ارزيابي توانايي پيش بيني مدل هاي آماري و لجستيك براي تهيه نقشه پهنه بندي خطر زمين لغزش (مطالعه موردي: حوضه ونك)

Evaluation of prediction capability of the Statistical and Logestic models for mapping landslide susceptibility (Case Study: Vanakbasin

هدف از اين پژوهش تهيه نقشه حساسيت زمين لغزش با استفاده از مدل هاي آماري بر اساس سيستم اطلاعات جغرافيايي در جنوب غرب استان اصفهان، حوضه ونك مي باشد. نخست، موقعيت زمين لغزش ها در منطقه مطالعاتي با استفاده از تفسير عكس هاي هوايي و پيمايشات ميداني متعدد تعيين گرديد. از 200 زمين لغزش شناسايي شده 140 مورد (70٪) به صورت تصادفي براي اجراي مدل و 60 مورد (30٪) براي صحت سنجي مدل مورد استفاده قرار گرفت. عوامل موثر در زمين لغزش شامل شيب، جهت شيب، ارتفاع، ليتولوژي، بارندگي، فاصله از گسل، تراكم آبراهه، فاصله از جاده و كاربري اراضي از پايگاه داده هاي مكاني استخراج گرديد. با استفاده از اين فاكتورها، حساسيت زمين لغزش و وزن هر فاكتور بوسيله روش هاي رگرسيون لجستيك، تراكم سطح و فاكتور اطمينان مورد تجزيه و تحليل قرار گرفت.نتايج ارزيابي مدل ها با استفاده از روش جمع كيفي نشان داد مدل تراكم سطح بالاترين ميزان جمع كيفي (0/35) و بعد از آن مدل هاي فاكتور اطمينان و رگرسيون لجستيك به ترتيب با مقادير جمع كيفي 0/29 و 0/11 در رده هاي بعدي قرار گرفتند. تفسير نقشه هاي زمين لغزش نشان داد كه پارامترهاي طبقات ارتفاعي، بارندگي و جهت شيب نقش اصلي را در وقوع زمين لغزش ها در منطقه مورد مطالعه بازي مي كنند. اين نقشه هاي حساسيتزمين لغزش مي تواند به منظور برنامه ريزي كاربري اراضي، ساخت جاده در آينده و كاهش خطرات مورد استفاده قرار گيرد.

The aim of this study is to produce landslide susceptibility mapping by Statistical models based on geographic information system (GIS) in the Southwestern of Isfahan Province،Vanak basin. First، the landslide locations were identified in the study area from interpretation of aerial photographs and multiple field surveys. 140 cases (70 %) out of 200 detected landslides were randomly selected for modeling، and the remaining 60 (30 %) cases were used for the model validation. The landslideconditioning factors، including slope degree، slope aspect، altitude، lithology، rainfall، distance to faults، density of streams، distance to road and land use were extracted from the spatial database. Using these factors، landslide susceptibility and weights of each factor were analyzed by logistic regression، density area and Certainty Factor models. The results of the models assessment showed that area density method by applying quality sum index (QS) is the highest value (0.35)، then certainty factor and Logestic Regression are values of 0.29 and 0.11 in the next category، respectively. The interpretation of the susceptibility map indicated that altitude، rainfall and slope aspect play major roles in landslide occurrence in the study area These landslide susceptibility maps can be used for planning of land use ، future road construction and hazard mitigation purpose.