نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

هدف اصلی این مقاله ارزیابی حساسیت زمین لغزش با استفاده از مدل سازی مبتنی بر خبره فازی است. عوامل موثر بر وقوع زمین لغزش مانند ارتفاع، شیب، جهت، سنگ شناسی، پوشش زمین، بارش و لرزه خیزی در نظر گرفته شد. رویکرد وزن‌دهی فازی مبتنی بر خبره (EFW) برای ترکیب این عوامل برای نقشه‌برداری حساسیت زمین لغزش (پلوپونز، یونان) استفاده شد. این روش نقشه حساسیت زمین لغزش منطقه مورد بررسی را تهیه کرد. زمین لغزش های مورد بررسی کم و بیش ویژگی های مشابهی دارند: حرکت کم عمق جانبی و پایین شیب خاک یا سنگ. اعتبار مدل نشان می دهد که سطوح حساسیت پیش بینی شده مطابقت خوبی با وقوع زمین لغزش های گذشته دارد. از این رو، نقشه حساسیت زمین لغزش به دست آمده می تواند قابل قبول باشد.
کلید واژه ها: 

مدل سازی حساسیت زمین لغزش ; وزن دهی فازی مبتنی بر متخصص ; GIS ; پلوپونز _ یونان

 

چکیده گرافیکی

1. مقدمه

زمین لغزش ها به عنوان یکی از مخرب ترین مخاطرات زمینی [ 1 ] در نظر گرفته می شوند، زیرا باعث خسارات اقتصادی، انسانی و زیست محیطی قابل توجهی در سراسر جهان می شوند. نزدیک به 9 درصد از بلایای طبیعی جهانی به رانش زمین اشاره دارد [ 2 ]. انتشار مقالات لغزش زمین از دهه 1990 تا به امروز افزایش قابل توجهی را تجربه کرده است [ 3 ]. ارزیابی حساسیت زمین لغزش می تواند مشکل باشد زیرا ارزیابی توزیع مکانی و زمانی رویدادهای گذشته برای مناطق بزرگ عمدتاً به دلیل محدودیت ها و شکاف های سوابق تاریخی و اطلاعات جغرافیایی بسیار دشوار است [ 4 ، 5 ]. بنابراین، حجم قابل توجهی از تحقیقات اخیر بر ارزیابی حساسیت زمین لغزش متمرکز شده است.6 ، 7 ].
حساسیت به زمین لغزش (LS) تمایل خاک یا سنگ برای ایجاد انواع لغزش است [ 6 ، 8 ]. LS معمولاً از طریق ابزارهای کارتوگرافی بیان می شود. چنین نقشه هایی برای توسعه طرح های کاهش و انتخاب مناسب ترین مکان ها برای ساخت و ساز مفید هستند. نقشه LS مناطقی را با پتانسیل لغزش زمین در آینده با ترکیب برخی از عوامل حیاتی که در وقوع زمین لغزش های گذشته نقش داشته اند، نشان می دهد [ 9 ].
ارتفاع، شیب، جهت، سنگ شناسی، پوشش زمین، بارش و لرزه خیزی به عنوان این عوامل در مطالعه ما انتخاب شدند. در بین تمام پارامترهای پهنه بندی LS، ارتفاع، شیب و جهت به عنوان مهم ترین عوامل شرطی سازی شناخته شده اند [ 10 ، 11 ، 12 ]. مجموعه داده ارتفاعی برای طبقه بندی امداد محلی و تعیین نقاط حداکثر و حداقل ارتفاع در داخل زمین مفید است. به طور کلی، از طریق ادبیات به خوبی توجیه شده است [ 13 ، 14]، که شیب شیب تأثیر زیادی بر لغزش زمین در پلوپونز دارد. پارامتر جنبه مربوط به هوازدگی دیفرانسیل، قرار گرفتن در معرض نور خورشید و بادهای خشک‌کننده و رطوبت خاک است. سنگ شناسی همچنین نقش کلیدی در فعالیت زمین لغزش ایفا می کند زیرا واحدهای سنگ شناسی مختلف دارای مقادیر حساسیت زمین لغزش متفاوتی هستند [ 15 ]. علاوه بر این، پایداری شیب به شدت تحت تأثیر پوشش زمین است. در نهایت، در طول دهه های گذشته، هم لرزه خیزی [ 16 ، 17 ، 18 ] و هم عامل بارش [ 19 ، 20 ، 21 ]] به عنوان عوامل شرطی در بسیاری از مطالعات پهنه بندی LS استفاده شده است. با توجه به بافت ژئوتکتونیکی در منطقه مورد مطالعه و همچنین عامل اقلیمی، لرزه خیزی و بارش در مطالعه گنجانده شد.
سیستم های اطلاعات جغرافیایی (GIS) یک فناوری کارآمد برای یکپارچه سازی و تجزیه و تحلیل حجم زیادی از داده های جغرافیایی است. در طول دهه های گذشته، بسیاری از روش های ارزیابی LS مبتنی بر GIS توسعه یافته اند. مرور کلی تحلیل های حساسیت زمین لغزش در [ 22 ، 23 ، 24 ، 25 ] ارائه شده است. مدل سازی LS به دو روش کیفی و کمی تقسیم می شود. مهمترین تفاوت این روش ها درجه عینیت آنهاست.
روش های کیفی به دانش و تجربه قبلی متخصصان بستگی دارد و شامل تجزیه و تحلیل ژئومورفولوژیکی [ 26 ] و استفاده از نقشه های شاخص یا پارامتر [ 27 ، 28 ] است. روش های کمی به عبارات عددی روابط بین عوامل شرطی و وقوع زمین لغزش بستگی دارد. آنها شامل رویکردهای مهندسی ژئوتکنیک [ 29 ، 30 ]، تجزیه و تحلیل آماری [ 31 ، 32 ، 33 ]، و همچنین رویکردهای جالب جدید ارزیابی LS مانند شبکه عصبی مصنوعی (ANN) و روش های منطق عصبی-فازی [ 34 ، 35 ] هستند.
با این حال، برخی از رویکردهای کیفی ایده رتبه بندی و وزن دهی به پارامترهای درگیر را در خود جای می دهند و ممکن است ماهیت نیمه کمی داشته باشند [ 34 ، 35 ، 36 ، 37 ]. استفاده از روش های کمی نباید به عنوان گزینه آسان تری نسبت به روش های کمی تلقی شود. روش‌های کیفی زمانی ارزشمند هستند که منابع یا داده‌های موجود حکم می‌کنند که ارزیابی کمی رسمی‌تر نامناسب یا غیرعملی است [ 38 ]]. از آنجایی که مقیاس کاری فعلی منطقه ای است (1:500000)، برای بررسی کاربرد وزن فازی مبتنی بر خبره توسط نویسندگان در نظر گرفته شد. همچنین ارزش تأکید بر کیفیت ارزیابی خطر زمین لغزش را دارد که به گستره شناخت، درک و توضیح خطرات مربوط می شود، که لزوماً به میزان کمی سازی آنها مربوط نمی شود [ 39 ]. چنین رویکردی به نام وزن دهی اعداد فازی ذوزنقه ای (TFNW)، در این مطالعه استفاده شد. وانگ و همکاران [ 40 ] مدلی را برای تولید نقشه پهنه بندی LS با استفاده از GIS در ناحیه گوئیژو (176167 کیلومتر مربع ) به کار برد. وزن هر عامل (و نسبتاً زیر کلاس) باعث لغزش با رویکرد TFNW به دست آمد. همچنین، وانگ و همکاران.[ 37 ] یک روش وزن دهی ارائه کرد که وزن عینی (بر اساس آنتروپی) را با وزن ذهنی (بر اساس TFNW) برای ارزیابی LS تحت محیط GIS ادغام کرد. وجه تمایز این روش در این است که فهرست زمین لغزش اجباری نیست، زیرا وزن دهی ها بر اساس دانش میدانی یک ژئومورفولوژیست با تجربه [ 41 ] تخصیص داده می شود.
هدف اصلی این مقاله تهیه نقشه منطقه ای حساسیت زمین لغزش در مقیاس منطقه ای با استفاده از رویکرد تحلیل نیمه کمی بود. عملکرد این مدل در شبه جزیره پلوپونز، یونان مورد ارزیابی قرار گرفت. علاوه بر این، تجزیه و تحلیل اعتبار برای تخمین توانایی پیش‌بینی مدل کاربردی اجرا شد.

2. منطقه مطالعه

روش پیشنهادی در پلوپونز، که بزرگترین شبه جزیره یونان و یکی از 9 بخش جغرافیایی آن را تشکیل می دهد، مورد ارزیابی قرار گرفت. در قسمت جنوبی یونان واقع شده است ( شکل 1 ) و از طریق تنگه کورینت به سرزمین اصلی متصل می شود. مساحت کل پلوپونز 21439 کیلومتر مربع است و جمعیت آن 1086935 نفر است (آژانس آمار یونان، 2001). مناطق کشاورزی، جنگلی و نیمه طبیعی بخش اصلی پلوپونز را پوشش می دهند، در حالی که شهری پوشش زمین غالب در منطقه ساحلی شبه جزیره است. آب و هوای معمولی مدیترانه ای با تابستان گرم و نسبتاً خشک بین ژوئن و آگوست و فصل مرطوب در طول پاییز، زمستان و بهار است [ 42 ].
Ijgi 03 00523 g001 1024
شکل 1. موقعیت منطقه مورد مطالعه (شبه جزیره پلوپونز) و مجموعه داده اعتبار سنجی زمین لغزش.
پلوپونز دارای ژئومورفولوژی پیچیده ای است، با کوهستانی در داخل، صخره های ساحلی بسیاری در جنوب، و حوضه ها، سواحل ساحلی، دریاچه ها و حوضه های داخلی در سواحل غربی و جنوب شرقی. شیب ها از ملایم تا بسیار تند متفاوت است، در حالی که شبکه زهکشی به خوبی توسعه یافته است و به شدت توسط تکتونیک گسل کنترل می شود. منطقه مورد مطالعه متعلق به یک زون فعال است که زمین‌ساختی آن از طریق گسل‌ها، زون‌های راندگی و چین‌خوردگی بیان می‌شود. تشکیلات سنگی اصلی در منطقه مورد مطالعه عبارتند از (الف) سنگهای کربناته (44%): سنگ آهک، دولومیت و مرمر. و (ب) رسوبات نئوژن (22%): معمولاً مارن، ماسه سنگ و گلسنگ. در این سازندها بیشتر زمین لغزش ها رخ داده است.
پلوپونز منطقه ای است که در اثر وقوع بلایای طبیعی شدید مانند زلزله، سیل، رانش زمین و آتش سوزی جنگل ها آسیب زیادی دیده است. بارندگی‌های شدید و زمین‌لرزه‌ها باعث وقوع چندین رویداد زمین لغزش شده است، عمدتاً در نواحی شمالی و غربی شبه جزیره [ 13 ، 43 ، 44 ]. بسیاری از رویدادهای جدی مربوط به زمین ساخت گسل های اصلی و مناطق ناپایدار واقع در شیب های تند است. علاوه بر این، مداخلات انسانی برای ساخت جاده ها نقش اساسی در فعال سازی زمین لغزش داشته است.
بر این اساس، منطقه مورد مطالعه یک منطقه فیزیوگرافی پیچیده را تشکیل می دهد که در آن همه عوامل تهویه زمین لغزش تنوع فضایی بالایی دارند. تنوع مکانی بالای عوامل به پیچیدگی شرایط محلی مربوط می شود. این شرایط منعکس کننده ویژگی های منطقه ای روند تجلی زمین لغزش است. علاوه بر این، این تنوع امکان ایجاد کلاس‌های متمایز را به منظور اجرای ارزیابی کارشناسان از LS برای هر کلاس فراهم می‌کند.

3. داده ها – روش ها

به منظور انجام تحلیل LS در منطقه مورد مطالعه، پایگاه داده فضایی طراحی و توسعه داده شد و ابزارهای تحلیل فضایی در محیط GIS با استفاده از بسته نرم افزاری ArcGIS (نسخه 9.3) پیاده سازی شدند. این پایگاه داده شامل دو بخش اصلی است: (الف) مجموعه داده ها با شرایط جغرافیایی پس زمینه (شیب، سنگ شناسی، پوشش زمین، و غیره ). و (ب) مجموعه داده لغزش (اعتبار).

3.1. داده ها

در این تحقیق ارتفاع، شیب، جهت، لرزه خیزی، بارندگی، سنگ شناسی و پوشش زمین به عنوان عوامل شرطی کننده حساسیت زمین لغزش انتخاب شده است. اگرچه هیچ دستورالعمل استانداردی برای انتخاب این پارامترها [ 23 ] وجود ندارد، اما ماهیت منطقه مورد مطالعه، مقیاس تجزیه و تحلیل و در دسترس بودن داده ها در نظر گرفته شد [ 25 ]. هفت عامل مورد استفاده در پژوهش حاضر بر اساس معیارهای ذکر شده انتخاب شدند، در حالی که خروجی های ادبیات و دستورالعمل های کلی برای مطالعات مبتنی بر GIS نیز در نظر گرفته شد [ 11 ، 12 ، 17 ، 20 ، 25 ].
اکثر این لایه‌ها از داده‌های پیوسته تشکیل شده‌اند، بنابراین باید به زیر کلاس‌های مجزا طبقه‌بندی شوند. در اینجا، طبقه‌بندی همه عوامل شرطی‌سازی به صورت زیر اجرا شد: طبقه‌بندی مساحت مساوی (در پنج کلاس) برای عوامل با مقادیر پیوسته (ارتفاع، شیب، لرزه‌خیزی، بارش) اجرا شد. برای پوشش زمین، سنگ شناسی و جنبه، ما تمام طبقات مقیاس اسمی را حفظ کردیم.
نقشه سنگ شناسی منطقه مورد مطالعه از نقشه زمین شناسی یونان با مقیاس 1:500000 (IGME, 1983) تهیه شده است. لایه پوشش زمین (با اندازه سلول 250×250 متر) در منطقه پلوپونز بر اساس برنامه CORINE (هماهنگ اطلاعات در مورد محیط زیست) بود. منطقه مورد مطالعه با پیروی از طرح طبقه بندی سطح 1 داده های CORINE [ 45 ] طبقه بندی شد.
مدل رقومی ارتفاع (DEM) کلید تولید پارامترهای توپوگرافی مختلف مربوط به فعالیت زمین لغزش منطقه مورد بررسی بود. در اینجا، ما از DEM از پایگاه داده SRTM (ماموریت توپوگرافی رادار شاتل) با اندازه سلول 90 × 90 متر استفاده کردیم. از این DEM، ارتفاع (0-2367 متر)، زاویه شیب (0-54 درجه) و جنبه شیب استخراج شده است. داده های بارش (339-1655 میلی متر) مورد استفاده در این مطالعه به میانگین بارندگی سالانه (MAP) در طول دوره 1950 تا 1974 اشاره دارد (منبع: شرکت برق عمومی، PPC، اندازه سلول: 250 × 250 متر). MAP میانگین رکوردهای بلند مدت موجود است [ 46 ]. ضریب لرزه ای (0.05-3.95 m/s 2) از نقشه شتاب اوج زمینی مورد انتظار (PGA) با دوره بازگشت 475 ساله (احتمال 10 درصد تجاوز در 50 سال) تهیه شده است. PGA حداکثر مطلق دامنه شتاب ثبت شده است [ 47 ]. منبع این نقشه (با اندازه سلول 250×250 متر) اتاق فنی یونان (TCG, 1992) بود. توزیع زمین لغزش به شدت تحت تأثیر لرزه خیزی و به ویژه شتاب زمین است، در حالی که روابط بزرگی-فاصله برای زمین لغزش های ناشی از زلزله ایجاد شده است [ 48 ]]. مطالعات قبلی بر نیاز به ترکیب عوامل دینامیکی (لرزه خیزی، بارندگی) با سایر عوامل «ایستا» برای نقشه‌برداری پهنه‌بندی حساسیت به زمین لغزش در مناطق تأکید داشت، در حالی که این عوامل نه تنها در فعال‌سازی مجدد زمین‌لغزش‌های قدیمی بلکه در توسعه موارد جدید نقش مهمی دارند. [ 49 ، 50 ].
با توجه به اینکه اجرای تحلیل نیمه کمی پیشنهاد شده در اینجا بر اساس فهرست زمین لغزش نیست، یک مجموعه داده اعتبارسنجی ( شکل 1 ) فقط برای تأیید نتایج حاصل از مدل استفاده شد. این مجموعه داده اعتبار شامل 141 زمین لغزش (که به عنوان ویژگی های نقطه ای در مرکز هر زمین لغزش ارائه شده است) در سراسر منطقه مورد مطالعه که از دو پایگاه داده اصلی زمین لغزش مشتق شده است: (الف) یک پایگاه داده نگهداری شده توسط موسسه زمین شناسی و اکتشافات معدنی (IGME) که فقط تشکیل شده است. از سوابق تاریخی اخیر، که دوره زمانی 1910 تا 1995 را پوشش می دهد [ 51]، و (ب) پایگاه داده – با رویدادهای زمین لغزش که از سال 1995 تا 2003 رخ داده است – بر اساس کار میدانی و تفسیر عکس های هوایی ایجاد شده است. زمین لغزش های مورد بررسی کم و بیش ویژگی های مشابهی دارند: حرکت بر اساس جانبی و پایین شیب خاک یا سنگ. زمین لغزش های ناشی از لرزه، در مجاورت گسل های فعال رخ می دهد، و معمولاً به سایر رویدادهای لرزه ای ثانویه، مانند روان شدن خاک، فرونشست نوار ساحلی، و ریزش سنگ مربوط می شود [ 48 ، 52 ، 53 ]. رویدادهای زیر آبی و روانگرایی در این مطالعه گنجانده نشده است. زمین لغزش های ناشی از بارندگی معمولاً رویدادهای سریع حرکت کوتاه هستند، در حالی که نوع حرکت کوتاه آهسته نیز رخ می دهد از جمله مناطق ناپایداری گسترده [ 54 ]]. آنها در شیب های طبیعی ملایم که در آن نوع انتقالی غالب است رخ می دهد. سطوح لغزش مسطح گاه به گاه در ناحیه هوازده مارن یا فلیش قرار دارند در حالی که سطح آب زیرزمینی در هنگام بارندگی شدید به سطح شیب می رسد. بحرانی ترین سازندهای مستعد زمین لغزش از نظر سنگ شناسی و ساختار، رسوبات فلیش و نئوژن هستند، در حالی که شیست و چرت به طور قابل توجهی در پدیده زمین لغزش نقش دارند [ 55 ]. لغزش هایی که معمولاً در شیب ملایم گوشته فلیش رخ می دهند، معمولاً کاملاً کم عمق هستند و به شکل ورقه ای از منطقه هوازده هستند که روی سطح لغزشی موازی با زمین می لغزند [ 56 ]. مطابق با [ 57 ، 58]، در این مقاله از واژه لغزش برای لغزش های زمینی انتقالی و چرخشی استفاده شده است که در مجموعه داده اعتبارسنجی ثبت شده است. این رویدادها به طور پیوسته در حجم متفاوت هستند، از هزاران متر مکعب تا چند میلیون متر مکعب [ 55 ] ، و بر اساس طبقه بندی [ 59 ] قدر کوچک تا بسیار بزرگ را به تصویر می کشند.

3.2. روش وزن‌دهی فازی مبتنی بر خبره (EFW).

روش نیمه کمی مبتنی بر خبره که در این مقاله استفاده شده است، اصلاح ترکیب خطی وزنی است. این روش یک نقشه LS را با ترکیب نقشه های عامل مختلف مربوط به پارامترهای شرطی سازی [ 36 ] توسعه می دهد. در اینجا، به منظور کمی کردن تأثیر کلاس‌های مختلف برای استانداردسازی هر عامل، از وزن‌دهی اعداد فازی ذوزنقه‌ای (TFNW) استفاده کردیم. جزئیات این رویکرد توسط [ 40 ] شرح داده شده است. بنابراین، ما یک روش وزن‌دهی فازی مبتنی بر خبره (EFW) را معرفی کردیم. مراحل اصلی این روش در زیر ارائه شده است:

(آ)
تعریف متغیرهای زبانی و اعداد فازی برای کلاس‌های LS به منظور گنجاندن عدم قطعیت در تحلیل. همه اعداد فازی به صورت (a k , b k , c k , d k ) بیان می شوند. تعریف این اعداد فازی در جدول 1 نشان داده شده است .
جدول
جدول 1. متغیرهای زبانی و مطابقت آنها اعداد فازی و عضویت.
(ب)
در مرحله بعد، از سه کارشناس با تجربه و دانش علمی از منطقه مورد مطالعه دعوت کردیم تا وزن اهمیت زبانی را برای هر طبقه از هر عامل فهرست کنند. از این قضاوت های زبانی ما اعداد فازی مربوطه را به دست آوردیم. این گونه قضاوت ها ناگزیر ذهنی هستند، اما با پیشنهاد چندین سناریو احتمالی و به دنبال آن آزمایش سیستماتیک و حذف گزینه ها، در نتیجه بررسی و بحث بیشتر، می توان تخمین های قابل اعتمادی را ایجاد کرد. شواهد تجربی نشان می دهد که قضاوت های گروهی; به نظر می رسد دقیق تر از قضاوت های یک عضو معمولی گروه [ 38 ] باشد. مجموع این اعداد هنوز یک عدد مبهم است. بنابراین، ما به محاسبه وزن‌های فازی جمع‌آوری شده زیر کلاس‌های جداگانه پرداختیم ( جدول 2).
(ج)
پس از فازی‌سازی وزن‌های فازی زیر کلاس‌های حساس به زمین لغزش، به محاسبه وزن‌های نرمال‌شده و ساخت بردار وزن می‌پردازیم.
برای مثال، استانداردسازی دسته اول («سطوح مصنوعی») برای فاکتور پوشش زمین (LC) بر اساس سه متغیر فازی خبره D 1 , D 2 , D 3 با D 1 = (5, 7, 7, 10) است. ، D 2 = (2، 5، 5، 8)، و D 3 = (2، 5، 5، 8). بنابراین، وزن فازی کل برای این کلاس w’ LC,1 = ((D 11 + D 21 + D 31 )/3)، ((D 12 + D 22 + D 32 )/3، ((D 13 + ) است. D 23 + D 33 )/3)، ((D 14 + D 24+ D 34 )/3)) = (3.0، 5.7، 5.7، 8.7). به طور مشابه، وزن‌های فازی تجمیع شده برای دو دسته دیگر از ضریب LC عبارتند از w’ LC,2 = (4.0، 6.3، 6.3، 9.3) و w’ LC,3 = (0.7، 3.7، 3.7، 6.0). مقادیر غیرفازی‌شده وزن‌های فازی تجمعی dw’ LC,1 = ((3.0 + 5.7 + 5.7 + 8.7)/4) = 5.8، dw’ LC,2 = ((4.0 + 6.3 + 6.3 + 9.3)/4) است. = 6.5 و dw′ LC,3 = ((0.7 + 3.7 + 3.7 + 6.0)/4) = 3.5. بر این اساس، وزن های نرمال شده عبارتند از w LC,1 = 0.37، w LC،2 = 0.41 و w LC،3 = 0.22 و بردار وزنی برای ضریب پوشش زمین w LC است.= (0.37، 0.41، 0.22). بردار وزن دار مقادیر استاندارد را برای هر کلاس از همه عوامل ارائه می دهد. با اجرای همان روشی که قبلاً توضیح داده شد، از متغیرهای زبانی مبتنی بر خبره برای محاسبه وزن اهمیت برای هر عامل استفاده کردیم ( جدول 3 ).

جدول
جدول 2. مقوله ها، مقادیر فازی و وزن برای عوامل مرتبط با زمین لغزش.
جدول
جدول 3. مقادیر وزن برای هر عامل با توجه به روش وزن دهی فازی مبتنی بر خبره (EFW).
(د)
آخرین مرحله، تجمیع مقادیر نسبی، و تولید نقشه نهایی حساسیت زمین لغزش مبتنی بر خبره است ( شکل 2 ). این مرحله با استفاده از روش ترکیب خطی وزنی [ 60 ] اجرا شد. بنابراین، هر عامل استاندارد شده در وزن آن ضرب می شود و نتایج بر اساس فرمول زیر خلاصه می شود:

Ijgi 03 00523 i002

که در آن، LS Expert امتیاز نهایی حساسیت زمین لغزش محاسبه شده برای هر پیکسل است، fw i وزن فاکتور و w i,j امتیاز استاندارد شده برای کلاس j عامل است. ما نقشه نهایی LS را به پنج دسته مجزا طبقه بندی کردیم: ” بسیار کم “، ” کم “، ” متوسط “، ” زیاد ” و ” بسیار زیاد ” حساسیت زمین لغزش بر اساس انحراف استاندارد [ 23 ]. این روش از مقدار میانگین برای ایجاد شکست های کلاس با افزودن یا تفریق یک انحراف استاندارد در یک زمان استفاده می کند [ 10]. علاوه بر این، برای حفظ پنج کلاس، ما نقاط پرت بسیار کم و زیاد را به ترتیب در کلاس‌های حساسیت « خیلی کم » و « بسیار زیاد» تعبیه کردیم.

Ijgi 03 00523 g002 1024
شکل 2. نقشه حساسیت زمین لغزش تولید شده توسط مدل EFW.

4. نتایج

نتایج کلی تجزیه و تحلیل EFW در جدول 2 و جدول 3 ارائه شده است. به گفته کارشناسان، مهمترین عوامل شرطی‌کننده، بارش، شیب و سنگ‌شناسی به ترتیب با مقادیر وزنی 0.18، 0.18 و 0.17 است. ارزیابی اهمیت برای هر زیر کلاس برای عوامل با مقادیر پیوسته (شیب، بارش، لرزه خیزی) کم و بیش خطی است. با توجه به این عوامل، کارشناسان تخمین زدند که مقادیر بالا با حساسیت بالا به زمین لغزش ارتباط دارد. از نظر سنگ شناسی، پوشش زمین و جنبه (عوامل با ارزش اسمی)، زیر طبقات « فلیش »، « مناطق کشاورزی » و « رو به غرب » بالاترین ارزش را دارند ( یعنی.، مقادیر وزنی به ترتیب 0.22، 0.41 و 0.27). در مقابل، زیر کلاس‌های «سنگ‌های آهکی »، « جنگل و زمین نیمه طبیعی » و « روی مسطح » کمترین ارزش‌های مربوط به نقشه‌برداری LS را دارند ( یعنی مقادیر وزنی به ترتیب 0.06، 0.22 و 0.11).
نقشه خروجی LS ( شکل 2 ) از مدل EFW نشان می‌دهد که 25 درصد (5239 کیلومتر مربع ) و 7 درصد (1370 کیلومتر مربع ) از منطقه مورد مطالعه به ترتیب در مناطق حساس « بالا » و « بسیار زیاد» طبقه‌بندی شدند. همین نقشه همچنین نشان می‌دهد که بخش‌های شمالی، مرکزی و جنوب-جنوب‌غربی منطقه مورد مطالعه در مقیاس « بالا » و « خیلی زیاد» مستعد هستند. در نهایت، همپوشانی نقشه نهایی LS با مجموعه داده های اعتبارسنجی زمین لغزش نشان داد که 16٪، 38٪ و 38٪ (مجموع: 92٪) از رویدادهای زمین لغزش در ” خیلی زیاد “، ” زیاد ” و ” متوسط ” قرار دارند.مناطق حساس به زمین لغزش (در مجموع 71 درصد از منطقه مورد مطالعه). قابل ذکر است که بر اساس مدل مورد استفاده تنها 7% و 1% از رخدادهای زمین لغزش به ترتیب در مناطق حساس ” کم ” و ” خیلی کم ” قرار دارند.
برای تخمین حساسیت وزن‌دهی برای روش فوق، تحلیل حساسیت با تغییر وزن سه عامل مهم (شیب، MAP و سنگ‌شناسی) و بررسی تأثیر این تغییر بر روی نقشه LS خروجی [ 61 ] انجام شد.
بنابراین، یک سری از اجراهای ارزیابی انجام شد. در این آزمون ها وزن مهم ترین عامل (5±، 10 درصد و 20 درصد) تغییر یافت. در همان زمان، وزن سایر معیارها به تناسب تنظیم شد تا قاعده ای را برآورده کند که مستلزم مجموع وزن ها به یک است. بر این اساس، برای هر شبیه سازی یک سری از نقشه های ارزیابی LS تولید و با نقشه خروجی LS اجرای پایه مقایسه شد. در نهایت، یک جدول خلاصه ( جدول 4 ، جدول 5 و جدول 6 ) برای تعیین کمیت تغییرات در نقشه های ارزیابی در مقایسه با نقشه پایه ایجاد شد.
جدول
جدول 4. تغییرات نقشه ارزیابی (%) (تحلیل حساسیت فاکتور شیب).
جدول
جدول 5. تغییرات در نقشه ارزیابی (%) (تحلیل حساسیت عاملی میانگین بارش سالانه (MAP).
جدول
جدول 6. تغییرات در نقشه ارزیابی (%) (تحلیل حساسیت فاکتور لیتولوژی).
نتایج تجزیه و تحلیل حساسیت نشان می‌دهد که ناحیه بسیار محدود (کمتر از 0.2٪) با تغییر بسیار قابل توجه (بیش از یک کلاس حساسیت) از هر رتبه اصلی در اجرای پایه وجود دارد. همچنین شیب حساس ترین معیاری است که با تغییر وزن 20 درصدی باعث تغییر کلاس حساسیت برابر با 6/27 درصد می شود. بیشترین تغییر (8.78 درصد) در این دوره از کلاس متوسط ​​به کلاس بالا بود. بیشترین تنوع در تجزیه و تحلیل حساسیت در کلاسهای متوسط ​​, زیاد و پایین رخ داد . کلاس های خیلی زیاد و خیلی پایین نسبتاً پایدار هستند.
همچنین یک تحلیل اعتبارسنجی استاندارد با استفاده از مجموعه داده اعتبارسنجی به منظور برآورد عملکرد کلی مدل LS در منطقه مورد مطالعه انجام شد. برای اعتبار سنجی خروجی از تجزیه و تحلیل ما، منحنی ویژگی های عملیاتی گیرنده (ROC) ترسیم شد و مقدار مساحت زیر منحنی (AUC) برای مدل پیشنهادی محاسبه شد. در عمل، AUC بسیار خوب عمل می کند و اغلب زمانی استفاده می شود که یک معیار کلی از پیش بینی مورد نظر باشد [ 62 ]. تجزیه و تحلیل ROC به عنوان یک روش قدرتمند برای اعتبارسنجی مدل های حساسیت زمین لغزش در نظر گرفته می شود [ 19 , 63]. مقدار AUC از 0.5 تا 1.0 متغیر است. مدل ایده آل مقدار AUC نزدیک به 1.0 (برازش کامل) را به دست می دهد، در حالی که مقدار نزدیک به 0.5 نشان دهنده یک مدل نادرست (تناسب تصادفی) است.
شکل 3 منحنی ROC مدل EFW را برای مجموعه داده اعتبار سنجی نشان می دهد. مقدار AUC 0.70 توانایی پیش بینی منطقی مدل را نشان می دهد.
Ijgi 03 00523 g003 1024
شکل 3. منحنی ویژگی های عملکرد گیرنده (ROC) برای مدل EFW.

5. بحث و نتیجه گیری

این مطالعه از روش مبتنی بر خبره (EFW) برای تهیه نقشه حساسیت زمین لغزش در مقیاس منطقه ای (شبه جزیره پلوپونز، یونان) استفاده کرد. برای دستیابی به این هدف، هفت عامل شرطی‌سازی (ارتفاع، شیب، جهت، لرزه‌خیزی، بارش، سنگ‌شناسی و پوشش زمین) در نظر گرفته شد.
برای ایجاد نقشه حساسیت EFW همه عوامل پس از وزن دهی مبتنی بر خبره ترکیب شدند. برای این مدل نیازی به نقشه فهرست زمین لغزش نیست. این نوع تحلیل کاملاً ذهنی است. تا حدودی، نظرات ممکن است برای هر متخصص فردی تغییر کند و در نتیجه ممکن است در معرض محدودیت های شناختی با عدم قطعیت و ذهنیت قرار گیرد. با این حال، روش های وابسته به نظرات متخصص اغلب برای ارزیابی های منطقه ای مفید هستند [ 22 ]. بیشتر تحقیقات کمی/نیمه کمی حساسیت زمین لغزش با دعوت از تعداد محدودی از متخصصان، از استراتژی مشابهی با استراتژی پیشنهادی پیروی می‌کنند (به [ 24 ، 64 ] مراجعه کنید.]). مسئله اصلی دعوت تا حد امکان از دانشمندان نیست، بلکه دعوت از کارشناسانی است که اطلاعات دقیقی از زمین لغزش‌ها در منطقه مورد بررسی داشته باشند و از اجماع کلی ارزیابی آنها در مورد اهمیت عوامل دخیل اطمینان حاصل شود.
با اجرای تحلیل ROC می‌توانیم دقت پیش‌بینی یک مدل را ارزیابی کنیم. در این مطالعه، منطقه ROC تجربی برای مدل EFW برای مجموعه داده اعتبار 70/0 برآورد شد ( شکل 3 ). سپس، 70.0% توافق بین نقشه LS تهیه‌شده و مکان‌های لغزش مجموعه داده اعتبارسنجی وجود دارد که با در نظر گرفتن مقیاس تحلیل، نتیجه معقولی است. اخیراً، تحلیل‌های LS در ادبیات بین‌المللی از تحلیل ROC نه تنها برای اعتبارسنجی مدل‌های نگاشت حساسیت زمین لغزش، بلکه برای مقایسه قابلیت‌های پیش‌بینی آن‌ها استفاده کرده‌اند. بسیاری از محققان – در میان دیگران [ 65 ، 66]-رویکردهای مبتنی بر متخصص را برای نقشه برداری LS در مقیاس منطقه ای با نتایج منصفانه تا خوب اجرا کرده اند (مقادیر AUC: 0.65-0.81).
اجرای مدل مبتنی بر خبره در منطقه مورد مطالعه نشان داد که مناطق مختلفی در پلوپونز وجود دارد که به نظر می‌رسد خوشه‌های مختلف حساسیت به زمین لغزش را پیکربندی می‌کنند ( شکل 2 ). مقادیر حساسیت بالا عمدتاً در شمال، مرکز و جنوب-جنوب غربی پلوپونز قرار دارند. بر اساس نقشه نهایی LS، منطقه حساسیت « بسیار زیاد» بخش قابل توجهی از منطقه مورد مطالعه (7 درصد از کل منطقه) را پوشش می‌دهد. بیشتر رویدادهای زمین لغزش مجموعه داده اعتبار سنجی در مناطقی با ارتفاع کمتر از 880 متر، زاویه شیب از 7 درجه تا 15 درجه، رو به شمال یا غرب، سطوح بالای بارندگی سالانه (991-1170 میلی متر) و شتاب لرزه ای بالا (2.91-) رخ می دهد. 3.10 m/s 2 ).
مهم ترین عوامل پهنه بندی LS در منطقه مورد مطالعه، بارش، شیب و سنگ شناسی است. به نظر می رسد که گنجاندن عوامل دینامیکی (بارش، لرزه خیزی) در این تحلیل منطقه ای کم و بیش برای ارزیابی حساسیت زمین لغزش مفید بوده است.
ایده اصلی این استراتژی تحقیق، بررسی چگونگی اثربخشی این روش «ذهنی» در این مقیاس است. یافته های تحلیل ما کم و بیش قابل قبول است. بنابراین، در دنیای آینده، ما قصد داریم این روش را با مدل‌سازی آماری (بر اساس موجودی‌های زمین لغزش) در یک “رویکرد ترکیبی” ترکیب کنیم.
برخی از ویژگی های اساسی، محدودیت ها و مفروضات روش باید اشاره شود. محدودیت روش پیشنهادی این است که ارزیابی LS به قضاوت ذهنی متخصصان وابسته است و می تواند به تفاوت های جزئی در وزن های مرتبط با عوامل حساس باشد [ 64 , 67 , 68]. برای مقابله با این مشکل تحلیل حساسیت انجام شد. ثانیا، به عنوان تجزیه و تحلیل بر اساس مجموعه داده های مقیاس متوسط، نتایج برای تجزیه و تحلیل خاص سایت گرا نامناسب هستند. در مقیاس های بزرگ، مجموعه داده های جامع تر و اطلاعات ژئوتکنیکی دقیق تر مورد نیاز است. تقسیم بندی زیرطبقه عوامل شرطی به عنوان ذهنی ترین جنبه روش های پهنه بندی ناپایداری شیب در نظر گرفته می شود. با این حال، استفاده از برخی سازگاری (به عنوان مثال، اتخاذ رویکرد طبقه بندی مشابه) در حوزه های مختلف مطالعاتی ممکن است به کاهش اثرات ذهنیت کمک کند. علاوه بر این، رویکرد پیشنهادی بر اجماع اصرار ندارد، بلکه یک نتیجه ترکیبی از قضاوت‌های کارشناسان را رسمیت می‌دهد. همچنین لازم به ذکر است که طبق تحلیل ما، نقشه خروجی LS تنها توزیع فضایی پیش‌بینی‌شده زمین لغزش را نشان می‌دهد. احتمال لغزش زمین را نشان نمی دهد. بنابراین، نتایج حاصل از این مقاله باید در مرحله اول نگاشت اولیه حساسیت مورد استفاده قرار گیرد. علیرغم این محدودیت ها، روش مورد استفاده می تواند نقشه های قابل اعتماد حساسیت زمین لغزش را در مقیاس منطقه ای تولید کند. این اطلاعات بسیار مفیدی برای مقامات محلی و تصمیم گیرندگان به منظور هدف قرار دادن استراتژی های کاهش خود است.

منابع

  1. Zillman, J. گزارش مدیر هواشناسی در مورد عملکرد پیش‌بینی و هشدار اداره هواشناسی برای طوفان تگرگ سیدنی در 14 آوریل 1999. Bur. هواشناسی 1999. در دسترس آنلاین: http://www.bom.gov.au/inside/services_policy/storms/sydney_hail/hail_report.shtml (در 18 نوامبر 2013 قابل دسترسی است).
  2. گوکچ اوغلو، سی. سونمز، اچ. Nefeslioglu، HA; دومان، TY; Can, T. لغزش کوزولو در 17 مارس 2005 (سیواس، ترکیه) و نقشه حساسیت به زمین لغزش در مجاورت آن. مهندس جئول 2005 ، 81 ، 65-83. [ Google Scholar ] [ CrossRef ]
  3. گوتییررز، اف. سولداتی، م. اودمارد، اف. Balteanu، D. پیشرفت های اخیر در بررسی زمین لغزش: مسائل و دیدگاه ها. ژئومورفولوژی 2010 ، 124 ، 95-101. [ Google Scholar ] [ CrossRef ]
  4. ون وستن، سی جی; ون اش، TWJ; Soeters، R. خطر زمین لغزش و پهنه بندی خطر – چرا هنوز اینقدر دشوار است؟ گاو نر مهندس جئول محیط زیست 2006 ، 65 ، 167-184. [ Google Scholar ] [ CrossRef ]
  5. ورگاری، ف. دلا ستا، م. دل مونته، ام. فردی، پ. لوپیا پالمیری، E. ارزیابی حساسیت زمین لغزش در دره اورسیای بالایی (توسکانی جنوبی، ایتالیا) از طریق تجزیه و تحلیل شرطی: سهمی در انتخاب بی‌طرفانه عوامل علّی. نات. خطر. سیستم زمین علمی 2011 ، 11 ، 1475-1497. [ Google Scholar ] [ CrossRef ]
  6. گوزتی، اف. کارارا، ا. کاردینالی، م. رایچنباخ، ص. ارزیابی خطر زمین لغزش: مروری بر تکنیک های فعلی و کاربرد آنها در یک مطالعه چند مقیاسی در مرکز ایتالیا. ژئومورفولوژی 1999 ، 31 ، 181-216. [ Google Scholar ] [ CrossRef ]
  7. Van Westen، CJ مدل‌سازی خطرات زمین لغزش با استفاده از GIS. Surv. ژئوفیز. 2000 ، 21 ، 241-255. [ Google Scholar ] [ CrossRef ]
  8. کروزیر، ام جی. Glade، T. خطر و خطر زمین لغزش: مسائل، مفاهیم و رویکرد. در ارزیابی خطر زمین لغزش ; Glade, T., Anderson, MG, Crozier, MJ, Eds. جان وایلی: نیویورک، نیویورک، ایالات متحده آمریکا، 2005; صص 1-40. [ Google Scholar ]
  9. سانتاکانا، ن. بائزا، بی. کرومیناس، جی. دی پاز، آ. Marturia، J. یک تجزیه و تحلیل آماری چند متغیره مبتنی بر GIS برای نگاشت حساسیت زمین لغزش کم عمق در منطقه La Pobla de Lillet (Pirenees شرقی اسپانیا). نات. خطر. 2003 ، 30 ، 281-295. [ Google Scholar ]
  10. آیالو، ال. Yamagishi، H. کاربرد رگرسیون لجستیک مبتنی بر GIS برای نقشه‌برداری حساسیت زمین لغزش در کوه‌های Kakuda-Yahiko ژاپن مرکزی. ژئومورفولوژی 2005 ، 65 ، 15-31. [ Google Scholar ] [ CrossRef ]
  11. ماگلیولو، پی. لیزیو، ا. روسو، اف. Zelano، A. ژئومورفولوژی و ارزیابی حساسیت زمین لغزش با استفاده از GIS و آمار دو متغیره: مطالعه موردی در جنوب ایتالیا. نات. خطر. 2008 ، 3 ، 411-435. [ Google Scholar ] [ CrossRef ]
  12. Hasekioǧullari، GD; Ercanoglu، M. رویکردی جدید برای استفاده از AHP در نقشه‌برداری حساسیت زمین لغزش: مطالعه موردی در Yenice (کارابوک، شمال غربی ترکیه). نات. خطر. 2012 ، 63 ، 1157-1179. [ Google Scholar ] [ CrossRef ]
  13. روزوس، دی. Bathrellos، GD; Skillodimou، HD مقایسه اجرای سیستم مهندسی سنگ و روش‌های فرآیند تحلیل سلسله مراتبی، بر روی نقشه‌برداری حساسیت زمین لغزش، با استفاده از GIS: مطالعه موردی از شهرستان Achaia شرقی پلوپونسوس، یونان. محیط زیست علوم زمین 2011 ، 63 ، 49-63. [ Google Scholar ] [ CrossRef ]
  14. پاپاتاناسیو، جی. والکانیوتیس، آی. گاناس، ا. Pavlides، S. تجزیه و تحلیل آماری مبتنی بر GIS از توزیع فضایی، زمین لغزش های ناشی از زلزله در جزیره، Lefkada، جزایر ایونی، یونان. زمین لغزش 2012 ، 10 ، 771-783. [ Google Scholar ]
  15. کارارا، ا. کاردینالی، م. دتی، آر. گوزتی، اف. پاسکوی، وی. تکنیک‌ها و مدل‌های آماری GIS در ارزیابی خطر زمین‌لغزش رایشن‌باخ، P. زمین گشت و گذار. روند. Landf. 1991 ، 16 ، 427-445. [ Google Scholar ] [ CrossRef ]
  16. کوماک، م. Ribicic، M. نقشه حساسیت زمین لغزش اسلوونی در مقیاس 1:250000. Geologija 2006 ، 49 ، 295-309. [ Google Scholar ] [ CrossRef ]
  17. داس، او. سونمز، اچ. گوکچ اوغلو، سی. Nefeslioglu, H. مطالعه ای در مورد تأثیر شتاب زمین بر روی نقشه های حساسیت زمین لغزش. ژئوفیز. Res. Abstr. 2010 ، 12 . EGU2010-5885-1. [ Google Scholar ]
  18. پاریک، ن. شارما، ام ال. Arora، MK تاثیر عوامل لرزه ای بر پهنه بندی حساسیت زمین لغزش: مطالعه موردی در بخشی از هیمالیاهای هند. زمین لغزش 2010 ، 7 ، 191-201. [ Google Scholar ] [ CrossRef ]
  19. ناندی، ع. شکور، الف. تهیه نقشه حساسیت به زمین لغزش شهرستان سامیت، اوهایو، ایالات متحده آمریکا، با استفاده از مدل‌های عددی. در مجموعه مقالات دهمین کنگره IAEG، ناتینگهام، انگلستان، 6-10 سپتامبر 2006. مقاله شماره 660..
  20. سلام.؛ نقشه‌برداری حساسیت زمین لغزش منطقه‌ای مبتنی بر Beighley، RE GIS: مطالعه موردی در جنوب کالیفرنیا. زمین گشت و گذار. روند. Landf. 2008 ، 33 ، 380-393. [ Google Scholar ] [ CrossRef ]
  21. فیضی زاده، ب. بلاشکه، تی. رفیق، L. نقشه‌برداری حساسیت زمین لغزش مبتنی بر GIS: مطالعه موردی در شهرستان بستان آباد، ایران. در مجموعه مقالات کنفرانس GI4DM، آنتالیا، ترکیه، 3 تا 8 مه 2011.
  22. ون وستن، سی جی; رنگرز، ن. Soeters, R. استفاده از اطلاعات ژئومورفولوژیکی در ارزیابی غیر مستقیم حساسیت زمین لغزش. نات. خطر. 2003 ، 30 ، 399-419. [ Google Scholar ]
  23. آیالو، ال. یاماگیشی، اچ. مرویب، ح. تاکامی، ک. رانش زمین در جزیره سادو ژاپن: قسمت دوم. نقشه‌برداری حساسیت مبتنی بر GIS با مقایسه نتایج حاصل از دو روش و تأیید. مهندس جئول 2005 ، 81 ، 432-445. [ Google Scholar ]
  24. تیری، ی. مالت، J.-P. استرلاکچینی، اس. پوسانت، ا. Maquaire، O. ارزیابی حساسیت زمین لغزش با روش های دو متغیره در مقیاس های بزرگ: کاربرد در یک محیط پیچیده کوهستانی. ژئومورفولوژی 2007 ، 92 ، 38-59. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. Yalcin، A. نقشه‌برداری حساسیت زمین لغزش مبتنی بر GIS با استفاده از فرآیند تحلیلی و آمار دو متغیره در اردسن (ترکیه): مقایسه نتایج و تأییدها. Catena 2008 ، 72 ، 1-12. [ Google Scholar ] [ CrossRef ]
  26. پلگرینی، GB; Surian، N. مطالعه ژئومورفولوژیکی زمین لغزش Fadalto ونیزی Prealps ایتالیا. رانش زمین Eur. اتحادیه 1996 ، 15 ، 337-350. [ Google Scholar ]
  27. نیلسن، تی. رایت، RH; Vlasic، TC; Spangle، WE پایداری نسبی شیب و برنامه ریزی کاربری زمین در منطقه خلیج سانفرانسیسکو کالیفرنیا ; مقاله حرفه ای; دولت آمریکا چاپ. خاموش: واشنگتن، دی سی، ایالات متحده آمریکا، 1979. [ Google Scholar ]
  28. دمیر، جی. آیتکین، م. آکگون، ا. ایکیزلر، اس بی. Tatar, O. مقایسه نقشه‌برداری حساسیت زمین لغزش بخش شرقی منطقه گسل آناتولی شمالی (ترکیه) با روش‌های فرآیند تحلیل سلسله مراتبی و نسبت احتمال-فرکانس. نات. خطر. 2013 ، 65 ، 1481-1506. [ Google Scholar ] [ CrossRef ]
  29. پاتاک، س. پودل، RK; کانساکار، BR کاربرد رویکرد احتمالی در تجزیه و تحلیل پایداری شیب سنگ – تجربه ای از کاهش بلایای نپال جریان های آوار، شکست های شیب و رانش زمین. در مجموعه مقالات سمپوزیوم بین المللی INTERPRAEVENT، کاهش بلایای جریانات آوار، شکست های شیب و رانش زمین، نیگاتا، ژاپن، 25-27 سپتامبر 2006. صص 797-802.
  30. تیبس، بی. بل، آر. Glade، T. تجزیه و تحلیل حساسیت زمین لغزش قطعی با استفاده از SINMAP – مطالعه موردی در سوابین آلب آلمان. در مجموعه مقالات کنفرانس “ژئومورفولوژی برای آینده”، Obergurgl، اتریش، 2-7 سپتامبر 2007. صص 177-184.
  31. اوه، H.-J. لی، اس. Soedradjat، GM نقشه برداری کمی حساسیت زمین لغزش در منطقه Pemalang، اندونزی. محیط زیست علوم زمین 2010 ، 60 ، 1317-1328. [ Google Scholar ] [ CrossRef ]
  32. Akgun، A. مقایسه نقشه های حساسیت زمین لغزش تولید شده با روش های رگرسیون لجستیک، تصمیم گیری چند معیاره و نسبت احتمال: مطالعه موردی در ازمیر، ترکیه. زمین لغزش 2012 ، 9 ، 93-106. [ Google Scholar ] [ CrossRef ]
  33. پیاسنتینی، دی. ترویانی، ف. سولداتی، م. نوتارنیکولا، سی. ساولی، دی. اشنایدرباوئر، اس. Strada، C. تجزیه و تحلیل آماری برای ارزیابی حساسیت زمین لغزش کم عمق در تیرول جنوبی (آلپ جنوب شرقی، ایتالیا). ژئومورفولوژی 2012 ، 151-152 ، 196-206. [ Google Scholar ] [ CrossRef ]
  34. پرادان، بی. لی، اس. تحلیل خطر زمین لغزش با استفاده از مدل شبکه عصبی مصنوعی با تمرکز بر سایت‌های آموزشی مختلف. بین المللی J. Phys. علمی 2009 ، 4 ، 1-15. [ Google Scholar ]
  35. پورقاسمی، HR; پرادان، بی. استفاده از منطق فازی و فرآیند تحلیل سلسله مراتبی (AHP) در نقشه‌برداری حساسیت زمین لغزش در حوزه آبخیز هراز، ایران. نات. خطر. 2012 ، 63 ، 965-996. [ Google Scholar ] [ CrossRef ]
  36. آکگون، ا. Bulut، F. حساسیت زمین لغزش مبتنی بر GIS برای منطقه Arsin-Yomra (ترابزون، شمال ترکیه). محیط زیست جئول 2007 ، 51 ، 1377-1387. [ Google Scholar ] [ CrossRef ]
  37. وانگ، دبلیو. گوا، جی. نیش، L.-G. چانگ، X.-S. یک روش وزن دهی یکپارچه ذهنی و عینی برای نقشه برداری حساسیت زمین لغزش بر اساس GIS. محیط زیست علوم زمین 2012 ، 65 ، 1705-1714. [ Google Scholar ] [ CrossRef ]
  38. لی، EM; جونز، DKC ارزیابی خطر زمین لغزش ; توماس تلفورد: لندن، انگلستان، 2004; پ. 161. [ Google Scholar ]
  39. پاول، جی. مفاهیم و خطوط اصلی مدیریت ریسک زمین لغزش. اوست ژئومک. 2000 ، 35 ، 49-52. [ Google Scholar ]
  40. وانگ، WD; Xie, CM; نقشه‌برداری حساسیت زمین لغزش Du، XG بر اساس سیستم اطلاعات جغرافیایی، GuiZhou، جنوب غربی چین. محیط زیست جئول 2009 ، 58 ، 33-43. [ Google Scholar ] [ CrossRef ]
  41. دوتا، پی جی؛ Sarma، S. پهنه بندی حساسیت زمین لغزش تپه کالا-پاهار، گواهاتی، ایالت آسام، (هند)، با استفاده از یک تکنیک اکتشافی مبتنی بر GIS. بین المللی J. سنسور از راه دور Geosci. 2013 ، 2 ، 49-55. [ Google Scholar ]
  42. Pnevmatikos، JD; Katsoulis, BD تغییر رژیم بارندگی در یونان و تأثیر آن بر ابزارهای اقلیمی. هواشناسی Appl. 2006 ، 13 ، 331-345. [ Google Scholar ] [ CrossRef ]
  43. استورنارس، جی. سیمپیدیس، جی. سومنیس، پ. یاناتوس، جی. Guillande, R. پدیده های ناپایداری در نهشته های نئوژن پلوپونز شمالی. گاو نر مهندس جئول محیط زیست 1998 ، 57 ، 65-68. [ Google Scholar ] [ CrossRef ]
  44. Papathanasiou، G. برآورد پتانسیل شکست شیب در یک منطقه مستعد زلزله: مطالعه موردی در کوه Skolis، شمال غربی پلوپونسوس، یونان. گاو نر مهندس جئول محیط زیست 2012 ، 71 ، 187-194. [ Google Scholar ] [ CrossRef ]
  45. هیمن، ی. استینمنز، سی. کروسیل، جی. Bossard, M. CORINE پوشش زمین: راهنمای فنی ; دفتر انتشارات رسمی جوامع اروپایی: لوکزامبورگ، 1994; پ. 136. [ Google Scholar ]
  46. Huade، G. ویلسون، جی ال. ماخنین، او. نقشه برداری زمین آماری بارش کوهستانی که اثرات جستجوی خودکار زمین و ویژگی های اقلیمی را در بر می گیرد. J. Hydrometeorol. 2005 ، 6 ، 1018-1031. [ Google Scholar ] [ CrossRef ]
  47. آرجون، CR; کومار، الف. برآورد مبتنی بر شبکه عصبی مصنوعی پیک شتاب زمین. ISET J. Earthq. تکنولوژی 2009 ، 46 ، 19-28. [ Google Scholar ]
  48. پاپادوپولوس، GA; Plessa، A. روابط قدر-فاصله برای زمین لغزش های ناشی از زلزله در یونان. مهندس جئول 2000 ، 58 ، 377-386. [ Google Scholar ] [ CrossRef ]
  49. ساتو، اچ پی؛ هاسگاوا، اچ. فوجیوارا، اس. توبیتا، م. کوآرایی، م. اونه، اچ. Iwahashi, J. تفسیر توزیع زمین لغزش ناشی از زلزله 2005 شمال پاکستان با استفاده از تصاویر SPOT 5. زمین لغزش 2007 ، 4 ، 113-122. [ Google Scholar ] [ CrossRef ]
  50. اوون، لس آنجلس؛ کمپ، یو. ختک، ج.ا. هارپ، EL; Keefer، DK; بائر، مایکروسافت رانش زمین توسط زلزله 8 اکتبر 2005 کشمیر ایجاد شد. ژئومورفولوژی 2008 ، 94 ، 1-9. [ Google Scholar ] [ CrossRef ]
  51. کوکیس، جی. تسیامباوس، جی. Sabatakakis، N. جنبش های زمین لغزش در یونان: ویژگی های زمین شناسی مهندسی و پیامدهای زیست محیطی. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی مهندسی و محیط زیست، آتن، یونان، 23-27 ژوئن 1997. Balkema: آتن، یونان، 1997; صص 789-793. [ Google Scholar ]
  52. کوکوولاس، IK; دوتسوس، تی. اثرات گسل های فعال بر تولید زمین لغزش در پلوپونز شمال غربی، یونان. در زمین شناسی مهندسی و محیط زیست ; Marinos، PG، Koukis، GC، Tsiambaos، GC، Stournaras، GC، Eds. Balkema: روتردام، هلند، 1997; صص 799-804. [ Google Scholar ]
  53. Koukouvelas، I. گسل Egion، تغییر شکل های مرتبط با زلزله و طولانی مدت، خلیج کورینث، یونان. جی. جئودین. 1998 ، 6 ، 501-513. [ Google Scholar ] [ CrossRef ]
  54. دوناس، جی. فیکیریس، IF; کولیوس، ا. کباداس، م. مارینوس، پی. زمین لغزش نمیا. مکانیسم ماشه – اقدامات اصلاحی. در مجموعه مقالات پنجمین کنفرانس پانلنیک ژئوتکنیک و مهندسی ژئومحیط زیست، زانتی، یونان، 31 مه تا 2 ژوئن 2006.
  55. ساباتاکیس، ن. کوکیس، جی. واسیلیادس، ای. لایناس، S. پهنه بندی حساسیت زمین لغزش در یونان. نات. خطر. 2013 ، 65 ، 523-543. [ Google Scholar ] [ CrossRef ]
  56. کریستولاس، اس. کالتزیوتیس، ن. گاسیوس، ای. ساباتاکیس، ن. Tsiambaos، G. پدیده ناپایداری در فلیش فرسوده در یونان. در مجموعه مقالات پنجمین سمپوزیوم بین المللی زمین لغزش، لوزان، سوئیس، 10-15 ژوئیه 1988; جلد 1، ص 103-108.
  57. Cruden، DM; انواع و فرآیندهای وارنس، دی جی زمین لغزش. در زمین لغزش: بررسی و کاهش ; Turner, AK, Schuster, RL, Eds. انتشارات آکادمی ملی: واشنگتن، دی سی، ایالات متحده آمریکا، 1996; صص 36-75. [ Google Scholar ]
  58. دیکائو، ر. براندن، دی. شروت، ال. ایبسن، ام. شناخت زمین لغزش: شناسایی، حرکت و علل . وایلی: چیچستر، بریتانیا، 1996; پ. 251. [ Google Scholar ]
  59. سقوط، R. ارزیابی خطر زمین لغزش و ریسک قابل قبول. می توان. ژئوتک. J. 1994 , 31 , 261-272. [ Google Scholar ] [ CrossRef ]
  60. Malczewski، J. GIS و تجزیه و تحلیل تصمیم گیری چند معیاره . جان وایلی و پسران: نیویورک، نیویورک، ایالات متحده آمریکا، 1999. [ Google Scholar ]
  61. چن، ی. یو، جی. خان، اس. تحلیل حساسیت فضایی وزن‌های چند معیاره در ارزیابی تناسب زمین مبتنی بر GIS. محیط زیست مدل. نرم افزار 2010 ، 25 ، 1582-1591. [ Google Scholar ] [ CrossRef ]
  62. Fawcett, T. مقدمه ای بر تجزیه و تحلیل ROC. تشخیص الگو Lett. 2006 ، 27 ، 861-874. [ Google Scholar ] [ CrossRef ]
  63. فراتینی، پ. کروستا، جی. Carrara, A. تکنیک های ارزیابی عملکرد مدل های حساسیت زمین لغزش. مهندس جئول 2010 ، 111 ، 62-72. [ Google Scholar ] [ CrossRef ]
  64. لاری، س. فراتینی، پ. Crosta، ​​GB ادغام خطرات طبیعی و تکنولوژیکی در لمباردی، ایتالیا. نات. خطر. سیستم زمین علمی 2009 ، 9 ، 2085-2106. [ Google Scholar ] [ CrossRef ]
  65. اینتاراویچیان، ن. داساناندا، S. فرآیند سلسله مراتبی تحلیلی برای نقشه‌برداری حساسیت زمین لغزش در حوزه آبخیز مای چام پایین، شمال تایلند. Suranaree J. Sci. تکنولوژی 2010 ، 17 ، 277-292. [ Google Scholar ]
  66. مزوقی، TH; آخیر، ج.م. رافک، AG; عبدالله، I. روش فرآیند سلسله مراتبی تحلیلی برای ترسیم حساسیت زمین لغزش به یک منطقه در امتداد بزرگراه EW (Gerik-Jeli)، مالزی. آسیایی J. Earth Sci. 2012 ، 5 ، 13-24. [ Google Scholar ] [ CrossRef ]
  67. چانگ، ن. پرواتیناتان، جی. Breeden، J. ترکیب GIS با تصمیم گیری چند معیاره فازی برای محل دفن زباله در یک منطقه شهری با رشد سریع. جی. محیط زیست. مدیریت 2008 ، 87 ، 139-153. [ Google Scholar ]
  68. فرناندز، دی.اس. Lutz، MA منطقه بندی خطر سیل شهری در استان توکومان، آرژانتین، با استفاده از GIS و تجزیه و تحلیل تصمیم گیری چند معیاره. مهندس جئول 2010 ، 111 ، 90-98. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370