كاربرد منطق فازي در شناسايي و پهنه‌بندي خطر زمين‌لغزش مطالعه موردي حوضه آبخيز طالقان

Fuzzy logic Application in Identifying and Mapping of landslide Hazard: A Case Study: Taleghan Watershed

ارزيابي زمين به‌منظور شناخت و پهنه‌بندي عرصه‌هاي حساس به‌ حركات دامنه‌اي به‌ويژه زمين‌لغزش از پژوهش‌هاي مربوط به جغرافيدانان طبيعي به ويژه ژيوموروفولوژيست‌ها است. شناسايي و تعيين مناطق حساس و مستعد لغزش مي‌تواند ضمن جلوگيري از بروز خسارت‌ها، زمينه را براي اجراي طرح‌هاي پايدار‌سازي دامنه‌ها فراهم آورد. در اين پژوهش به‌منظور پهنه‌بندي خطر زمين‌لغزش در حوضه آبخيز طالقان از متغير‌هاي شيب، سوي شيب، سنگ‌نگاري، كاربري زمين‌ها، بارش، فاصله از رودخانه، فاصله از گسل، فاصله از جاده براي پهنه‌بندي خطر زمين‌لغزش استفاده شد. پس از ساخت و تجزيه تحليل لايه‌هاي اطلاعاتي در محيط نرم‌افزار Arc GISاز توابع عضويت فازي براي وزن‌دهي به‌لايه‌ها استفاده شد. لايه‌هاي فازي استاندارد‌شده در محيطGIS همپوشاني شده و با استفاده از عملگر‌‌هاي منطق‌ فازي نقشه پهنه‌بندي خطر زمين‌لغزش توليد شدند. نتايج حاصل از اين پژوهش نشان مي‌دهد عملگر گاماي 7/0 در مقايسه با ديگر عملگرهاي فازي مناسب‌تر است. بر اين اساس 91/18 درصد از مساحت منطقه به‌عنوان مناطق پرخطر معرفي شده ‌است؛ بديهي است كه اختصاص كاربري‌هاي مسكوني، خدماتي و ... در اين محدوده‌ها سبب افزايش خسارت‌هاي مالي و جاني مي‌شود.

Ground assessment to identify and map of susceptible land are as to slope movements especially landslides is of studies related to natural geographers, particularly geomorphologists. Determining and recognition of susceptive areas to sliding could prevent making loss as well as facilitating slope stability operations. In this study, the variables such as slope, the aspect of slope, petrology, land use, rainfall, and distance from river, fault, and road were used to map the risk of landslide in the Taleghan watershed. After constructing and analyzing the information layers by means of Arc GIS Software, the fuzzy membership functions were used for weighting the layers. The standardized fuzzy layers were overlapped in GIS environment and the landslide risk mapping was produced by means of fuzzy logic operators. The results of this study indicated that gamma function 0.7 is more appropriate than other fuzzy operators. Based on the abovementioned gamma, 18.91% of the area was identified as the high-risk areas. Obviously, allocating these areas for housing, facilities, etc. increases financial and physical damages.