پهنه‌بندي حساسيت زمين‌لغزش با استفاده از مدل احتمالاتي وزن واقعه

Landslide Susceptibility Zoning, Using Weight of Evidence Probabilistic Model

زمين‌لغزش از جمله بلاياي طبيعي است كه همه‌ساله باعث كشته و مجروح شدن صدها هزار نفر و بي‌خانمان شدن ميليون‌ها انسان در سراسر جهان مي‌شود. هدف از تحقيق حاضر، پهنه‌بندي حساسيت زمين‌لغزش با استفاده از سامانه اطلاعات مكاني و مدل احتمالاتي Weight of Evidence در بخشي از حوزه آبخيز هراز در استان مازندران است. به اين منظور با استفاده از بازديد‌هاي صحرايي و تفسير عكس‌هاي هوايي، 78 نقطه لغزشي در منطقه شناسايي شد و نقشه پراكنش زمين‌لغزش‌هاي منطقه مورد مطالعه تهيه گرديد. لايه‌هاي اطلاعاتي شيب، جهت شيب، طبقات ارتفاعي، شكل شيب، ليتولوژي، كاربري اراضي، فاصله از شبكه آبراهه، فاصله از جاده، فاصله از گسل، شاخص توان آبراهه، شاخص رطوبت و شاخص حمل رسوب به عنوان عوامل موثر بر خطر وقوع زمين‌لغزش منطقه شناسايي شدند، و نقشه‌هاي مربوط نيز در محيط GIS رقومي گرديد. با استفاده از تيوري احتمالات، ارتباط هر يك از عوامل و نقاط لغزشي مشخص شد و نقشه پهنه‌بندي حساسيت زمين‌لغزش براي منطقه‌ تهيه گرديد. ارزيابي مدل با استفاده از يك‌سوم نقاط لغزشي، شاخص SCAI و منحني ROC صورت گرفت. نتايج نشان داد كه همبستگي بالايي بين نقشه خطر مورد نظر و نقشه پراكنش زمين‌لغزش وجود دارد و دقت مدل احتمالي تهيه شده در منطقه، 87/79 درصد (خيلي خوب) برآورد گرديد. مهم‌ترين نوآوري اين تحقيق در مقايسه با ديگر پژوهش‌هاي انجام شده، استفاده از فاكتورهاي شكل شيب، شاخص رطوبت،‌ شاخص توان آبراهه، شاخل حمل رسوب و به‌كارگيري همزمان دو روش مهم ارزيابي مدل (شاخص SCAI و منحني ROC) است.

Landslide is among the natural disasters which cause many damages such as killing and wounding many peoples and lead to homelessness millions of households every year all over the world. The main objective of this research is making landslides susceptibility zoning, using Geospatial Information System (GIS) and probability model "weight of evidence" in limited areas of Haraz watershed located in Mazandaran province. Due to the mentioned objective, by using the field trip and aerial photographs interpretation, 78 landslide points were found and mapping of these landslides were prepared. The data informations about layers of slope, aspect, altitude, slope curvature, lithology, landuse, distance of river, distance of road, distance of fault, index of stream power, wetness index and sediment transport index were considered as effective factors on landslide events; and then theirs maps were digited in GIS field. By using the laws of probability, relations among factors and landslides were considered and mapping of landslide sensitivity areas in region was prepared. Model assessment was carried out by one third of landslide points, SCAI index and ROC curve. The results showed a high correlation between dangerous map and landslide distribution. The probability model precision was estimated as very well (79.87 %) in study area. The most important innovation of this research, comparing to other researches conducted, is using the factors such as slope curvature, index of stream power, wetness index and sediment transport index, as well as simultaneous employing of two important methods for evaluating the model (SCAI index and ROC curve).