مدل سازي خطر وقوع زمين لغزش با استفاده از مدل آماري رگرسيون لجستيك مطالعه موردي : استان كردستان، شهرستان بيجار

Modelling the Hazard of Landslides by Using Statistical Method of Logistic Regression

زمين لغزش ها و ناپايداري هاي دامنه اي مخاطرات مهمي براي فعاليّت هاي انساني هستند كه اغلب سبب از دست رفتن منابع اقتصادي، خسارات به اموال و تاسيسات مي شوند. اين مخاطرات در شيب هاي طبيعي و يا شيب هايي كه به دست انسان تغيير يافته اند اتفاق مي افتد. هدف اصلي اين پژوهش شناسايي عوامل موثر بر وقوع زمين لغزش هاي شهرستان بيجار واقع در استان كردستان و ارزيابي مناطق داراي پتانسيل زمين لغزش جهت تهيه ي نقشه پهنه بندي با استفاده از مدل آماري رگرسيون لجستيك مي باشد در اين پژوهش ابتدا با استفاده از بازديدهاي ميداني، پرسشنامه اي، نقشه هاي زمين شناسي و توپوگرافي و مرور مطالعات انجام شده، 9 عامل موثر شامل متغيّرهاي ارتفاع از سطح دريا، درجه شيب، جهت شيب، زمين شناسي، فاصله از عناصر خطي گسل، جاده، رودخانه، بارندگي و كاربري اراضي مورد استفاده قرار گرفت. پس از شناسايي آن ها اقدام به پردازش با استفاده از نرم افزارهاي ARC GIS10، ILWIS 3.3، گرديد. سپس از 144 دامنه مستعد به زمين لغزش به عنوان داده هاي لغزشي(كد يك) و همسو با آن 144 دامنه پايدار به زمين لغزش به صورت كاملاً تصادفي در سراسر منطقه براي داده هاي بدون لغزش (كد صفر) به عنوان متغيّر وابسته استفاده شد. با روي هم اندازي مجموع اين داده ها بر روي هر كدام از متغيّرهاي مستقل، داده هاي لازم براي ورود به نرم افزارSPSS 18 استخراج شدند. نتايج نشان داد كه شيب مهم ترين نقش را در بروز زمين لغزش هاي منطقه بر عهده دارد، پس از آن به ترتيب لايه هاي كاربري اراضي، جهت دامنه، گسل، فاصله از شبكه زهكش، طبقات ارتفاعي، فاصله از جاده و ليتولوژي در درجه بعدي اهميت قرار مي گيرند. نتايج ارزيابي صحت نشان داد كه مدل آماري رگرسيون لجستيك با مقدار 4/83 براي شاخص PCPT و 226/229 براي شاخص -2LL و 5/98 درصد براي شاخص ROC همچنين نقشه خطر پهنه بندي زمين لغزش بر اساس شاخص SCAIاز صحت بالايي برخوردار مي باشند. بر اين اساس 489/75 درصد از مساحت منطقه در محدوده با خطر بسيار كم ، 037/10 درصد با خطر كم، 628/3 درصد با خطر متوسط، 062/4 درصد با خطر بالا و 784/6 درصد با خطر بسيار بالا مواجه است. اين نتايج مي تواند در پيش بيني وقوع زمين لغزش‌هاي آينده، كاهش خطرات همراه آن ها و برنامه ريزي جهت كاربري زمين مورد استفاده قرار گيرد.

Landslides and instability slopes are major dangers for human activities which often cause the waste of economic resources and damage to properties and installations. These occur in the natural slopes or in the changed slopes by human. The main objectives of this study are identifying the effective factors on landslides occurrence in Kurdistan Province, Bijar and evaluating the regions prone to landslide to prepare the susceptibility map using the logistic regression. At first, in this study, by using field visits, questionnaires, geological and topographic maps and reviewing the studies, ten effective factors including elevation from sea level, slope degree, slope aspect, geology, distance from the linear elements (fault, road and river), rainfall and land use were employed. After identifying the factors, they were processed using ARC GIS 10 and ILWIS 33 software. Dependent variable is 144 slopes prone to landslide selected across the region as the landslide data (code 1) and 144 slopes stable against landslide were randomly as land slide free data (code 0). With overlay these data on each of the independent variables, the data necessaries were collected for entry into SPSS 18. The results showed that "slope degree" has the most significant role on landslides. Then, land-use, slope aspect, fault, distance from the drainage network, elevation from sea level , distance from road and litho logy are next effective factors, respectively. The results of the evaluation showed that logistic regression model with PCPT index equal to 83.4; -2LL index equal to 229.226 and ROC index equal to 98.5 percent and landslide susceptibility map based on SCAI index has high verification in the case study. Therefore, 75.489 % of the area has very low susceptibility, 10.037% with low susceptibility, 3.628% with moderate susceptibility, 4.062% with high susceptibility and 6.784% with very high susceptibility. These results can be used in predicting the occurrence of future landslides, decreasing their risks and planning for the land use.