پتانسیل ‏یابی مناطق مستعد زمین‌لغزش با استفاده از مدل FBWM (مطالعۀ موردی: شهر تبریز)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکدة جغرافیا، دانشگاه تهران، تهران، ایران

2 استادیار، دانشکدة جغرافیا، دانشگاه تهران، تهران، ایران

چکیده

مخاطرات محیطی، که طیف وسیعی از مخاطرات طبیعی و مخاطرات انسانی را شامل می‏شوند، از عوامل بازدارندة توسعه در مناطق مختلف‌اند. زمین‌لغزش از مخاطراتی است که عوامل مختلف طبیعی و انسانی در وقوع آن تأثیرگذار است و از موانع توسعة اقتصادی‌ـ اجتماعی و عمرانی در هر منطقه محسوب می‏شود. بر این اساس، در این تحقیق، با در نظر گرفتن معیارهای مختلف، پتانسیل وقوع زمین‌لغزش در شهر تبریز با استفاده از مدل FBWM بررسی شد. معیارهای استفاده‌شده در این تحقیق شامل: شیب، خمیدگی، ارتفاع، گسل، زمین‏شناسی، پوشش گیاهی، رودخانه و نهر، راه‏ها، جهت شیب، و کاربری اراضی بود. برای وزن‏دهی معیارها از مدل FBWM استفاده شد. این مدل از مدل‏های نوین تصمیم‏گیری چندمعیاره است که با مقایسة معیارها با یک‌دیگر و ایجاد یک مسئلة بهینه‏سازی غیر خطی به وزن‏دهی معیارها می‏پردازد. در نهایت، پس از وزن‏دهی معیارها و ایجاد نقشه‏های معیار استانداردشده، نقشه‏های استاندارد و وزن معیارها با یک‌دیگر تلفیق و روی‏هم‌گذاری شد تا نقشة نهایی مناطق مستعد زمین‌لغزش در شهر تبریز به ‏دست آید. بر اساس نتایج به‏دست‌آمده، مناطق شمالی و شمال شرقی شهر تبریز از پتانسیل بالایی برای وقوع زمین‏لغزش برخوردارند. این مناطق منطبق با شهرک ولیعصر، باغمیشه، کوه‏های عینالی، اتوبان پاسداران، و نواحی اطراف آن هستند. از طرف دیگر، مناطق جنوبی شهر تبریز پتانسیل پایینی برای وقوع زمین‏لغزش دارند. بر این اساس، از لحاظ وقوع زمین‏لغزش در شهر تبریز، 5/2 درصد از شهر در مناطقی با پتانسیل بسیار کم، 16/15 درصد از شهر در مناطقی با پتانسیل کم، 04/36 درصد از شهر در مناطقی با پتانسیل متوسط، 97/40 درصد از شهر در مناطقی با پتانسیل زیاد، و 33/5 درصد از شهر در مناطقی با پتانسیل بسیار زیاد قرار دارند. نتایج این تحقیق دارای جنبه‏های کاربردی برای سازمان‏ها و ارگان‏هایی همچون شهرداری، مسکن و شهرسازی، زمین‏شناسی، و سایر ارگان‏های مربوط با مخاطرات محیطی است.

کلیدواژه‌ها

موضوعات


پاشا، امیرحسین؛ علی سربی؛ سعید بهزادی (1396). «ارزیابی خطر زمین‏لغزش در منطقة چهارگوش قزوین‌ـ رشت شمال ایران»، علوم زمین، س 27، ش 106، صص 89 ـ 98.
روستایی، شهرام؛ لیلا خدایی؛ داود مختاری؛ خدیجه رضاطبع؛ فاطمه خدایی (1394). «کاربرد تحلیل شبکة ANP در بررسی پتانسیل وقوع زمین‌لغزش در محدودة محور و مخزن سد قلعه‏چای»، مخاطرات محیط طبیعی، س 4، ش 5، صص 59 ـ 74.
شیرانی، کوروش؛ عبدالله سیف (1391). «پهنه‏بندی خطر زمین‏لغزش با استفاده از روش‏های آماری منطقة پیش‌کوه شهرستان فریدون‌شهر»، علوم زمین، س 22، ش 85، صص 149 ـ 158.
شیرانی، کورش؛ علی‌رضا عرب‏عامری (1394). «پهنه‏بندی خطر وقوع زمین‏لغزش با استفاده از روش رگرسیون لجستیک (مطالعة موردی: حوضة دز علیا)»، علوم آب و خاک، ج 19، ش 72، صص 321 ـ 335.
علمی­زاده، هیوا (1390). «تحلیل مورفولوژی و شیب در ارتباط با فرسایش نمونه موردی حوضه نچی»، فصلنامة سپهر، س 20، ش 80، صص 79 ـ 83.
مختاری، داود؛ حمید ابراهیمی؛ سعید سلمانی (1398). «مدل‏سازی خطر وقوع فرونشست زمین با استفاده از الگوریتم جنگل تصادفی (مطالعة موردی: حوزة آبریز دشت تسوج)»، سنجش از دور و سامانة اطلاعات جغرافیایی در منابع طبیعی، س 10، ش 3، صص 93 ـ 105.
مصفایی، جمال؛ مجید اونق؛ منصور مصداقی؛ محسن شریعت جعفری (1388). «مقایسة کارایی مدل‏های تجربی و آماری پهنه‏بندی خطر زمین‏لغزش (مطالعة موردی: آبخیز الموت‌رود»)، پژوهش‏های حفاظت آب و خاک، د 16، ش 4، صص 43 ـ 61.
مقیم، حسن؛ مسعود نجابت (1398). «مقایسة کارآمدی مدل‏های نیلسون اصلاح‌شده و اثر نسبی در پهنه‏بندی خطر زمین‏لغزش حوزة آبخیز سد پارسیان استان فارس»، مهندسی و مدیریت آبخیز، ج 11، ش 1، صص 264 ـ 272.
References
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(2), pp. 15-31.
Bhattarai, P., Tiwari, B., Marui, H., & Aoyama, K. (2004). “Quantitative slope stability mapping with ArcGIS: prioritize highway maintenance”, In Proceedings of ESRI's 24th Annual International User's Conference, San Diego. ESRI.
Chen, W., Peng, J., Hong, H., Shahabi, H., Pradhan, B., Liu, J., & Duan, Z. (2018). “Landslide susceptibility modelling using GIS-based machine learning techniques for Chongren County, Jiangxi Province, China”, Science of the total environment, 626(5), pp. 1121-1135.
Devkota, K. C., Regmi, A. D., Pourghasemi, H. R., Yoshida, K., Pradhan, B., Ryu, I. C., & Althuwaynee, O. F. (2013). “Landslide susceptibility mapping using certainty factor, index of entropy and logistic regression models in GIS and their comparison at Mugling–Narayanghat road section in Nepal Himalaya”. Natural hazards, 65(1), pp. 135-165.
Dou, J., Yunus, A. P., Bui, D. T., Merghadi, A., Sahana, M., Zhu, Z., & Pham, B. T. (2019). “Assessment of advanced random forest and decision tree algorithms for modeling rainfall-induced landslide susceptibility in the Izu-Oshima Volcanic Island, Japan”, Science of the Total Environment, 662(8), pp. 332-346.
Elmizadeh, H. (2012). “Morphological and slope analysis in relation to erosion case study of the nachi basin”, SEPEHR, 20(80), pp. 79-83. (in Persian)
Fayez, L., Pazhman, D., Pham, B. T., Dholakia, M. B., Solanki, H. A., Khalid, M., & Prakash, I. (2018). “Application of Frequency Ratio Model for the Development of Landslide Susceptibility Mapping at Part of Uttarakhand State, India”, International Journal of Applied Engineering Research, 13(9), pp. 6846-6854.
Ghoushchi, S. J., Yousefi, S., & Khazaeili, M. (2019). “An extended FMEA approach based on the Z-MOORA and fuzzy BWM for prioritization of failures”, Applied Soft Computing, 81(3), pp. 95-112.
Guo, S. & Zhao, H. (2017). “Fuzzy best-worst multi-criteria decision-making method and its applicationsˮ, Knowledge-Based Systems, 121(2), pp. 23-31.
Guzzetti, F., Gariano, S. L., Peruccacci, S., Brunetti, M. T., Marchesini, I., Rossi, M., & Melillo, M. (2019). “Geographical landslide early warning systems”, Earth-Science Reviews, 10(2), pp. 1-18.
Guzzetti, F., Mondini, A. C., Cardinali, M., Fiorucci, F., Santangelo, M., & Chang, K. T. (2012). “Landslide inventory maps: New tools for an old problem”, Earth-Science Reviews, 112(1-2), pp. 42-66.
Huang, F., Yin, K., Huang, J., Gui, L., & Wang, P. (2017). “Landslide susceptibility mapping based on self-organizing-map network and extreme learning machine”, Engineering Geology, 223(5), pp. 11-22.
Jiao, Y., Zhao, D., Ding, Y., Liu, Y., Xu, Q., Qiu, Y., & Li, R. (2019). “Performance evaluation for four GIS-based models purposed to predict and map landslide susceptibility: A case study at a World Heritage site in Southwest China”, Catena, 183(2), pp. 104221-104235.
Karimi, H., Sadeghi-Dastaki, M., & Javan, M. (2019). “A fully fuzzy best-worst multi attribute decision making method with triangular fuzzy number: A case study of maintenance assessment in the hospitals”, Applied Soft Computing, 86(2), pp. 105882-105896.
Lee, S. & Talib, J. A. (2005). “Probabilistic landslide susceptibility and factor effect analysis”, Environmental Geology, 47(7), pp. 982-990.
Luo, W. & Liu, C. C. (2018). “Innovative landslide susceptibility mapping supported by geomorphon and geographical detector methods”, Landslides, 15(3), pp. 465-474.
Mi, X. & Liao, H. (2019). “An integrated approach to multiple criteria decision making based on the average solution and normalized weights of criteria deduced by the hesitant fuzzy best worst method”, Computers & Industrial Engineering, 133(1), pp. 83-94.
Moghim, H. & Nejabat, M. (2019). “Efficiency assessment of Modified Nilsson and Relative Effect Models in landslide hazard zonation case study Parsian dam Watershed”, Journal of Watershed Engineering and Management, 11(1), pp. 264-272. (in Persian)
Mokhtari, D., Ebrahimy, H., & Salmani, S. (2019). “Land subsidence susceptibility modeling using random forest approach Case study Tasuj plane catchment”, RS and GIS for Natural Resources, 10(3), pp. 93-105. (in Persian)
Mosaffaie, J., Ownegh, M., Mesdaghi, M., & Shariat Jafari, M. (2010). “Comparing the efficiency of statistical and empirical landslide hazard zonation models in Alamout watershed”, Journal of Water and Soil Conservation, 16(4), pp. 43-61. (in Persian)
Nguyen, V. V., Pham, B. T., Vu, B. T., Prakash, I., Jha, S., Shahabi, H., & Tien Bui, D. (2019). “Hybrid machine learning approaches for landslide susceptibility modelingˮ, Forests, 10(2), pp. 157-170.
Pasha, A. H., Sorbi, A., & Behzadi, S. (2018). “Landslide risk assessment in Qazvin-Rasht quadrangle zone (North of Iran)”, Scientific Quarterly Journal GEOSCIENCES, 27(106), pp. 89-98. (in Persian)
Pham, B. T., Bui, D. T., & Prakash, I. (2018). “Application of Classification and Regression Trees for Spatial Prediction of Rainfall-Induced Shallow Landslides in the Uttarakhand Area (India) Using GIS”, In Climate Change, Extreme Events and Disaster Risk Reduction, 25(12), pp. 159-170.
Pourghasemi, H. R., Moradi, H. R., & Aghda, S. F. (2013). “Landslide susceptibility mapping by binary logistic regression, analytical hierarchy process, and statistical index models and assessment of their performancesˮ, Natural hazards, 69(1), pp. 749-779.
Pradhan, B., Abokharima, M. H., Jebur, M. N., & Tehrany, M. S. (2014). “Land subsidence susceptibility mapping at Kinta Valley (Malaysia) using the evidential belief function model in GIS”, Natural hazards, 73(2), pp. 1019-1042.
Qiu, H., Cui, P., Regmi, A. D., Hu, S., Wang, X., & Zhang, Y. (2018). “The effects of slope length and slope gradient on the size distributions of loess slides: field observations and simulations”, Geomorphology, 300(8), pp. 69-76.
Rezaei, J. (2015). “Best-worst multi-criteria decision-making method”, Omega, 53(1), pp. 49-57.
Roostaei, Sh., Khodaei, L., Mokhtari, D., Rezatab, Kh., & Khodaei, F. (2015). “Application of Analytic Network Process (ANP) in the Investigation of Landslide Potential in the Axis Range and Reservoir of Ghaleh Chai Dam”, Journal of Natural Environmental Hazards, 4(5), pp. 59-74. (in Persian)
Shahri, A. A., Spross, J., Johansson, F., & Larsson, S. (2019). “Landslide susceptibility hazard map in southwest Sweden using artificial neural network”, Catena, (2), pp. 104225-104239.
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), pp. 321-335. (in Persian)
Shirani, K. & Seif, A. (2013). “Landslide Hazard Zonation by Using Statistical Methods (Pishkuh Region in Fereydonshahr Province)”, Scientific Quarterly Journal GEOSCIENCES, 22(85), pp. 149-158. (in Persian)
Trigila, A., Iadanza, C., Esposito, C., & Scarascia-Mugnozza, G. (2015). “Comparison of Logistic Regression and Random Forests techniques for shallow landslide susceptibility assessment in Giampilieri (NE Sicily, Italy)”, Geomorphology, 249(3), pp. 119-136.
Wang, Y., Feng, L., Li, S., Ren, F., & Du, Q. (2020). “A hybrid model considering spatial heterogeneity for landslide susceptibility mapping in Zhejiang Province, China”, CATENA, 188(5), pp. 1-15.
Wu, Q., Zhou, L., Chen, Y., & Chen, H. (2019). “An integrated approach to green supplier selection based on the interval type-2 fuzzy best-worst and extended VIKOR methods”, Information Sciences, 502(2), pp. 394-417.