تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,983 |
تعداد دریافت فایل اصل مقاله | 15,217,502 |
اولویت بندی عوامل موثر بر وقوع زمین لغزش با استفاده از با مدل رگرسیون لجستیک : مطالعه موردی: حوضه آبریز نازلوچای | ||
هیدروژئومورفولوژی | ||
دوره 7، شماره 23، شهریور 1399، صفحه 81-59 اصل مقاله (1.25 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/hyd.2020.11161 | ||
نویسندگان | ||
احمد نجفی ایگدیر* 1؛ شهرام روستایی2 | ||
1هیئت علمی | ||
2هیات علمی- مدیر گروه ژئومورفولوژی | ||
چکیده | ||
زمینلغزشها همواره نقش موثری در تحول و تکامل دامنهها داشته و مخاطرات جدی را در بیشتر نقاط زمین موجب شده اند. شناسایی عوامل مؤثر در وقوع زمین لغزش و پهنهبندی خطر آن جهت برنامهریزی و انجام اقدامات کنترلی از اهداف تحقیق حاضر میباشد. بنابراین برای مدیریت خطر در حوضه نازلوچای در شمال غرب ایران، کارایی روش آماری رگرسیون لجستیک مورد ارزیابی قرار گرفته است. برای انجام تحقیق، نقشه پراکنش زمینلغزشها از طریق بازدیدهای میدانی و استفاده از اطلاعات محلی، عکسهای هوایی و تصاویر ماهوارهای Google Earth، تهیه گردید. در ادامه، عوامل مؤثر در وقوع زمین لغزش شامل شیب، جهت شیب، ارتفاع، بارش، پوشش گیاهی، لیتولوژی، کاربری اراضی، فاصله از گسل، فاصله از رودخانه و فاصله از جاده با استفاده از نقشه توپوگرافی، عکس هوایی و تصاویر ماهوارهای تهیه و وارد مدل گردیدند. پس از کمّی کردن طبقات هر یک از لایههای موضوعی با استفاده از تراکم زمینلغزشها، لایهها استانداردسازی شدند و پهنهبنـدی با روشآماری رگرسیون لجستیک انجام گردید. با توجه به ضرایب متغیرهای مستقل، متغیرهای لیتولوژی، شیب و جهت شیب مهمترین عوامل موثر بر وقوع زمین لغزش های حوضه مورد مطالعه می باشند. همچنین مقادیر آماره های آزمون معناداری مدل نشان دهنده مناسب بودن این مدل برای حوضه مورد مطالعه می باشد. | ||
تازه های تحقیق | ||
- | ||
کلیدواژهها | ||
روش آماری رگرسیون لجستیک؛ پهنهبندی خطر زمینلغزش؛ سیستم اطلاعات جغرافیایی؛ حوضه آبریز نازلوچای؛ استان آذربایجان غربی | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
5- منابع Abedini, M., & Fathi, M. H. (2014). Zoning of landslide risk sensitivity in Khalkhal Chay watershed using multi-criteria models. Quantitative Geomorphological Research, 2(4), 71-85. Aleotti, P., & Chowdhury, R. (1999). Landslide hazard assessment: summary review and new perspectives. Bulletin of Engineering Geology and the environment, 58(1), 21-44. Ayalew, L., & Yamagishi, H. (2005). The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65(1-2), 15-31. Can, T., Nefeslioglu, H. A., Gokceoglu, C., Sonmez, H., & Duman, T. Y. (2005). Susceptibility assessments of shallow earthflows triggered by heavy rainfall at three catchments by logistic regression analyses. Geomorphology, 72(1-4), 250-271. Chung, C. F. (2002). Stability analysis of prediction models applied to landslide hazard mapping. Applied Geomorphology, Theory and Practice. pp. 1-19. Clark, W. A., & Hosking, P. L. (1986). Statistical methods for geographers (No. 310 C5). Dai, F. C., & Lee, C. F. (2002). Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology, 42(3-4), 213-228. Ebadinejad, S. A., Yamani, M., Maghsoudi, M., & Shadfar, S. (2007). Evaluating the efficiency of fuzzy logic operators in determining landslide capability (Case study of Shirood watershed). Iranian Journal of Watershed Management Science and Engineering, 1(2), 39-44. Geological maps of Urmia and Sero with a scale of 1: 100000 and geological maps with a scale of 1: 250,000. Geological Survey of Iran, 1988 and 2006, along with reports. Greco, R., Sorriso-Valvo, M., & Catalano, E. (2007). Logistic regression analysis in the evaluation of mass movements susceptibility: the Aspromonte case study, Calabria, Italy. Engineering Geology, 89(1-2), 47-66. Guzzetti, F., Carrara, A., Cardinali, M., & Reichenbach, P. (1999). Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology, 31(1-4), 181-216. Hosseinzadeh, M. M., Sarvati, M. R., Mansori, A., Mirbaghari, B., & Khazri, S. (2009). Zoning the risk of mass movement occurrences using logistic regression model, case study in vicinity of Sanandaj-Dehgolan road. Iranian Journal of Geology, 3(11), 27-37. Khodaei, L., Roustaei, S., & Hejazi, S. S. (2017). Evaluation of logistic regression method in landslide potential study Case study: Hajilar Chay river basin. Journal of Natural Geography, 10(37), 45-57. Kleinbaum, D. G., & Klein, M. (2010). Logistic Regression: A Self-learning Text. Springer Science and Business Media. New York, NY. Liu, J. G., & Mason, P. J. (2009). Essential image processing and GIS for remote sensing. John Wiley & Sons. 443p. Menard, S. (1995). Applied Logistic Regression Analysis: Sage University Series. Thousand Oaks. California. 98p. Meteorological Studies Report. (2006). General Department of Natural Resources of West Azerbaijan, Chaharmahal Water Rescue Consulting Engineers. MirNazari, J., Shahabi, H., & Khezri, S. (2014). Currency and Physics of the AHP and Objectives in the Islamic Republic of Iran. Journal of Geography and Development, 37, 53-70. Nefeslioglu, H. A., Gokceoglu, C., & Sonmez, H. (2008). An assessment on the use of logistic regression and artificial neural networks with different sampling strategies for the preparation of landslide susceptibility maps. Engineering Geology, 97(3-4), 171-191. Pourghasemi, H. R., Moradi, H. R., & Mohammadi, M. (2014). Landslide Susceptibility Zoning, Using Weight of Evidence Probabilistic Model. Engineering Journal of Geospatial Information Technology, 1(2), 69-80. Rahimpour, T., Roostaei, S. & Nakhostinrouhi, M. (2018). Landslide Hazard Zonation Using Analytical Hierarchy Process and GIS A Case Study of Sardool Chay Basin, Ardabil Province. Hydrogeomorphology, 4(13), 1-20. Roostaei, S., Khairizadeh, M., Sarafrozeh, S., & Najafi Igdir, A. (2012). Landslide risk zoning using the factor of uncertainty model. National Conference of the Iranian Geomorphological Association, 1, 163-165. Roostaei, S., Najafi Igdir, A., & Hejazi, A. (2018). Landslide Hazard Zonation Using the Fuzzy Logic Method in Nazlo-Chay Basin. Quantitative Geomorphological Research, 6(4), 103-119. Sadr al-Din, M., Ismaili, R., & Hosseinzadeh, M. M. (2009, Determination of Landslide Sensitivity Using Logistic Regression in Vaz Basin (Mazandaran Province). Journal of Natural Geography, 2(5), 83-73. Shariat, J. M., & Ghayoumian, J. (2008). Assessment of Bivariate Statistical Analysis Model in Landslide Hazard Zonation. Journal of Science (University of Tehran), 34 (1), 137-143. Shirani, K., & Arabameri, A. R. (2015). Landslide Hazard Zonation Using Logistic Regression Method (Case Study:Dez-e-Oulia Basin). Journal of Water and Soil Science, 19 (72), 321-335. Swets, J.A. (1988). Measuring the accuracy of diagnostic systems. Sicence, 240(4857), 1285-1293. Teimouri, M., & Asadi Nalivan, O. (2020). Susceptibility Zoning and Prioritization of the Factors Affecting Landslide Using MaxEnt, Geographic Information System and Remote Sensing Models (Case study: Lorestan Province). Hydrogeomorphology, 6(21), 155-179. Van Westen, C. J. (1998). Geographic Information Systems in Slope Instability Zonation (GISSIZ). ITC, P. 156.
| ||
آمار تعداد مشاهده مقاله: 541 تعداد دریافت فایل اصل مقاله: 354 |