005. Landslide hazard potential analysis using GIS, Patalganga Valley, Garhwal, Western Himalayan region of India. European Journal of Scientific Research. 45(3):346–366
Larsen, M.C., Wieczorek, G.F., Eaton, L.S., Torres-Sierra, H., Morgan, B.A., 2001. Venezuelan debris flow and flash flood disaster of 1999 studied. Eos. Trans. Am. Geophys. Union 82 (47)572–573.
Lee, S. kyungduck, M., 2001. Statistical analysis of landslide susceptibility at Yonging, Korea. Enviromented geology. 40:1095–1113.
Meinhardt M, Fink M, Tünschel H .2015. Landslide susceptibility analysis in central Vietnam based on an incomplete landslide inventory: comparison of a new method to calculate weighting factors by means of bivariate statistics. Geomorphology 234:80–97
Pardeshi, S.D., Autade, S.E., Pardeshi, S.S., 2013. Landslide hazard assessment: recent trends and techniques. Springerplus 2, 523.
Partabian, A., Nourbakhsh, A. and Ameri, S., 2016. GIS-based evaluation of geomorphic response to tectonic activity in Makran Mountain Range, SE of Iran. Geosciences Journal, 20(6), pp.921-934.
Pourghasemi, H.R., Mohammady, M., Pradhan, B., 2012d. Landslide susceptibility mapping using index of entropy and conditional probability models in GIS: Safarood basin, Iran. Catena 97, 71–84.
Pourghasemi, H.R., Pradhan, B., Gokceoglu, C., 2012c. Application of fuzzy logic and analytical hierarchy process (AHP) to landslide susceptibility mapping at Haraz watershed, Iran. Natural Hazards. 10.1007/s11069-012-0217-2
Regmi, N.R., Giardino, J.R., McDonald, E.V. & Vitek, J.D. 2014. A comparison of logistic regression-based models of susceptibility to landslides in western Colorado, USA. Landslides, 11, 247–262.
Saha, A.K., Gupta, R.P., Arora, M.K., 2002. GIS-based landslide hazard zonation in the Bhagirathi (Ganga) valley, Himalayas. Int. J. Remote Sens. 23, 357–369.
Sarkar. S, Kanungo. D. P, Patra. A. K., Kumar. P, 2008.GIS based spatial data analysis for landslide susceptibility mapping,Journal of Mountain Science. 1. 52–62.
Schilirò L,  Montrasio L, Scarascia  G.M, 2016  Prediction of shallow landslide occurrence: Validation of a physically-based approach through a real case study., Science of the Total Environment 569–570 .134–144
Shahabi H, Khezri S, Ahmad BB, Hashim M., 2014. Landslide susceptibility mapping at central Zab basin, Iran: a comparison between analytical hierarchy process, frequency ratio and logistic regression models. CATENA 115:55–70
Shirani, K., Ghayomian, J. and Mokhtari, A., 2005. Evaluation of bivariate and multivariate statistical methods in landslide hazard zonation, Journal of Water and Watershed, Soil Conservation and Watershed Management Research Institute, 36-48.
Stocklin, J., 1968. Structural history and tectonics of Iran, A review. American. Association Petroleum Geology. 52, 1229-1258.
Teixeira, M., Bateira, C., Marques, F Vieira, B. 2015.Physically based shallow translational landslide susceptibility analysis in Tibo catchment, NW of Portugal Landslides 12,455–468
Torkashvand, A. M., Irani, A., & Sorur, J. (2014). The preparation of landslide map by Landslide Numerical Risk Factor (LNRF) model and Geographic Information System (GIS). The Egyptian Journal of Remote Sensing and Space Science, 17(2), 159-170.
Xu, C., Dai, F., Xu, X., Lee, Y.H., 2012. GIS-based support vector machine modeling of earthquake-triggered landslide susceptibility in the Jianjiang River watershed, China. Geomorphology. .2011.12.040.
Yilmaz, I., 2010. Comparison of landslide susceptibility mapping methodologies for Koyulhisar, Turkey: conditional probability, logistic regression, artificial neural networks, and support vector machine. Environmental Earth Sciences 61 (4), 821–836.
Yin, K. J. Yan, T. Z., 1988. Statistical prediction model for slope instability of metamorphosed rocks, Proceedings 5th International Symposium on Landslides, Lausanne, Switserland. 2, 1269-1272.
Advanced Applied Geology
Volume 7, Issue 2
July 2017
Pages 1-11

Files

Share

How to cite

Statistics