تحقیقات کاربردی علوم جغرافیایی

تحقیقات کاربردی علوم جغرافیایی

پهنه‌بندی خطر زمین‌لغزش با استفاده از مدل آنتروپی شانون (مطالعه موردی: حوضه آبریز طالقان)

نویسندگان
مهدی فیض اله پور 1
مرضیه منافی 2
رضا خوشرفتار 1
یونس خسروی 3
1 استادیار گروه جغرافیا، دانشکده علوم انسانی و اجتماعی، دانشگاه زنجان، زنجان، ایران
2 کارشناسی ارشد ئومورفولوژی، دانشگاه زنجان، زنجان، ایران
3 استادیار گروه محیط زیست، دانشکده علوم، دانشگاه زنجان، ایران
10.52547/jgs.21.62.95
چکیده
مرور خسارات ناشی از زمین‌لغزش، لزوم بررسی عوامل تأثیرگذار بر وقوع این پدیده و پیش‌بینی رخداد آن را به اثبات می‌رساند. ازاین‌رو، هدف از پژوهش حاضر بهبود نتایج پیش‌بینی وقوع زمین‌لغزش در حوضه آبریز طالقان با استفاده از تئوری آنتروپی شانون می باشد. از میان عوامل مؤثر بر وقوع زمین‌لغزش، ده عاملِ ارتفاع، شیب، جهت شیب، زمین‌شناسی، پوشش گیاهی، کاربری اراضی، تراکم آبراهه، گسل، جاده، بارش به‌عنوان متغیرهای مستقل و پهنه‌های لغزشی به‌عنوان متغیرهای وابسته در نظر گرفته شد. سپس با استفاده از اندکس آنتروپی، برای هر یک از این عوامل با توجه به میزان اثرگذاری آن‌ها، وزن دهی انجام گرفته و نقشه ارزش هر پارامتر با توجه به وزن آن، تهیه شد. در مرحله بعد، با استفاده از تلفیق این نقشه‌ها با نقشه پراکنش لغزش‌ها، نقشه پهنه‌بندی خطر برای حوضه موردمطالعه ترسیم شد. پس از محاسبه شاخص آنتروپی شانون، مشخص شد 86 درصد از مساحت زمین‌لغزش‌ها در سه رده خطر متوسط، پرخطر و خیلی پرخطر قرار دارند و این نشان می‌دهد نقشه نهایی پهنه‌بندی، بر مبنای شیوه صحیحی تهیه‌شده است. هم‌چنین، شاخص مجموع کیفیت (Qs) در این روش برابر با 3/2 به دست آمد که بیانگر صحت و مطلوبیت بیشتر این روش جهت پهنه‌بندی خطر زمین‌لغزش در حوضه آبریز طالقان است. میزان شاخص دقت روش(P) نیز، برای مدل آنتروپی، برابر 24/0 بود که نشان از تفکیک‌پذیری مناسب‌تر پهنه‌های خطر در این روش دارد.
کلیدواژه‌ها
زمین‌لغزش
آنتروپی شانون
پهنه‌بندی خطر
پیش‌بینی
طالقان

عنوان مقاله English

Landslide hazard zonation using of model Shannon entropy(case study: Taleghan watershed)

نویسندگان English

Mehdi feyzolahpour 1
marziye manafi 2
reza khoshraftar 1
1 Assistant Professor, Department of Geography, Faculty of Humanities and Social Sciences, Zanjan University, Zanjan, Iran
2 Master Student of Geomorphology, Faculty of Humanities and Social Sciences, Zanjan University, Zanjan, Iran
3 Assistant Professor, Department of Environment, Faculty of Science, Zanjan University, Iran.
چکیده English

Reviewing the damage caused by landslide proves the need to examine the factors influencing the occurrence of this phenomenon and the prediction of its occurrence. Therefore, the purpose of this study was to improve the prediction of landslide occurrence in the Taleghan watershed using Shannon Entropy Theory. Among the factors influencing the occurrence of landslide, ten factors of elevation, slope, slope direction, geology, vegetation, land use, water congestion, fault, road, rainfall as independent variables and sliding zones were considered as dependent variables. Then, using the entropy index, weighing was calculated for each of these factors based on their effectiveness, and the value map of each parameter was calculated according to its weight. In the next step, by mapping these maps with the map of landslides, a risk zoning map for the basin was drawn up. After calculating the Shannon entropy index, it was determined that 86% of the landslide area is in three medium-risk, high-risk and highly hazardous areas, indicating that the final map of the zoning is based on the correct method. Also, the total quality index (Qs) in this method was equal to 2.3, which indicates that this method is more reliable and more suitable for zoning of landslide hazard in Taleghan watershed. The accuracy of the method (P) for the entropy model was equal to 0.24, indicating a more appropriate resolution of the risk zones in this method.

کلیدواژه‌ها English

Landslide
Shannon’s entropy
danger classification
Prediction
Taleghan
Bednarik, M., B. Magulova, M. Matys and M. Marschalko. (2010), Landslide susceptibility assessment of the Kralovany–Liptovsky Mikulaš railway case study. Phys. Chem. Earth 35, pp: 162–171.
Bui, D.T., B., Pradhan, O., Lofman, I., Revhaug and O.B. Dick. (2012). Landslide susceptibility mapping at Hoa Binh province (Vietnam) using an adaptive neuro-fuzzy inference system and GIS. Comput. & Geosci
Chauhan, sh. Sharma, M. Manjo,K. (2010). Landslide susceptibility zonation of the Chamoli region, Garhwal Himalayas, using logistic regression model.
Constantin, M., M. Bednarik, M. C. Jurchescu, and M. Vlaicu. (2011). Landslide susceptibility assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu Basin (Romania). Environ. Earth Sci. 63: 397–406. Devkota, K.C., A.D. Regmi, H.R. Pourghasemi, K. Yoshida, B. Pradhan, I.C. Ryu, M.R. Dhital, O.F. Althuwaynee. (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. Nat. Hazards 65, pp:135–165
Felicisimo,A. M.; Cuartero, A.; Remondo, J.; Quirós, E. (2013), Mapping landslide susceptibility with logistic regression, multiple adaptive regression splines, classification and regression trees, and maximum entropy methods: a comparative study. (2012), Journal of Landslides Vol. 10 No. 2 pp. 175-189
Pourghasemi, Hamid Reza, Biswajeet Pradhan, Candan Gokceoglu, (2012), Remote Sensing Data Derived Parameters and its Use in Landslide Susceptibility Assessment Using Shannon’s Entropy and GIS,.
L. P. Sharma, Nilanchal Patel, M. K. Ghose, P. Debnath, (2015), Development and application of Shannon’s entropy integrated information value model for landslide susceptibility assessment and zonation in Sikkim Himalayas in India, Natural Hazards,.
Lee, S. and Pradhan, B. (2006). Landslide hazard mapping at Selangor, Malaysia using frequencyratio and logistic regression models. Landslides, 4:pp: 33-41.
Rahmani, G. Taherkhani, A. (2013). Predicting Slide Riskswith an Emphasis on the Role of Structural and Seismic Elements (Case Study: part of Taleghan) J. Basic. Appl. Sci. Res., 3(1), pp: 145-148.
Ranjbar, M. Ahmadi, H. (2013). Analyzing the factors affecting occurrence of landslide in NAVROUD Basin using AHP Model (Tälesh City - Iran) Advances in Environmental Biology, 7, pp: 3188-3197.
Wan, S., (2009), A Spatial Decision Support System for Extracting the Core Factors and Thresholds for Landslide Susceptibility Map, Engineering Geology, Vol. 108, PP.237-251.
Zongji Yang, Jianping Qiao, xiaogang Zhang, (2010), Regional landslide zonation based on entropy method in Three Gorges area, China, Chinese Academy of Sci. and Ministry of Water Conservancy, China.