ریزپهنه‌بندی زمین لغزش با استفاده از تحلیل رابطه‌ای خاکستری فازی ( مطالعه موردی : حوضه آبریز ملاغفار، شمال‌شرق خوزستان)

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه جغرافیا و برنامه ریزی شهری، دانشگاه شهید چمران اهواز

چکیده

زمین لغزش از پدیده‌های طبیعی است که در تحول و فرسایش اشکال زمین اثری تعیین کننده دارد. اهمیت این پدیده بویژه زمانی بیشتر می‌شود که در محدوده‌های سکونتگاهی انسان و یا نزدیک به آن، اتفاق بیفتد. در این پژوهش به مدل‌سازی شدت خطر وقوع زمین لغزش در حوضه آبریز ملاغفار با استفاده از مدل خاکستری فازی پرداخته شده است. مهمترین عوامل در تحلیل و بررسی زمین لغزش شیب، جهت شیب، ارتفاع، کاربری زمین، فاصله از شبکه آبراهه‌ها، سنگ‌شناسی، میزان بارش و پوشش گیاهی می‌باشند که به عنوان پارامترهای اصلی و موثر در پهنه‌بندی زمین لغزش حوضه قلمرو پژوهش، مورد واکاوی قرار گرفته‌اند. پس از تهیه لایه داده‌های متناسب با این عوامل و استانداردسازی آنها، از مدل وزن دهی و تحلیل رابطه‌ی خاکستری از نرم‌افزار ArcGIS استفاده شد و در نهایت با بکارگیری قواعد زمین آماری، به اعمال وزن‌های خروجی برای هر لایه اقدام و نقشه‌های مربوطه استخراج گردید. همچنین پس از هم پوشانی لایه‌ها، نقشه پهنه‌بندی خطر زمین لغزش در 5 طبقه : بسیار زیاد، زیاد، متوسط،کم و خیلی کم تهیه گردید. نتایج بدست آمده از مدل وزن‌دهی و تحلیل رابطه‌ی خاکستری فازی در منطقه مورد مطالعه بیانگر آن است که پارامترکاربری اراضی بیشترین (7028/0) و شبکه آبراه‌ها با (6892/0) کم ترین وزن را در مدل‌سازی زمین لغزش حوضه ملاغفار بدست آوردند. همچنین پهنه با خطر زمین لغزش بسیار زیاد، مساحتی نزدیک به 294703 متر مربع از کل حوضه را در بر می‌گیرد.

کلیدواژه‌ها


Ahmadi, H., 1995. Applied Geomorphology, Vol 1, Water Erosion, University of Tehran Press.
Ali Mohammadi, S., Pashaei Aval, A., Parsai, L., Hatami Moghadam, Z., 2017. Investigation of the effect of vegetation on the occurrence of landslides in the period 1967 to 2006 (Case study; Seyed Kalateh watershed Ramyan).2nd National Conference on Ecological Agriculture of Iran, Gorgan.
Azimpour, A., Sadoogh, H., Dalal Oghli, A., Servati, M., 2009. Evaluating the results of AHP model in landslide risk zoning (Ahar Chai Catchment). Geographical Space Quarterly 9(26), 83-71.
Biswajeet, P., 2016. Landslide susceptibility assessment and factor effect analysis: back propagation artificial neural networks and their comparison with frequency ratio and bivariate logistic regression modelling Original Research Article. Environmental Modelling & Software 25(6), 747-759.
Dabbaghi, A., Malek, A., Shafiei, M., 2010. Introduction of Grey Tool in Evaluating GOCAI Organizational Culture and Its Implementation in the Deputy of Engineering, Structure and Productivity of National Iranian Oil Company. Management Quarterly and Human Resources in Industry 13(84), 61.
Deng, J. L., 1982. Control problems of grey system. Systems and Control letters 1, 288-294.
Effati, M., Rajabi, M., 2011. Presenting a new method for identifying road accident hotspots using GIS and fuzzy inference (Case study of Cohen-Lushan axis). Journal of Surveying Science and Technology 1(2), 16-1.
Fardad, M, Alsheikh, A, Hakimpour, F, Vafinejad, A., 2011, Zoning of landslide hazard sensitivity by fuzzy logic neural network methods in GIS, a case study of Mal Khalifa region. 15th Conference of the Geological Society of Iran 1390, 14-1.
Fung, C. P., 2003. Manufacturing process optimization for wear property of fibre-reinforced polybutylene terephthalate composites with grey relational analysis. Wear 254, 298–306.
Huang, J.T., Liao, Y.S., 2003. Optimization of machining parameters of Wire-EDM bases on grey relation and statistical analysis. International Journal of Production Research 41, 1707–172.
Intarawichian, N., Dasananda, S., 2010. Analytical hierarchy process for landslide susceptibility mapping in Lower Mae Chaem watershed, Northern Thailand. Suranaree Journal of Science and Technology 17(3), 277-292.
Karimi, T, Sadeghi Moghadam, M., 2014. Rough Collections and Grey Collections. 1st Edition, Mehraban Book Institute, 45-40.
Mahdavi, M., Karimzadeh, H., 2006. Zoning of the central part of Varzeqan city for locating rural service centres using GIS. Geographical Research Quarterly 55, 242-203.
Malekian, A., Hassanpour, S., Faraji, S., Hassan Ali, K., Rahimi, S., 2018. Application and comparison of grey clustering analysis models and hierarchical analysis in locating suitable areas for flood watershed Gorbayegan. Iranian Journal of Watershed Management Science and Engineering 20, 46-35.
Mir Ahmadi, A., 2010. Landslide Hazard Zoning Using Hierarchical Analysis (AHP) Case Study of Chelav Amol Watershed. Iranian Journal of Geographical Association 8, 203-181.
Mora´n, J., Granada, E., Mı´guez, J.L., Porteiro, J., 2006. Use of grey relational analysis to assess and optimize small biomass boilers. Fuel Processing Technology 87, 123–127.
Mutreja, K.N., 1994. Applied Hydrology (Third Print). Published by Tata McGraw-Hill Publishing Company Limited.
National Iranian Oil Company, 2005. Report on Geological, Hydrological and Geophysical Studies of Pump Water Supply Project for Houses No. 4 and 5 of Dehdez Prepared by Fars Land Consulting Engineers, pp. 150.
Pourghasemi, H.R., Moradi, H., Mohammadi, M., Mostafizadeh, R., Goli Jirandeh, A., 2012. Landslide Hazard Zoning Using Bayesian Theory. Journal of Agricultural Science and Technology and Natural Resources, Soil and Water Sciences 62, 121-109.
Sadough, H., Arayesh, S., Sarai, A., 2008. Landslide Hazard Zoning in Tea Gardens (South of Lahijan and Langrood). Geography Quarterly, 17, 68-53.
Shamsi Poor, A., Sheikhi, M., 2010. Zoning of Sensitive Areas and Environmental Vulnerability in the West of Fars, by Fuzzy Classification Method and Hierarchical Analysis Process. Natural Geography Research 73, 89-53.
Shirani, K., Hashemi Jazi, M., Niknejad, A., Rakhsha, S., 2012. Landslide risk potential zoning by AHP hierarchical analysis and multivariate regression (MR) Case study of North Karun river basin mirage. Journal of Rangeland and Watershed Management (Journal of Natural Resources) 65(3), 38-22.
Shirani, K., Seif, A., 2016. Landslide risk zoning using statistical methods (Pishkuh region, Fereydunshahr city). Earth Sciences Quarterly 22(85), 149-158.
Shivani, C., 2010. Landslide Susceptibility Zonation through ratings derived from Artificial Neural Network Original Research Article. International Journal of Applied Earth Observation and Geo-information 12, 340-350.
Shojaeian, A., Maleki, S., Atash Afrooz, N., 2014. Geographical Technologies in Rural Planning, Ilam University Press, p. 28.
Shojaeian, A., Modiri, M., Omidipour, M., 2014. Application of Models in Geography. Publications of the Geographical Organization of the Ministry of Defence and Armed Forces Support, pp. 208 - 235.
Wang, H.C., Duanmu, L., Lahdema, R., Li, X., 2018. Afuzzy-grey multicriteria decision making model for district heating system. Applied Thermal Engineering 128, 1051-1061.
Guidelines for disaster prevention / Office of the United Nations Disaster Relief Co-ordinator, 1976, Vol 1, Pre-disaster physical planning of human settlements
Urmiaei, A, Ghayoumian, J, Bagheri, H, Haji Hassani, H., 2005, Landslide risk zoning in the catchment area of ​​SiahBishe dam, the ninth conference of the Iranian Geological Society 135.1384-125.