تعداد نشریات | 44 |
تعداد شمارهها | 1,304 |
تعداد مقالات | 15,973 |
تعداد مشاهده مقاله | 52,332,620 |
تعداد دریافت فایل اصل مقاله | 15,094,249 |
کاربردمدل های آماری دو متغیره در پهنه بندی خطر زمینلغزش در حوضه آبریز نازلوچای | ||
هیدروژئومورفولوژی | ||
مقاله 1، دوره 8، شماره 27، شهریور 1400، صفحه 17-1 اصل مقاله (1.74 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/hyd.2021.25375.1376 | ||
نویسندگان | ||
احمد نجفی ایگدیر* 1؛ شهرام روستایی2؛ سید اسدالله حجازی3؛ معصومه رجبی2؛ نادر جلالی4 | ||
1دانشجوی دکتری ژئومورفولوژی،گروه ژئومورفولوژی، دانشکده برنامهریزی و علوم محیطی، دانشگاه تبریز | ||
2هیات علمی | ||
3استاد دانشگاه تبریز | ||
4استادیار جغرافیا، پژوهشکده حفاظت خاک و آبخیزداری کشور | ||
چکیده | ||
چکیده شناسایی عوامل مؤثر در وقوع زمینلغزش و پهنهبندی خطر آن جهت برنامهریزی و انجام اقدامات کنترلی از اهداف تحقیق حاضر میباشد. شناسایی این عوامل و ارزش گذاری هر عامل می تواند به پهنهبندی مناسب خطر زمین لغزش کمک کند. بنابراین برای مدیریت خطر در حوضه نازلوچای در شمال غرب ایران، کارایی روش های آماری دو متغیره مورد ارزیابی قرار گرفته است. لذا از طریق بازدیدهای میدانی و استفاده از اطلاعات محلی، عکس های هوایی، تصاویر ماهوارهای Google Earth، نقشه پراکنش زمینلغزش ها تهیه گردید. در ادامه عوامل مؤثر در زمینلغزش شامل شیب، جهت شیب، ارتفاع، بارش، پوشش گیاهی، زمینشناسی، 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. سـپس از طریـق همپوشـانی و انطبـاق نقشـههای عامـل بـا نقشـه پراکنش زمینلغزش بطور مستقل و جداگانـه، پهنهبنـدی خطـر زمینلغـزش بـا روشهای آماری دو متغیره (مدلهای گوپتا- جوشی و ارزش اطلاعاتی و تراکم سطح) انجام شد. در نهایت نقشه پهنهبنـدی خطـر زمینلغـزش با همپوشانی لایههای مختلف بدست آمده است. نتایج نشان میدهد که مدل تراکم سطح وارزش اطلاعاتی از کارایی بالایی برای پهنهبنـدی خطـر زمینلغـزش در مناطق نیمه خشک و مرطوب برخوردار هستند. | ||
کلیدواژهها | ||
مدلهای آماری دومتغیره؛ پهنهبندی خطر زمین لغزش؛ سیستم اطلاعات جغرافیایی؛ حوضه نازلوچای | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
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.
Adhikari, M. (2011). Bivariate statistical analysis of landslide susceptibility in western Nepal. Master thesis in geosciences. University of Oslo. pp: 1-88.
Aleotti, P. & Chowdhury, R. (1999). Landslide hazard assessment: summary review and new perspectives. Bull EngGeolEnv, 58: 21-44.
Amir Ahmadi, A., Pourhashemi, S., Akbari, E. (2014). Selection of an appropriate model among two-variable statistical methods for landslide risk zoning in GIS environment (Case study: Baqieh watershed). Geographical Studies of Arid Areas, 15, 71-89.
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.
Carrara, A., Cardinali, M., Detti, R., Guzzetti, F., Pasqui, V., Reichenbach P. (1991). GIS techniques and statistical models in evaluating landslide hazard. Earth Surf Proc Land 16, 427–445.
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.
Entezari, M., Izadi, Z. (2013). Study and evaluation of bivariate statistical methods in landslide risk zoning, Journal of Geography and Environmental Planning, No. 4,. 205-214.
Gemitzi, A., Falalakis, G. and Eskioglou, P. (2011). Evaluating landslide susceptibility using environmental factors, Fuzzy membership functions and GIS. Global Nest Journal, 13(1), 28-40.
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.
Gupta, R. P & Joshi, B. C. (1990). Landslide hazard zoning using the GIS approach- a case study from Ramganga catchment, Himalayas. Engineering geology, 28, 119-131.
Kanungo, D. P et al., (2009). Landslide susceptibility zonation (LSZ) mapping – a review. Journal of south Asia disaster studies, 2 (1), 81-105.
Karimi, H., Naderi, F., Morshedi, E., & Nikseresht M. (2011). Landslide Hazard Zoning in Chardavol Watershed in Ilam Using Geographic Information System (GIS). Journal of Applied Geology, 7(4), 319-332.
Karimi Sangochin, I., Onagh, M., & Saad al-Din, A. (2012). Comparison of the efficiency of 4 quantitative and semi-quantitative models of landslide risk zoning in Chehelchai watershed, Golestan province. Journal of Soil and Water Conservation Research, 19 (1), 183-196.
Magliulo, P. et al., (2008). Geomorphology and landslide susceptibility assessment using GIS and bivariate statistics, a case study in southern Italy. Nat Hazards 47, 411-435.
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.
Mosfaei, J., Onagh, M., & Mesdaghi, M. (2009). Comparison of the efficiency of experimental and statistical models of landslide risk zoning (Case study: Alamut River watershed). Journal of Soil and Water Conservation Research, 16(4), 43-61.
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.
Sakar, S., Kanungo, D.P. and Mehrotra, G.S., (1995). Landslide hazard zonation. A case study in Garhwal Himalaya, India. Mountain Research and Development, 15(4), 301–309.
Saha, A. K et al., (2005). An approach for GIS-based statistical landslide susceptibility zonation-with a case study in the Himalayas. Landslides 2, 61-69.
Shadfar, S., Nowruzi, A. A. Ghodoosi, J., and Jafar Gh. (2005). Landslide Hazard Zoning in Laktrashan Watershed, Soil and Water Conservation Extension Scientific Journal, 1, 1-10.
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 & Soeters, R. (1998). Geographic information systems in slope instability zonation (GISSIZ), ITC, P. 156.
Van Westen, C. J. (1997). Statistical landslide hazard analysis. ILWIS 2.1 for windows applications guide. ITC publication, Enschede, pp. 73-84.
Wang, K. L. and Meei-Ling L. (2010). Development of shallow seismic landslide potential map based on newmark's displacement. The case study of Chi-Chi earthquake, Taiwan, Environ Earth Sci, 60, 775-785.
Yin K, J. and Yan T. Z. (1988). Statistical prediction model for slope instability of metamorphosed rocks. Proceeding of the 5th international symposium on landslides, Lausanne, Switzerland 2, 1269-1272. | ||
آمار تعداد مشاهده مقاله: 444 تعداد دریافت فایل اصل مقاله: 389 |