پهنه بندی احتمال وقوع زمین لغزش با استفاده از مدل های آنتروپی شانون و ارزش اطلاعات در محیط GIS - مطالعه موردی: بخش رودبار الموت شرقی- استان قزوین

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری سنجش از دور و سیستم اطلاعات جغرافیایی، گرایش سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران

2 استادیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی تهران، ایران

3 استاد گروه سیستم اطلاعات مکانی، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران

4 دانشیار برنامه ریزی شهری، دانشگاه صنعتی مالک اشتر، ایران

5 استادیار گروه سنجش از دور و سیستم های اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران- ایران

10.22131/sepehr.2020.38611

چکیده

   زمین لغزش از انواع مهم مخاطرات طبیعی است که امنیت جانی و مالی را مورد تهدید قرار می دهد و موجب تخریب محیط زیست و منابع طبیعی میشود. تهیه  نقشههای پهنهبندی از جمله اقداماتی است که از طریق آن میتوان مناطق حساس به لغزشهای آینده را شناسایی و از نتایج آن برای برنامهریزی کاربری زمین، جلوگیری از فعالیتهای عمرانی غیرمجاز، طرحریزی زیرساختها و بهسازی و ترمیم آنها استفاده کرد. این مطالعه با بهرهگیری از سیستم اطلاعات مکانی و مدلهای آنتروپی شانون و ارزش اطلاعاتی چارچوبی را برای تهیه نقشه مناطق حساس به زمین لغزش در منطقه رودبار الموت شرقی در استان قزوین که درگیر معضل زمین لغزش و ناپایداریهای دامنه است، ارائه میدهد. در این راستا بعد از شناسایی عوامل مؤثر بر وقوع زمین لغزش و تهیه داده های مربوطه، نقشههای معیار شامل لیتولوژی، شیب، فاصله از گسل، کاربری اراضی، بارش، جهت شیب و ارتفاع برای محدوده مورد مطالعه با تفکیکپذیری مکانی سی متر تولید شد. برای تهیه لایههای اطلاعاتی و اجرای مدل از نرم افزار ArcGIS با توجه به قابلیت آن در تحلیل دادههای مکانی، بهره گرفته شده است. ارزیابی نتایج با استفاده از شاخص احتمال تجربی نشان داد که هر دو مدل آنتروپی شانون و ارزش اطلاعات در برآورد پهنههای خطر متوسط، زیاد و خیلی زیاد میتوانند به خوبی با مقدار شاخص احتمال تجربی 86% در شناسایی مناطق مستعد زمین لغزش در منطقه مورد مطالعه عملکرد مناسبی داشته باشند. در برآورد پهنههای خطر زیاد و خیلی زیاد، مدل ارزش اطلاعات با مقدار شاخص احتمال تجربی 86% در مقایسه با مدل آنتروپی شانون با مقدار شاخص احتمال تجربی 72% از قابلیت بهتری برخوردار است. با توجه به نقشههای پهنهبندی لغزش، پهنههای با خطر زیاد و خیلی زیاد اغلب در باغها و مراتع فقیر و امتداد گسلهای منطقه قرار دارند، لذا لازم است فعالیتهای انسانی با هدف ساخت و ساز و توسعه را در این مناطق محدود کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Landslide hazard zoning using Shannon Entropy and Information Value models in GIS environment - Case study: East Rudbar-e Alamut District-Qazvin Province

نویسندگان [English]

  • Mohammad Fallah Zazuli 1
  • Alireza Vafaei Nezhad 2
  • Ali Asghar Alesheikh 3
  • Mahdi Modiri 4
  • Hossein Aghamohammadi 5
1 Department of GIS and RS, Faculty of natural resources and environment, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 Assistant professor, Faculty of civil, Water and environmental engineering, Shahid Beheshti University, Tehran, Iran
3 Full Professor, Department of geospatial information systems, Faculty of geodesy and geomatics engineering, K.N. Toosi University of Technology, Tehran, Iran
4 Associate professor of urban planning, Malek-e-Ashtar University of Technology, Tehran, Iran
5 Assistant professor, Department of remote sensing and GIS, Faculty of natural resources and environment, Science and Research Branch , Islamic Azad University, Tehran, Iran
چکیده [English]

Extended Abstract
Introduction
Landslide is one of the most important types of natural disasters,which endangers lives and financial security of many people and destroys environment and natural resources.With the present population growth and expansion of urban areas towardsteep areas and hillsides, landslide-related losses can be catastrophic. For an instance, landslides in Badakhshan Province in Afghanistan killed around 2,700 people in 2014, and a landslide in China (Shan’xiprovince)resulted in the disappearance of 64 people in 2015.Therefore, assessingthe possibility of landslides occurrence seems to becrucial. Providing zoning maps is one of the measures which makes identification of areas prone to future landslides possible. Inferences drawn from these maps can be used for land use planning, prevention of unauthorized construction activities, infrastructure development, refurbishment and restoration.
 Materials & Methods
The present research selectsEast Rudbar-e Alamut (a district of Qazvin province), which is affected by landslides and instability of hillsides, as the study area. It takes advantage of Shannon entropy and information value models to develop landslide susceptibility map of the study areain GIS environment.Shannon entropy theory has been used in extensive researcheswith the aim of prioritizinginfluential factors in the probable occurrence of natural disasters such as landslide. Information value (IV) model is one of the statistical models drawn from information theory with a widespread application in the modeling of geological hazards and disaster risk assessment. Information value model aims to find a combination of significant factors anddeterminetheir impacton theoccurrence oflandslide in an area.To implement this model, relevant data and its related criteria maps were prepared. In this regard, the location of previous landslide events in the study area was determined based on the information received from Forests, Range and Watershed Management Organization. 49 landslides were identified in this way. Then, data was randomly divided into 2 categories: training data and validation data. Thus, 70% of data (35 landslides) were used to produce the models and the remaining 30% (14 landslides) were used for validation purposes. In addition to previous landslides, a collection of topographic, environmental and climatic characteristics of the study area including seven criteria of lithology, slope, distance from faults, land use, precipitation, slope-direction and elevation were selected as the most effective independent variablesto produce criteria maps with 30-meter spatial resolution. Basic information used to map these seven influential factors was obtained from Forests, Range and Watershed Management Organization, as well as the SRTM Digital Elevation Model (DEM), and used after some modifications. Considering the capability of ArcGIS in spatial data analysis, thissoftwarewas used to produce information layers and implement the models.
 Results & Discussion
Prioritizing influential factors using Shannon entropy model introducesthree factors (i.e. land use, elevation and precipitation)as the most significant factorsin the occurrence of landslides in the study area. Factors of slope angle, distance from faults (almost equal to slope angle), lithology and slope-direction were in the next influential factors.Also, results of information value model indicate that looking from lithology perspective, the category of marl, calcareous sandstone, sandy limestone and minor conglomerate has an information value of 1 and thus, the highest probability of landslide occurrence. Category of basaltic volcanic rocks, along with category of well bedded green tuff and tuffaceous shale have the lowest probability of landslide occurrence with information values ​​of -2.03 and -1.70, respectively.Only two categories of theslope angle criterionhave a positive-index. The highest information value (0. 93) in this category occurs in the class of 5-12 degrees, followed by the class of 12-20 degrees. The lowest information value occurs in slopes of more than 30 degrees. Based on this observation, it can be clearly concluded that the slope angles of 5 to 20 degrees are most prone to landslides. Distance to faults criterion indicate that the category of500 to 1000-meter distance to faultshave the highest information value (1.67). Regarding land use criterion, three land uses of garden, agriculture and garden-agriculture have the highest information values ​of 2.16 and 1.59 and 1.11, respectively. Regarding precipitation, average annual rainfall of less than 400 millimeters have the highest information value (1.50). Regardingslope-direction criterion, most landslides occur in southwest, south and eastdirections.Northeast, west, and northwest directions have the lowest probability of landslide occurrence, respectively. In terms of elevation, the information value is reduced as the height increases, and the maximum information value is related to the elevations of less than 1200 meters.After assigning a weight to each criterion and related classes, the landslide risk zone map was generated based on Shannon entropy and information valuemodels. The resulting zoning map produced based on natural breaks methods dividesthe area into five classeswith very high, high, moderate, low and very low risk. Resultsof Shannon entropy modelindicate that out of 14 landslides considered as the validation data, 3, 7, 2, 1, 1 landslideshave occurred in very high, high, moderate, low and very low risk zones, respectively. Resultsof the information value modelindicatethat 8, 4, 0, 1, 1 landslideshave occurred in very high, high, moderate, low and very low risk zones, respectively.
 Conclusion
Evaluation of results using experimental probability index indicates that with 86% experimental probability,both models of Shannon entropy and information value are effective inidentification of landslide hazard in the East Rudbar-e Alamut region. Also, considering the number of landslides in very high and high risk zones, Shannon entropy and information value modelshave an experimental probability index of 72% and 86%, respectively, which prove higher efficiency of information value model. In Shannon entropy model, total area of very high, high and moderate risk zones covers 34% and 56% of the study area,respectively. In information value model,total area of very high and high risk zones covers 20% and 29% of the study area, respectively. Based on the landslide risk zone map, high and very high risk zones are mainly located in the west of the study area.

کلیدواژه‌ها [English]

  • landslide
  • GIS
  • Shannon Entropy
  • information value
  • East Roudbar-eAlamout
1- اصغری کلجاهی، نمکچی، واعظی هیر؛ ابراهیم، فاطمه، عبدالرضا (1395). پهنه‌بندی خطر زمین لغزش در منطقه غرب شهرستان خوی به روش آنبالاگان. جغرافیا و برنامه ریزی. 56. 19-38

2 - پرتابیان، فتوحی، ریگی؛ عبدالرضا، صمد، حامد (1396). مقایسه کارایی پهنه بندی خطر زمین لغزش با استفاده از مدل‌های ارزش اطلاعات و تراکم سطح در استان سیستان و بلوچستان. زمین‌شناسی کاربردی پیشرفته. 24. 1- 11

3 - تیموری یانسری، حسین زاده، کاویان، پورقاسمی؛ زینب، سیدرضا، عطاالله، حمیدرضا (1396). تعیین پهنه‌های حساس به وقوع لغزش با استفاده از روش آنتروپی شانون (مطالعه موردی: حوضه آبخیز چهاردانگه - استان مازندران). جغرافیا و مخاطرات محیطی. 183-204

4 - جمالی، فلاحی؛ لقمان، غلامرضا (1396). پهنه بندی خطر زمین لغزش در حوضه آبریز سیمینه رود بوکان با تلفیق مدل‌های آماری، فرایند تحلیل سلسله مراتبی و سامانه اطلاعات مکانی. علوم و فنون نقشه برداری. 185-199

5- حسن‌زاده نفوتی، چابک بلداجی، ابراهیمی خوسفی؛ محمد، مسلم، زهره. (1391). پهنه‌بندی خطر زمین لغزش با استفاده از روش ارزیابی چندمعیاره مکانی (SMCE) (مطالعه موردی: حوضه آبخیز شلمانرود). پژوهش‌های حفاطت آب و خاک. 1. 99-116

6 - خسرویان، انتظاری، کرمی، ابراهیمی؛ مریم، علیرضا، مختار، مجید (1395). مدل‌سازی عرصه‌های حساس به وقوع زمین لغزش و شناسایی عوامل مؤثر بر وقوع آن با استفاده از مدل آنتروپی شانون (مطالعه موردی: حوضه آبخیز بار نیشابور). علوم جغرافیایی. 15-32

7 - رجبی، خسروی؛ علی محمد، حسین (1395). مقایسه روش‌های ارزش اطلاعاتی و تحلیل سلسله مراتبی در پهنه بندی خطر زمین لغزش‌های ناشی از زلزله (مطالعه موردی). علوم و مهندسی زلزله. 4. 31- 42

8 - رضایی مقدم، نیک جو، ولی زاده کامران، بلواسی، بلواسی؛ محمد حسین، محمدرضا، خلیل، ایمانعلی، مهدی (1396). کاربرد مدل شبکه عصبی مصنوعی در پهنه بندی خطر زمین لغزش. جغرافیا و برنامه ریزی. 59. 89-111

9 - روستایی، علیزاده؛ شهرام، راحله (1391). پهنه‌بندی خطر زمین لغزش در حوضه صوفی چای (مراغه) با استفاده از روش آنبلاگان. فضای جغرافیایی. 39. 17-35

10 - زارع، احمدی، غلامی؛ محمد، حسن، شعبانعلی (1390). پهنه بندی و ارزیابی خطر زمین لغزش با استفاده از مدل‌های عامل اطمینان، ارزش اطلاعات و تحلیل سلسله مراتبی (مطالعه موردی: حوضه آبخیز واز). علوم و مهندسی آبخیزداری ایران. 17. 15- 22

11 - زندی، امیراحمدی، محمدنیا؛ رحمان، ابوالقاسم، ملیحه (1397). استفاده از مدل آنتروپی در ارزیابی مخاطره زمین لغزش در مسیر جاده پیشنهادی طرقبه- درود (مشهد- نیشابور). جغرافیاوروابطانسانی. 1(2). 37-58

12 - شادفر، یمانی؛ صمد، مجتبی (1386). پهنه‌بندی خطر زمین لغزش در حوضه آبخیز جلیسان با استفاده ازمدل LNRF. پژوهش های جغرافیایی. 62. 11-23

13 - شعبانی، جوادی، زارع خوش اقبال؛ عباد، محمدرضا، مریم (1393). پهنه‌بندی خطر زمین لغزش با استفاده از روش های ارزش اطلاعاتی و تحلیل سلسله مراتبی (مطالعه موردی: حوضه آبخیز شلمانرود). پژوهشنامه مدیریت حوضه آبخیز. 10. 157- 169

14 - شیرانی، سیف؛ کورش، عبدالله (1391). پهنه‌بندی خطر زمین لغزش با استفاده از روش های آماری (منطقه پیشکوه، شهرستان فریدون شهر). علوم زمین. 85. 149-158

15 - صفاری، محمدی؛ امیر، زکیه (1392). بررسی عوامل مؤثر بر رخداد زمین لغزش در ایران بر پایه دیدگاه فرا تحلیل، دومین کنفرانس بین‌المللی مخاطرات محیطی، تهران، دانشگاه خوارزمی

16 - صفاری، هاشمی؛ امیر، معصومه (1395). پهنه بندی حساسیت وقوع زمین لغزش با مدل‌های آنتروپی و منطق فازی (مطالعه موردی: شهرستان کرمانشاه). جغرافیای طبیعی. 43-62

17 - طولابی، عابدینی؛ سوسن، موسی (1395). پهنه‌بندی خطر وقوع زمین لغزش حوضه نوژیان با مدل های همپوشانی فازی و AHP. علوم و مهندسی آبخیزداری ایران. 93-103

18 - عرب عامری، رضایی، شیرانی، یمانی؛ علیرضا، خلیل، کورش، مجتبی (1397). تعیین عرصه‌های حساس به لغزش با استفاده از روش ترکیبی نوین آنتروپی شانون-ارزش اطلاعات (مطالعه موردی: حوضه سرخون کارون). پ‍‍ژوهشنامه مدیریت حوضه آبخیز. 9 (17). 132-144

19- کامران زاد، محصل افشار، مجرب، معماریان؛ فرناز، عماد، مسعود، حسین (1394). پهنه‌بندی خطر زمین لغزش در استان تهران با استفاده از روش های داده محور و تحلیل سلسله مراتبی. علوم زمین. 97. 101-114

20 - متولی، حسین زاده، جمشیدی صالح؛ صدرالدین، محمد مهدی، زهرا (1391). پهنه بندی خطر زمین لغزش در حوضه شلمانرود گیلان به روش تحلیل سلسله مراتبی (AHP). 4. 75-92

21- مقیمی، باقری سید شکری، صفرراد؛ ابراهیم، سجاد، طاهر (1391). پهنه‎بندی خطر وقوع زمین‎لغزش با استفاده از مدل آنتروپی (مطالعه‎ی موردی: تاقدیس نسار زاگرس شمال‎غربی). پژوهشهایجغرافیایطبیعی. 44(1)، 77-90

22 - منصوری، شیرانی، قاضی فرد، امامی؛ معصومه، کورش، اکبر، سید نعیم (1395). پهنه‌بندی خطر زمین لغزش به روش‌های آنتروپی و وزن شاهد (مطالعه موردی: منطقه دوآب صمصامی استان چهارمحال و بختیاری). علوم زمین. 267-280

23 - نصر آزادانی، قاضی‌فرد، شیرانی، صفایی؛ احمد، اکبر، کورش، همایون (1392). ارزیابی مدل‌های پهنه‌بندی آماری دومتغیره زمین‌لغزش، با استفاده از GIS در حوضه آبخیز دز علیا. مهندسی فناوری اطلاعات مکانی. 1. 65- 80

24- Al-Abadi, A. M. (2017). Modeling of groundwater productivity in northeastern Wasit Governorate, Iraq using frequency ratio and Shannon’s entropy models. Applied Water Science, 7(2), 699-716.

25- Chen, Y., Ba, Q., Wu, Q., & Li, X. (2015, December). Landslide susceptibility evaluation based on GIS and information value model. In 2015 4th National Conference on Electrical, Electronics and Computer Engineering. Atlantis Press.

26- Jaafari, A., Najafi, A., Pourghasemi, H. R., Rezaeian, J., & Sattarian, A. (2014). GIS-based frequency ratio and index of entropy models for landslide susceptibility assessment in the Caspian forest, northern Iran. International Journal of Environmental Science and Technology, 11(4), 909-926.

27- Naghibi, S. A., Pourghasemi, H. R., Pourtaghi, Z. S., & Rezaei, A. (2015). Groundwater qanat potential mapping using frequency ratio and Shannon’s entropy models in the Moghan watershed, Iran. Earth Science Informatics, 8(1), 171-186.

28- Shadman Roodposhti, M., Aryal, J., Shahabi, H., & Safarrad, T. (2016). Fuzzy shannon entropy: a hybrid GIS-based landslide susceptibility mapping method. Entropy, 18(10), 343.

29- Shannon, C. E. (1948). A note on the concept of entropy. Bell System Tech. J, 27(3), 379-423.

30- Yang, W., Xu, K., Lian, J., Ma, C., & Bin, L. (2018). Integrated flood vulnerability assessment approach based on TOPSIS and Shannon entropy methods. Ecological Indicators, 89, 269-280.

31- Yin, K. L. & Yan, T. Z. (1988). Statistical prediction model for slope instability of metamorphosed rocks. Proceedings of the 5th International Symposium on Landslides, Lausanne, Switzerland, v.2, pp.1269–1272

32- Youssef, A. M., Al-Kathery, M., & Pradhan, B. (2015). Landslide susceptibility mapping at Al-Hasher area, Jizan (Saudi Arabia) using GIS-based frequency ratio and index of entropy models. Geosciences Journal, 19(1), 113-134.

33- Zhao, H., Yao, L., Mei, G., Liu, T., & Ning, Y. (2017). A Fuzzy Comprehensive Evaluation Method Based on AHP and Entropy for a Landslide Susceptibility Map. Entropy, 19(8), 396.