چکیده:
شهرستان پاوه به دلیل ویژگیهای خاص زمینشناسی، ژئومورفولوژیکی و فعالیتهای آنتروپیک (انسانی)، مدت زیادی است که از نظر زمینلغزش تحت تاثیر قرارگرفته است. هدف این پژوهش، پهنهبندی خطر زمینلغزش و ارتباط آنها با عوامل موثر بر وقوع آن و مقایسه مدل (ANN)، با روش (OWA)، جهت ارزیابی خطر زمینلغزش در شهرستان پاوه است. بدین جهت ابتدا موقعیت زمینلغزشهای رخداده در منطقه با استفاده از بازدیدهای میدانی شناسایی شدند و نقشههای عوامل تاثیرگذار بر وقوع زمینلغزش شامل (لیتولوژی، شیب، جهت شیب، طبقات ارتفاعی، بارش، کاربری اراضی، فاصله از آبراهه، فاصله از جاده، فاصله از گسل، خاک) در محیط GIS، تهیه گردید. در راستای انجام مدل OWA، وزندهی با استفاده از روش کرتیک، ارزشگذاری و استانداردسازی نقشههای معیار، به صورت توام با استفاده از روش فازی انجام گرفت. به منظور انجام مدل شبکه عصبی مصنوعی، از نرمافزار MATLAB، استفاده شد و هر یک از پارامترهای شبکه عصبی مصنوعی، با روش سعی و خطا، تعیین شده است. سپس با ساختار نهایی شبکه دارای 8 نرون در لایه ورودی، 13 نرون در لایه پنهان و 1 نرون در لایه خروجی گردید. با توجه به نتایج مطالعه عوامل شیب، کاربری اراضی، لیتولوژی و خاک، به ترتیب با ضریب وزنی؛ 156/ 0، 143/ 0، 139/ 0 و 131/ 0، بیشترین اهمیت را دریافت کردند. با توجه به خروجی مدل OWA، به ترتیب 53/15 و 64/26 درصد از منطقه در دو طبقه بسیار پرخطر و پرخطر قرار دارند و با توجه به خروجی شبکهی عصبی 88/19 و 82/29 درصد از منطقه در طبقه بسیار پرخطر و پرخطر واقع شده است. مناطق بسیار پرخطر و پرخطر، بهطور عمده در شیب 15-30 درصد، کاربری زراعی، سازندهای نامقاوم و سست کواترنری و در خاکهایی با درصد زیاد رس و سیلت و مارن قرار دارند. در نهایت، با مقایسهی دو روش، مشخص گردید که مدل OWA، دارای دقت بالاتری نسبت به روش ANN بوده است.
Paveh Township has long been affected by landslides due to specific geological and geomorphologic features and anthropic activities. This study aimed to map landslide risk and its relationship with factors affecting their occurrence and compare the ANN model with (OWA) method to assess landslide risk in Paveh Township. Therefore, landslides in the area were first identified using extensive field surveys. Maps of factors affecting landslide occurrence (lithology, slope, slope direction, elevation, precipitation, land use, distance from the waterway, distance from the road, distance from the fault, soil) in GIS software then extract the relevant layers Was done. To perform the OWA model, weighting was performed by the fuzzy method using the Critical and Evaluation and Standardization of benchmark maps and to perform an artificial neural network (MATLAB) software. Each neural network parameter was determined by trial and error method. Then with the final structure of the network with 8 neurons in the input layer, 13 neurons in the hidden layer, and 1 neuron in the output layer. According to the results of the study of slope factors, land use, lithology, and soil, respectively, by weight factor; 0.156, 0.143, 0.139, and 0.131, received the most importance. Which according to the model output (OWA) was 15.53 and 26.64%, respectively, in two very high and high-risk classes, respectively. Due to the output of the neural network 19.88% and 29.82% of the area is located on the high-risk floor. Very high-risk and high-risk areas are mainly located in 15-30% slope, agricultural use, unbearable and weak quaternary structures, and in soils with a high percentage of clay, silt, and marl. The two models were compared and the OWA model had higher accuracy.
خلاصه ماشینی:
ارزیابی و پهنه بندی خطر زمین لغزش با استفاده از روش های OWA و ANN (مطالعه ی موردی : شهرستان پاوه ) صیاد اصغری سراسکانرود*١، راشد امامی ٢، الناز پیروزی ٣ ١*.
بهاروند و سوری (١٣٩٤)، با استفاده از شبکه عصبی مصنوعی به پهنه بندی زمین لغزش در حوضه ی سپیددشت لرستان ، پرداختند و با توجه به نتایج مطالعه ، به ترتیب ٢٩/٨٥ و ٤٣/٥٢ درصد از مساحت محدوده ، در دو طبقه خطر زیاد و خیلی زیاد قرار دارد و سه عامل شیب ، جهت شیب و زمین شناسی بیشترین همبستگی را با لغزش های منطقه دارند.
با توجه به نتایج مطالعه مناطق اطراف شهر پاوه به دلیل وجود خطوط گسلی، شبکه رودخانه ، راه ارتباطی و شیب زیاد و همچنین بخش های عمده ای از مناطق جنوب و جنوب غربی شهرستان دارای پتانسیل خطر زمین لغزش زیاد می- باشند و به صورت کلی شهرستان پاوه از پتانسیل بسیار بالایی برای وقوع انواع حرکات دامنه ای، به ویژه زمین لغزش برخوردار است .
خسروی و جمالی (١٣٩٧)، به بررسی خطر زمین لغزش در منطقه شمال قوچان با استفاده از روش های شبکه عصبی، اتوماتای سلولی- مارکوف ١و رگرسیون لجستیک ٢ پرداختند و به این نتیجه دست یافتند که وجود سازندهای سست ، شیب زیاد و تغییر کاربری اراضی به صورت مراتع فقیر و اراضی کشاورزی دیم ، منجر به وقوع لغزش ها در منطقه شده اند.