عنوان پایان‌نامه
پهنه بندی حساسیت ، ارزیابی و مدیریت ریسک زمین لغزش (مطالعه موردی: حوزه آبخیز لتیان)
- رشته تحصیلی
- علوم و مهندسی آبخیزداری - زمین
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7427;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81883;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7427;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81883
- تاریخ دفاع
- ۱۹ تیر ۱۳۹۶
- دانشجو
- اصغر کوه پیما
- چکیده
- پدیده زمین لغزش همانند زمین لرزه، سیل و آتشفشان از بلایای طبیعی مهم به شمار می‌رود که هر ساله رخداد آن در مناطق مستعد این پدیده، خسارات و صدمات قابل ملاحظه‌ای به بار می‌آورد. با توجه به این نکته که زمین لغزش‌ها نسبت به سایر بلایای طبیعی مدیریت پذیرتر و قابل پیش‌بینی‌تر می‌باشند لذا پهنه بندی حساسیت، خسارت و مدیریت زمین لغزش در حوزه آبخیز حائز اهمیت است. در این تحقیق کارآیی پنج مدل آماری و داده کاوی شامل فاکتور اطمینان، نسبت فروانی -تحلیل سلسله مراتبی (FR-AHP)، رگرسیون لجستیک، فاصله ماهالانوبیس و MaxEnt جهت ارزیابی حساسیت زمین لغزش در حوزه آبخیز لتیان مورد بررسی قرار گرفت تا براساس نقشه حساسیت زمین لغزش مدل برتر، نقشه خسارت تهیه و برنامه مدیریتی مناسب ارائه گردد. بدین منظور زمین لغزش‌های موجود در حوضه به عنوان عامل وابسته بر اساس تیپ و مساحت آنها با بازدید میدانی، اطلاعات محلی، منابع سازمانی، دستگاه موقعیت یاب جهانی و سامانه اطلاعات جغرافیایی موجود ثبت گردیدند. با توجه به مرور منابع و آزمون آماری تحلیل عامل ها 14 عامل کلیدی و موثر شامل ارتفاع، شیب، جهت شیب، انحنای عرضی، انحنای طولی، سنگ شناسی، فاصله از گسل، فاصله از آبراهه، فاصله از جاده، کاربری اراضی، ناهمواری نسبی، مقدار بارش، شاخص رطوبت توپوگرافی (TWI) و شاخص شتاب بیشینه افقی زمین (Peak Ground Accleleration-PGA) انتخاب شدند و نقشه های لایه های اطلاعاتی در محیط ArcGIS تهیه شد. آزمون کای اسکوئر برای ارزیابی معنی-داری تفاوت مساحت کلاس های حساسیت و آزمون های Qs و ROC برای ارزیابی کارایی مدل ها مورد استفاده قرار گرفتند. نقشه خسارت با ترکیب نقشه های حساسیت، عناصر در معرض خطر و آسیب پذیری عناصر براساس معادله ریسک تهیه شد. شرایط مدیریت با سه معیار وزنی تیپ زمین لغزش، حساسیت و خسارت با استفاده از روش ارزیابی چند معیاره (MCE) محاسبه شد. برنامه مدیریت زمین لغزش نیز در دو سناریوی حالت عادی و بحرانی و در قالب 5 استراتژی مدیریتی: بدون برنامه مدیریتی، سازش با خسارت جزئی، سازش بدون تحمل خسارت، اجتناب از خطر و اقدامات کنترلی ارائه گردید. نتایج نشان داد که در تمامی مدل ها مقدار کای اسکوئر محاسبه شده در سطح اطمینان 95 درصد معنی دار بوده و تفکیک بالایی بین کلاس های حساسیت وجود دارد. مدل MaxEnt با مقدار AUC برابر با 0.896 و شاخص Qs برابر 4.85 به عنوان مدل برتر انتخاب شد. بر اساس نتایج مدل حساسیت برتر (MaxEnt) عوامل فاصله از جاده، کاربری اراضی و سنگ شناسی به عنوان موثرترین عوامل در وقوع زمین لغزش در منطقه مطالعاتی معرفی شدند. همچنین حدود 20% منطقه در کلاس های حساسیت بالا و خیلی بالا قرار گرفته اند. با بازرسی های متعدد منطقه ای عوامل جاده (آسفالته و خاکی)، اماکن مسکونی، خاک، اراضی زراعی، جنگل ها و مراتع به عنوان عوامل در معرض خطر شناسایی شده و آسیب پذیری آنها تعیین گردید. بر اساس ارزیابی پتانسیل خسارت در وضعیت موجود، حدوداً 23.5 درصد از سطح حوزه آبخیز لتیان در کلاس های خسارت زیاد و خیلی زیاد واقع شده است. با فرض افزایش یک دهم ریشتری بزرگی زمین لرزه در عامل بیشینه شتاب افقی زمین، نقشه خسارت سناریوی بحرانی تهیه گردید که نتیجتاً درصد مساحت کلاس های زیاد و خیلی زیاد خسارت به 29.15 درصد رسید. در سناریوهای حالت عادی و بحرانی به ترتیب 2.23 و 9.22 درصد از سطح این حوزه آبخیز نیازمند برنامه مدیریتی اقدامات کنترلی، 3.61 و 11.52 درصد در محدوده اعمال برنامه مدیریتی اجتناب از خطر، 6.55 و 14.1 درصد در برنامه سازش بدون تحمل خسارت، 19.24و 14.32 درصد در برنامه سازش با تحمل خسارت جزئی 68.35 و 18.34 درصد در گزینه بدون برنامه قرار دارد. همچنین در هر دو سناریو مقدار تفاوت مساحتی کلاس های برنامه های مدیریتی در سطح اطمینان 95 درصد معنی دار بوده و تفکیک مناسبی بین کلاس های برنامه مدیریت زمین لغزش وجود دارد.
- Abstract
- Landslides like earthquakes, floods, and volcanos are considered important natural disasters which their frequent occurrences in landslide prone areas cause noticible losses and casualties. Given that landslides are more manageable and predictable than other natural disasters, zoning landslide susceptibility, risk, and management are important in watershed scale. In the current study, the performance of five statistical and data–mining models namely: Certainty factor, frequency ratio– analytical hierarchy process (FR–AHP), logistic regression, Mahalanobis distance, and maximum entropy were assessed so that according to landslide susceptibility map of the superior model, landslide risk and management maps would be prepared. For doing this, the landslide inventory was mapped using filed surveys, local information, organizational sources, and geoinformatics (global positioning system, geographic information system). Fourteen effective and triggering factors including altitude, slope percent, slope aspect, plan curvature, profile curvature, lithology, proximity to faults, proximity to streams, proximity to roads, land use/ cover, relative relief, precipitation, topographic wetness index (TWI), peak ground acceleration (PGA), were selected based on literature review and also principal component analysis. The corresponding thematic layers were prepared in ArcGIS environment. The Chi–square test was employed to assess spatial differentiation of the susceptibility classes. The Qs and ROC tests were employed to assess the efficiency of the models. The risk map was produced via combining susceptibility, elements at risk, and vulnerability maps based on risk equation. The multi–criteria evaluation (MCE) method was used to assess management conditions accompanying three decision criteria namely landslide types, susceptibility, and risk. Afterwards, five management strategies including no action, Tolerance with accepting minimal damage, tolerance without accepting damage, avoiding risk, and controlling measurements were proposed in two scenarios (current and critical situations). All the models had the acceptable and statistically significant spatial differentiation at the 95% confidence level. The maximum entropy model with an AUC value of 0.89 and a Qs value of 4.85 was introduced as the superior susceptibility model. Based on the results of superior model, the following factors were recognized as the most effective factors in landslide occurrence in the stud area: Proximity to roads, Land use/ cover, and lithology. Moreover, 20% of the study area lye in high and very high susceptible classes. Relying on several reconnaissances, six elements including roads (paved/ unpaved), residential areas, soil, farmlands, forests, and rangelands were considered as the main elements at risk and the corresponding vulnerabilities were derived. Regarding the current risk result, 23.5% of the study area lye in high and very high risk classes. Given the one tenth Richter rise of earthquake magnitude, the critical risk map was prepared in which the latter classes increased to be 29.15%. Regarding to the current and critical landslide management maps, the controlling measurement strategy allocated to 2.23% and 9.22%, following the avoiding risk (3.61% and 11.52%), tolerance without accepting damage (6.55% and 14.1%),Tolerance with accepting minimal damage (19.24% and 34.32%), and no action (68.35% and 18.34%) strategies. Furthermore, both scenarios had the significant spatial differentiations at the 95% confidence level.
