پهنه‌بندي خطر زمين‌لغزش در استان تهران با استفاده از روش‌هاي داده محور و تحليل سلسله مراتبي

Landslide Hazard Zonation in Tehran Province Using Data-Driven and AHP Methods

زمين‌لغزش يكي از پديده‌هاي طبيعي است كه هر سال سبب ايجاد خسارات مالي و جاني فراواني در سطح كشور مي‌شود. از اين رو تشخيص مناطق مستعد لغزش، براي به‌كارگيري روش‌هاي پيش‌گيري يا مقابله با ناپايداري دامنه‌ها به منظور كاهش خطر و ريسك حاصل از آنها، بسيار اهميت دارد. پهنه‌بندي خطر زمين‌لغزش يكي از روش‌هاي غيرمستقيم و كارآمد در شناسايي اين مناطق است. هدف از اين مطالعه، استفاده از روش‌هاي تحليل آماري (داده‌محور) و قضاوت كارشناسي (تحليل سلسله مراتبي) براي تعيين ميزان خطر و تهيه نقشه پهنه‌بندي در محدوده استان تهران است. به اين منظور، ابتدا از ميان مهم‌ترين عوامل موثر بر زمين‌لغزش، 6 عامل مقدار شيب، جهت شيب، جنس مصالح زمين‌شناسي، فاصله از گسل، شتاب زمين‌لرزه و ميزان بارندگي كه تهيه داده‌هايشان براي همه استان تهران امكان‌پذير بود، بر پايه قضاوت مهندسي در محيط GIS كلاسه‌بندي شدند. در روش داده‌محور، با قطع لايه‌هاي اطلاعاتي با نقشه پراكنش زمين‌لغزش‌ها و در روش AHP، بر پايه قضاوت كارشناس خبره، لايه‌ها و زير‌لايه‌هاي اطلاعاتي، وزن‌دهي و با هم تلفيق شدند و سپس براي هر روش، نقشه پهنه‌بندي خطر زمين‌لغزش در محيط GISتهيه شد. مقايسه و اعتبارسنجي نتايج نشان داد كه در روش داده‌محور، 9/92% از زمين‌لغزش‌ها در محدوده خطرناك (مجموع پهنه‌هاي پرخطر و بسيار پرخطر نقشه) با مساحت 15/7135 كيلومترمربع (2/37% از مساحت كل استان تهران) و در روش AHP، 5/96% از زمين‌لغزش‌ها در محدوده خطرناك با مساحت7/10344 كيلومترمربع (9/53% از مساحت كل استان تهران) قرار گرفته‌اند. در پايان با تقسيم درصد تعداد زمين‌لغزش در پهنه خطرناك به درصد مساحت پهنه خطرناك در كل مساحت استان تهران، نسبت عددي 5/2 براي روش داده‌محور و نسبت عددي 79/1 براي روش AHP محاسبه شد. مقايسه مقادير نسبت عددي دو روش فوق نشان داد كه روش داده‌محور با نسبت عددي بزرگ‌تر، جواب بهتري داشته است. زيرا نشان‌دهنده آن است كه در مقايسه با روش AHP، درصد بالايي از زمين‌لغزش‌ها را در مساحت كوچك‌تري به‌عنوان پهنه خطرناك پوشش داده و بنابراين در تعيين پهنه خطرناك نسبت به روش AHP دقت بالاتري داشته است.

Landslide is one of the natural phenomena which can cause catastrophic losses or damages in life and property each year. Hence, it is very important to recognize landslide-prone areas and apply methods to prevent or reduce slope instabilities and landslide hazard and risk. For this purpose, landslide hazard zonation is one of the indirect and efficient methods. This study aims to apply data-driven and AHP methods to provide a zonation map of landslide hazard potential in the Tehran province of Iran. First, six essential and available factors including slope, slope direction, geologic background, distance from faults, earthquake acceleration and rainfall were selected to be classified in GIS based on engineering judgment. By superposing data layers over landslide distribution map in data-driven method and expert judgment in AHP method, layers and sub-layers were weighted and combined. The landslide-hazard zonation map was then produced for each of the methods in GIS. Results showed that in data-driven method 92.9% of landslides fall into the perilous zone (i.e. hazardous and very hazardous zones) having an area of 7135.15 km2, which is 37.2% of total area of Tehran province. For the AHP method, 96.47% of the landslides were in perilous zone with an area of 10344.7 km2, which is 53.9% of the total area of the province. Finally, the ratio of percentage of landslides in the perilous zone to the percentage of total area of the zone was calculated. The ratio is 2.5 for the data-driven and 1.79 for the AHP method. The larger ratio in the data-driven method indicates its better consistency than the AHP method, implying more coverage of landslides in a smaller perilous area by the data-driven method. This result represents better accuracy of the data-driven method than the AHP method in landslide hazard zonation.