اولويت بندي عوامل موثر بر وقوع زمين لغزش با استفاده از همبستگي لجستيك (مطالعه موردي: حوزه آبخيز سياه دره همدان)

Effective Factors Prioritization in Landslide Occurence using Logistic Regression Method

مالي و جاني ناشي از وقوع آن در آينده بسيار مهم است. در اين پژوهش به منظور تهيه نقشه خطر زمين لغزش حوزه آبخيز سياه دره از روش تحليل آماري همبستگي لجستيك چند متغيره استفاده شد. بدين منظور ابتدا مهمترين عوامل موثر بر وقوع لغزش شامل ار پيش بيني وقوع زمين لغزش در مكان هاي مختلف در كاهش خسارات تفاع از سطح دريا، شيب، جهت شيب، بارندگي سالانه، فاصله از گسل، فاصله از شبكه زهكشي، فاصله از جاده، كاربري اراضي و سنگ شناختي و لايه هاي اطلاعاتي آن ها در سامانه اطلاعات جغرافيايي تهيه شد. سپس با استفاده از تفسير عكس هاي هوايي و پيمايش ميداني 75 نقطه زمين لغزش در منطقه شناسايي گرديد. همچنين 75 نقطه غير لغزشي به صورت تصادفي در سراسر حوزه آبخيز انتخاب شد. پس از همپوشاني اين نقاط با لايه هاي عوامل موثر ، كد يك و صفر به حضور و عدم حضور زمين لغزش تعلق گرفت. با ورود متغيرهاي مستقل شامل طبقات كدگذاري شده و متغير وابسته شامل 150 نقطه لغزشي و غير لغزشي به نرم افزار 12SPSS و انتخاب روش پيش رونده پلكاني در مدل آماري همبستگي لجستيك، تجزيه و تحلبل داده ها صورت گرفت. تفسير ضرايب حاصل از تحليل آماري همبستگي لجستيك نشان داد كه بيشترين عوامل تاثيرگذار بر وقوع زمين لغزش در منطقه به ترتيب درجه شيب، ارتفاع، بارندگي، فاصله از شبكه زهكشي و فاصله از گسل مي باشد. صحت مدل آماري حاصل بر اساس عامل هاي لگاريتم درست نمايي و ضريب تبيين تاييد شد.

Prediction the occurrence of landslides is very important in different places for reducing property damages and loss of life from its occurrence in the future. In this study, in order to prepare a landslide hazard map of Syahdareh Watershed multivariate logistic regression analysis is used. For this purpose, the most important factors affecting the occurrence of landslides, including altitude, slope, aspect, annual precipitation, distance from the fault, distance from the drainage, distance from roads, land use and Litology layer information in the GIS were collected. Then, using the interpretation of aerial photos and field surveys in 75-point landslide were identified. The 75-point non-slip randomly selected throughout the watershed. After these points with overlapping causative factors layers a code of one and zero was given to the presence and absence of landslides respectively. After entering independents variables including all coded classes and dependent variables including 150 landslides and non-landslides in to SPSS 12 and selecting forward stepwise method, were performed data analysis. Interpretation of coefficients obtained of logistic regression statistical analysis showed that the most effective factors on landslide occurrence including slope, elevation, rainfall, distance from drainage and distance from fault, respectively. The accuracy of statistical models using -2LL, Cox and Snell R2 and Nagelkerk R2 was confirmed.