زمین در حالت تغییر مداوم است و تغییرات مداوم ناشی از فرآیندهای مختلف زمین‌شناسی را تجربه می‌کند که خطرات و ریسک‌های طبیعی را برای بشریت ایجاد می‌کنند. رانش زمین یکی از مکررترین و مخرب‌ترین فرآیندهای زمین‌شناسی است ^۱ ، ۲٫ مفهوم رانش زمین توسط بسیاری از نویسندگان به طور متفاوتی تعریف شده است. بر اساس ^۳ رانش زمین حرکت توده‌ای سنگ، خاک یا سایر مواد آواری در امتداد سطح لغزشی ایجاد شده به سمت پایین شیب است که عمدتاً تحت تأثیر جاذبه انجام می‌شود. رانش زمین باعث تلفات انسانی قابل توجهی می‌شود که سالانه منجر به هزاران مرگ و میر می‌شود، همراه با خسارات تخمینی به اموال و زیرساخت‌ها که در مجموع صدها میلیارد دلار است . ^۴٫ این تأثیر به ویژه در مناطق تپه‌ای در سراسر جهان مشهود است ^۵٫ پیش‌بینی می‌شود که فراوانی و خطر مرتبط با رانش زمین در آینده به دلیل شهرنشینی، جنگل‌زدایی، رشد جمعیت، گسترش مناطق مسکونی و زیرساخت‌ها به مناطق پرخطر و تغییر شرایط آب و هوایی افزایش یابد ^۶٫ رانش زمین ناشی از تعامل پیچیده عواملی است که هم برای آنها آماده می‌شوند و هم آنها را تحریک می‌کنند. عوامل ژئومورفولوژیکی، توپوگرافی، زمین‌شناسی مهندسی، هیدرولوژیکی و کاربری زمین، همراه با بارندگی شدید، فعالیت‌های لرزه‌ای و فعالیت‌های انسانی، در مجموع به طور قابل توجهی در وقوع زمین لغزش‌ها نقش دارند ^{[۷ ، ۸ ، ۹ ، ۱۰} ].

شناخت مناطق مستعد فعالیت زمین لغزش برای کاهش، پیشگیری و کاهش مؤثر خطرات مرتبط با زمین لغزش بسیار مهم است ^{۱۱ ، ۱٫} مناطقی که در آینده مستعد وقوع زمین لغزش هستند با تهیه نقشه پهنه بندی حساسیت زمین لغزش (LSZ) ^{۷ ، ۱۲ ، ۱۳ ، ۱۴} متمایز می‌شوند . این نقشه حساسیت زمین لغزش با ادغام پارامترهای حیاتی مرتبط با زمین لغزش و استفاده از داده‌های زمین لغزش‌های گذشته به عنوان ورودی، دانش پیشرفته‌ای از مناطق مستعد زمین لغزش ارائه می‌دهد ^{۱۵ ، ۱۳٫} ارزیابی حساسیت زمین لغزش معمولاً شامل چهار مرحله اصلی است: (i) ایجاد نقشه موجودی زمین لغزش، (ii) شناسایی مهمترین عوامل مؤثر در وقوع زمین لغزش، (iii) طراحی روش‌های مناسب برای اختصاص وزن به این عوامل، و (iv) تهیه نقشه حساسیت زمین لغزش ^۱۶ .

ارزیابی حساسیت زمین لغزش از رویکردهای مختلفی استفاده می‌کند که معمولاً به سه دسته اصلی طبقه‌بندی می‌شوند: کیفی، نیمه کمی و کمی. روش کیفی برای ارزیابی اهمیت هر عامل به نظر متخصص متکی است و آن را مستعد خطاهای ذهنی می‌کند. روش کیفی شامل نقشه‌برداری ژئومورفولوژیکی، رویکردهای اکتشافی و سایر تکنیک‌های قضاوت ذهنی است ^{۱۷ ، ۱۸ ، ۹٫} روش‌های نیمه کمی ویژگی‌های کیفی را به اشتراک می‌گذارند اما ابزارهای منطقی مانند فرآیند سلسله مراتبی تحلیلی (AHP)، منطق فازی و ترکیب خطی وزنی (WLC) را برای تعیین وزن و رتبه‌بندی در خود جای داده‌اند ^۱۹٫ روش‌های کمی بر اساس داده‌های موجودی زمین لغزش هدایت می‌شوند و روابط ریاضی بین عوامل ایجاد کننده و وقوع زمین لغزش برقرار می‌کنند ^{۲۰ ، ۲۱٫} این دسته شامل رویکردهای آماری و قطعی ^{۲۲ ، ۱۲} است. در طول سال‌های گذشته، تحقیقات گسترده‌ای در سراسر جهان در مورد ارزیابی حساسیت زمین لغزش انجام شده است. محققان روش‌های مختلفی را در تهیه نقشه حساسیت زمین لغزش بررسی کرده‌اند. نسبت فراوانی ^{۲۳ ، ۲۴ ، ۲۵ ، ۲۶ ، ۲۷ ، ۲۸} از روش‌های کمی آماری و فرآیند تحلیل سلسله مراتبی ^{۱۱ ، ۲۹ ، ۳۰ ، ۸} از روش‌های کیفی، رایج‌ترین روش‌های مورد استفاده در نقشه‌برداری حساسیت زمین لغزش تشخیص داده شدند.

منطقه تنتا، بخش‌هایی از ارتفاعات شمال اتیوپی، اغلب تحت تأثیر رانش زمین قرار می‌گیرد که باعث تخریب قابل توجه محیط طبیعی و سکونتگاه‌های انسانی شده است. رانش زمین در این منطقه تهدیدی مداوم برای جمعیت محلی محسوب می‌شود که اغلب منجر به رنج و تلفات انسانی قابل توجهی می‌شود. این حوادث رانش زمین بر زمین‌های کشاورزی تأثیر گذاشته، کشاورزان را آواره کرده و عملکرد محصولات را کاهش داده است که به شدت بر معیشت مردم محلی تأثیر می‌گذارد. علاوه بر این، تخریب روستاها، خانه‌ها، جاده‌ها و زیرساخت‌ها زندگی روزمره را مختل کرده و مانع توسعه منطقه شده است. ماهیت مکرر این حوادث، به ویژه در فصول بارانی، محیطی از عدم اطمینان و ترس را در بین ساکنان ایجاد کرده است. با وجود نگرانی فزاینده، هیچ تحقیقی در مورد حساسیت خاص منطقه به رانش زمین انجام نشده است. این تحقیق از تکنیک‌های مبتنی بر GIS و مدل‌سازی ترکیبی FR و AHP برای تهیه نقشه‌های حساسیت خاص منطقه به رانش زمین استفاده می‌کند. با ادغام مدل‌های FR و AHP، این تحقیق درک چگونگی عملکرد هر مدل در زمینه‌های مختلف را فراهم می‌کند و در نهایت دقت پیش‌بینی را افزایش داده و منجر به نقشه‌های کاربردی‌تر و قابل اعتمادتر می‌شود. هدف، ارائه بینش‌های ارزشمندی برای مقامات محلی، برنامه‌ریزان کاربری زمین و متخصصان مدیریت ریسک بلایا است تا استراتژی‌های کاهش اثرات بهتر رانش زمین را اجرا کرده و اثرات مخرب رانش زمین بر مردم و زیرساخت‌های منطقه دبک را کاهش دهند.

مدل نسبت فراوانی (FR) به دلیل سادگی و اثربخشی آن در بررسی روابط مکانی بین رانش زمین و عوامل مؤثر انتخاب شده است ^{۳۱ ، ۲۳ ، ۲۵ ، ۲۶٫} علاوه بر این، این مدل درک روشنی از چگونگی تأثیر هر عامل بر وقوع رانش زمین ارائه می‌دهد. این مدل می‌تواند با داده‌های محدود عملکرد خوبی داشته باشد و در مناطقی مانند منطقه مورد مطالعه، تنتا، بهترین گزینه است. محدودیت اساسی مدل نسبت فراوانی (FR) این است که به اثرات غیرخطی روابط علّی بین رانش زمین و عوامل ایجادکننده آنها نمی‌پردازد ^۳۲٫ عدم توانایی آن در ثبت روابط غیرخطی بین عوامل می‌تواند دقت پیش‌بینی را کاهش دهد. برای مدل‌سازی اثرات غیرخطی، روش‌های پیشرفته‌ای مانند مدل‌های یادگیری ماشین (مانند جنگل تصادفی، ماشین‌های بردار پشتیبان، شبکه عصبی مصنوعی) یا تکنیک‌های آماری مانند رگرسیون لجستیک بهتر هستند، زیرا می‌توانند این روابط پیچیده را ثبت کنند ^{۱ ، ۳۳ ، ۳۴ ، ۱۲ ، ۱۰} .

فرآیند تحلیل سلسله مراتبی (AHP) برای نقشه‌برداری از حساسیت زمین‌لغزش در مناطقی که دانش تخصصی در دسترس است، عوامل متعددی باید در نظر گرفته شوند و قضاوت ذهنی نقش کلیدی در ارزیابی اهمیت نسبی این عوامل ایفا می‌کند، بیشترین اثربخشی را دارد ^{۳۰ ، ۸ ، ۳۵ ، ۳۶٫} این روش به ویژه برای مناطقی با زمین پیچیده، عدم قطعیت در ارزیابی عوامل یا نیاز به ادغام داده‌های کیفی و کمی مناسب است ^۱۱٫ مدل AHP به دلیل مسئله ذهنیت‌گرایی خود شناخته شده است. برای کاهش مشکل ذهنیت‌گرایی در AHP برای نقشه‌برداری از حساسیت زمین‌لغزش، می‌توان از ترکیبی از روش‌ها، مانند مشارکت چندین متخصص، تضمین سازگاری در مقایسه‌های زوجی، و ترکیب روش AHP با سایر روش‌ها ^{۱۷ ، ۳۷ ، ۳۸} ، استفاده کرد .

طبق نتایج، مدل FR در مقایسه با مدل AHP در تولید نقشه دقیق حساسیت زمین لغزش نسبتاً مؤثرتر بود. با این حال، هر دو مدل در کل عملکرد خوبی داشتند و نقشه‌های حساسیت زمین لغزش عملاً مفیدی تولید کردند.

منطقه مورد مطالعه در تنتا وِرادا در منطقه جنوبی وولو از ایالت منطقه‌ای آمهارا در شمال شرقی اتیوپی واقع شده است (شکل  ۱ ). مساحت تقریبی آن ۲۹۵٫۵۹ کیلومتر ^مربع است که بین ۰۵۰۳۶۷۵ و ۰۵۳۱۹۸۶ شرقی و ۱۲۴۱۱۵۵ و ۱۲۵۹۸۳۵ شمالی محدود شده است. این منطقه در ارتفاعات بیش از ۱۵۰۰ متر واقع شده است و به عنوان زمین مرتفع طبقه‌بندی می‌شود. میانگین حداکثر و حداقل دمای ماهانه منطقه به ترتیب ۲۶٫۴ و ۶٫۶ درجه سانتیگراد است. بیشترین میزان بارندگی سالانه ۱۲۲۷٫۲ میلی‌متر در سال ۲۰۱۰ ثبت شده است، در حالی که کمترین میزان بارندگی سالانه ۶۲۲٫۱ میلی‌متر در سال ۲۰۱۵ ثبت شده است و میانگین بارندگی سالانه منطقه ۹۲۴٫۵ میلی‌متر است. فصل بارندگی این منطقه از ژوئن تا سپتامبر (کیرمت اتیوپی) است، اما بیشترین بارندگی در ماه‌های جولای و آگوست رخ می‌دهد. این منطقه بخشی از فلات آتشفشانی شمال اتیوپی است که عمدتاً از سنگ‌های سنوزوئیک و رسوبات کواترنری تشکیل شده است. سنگ‌شناسی آن شامل سازندهای آتشفشانی مانند توف لاپیلی، بازالت آگلومرا، بازالت آفانیتی ستونی و همچنین خاک‌های برجای مانده و کوهرفتی است. در این منطقه، رانش زمین از سال ۲۰۱۸ منبع مهمی از تراژدی انسانی بوده و بر جوامع، دام‌ها، سکونتگاه‌ها، گورها، زیرساخت‌ها و زمین‌های کشاورزی تأثیر گذاشته است.

داده‌ها

نقشه پراکندگی زمین‌لغزش‌ها

نقشه موجودی زمین لغزش به تجزیه و تحلیل رابطه مکانی بین عامل ایجاد کننده و وقوع زمین لغزش کمک می‌کند ^{۳۹ ، ۴۰٫} در بسیاری از مطالعات ارزیابی زمین لغزش، موجودی زمین لغزش به عنوان ورودی ضروری در نظر گرفته می‌شود، زیرا دقت نقشه‌های حساسیت زمین لغزش حاصل به شدت به دقت این موجودی‌ها بستگی دارد ^۲٫ برای تهیه یک نقشه موجودی زمین لغزش دقیق و قابل اعتماد در منطقه مورد مطالعه، بررسی‌های میدانی جامع و مشاهدات در کنار تفسیر تصاویر گوگل ارث انجام شد. بررسی‌های میدانی بر نقشه‌برداری از زمین لغزش‌ها در مناطق قابل دسترس مانند جاده‌های نزدیک، سکونتگاه‌ها و مزارع کشاورزی متمرکز بود. در مقابل، از گوگل ارث برای شناسایی زمین لغزش‌ها در مکان‌های دورافتاده استفاده شد. در مجموع، ۳۲۸ زمین لغزش نقشه‌برداری شدند (شکل  ۲ ) تا نقشه موجودی قطعی زمین لغزش ایجاد شود. در میان این موارد، ۲۴۶ زمین لغزش (۷۵٪) برای توسعه مدل انتخاب شدند و زمین لغزش آموزشی نامگذاری شدند، در حالی که ۸۲ زمین لغزش باقی مانده (۲۵٪) برای اعتبارسنجی مدل رزرو شدند و زمین لغزش‌های اعتبارسنجی نامیده شدند (شکل  ۲ ). هر دو مجموعه داده با استفاده از نمونه‌گیری تصادفی و با در نظر گرفتن توزیع مکانی همه رانش‌های زمین ساخته شدند تا اطمینان حاصل شود که هر مکان رانش زمین به طور متناسب در مجموعه داده‌های ساخته شده نمایش داده می‌شود. تفکیک رانش‌های زمین به مجموعه داده‌های آموزشی و اعتبارسنجی (۷۵٪ و ۲۵٪) با ارائه درک واضح‌تری از موفقیت مدل و ظرفیت پیش‌بینی، قابلیت اطمینان نقشه‌برداری حساسیت را بهبود می‌بخشد. موفقیت مدل با استفاده از رانش‌های آموزشی (میزان موفقیت) ارزیابی شد، در حالی که توانایی مدل در پیش‌بینی رانش‌های آینده با استفاده از رانش‌های اعتبارسنجی (میزان پیش‌بینی) ^۱۲ ارزیابی شد .

بیشتر زمین لغزش‌ها در نزدیکی چشمه‌ها (شکل  ۳ ) و نهرها، در مناطق با شیب ملایم در رسوبات سطحی، که عمدتاً از خاک‌های کوهرفتی تشکیل شده‌اند (شکل  ۴ ) رخ می‌دهند. اندازه‌های مختلف زمین لغزش شناسایی شدند؛ در حالی که برخی از آنها کوچک بودند و به صورت نقطه‌ای روی نقشه نشان داده می‌شدند (شکل  ۲ )، برخی دیگر در مقیاس بزرگتر بودند (شکل  ۲ ) که مناطق وسیعی را پوشش می‌دادند و مسئول تخریب روستاها و زمین‌های کشاورزی در منطقه مورد مطالعه بودند. انواع زمین لغزش شناسایی شده در منطقه مورد مطالعه عمدتاً تحت دسته لغزش‌های چرخشی (شکل  ۵ A، B) قرار گرفتند که از سیستم طبقه‌بندی ارائه شده توسط ^۴۱ پیروی می‌کنند .

رانش‌های زمین بزرگی در منطقه مورد مطالعه رخ داده و تأثیرات قابل توجهی داشته‌اند. زمین‌های زراعی ترک‌های گسترده‌ای را نشان داده‌اند که منجر به الگوی مشخص بالا و پایین رفتن زمین، با پرتگاه‌های متوالی ناشی از رانش زمین و تشکیل بلوک‌های متحرک منفرد شده است. در نتیجه، محصولاتی مانند گندم خشک و غیرقابل استفاده می‌شوند (شکل  ۶ A، B).

روستاها دچار تخریب شدند که منجر به آوارگی تعداد زیادی از ساکنان شد. دیوارها، کف و اطراف خانه‌ها به طور گسترده ترک خوردند (شکل  ۷ A، B)، و بسیاری از درها و پنجره‌ها به دلیل عدم تراز بودن بسته ماندند و ساکنان محلی را مجبور به ترک خانه‌های خود کردند.

عوامل ایجاد کننده زمین لغزش

ایجاد نقشه حساسیت زمین لغزش قابل اعتماد برای یک منطقه خاص مستلزم انتخاب مؤثرترین عامل ایجاد کننده است . ^۱۹ بررسی پیشرفته ادبیات و تحقیقات میدانی جامع برای شناسایی عوامل اصلی مؤثر بر وقوع زمین لغزش در منطقه مورد مطالعه انجام شد. این عوامل شامل شیب، جهت شیب، ارتفاع، فاصله از آبراهه، فاصله از چشمه، جنس شیب، فاصله از خطواره و کاربری اراضی بودند.

گرادیان شیب

شیب دامنه عموماً به عنوان یک عامل مهم در مدل‌سازی زمین لغزش در نظر گرفته می‌شود زیرا نیروهای برشی وارد بر دامنه‌ها را کنترل می‌کند ^۳۹٫ در دامنه‌های ملایم، تأثیر تنش برشی حداقل است، در حالی که در دامنه‌های شیب‌دار، تنش برشی تأثیر قابل توجهی دارد. نقشه شیب دامنه منطقه مورد مطالعه از DEM با وضوح مکانی ۱۲٫۵ متر در ۱۲٫۵ متر Alospalsar تهیه شده است که از تأسیسات ماهواره‌ای آلاسکا به دست آمده و  بر اساس طبقه‌بندی ^۱۸ آمبالاگان در پنج کلاس (شکل ۸ الف) طبقه‌بندی شده است . یعنی: ۰ ^تا ۱۵ ^درجه ، ۱۵ ^تا ۲۵ ^درجه ، ۲۵ ^تا ۳۵ ^درجه ، ۳۵ ^تا ۴۵ ^درجه و > 45 ^درجه .

جنبه شیب

جهت شیب، جهت شیب را نشان می‌دهد ^{۳۴ ، ۴۲٫} این ممکن است باعث تغییر در میزان قرار گرفتن در معرض نور خورشید، بارندگی، تبخیر و تعرق، انرژی باد، پوشش گیاهی و میزان فرسایش شود ^{۴۳ ، ۴۴٫} این موارد به نوبه خود بر وقوع زمین لغزش‌ها تأثیر می‌گذارند ^۱۱٫ مشابه شیب، نقشه جهت شیب نیز از DEM با وضوح مکانی ۱۲٫۵ متر در ۱۲٫۵ متر Alospalsar استخراج شد و با استفاده از طبقه‌بندی شکستگی طبیعی به نه دسته طبقه‌بندی شد (شکل  ۸ ب). این دسته‌ها شامل فلات، شمال، شمال شرقی، شرق، جنوب شرقی، جنوب غربی، غرب و شمال غربی هستند.

ارتفاع

ارتفاع مستقیماً در وقوع زمین لغزش نقش ندارد، اما ممکن است با پارامترهای دیگری مانند بارندگی، شرایط دما، میزان فرسایش، پوشش گیاهی و درجه هوازدگی مرتبط باشد ^{۳۳ ، ۸٫} عامل ارتفاع از DEM با وضوح مکانی ۱۲٫۵ متر در ۱۲٫۵ متر از Alospalsar استخراج و با استفاده از طبقه‌بندی شکست طبیعی (شکل  ۸ ج) به پنج کلاس طبقه‌بندی شد: ۱۶۱۷-۱۹۸۹ متر، ۱۹۸۹-۲۲۰۸ متر، ۲۲۰۸-۲۴۵۵ متر، ۲۴۵۵-۲۷۴۳ متر و ۲۷۴۳-۳۱۶۰ متر.

فاصله تا جریان

در مجاورت نهر، جریان مکرر آب و اشباع مواد خاکی وجود دارد که مقاومت برشی آنها را کاهش می‌دهد، همراه با نرخ بالای فرسایش که اطراف نهر را مستعد شکست می‌کند . ^۲۰ بر این اساس، این عامل بسیار مهمی در نقشه‌برداری حساسیت زمین لغزش است. نقشه زهکشی نیز از DEM با وضوح مکانی ۱۲٫۵ متر در ۱۲٫۵ متر Alospalsar تهیه شد. ابتدا شبکه زهکشی منطقه مورد مطالعه از DEM Alospalsar تهیه شد و سپس بافرینگ با استفاده از ابزار فاصله اقلیدسی در فاصله پیش‌فرض انجام شد و با استفاده از طبقه‌بندی شکست طبیعی به پنج کلاس طبقه‌بندی شد (شکل  ۸ د): ۰ -۳۴۰٫۷ متر، ۳۴۰٫۷ -۷۱۶٫۷ متر، ۷۱۶٫۷ -۱۱۱۶٫۲ متر، ۱۱۶٫۲ -۱۶۶۸٫۵ متر و ۱۶۶۸٫۵ -۲۹۹۶٫۲ متر.

فاصله تا بهار

افزایش سطح آب زیرزمینی در مجاورت نقطه چشمه در توده خاک یا سنگ، با ایجاد فشار آب منفذی، افزایش اشباع و افزایش وزن توده خاک/سنگ مربوطه، باعث ناپایداری شیب می‌شود ^۴۵ ، که در نهایت منجر به کاهش مقاومت برشی سنگ یا خاک می‌شود که به نوبه خود منجر به شکست شیب می‌شود. از این رو، وجود آب زیرزمینی نقش خود را در وقوع زمین لغزش دارد. از آنجایی که هیچ داده گمانه در منطقه مورد مطالعه در دسترس نبود، فقط نقاط چشمه هنگام ارزیابی سهم آب زیرزمینی برای این مطالعه ارزیابی زمین لغزش در نظر گرفته شدند ^۴۶ .

مکان‌های GPS بهاری جمع‌آوری‌شده در طول کار میدانی به صورت فایل‌های شکل نقطه‌ای به محیط Q-GIS وارد، بافر و در پنج کلاس (شکل  ۹ الف) طبقه‌بندی شدند که عبارتند از: ۰ -۱۰۴۳٫۳ متر، ۱۰۴۳٫۳ -۲۰۸۶٫۶ متر، ۲۰۸۶٫۶ -۳۳۹۸٫۲ متر، ۳۳۹۸٫۲ -۵۰۳۷٫۷ متر و ۵۰۳۷٫۷ -۷۶۰۱٫۲ متر.

مصالح شیب

وقوع زمین لغزش به شدت به جنس مواد طبیعی زمین بستگی دارد زیرا خاصیت مواد زمین مستقیماً با مقاومت آن مرتبط است. مواد ضعیف‌تر مانند خاک‌ها/سنگ‌های ضعیف، به دلیل مقاومت برشی پایین و پتانسیل اشباع بالایشان، بیشتر مستعد شکست هستند. از سوی دیگر، سنگ‌های مقاوم‌تر، به دلیل مقاومت برشی بالا، کمتر مستعد شکست هستند، در اینجا هوازدگی نیز نقش مهمی در کنترل پایداری شیب‌های سنگی ایفا می‌کند. این مطالعه با هدف بررسی تأثیر مواد زمین بر وقوع زمین لغزش با معرفی یک اصطلاح واسطه به نام “مواد شیب” که شامل انواع خاک و سنگ‌شناسی است، انجام شد.

داده‌های سنگ‌شناسی از نقشه زمین‌شناسی دسی، که توسط سازمان زمین‌شناسی اتیوپی در سال ۲۰۱۰ تهیه شده بود، استخراج شدند، در حالی که اطلاعات خاک از نقشه خاک اتیوپی که توسط سازمان غذا و کشاورزی در سال ۱۹۸۶ تهیه شده بود، سرچشمه گرفت. متعاقباً، نقشه‌های سنگ‌شناسی و خاک از طریق بررسی‌های میدانی گسترده اصلاح و به‌روزرسانی شدند تا در نقشه مواد شیب ادغام شوند. نقشه مواد شیب حاصل، چهار واحد مجزا را مشخص می‌کند: بازالت آگلومراتیک، بازالت آفانتیک، خاک کوه‌رفتی و خاک باقی‌مانده (شکل  ۹ ب).

فاصله تا خطواره

هرچه منطقه‌ای به خطواره‌ها نزدیک‌تر باشد، حساسیت آن به ناپایداری شیب بیشتر است ^۳۰٫ این به دلیل اختلال تدریجی در تشکیل و نفوذپذیری بالا است. علاوه بر این، خطواره‌ها به عنوان مسیر ذاتی برای زهکشی عمل می‌کنند، جایی که جریان رودخانه با روان‌سازی ویژگی‌های زمین‌شناسی و تقویت وزن مواد خاکی، خطر زمین لغزش را افزایش می‌دهد ^{۱۳ ، ۴۷٫} رد خطوط از نقشه زمین‌شناسی دسی، هیل شید از DEM آلوسپالسار با وضوح مکانی ۱۲٫۵ متر در ۱۲٫۵ متر، بررسی میدانی و تصاویر ماهواره‌ای سنتینل -۲ A دیجیتالی شدند و بافرینگ با استفاده از ابزار فاصله اقلیدسی در فاصله پیش‌فرض انجام شد. در نهایت، به ۵ کلاس طبقه‌بندی شد (شکل  ۹ ج). این مقادیر عبارتند از: ۰ تا ۲۱۹.۱ متر، ۲۱۹.۱ تا ۴۵۸.۲ متر، ۴۵۸.۲ تا ۷۶۶.۹ متر، ۷۶۶.۹ تا ۱۲۴۵.۰ متر و ۱۲۴۵.۰ تا ۲۵۳۹.۸ متر.

پوشش زمین کاربری زمین

تغییر کاربری زمین به عنوان یکی از مهمترین عوامل مؤثر بر وقوع زمین لغزش شناخته شده است ^۴۶٫ تغییرات در کاربری زمین و پوشش زمین ناشی از فعالیت‌های انسانی، مانند جنگل‌زدایی، چرای بیش از حد، کشاورزی فشرده و کشت در شیب تند است که می‌تواند باعث بی‌ثباتی شیب شود. نقشه کاربری/پوشش زمین از داده‌های تصویر landsat8 در Q – GIS 3.4 تهیه شد. در منطقه مورد مطالعه فعلی، چهار نوع کاربری/پوشش زمین شامل زمین‌های زراعی، پوشش گیاهی، زمین‌های بایر، ساخته شده و بستر رودخانه وجود دارد (شکل  ۹d ).

تمام لایه‌های داده‌های موضوعی ۸ عامل مؤثر، شامل لایه داده‌های موجودی که از منابع مختلف با سیستم مختصات و وضوح مکانی متفاوت به دست آمده بودند، در نرم‌افزار Universal Transverse Mercator (UTM-37/N) تصویرسازی شده و در نرم‌افزار Q-GIS 3.4 با اندازه پیکسل ۱۰ متر در ۱۰ متر نمونه‌برداری مجدد شدند تا برای مدل‌سازی بیشتر حساسیت زمین‌لغزش با استفاده از نسبت فراوانی (FR) و فرآیند تحلیل سلسله مراتبی (AHP) آماده شوند. مجموعه داده‌های مورد استفاده در این مطالعه و منابع مربوطه آنها در زیر شرح داده شده است (جدول  ۱ ).

مدل‌ها

نسبت فرکانس

مدل نسبت فراوانی (FR) یک روش آماری دو متغیره پرکاربرد است که همانطور که در بخش مقدمه توضیح داده شده است، در مطالعات متعددی برای تولید نقشه‌های حساسیت زمین لغزش با موفقیت به کار گرفته شده است. این مدل بر اساس ارتباط مکانی اندازه‌گیری شده بین توزیع زمین لغزش و عامل مرتبط با زمین لغزش ^۴۸ کار می‌کند . این شاخص را می‌توان با تقسیم درصد پیکسل زمین لغزش بر درصد پیکسل کل مساحت در هر کلاس عامل، همانطور که در معادله ^۱-۲۴ داده شده است، محاسبه کرد .

مقدار بزرگتر از ۱ نشان دهنده همبستگی مکانی قوی‌تر بین طبقات عامل و وقوع زمین لغزش است، در حالی که مقدار کمتر از ۱ نشان دهنده همبستگی مکانی ضعیف‌تر است ^{۱۳ ، ۴۲} .

مقدار FR برای هر کلاس باید به صورت مقادیر فراوانی نسبی در محدوده احتمال [۰، ۱] نرمال‌سازی شود، سپس در ۱۰۰ ضرب شود و به عنوان وزن کلاس برای هر کلاس عامل ^۴۹ تعیین شود .

هر یک از عوامل کنترل‌کننده ، میزان تأثیر متفاوتی بر وقوع زمین‌لغزش دارند. اهمیت نسبی هر عامل با رتبه‌بندی پیش‌بینی یا وزن‌دهی به عوامل مؤثر تعیین می‌شود ^.

^{در نهایت، شاخص حساسیت} زمین لغزش با ضرب PR و RF برای هر عامل و جمع بندی رستری همه عوامل با استفاده از معادله ۴۲۳ تهیه  شد .

فرآیند تحلیل سلسله مراتبی (AHP)

فرآیند تحلیل سلسله مراتبی (AHP) روشی است که عناصر ذهنی و عینی را برای ارزیابی حساسیت زمین لغزش ترکیب می‌کند. این روش برای شناسایی عوامل مؤثر بر وقوع زمین لغزش به درک و دانش کارشناسان متکی است . ^۲۹٫ این روش یک سلسله مراتب برای عوامل و کلاس‌های مسبب ایجاد می‌کند و همه جفت‌ها را در یک ماتریس مقایسه می‌کند تا وزن هر کلاس را تعیین کند و سپس نسبت سازگاری (CR) را می‌توان محاسبه کرد تا میزان سازگاری قضاوت‌ها را اندازه‌گیری کند. ^{۵۰ ، ۵۱٫} روش استفاده از AHP برای نقشه‌برداری حساسیت زمین لغزش به چند مرحله ^{۳۴ ، ۵۰} تجزیه شد .

مرحله ۱ مرحله‌ای است که در آن مسئله تعریف و هدف شناسایی می‌شود تا در مورد چگونگی رویکرد به مسئله تصمیم‌گیری شود و مسائل تصمیم‌گیری به ترتیب سلسله مراتبی تجزیه شوند.

مرحله ۲، توسعه ماتریس قضاوتی عوامل زمین لغزش و کلاس‌های آنها و اختصاص ارزش عددی است. این مرحله، نسبت دادن مقادیر از مقیاس وزنی ارائه شده توسط ^۳۶ برای قضاوت ذهنی بین اهمیت برابر و اهمیت بسیار زیاد به صورت عددی بین ۱ تا ۹ است. این مقایسه‌های زوجی برای همه عوامل زمین لغزش مورد بررسی انجام می‌شود و اگر تعداد n عامل زمین لغزش وجود داشته باشد، ماتریس nxn وجود خواهد داشت و ماتریس از فرم بسیار خاصی برخوردار است که به طور مرتب از محاسبه پشتیبانی می‌کند و سپس تضمین می‌کند که ماتریس A = (aij)، aij = ωi/ωj است، در حالی که (i، j = ۱، ۲، ۳،….،n) در همه جا ورودی‌های مثبت دارد و ویژگی معکوس aji = ۱/aij را برای i ≠ j برآورده می‌کند و هر ماتریسی با این ویژگی، ماتریس معکوس ^۵۰ نامیده می‌شود .

مرحله ۳ مرحله‌ای است که در آن محاسبه وزن‌ها/اولویت‌های محلی با اختصاص وزن برای هر عامل و کلاس‌های زمین‌لغزش ^۵۰ انجام می‌شود . در اینجا، محاسبه λmax، CI و CR برای بررسی سازگاری ماتریس و قابلیت اطمینان نتیجه این روش از اهمیت حیاتی برخوردار است. آن‌ها را می‌توان با استفاده از معادلات زیر محاسبه کرد.

که در آن ω بردار ویژه اصلی A و λmax مقدار ویژه اصلی است.

لازم است سازگاری در برابر قضاوت‌های کاملاً تصادفی ارزیابی شود.

که در آن CI شاخص سازگاری و n تعداد فاکتورها یا کلاس‌ها است.

پس از داشتن CI، ماتریس با یک مرحله نهایی برای بررسی اینکه آیا قضاوت سازگار است یا خیر، باقی می‌ماند. نسبت سازگاری (CR) با تقسیم شاخص سازگاری برای مجموعه قضاوت‌ها بر شاخص ماتریس تصادفی داده شده توسط ^۳۶ محاسبه می‌شود .

که در آن CR نسبت سازگاری و RI شاخص سازگاری تصادفی است که توسط ^۳۶ ارائه شده است .

ساعتی پیشنهاد می‌کند که اگر CR از ۰٫۱ بیشتر شود، مجموعه قضاوت‌ها ممکن است بیش از حد ناسازگار باشند و اگر CR برابر با ۰ باشد، به این معنی است که قضاوت‌ها کاملاً سازگار ^هستند .

مرحله آخر، تجمیع امتیازات کلی است تا شاخص حساسیت زمین لغزش (LSI) یک منطقه مشخص به دست آید و این کار را می‌توان با استفاده از معادله زیر انجام داد.

که در آن wj: مقدار وزنی پارامتر j و wij: مقدار رتبه‌بندی یا مقدار وزنی کلاس i در پارامتر jn: تعداد پارامترها. روش کلی مطالعه در زیر شرح داده شده است (شکل  ۱۰ ).

نقشه حساسیت زمین لغزش با استفاده از مدل FR

جدول  ۲ در زیر نشان می‌دهد که هر دسته از عوامل ایجادکننده، FR و RF دریافت کرده‌اند که نشان‌دهنده تأثیر مربوطه آنها بر زمین‌لغزش منطقه است. علاوه بر این، بر اساس توزیع FR با هر یک از دسته‌های عامل ایجادکننده متمایز، نرخ پیش‌بینی برای هر عامل ایجادکننده محاسبه شد.

شیب

کلاس ۰° – ۱۵° بالاترین مقدار FR معادل ۱٫۳۹ و کلاس > 45º کمترین مقدار FR معادل ۰٫۱۴ را کسب می‌کند. نتیجه نشان می‌دهد که احتمال وقوع زمین لغزش در کلاس شیب با حرکت از شیب ملایم به شیب تند کاهش می‌یابد و این برخلاف این مفهوم است که هرچه شیب تندتر باشد، احتمال وقوع زمین لغزش بیشتر است. این نشان می‌دهد که سهم عامل شیب در وقوع زمین لغزش در منطقه مورد مطالعه به طور قابل توجهی کم است.

جنبه

کلاس‌های جهت E، SE، S و SW با مقدار FR بالاتر به ترتیب ۱.۰۵، ۱.۳۶، ۱.۷۵ و ۱.۱۹، احتمال وقوع زمین لغزش نسبتاً بالایی دارند. این امر می‌تواند به دلیل قرار گرفتن در معرض نور شدید خورشید، بارندگی زیاد، جریان زیاد رودخانه و وجود مصالح ضعیف شیب در این سطوح شیب باشد. بقیه کلاس‌های جهت با FR < ۱، احتمال وقوع زمین لغزش پایینی را نشان می‌دهند.

ارتفاع

طبقه ارتفاعی ۲۲۰۸ تا ۲۴۵۵ متر، مقدار FR قابل توجه ۲.۳۹ را نشان می‌دهد و پس از آن طبقه ارتفاعی ۱۹۸۹ تا ۲۲۰۸ متر با مقدار FR برابر با ۱.۱۳ قرار دارد. با این حال، توجه به این نکته مهم است که این احتمال افزایش یافته صرفاً به ارتفاع مربوط نمی‌شود، بلکه تحت تأثیر عوامل دیگری مانند جنس شیب و آب‌های زیرزمینی خاص این محدوده‌ها نیز قرار دارد. برعکس، سه طبقه ارتفاعی باقی مانده دارای مقادیر FR کمتر از ۱ هستند که نشان دهنده احتمال کمتر زمین لغزش در آن طبقات ارتفاعی است.

فاصله تا جریان

کلاس اول آبراهه با فاصله ۰ تا ۲۸۳٫۷ متر، ضریب شکست قابل توجه ۱٫۵۵ را نشان می‌دهد که نشان‌دهنده بالاترین احتمال وقوع زمین لغزش در این کلاس آبراهه است. این پدیده با جریان مکرر آب و اشباع مواد خاکی که مقاومت برشی را کاهش می‌دهد، همراه با نرخ بالای فرسایش در مجاورت، که این کلاس آبراهه را مستعد شکست می‌کند، توضیح داده می‌شود. برعکس، مناطقی که در فاصله دورتر از ۲۸۳٫۷ متر از آبراهه‌ها قرار دارند، مقادیر ضریب شکست کمتر از ۱ را نشان می‌دهند که نشان‌دهنده احتمال کمتر وقوع زمین لغزش است.

فاصله تا جریان

کلاس اول چشمه‌های ۰ تا ۱۰۷۳٫۱ متر با ضریب شکست ۲٫۴۹ بیشترین احتمال وقوع زمین لغزش را دارند، این امر به دلیل افزایش سطح آب زیرزمینی در مجاورت نقطه چشمه در توده خاک کوهرفتی است که با ایجاد فشار آب منفذی، افزایش اشباع و افزایش وزن توده خاک مربوطه، باعث ناپایداری شیب می‌شود که در نهایت منجر به کاهش مقاومت برشی خاک کوهرفتی می‌شود که به نوبه خود منجر به شکست شیب در چشمه کلاس اول می‌شود. کلاس‌های چشمه باقی مانده احتمال وقوع زمین لغزش کمی با مقدار ضریب شکست کمتر از ۱ نشان می‌دهند. این نشان می‌دهد که سهم چشمه فراتر از ۱۰۷۳٫۱ متر از نقطه چشمه ناچیز است.

مصالح شیب

خاک کوهرفت با مقادیر FR برابر با ۳.۱۷ در مقایسه با سایر طبقات مصالح شیب، همبستگی بسیار قوی با زمین لغزش منطقه نشان می‌دهد. این امر به این دلیل اتفاق افتاده است که خاک کوهرفت، مصالحی سست و غیر یکپارچه است که در پایه شیب‌های تند با عدم چسبندگی، ویژگی‌های زهکشی ضعیف و قرار گرفتن زیاد در معرض مزاحمت‌های انسانی انباشته شده است. از سوی دیگر، طبقات مصالح شیب باقی مانده شامل بازالت متراکم، بازالت آفانتیک و خاک باقیمانده، مقدار FR کمتر از ۱ را نشان می‌دهند که نشان‌دهنده همبستگی بسیار پایین بین طبقات مصالح زمین لغزش و شیب است.

LULC

زمین‌های زراعی با مقدار FR برابر با ۱.۷۷، احتمال بالایی برای رانش زمین نشان دادند و پس از آن، بستر رودخانه‌ها با مقدار FR برابر با ۱.۱۱ و سپس پوشش گیاهی با مقدار FR برابر با ۱.۰۳ قرار داشتند. احتمال بالای رانش زمین در زمین‌های زراعی را می‌توان به قرار گرفتن آن در معرض تغییر خواص خاک، تغییر پوشش گیاهی و تأثیر بر فرآیندهای هیدرولوژیکی نسبت داد که همگی در حساسیت به رانش زمین نقش دارند. احتمال بالای مشاهده شده در بستر رودخانه‌ها با فرسایش، اشباع و فرسایش زیرسطحی توسط آب رودخانه مرتبط است که همگی می‌توانند در وقوع رانش زمین نقش داشته باشند. در مورد پوشش گیاهی، تحت شرایط خاص، این امر به وقوع رانش زمین کمک می‌کند. این امر به ویژه زمانی مشهود است که پوشش گیاهی دارای سیستم‌های ریشه‌ای کم‌عمق باشد. در منطقه مورد مطالعه، درختچه‌ها یا بوته‌ها بر پوشش گیاهی غالب هستند. این نشان می‌دهد که شیوع گیاهان با ریشه کم‌عمق می‌تواند فراوانی وقوع رانش زمین را در طبقه پوشش گیاهی افزایش دهد. طبقات باقیمانده LULC، زمین‌های بایر و مناطق ساخته شده، احتمال بسیار کمی برای وقوع زمین لغزش نشان می‌دهند، با FR کمتر از ۱. زمین‌های بایر در منطقه مورد مطالعه شامل بازالت آگلومره شده و بدون پوشش گیاهی با حداقل یا بدون پوشش گیاهی است که آن را تا حد زیادی در برابر زمین لغزش مقاوم می‌کند. سکونتگاه‌ها در زمین‌های مسطح واقع شده‌اند، جایی که فراوانی وقوع زمین لغزش بسیار کم است.

فاصله تا خطواره

بیشتر کلاس‌های خطواره‌ها مقدار FR تقریباً ۱ را نشان می‌دهند. این نشان می‌دهد که خطواره‌ها در منطقه مورد مطالعه تأثیر قابل توجهی بر وقوع زمین لغزش ندارند که یک اثر خنثی است.

هر عامل مؤثر، سطح تأثیر متفاوتی بر وقوع زمین لغزش دارد. اهمیت نسبی هر عامل از طریق رتبه‌بندی یا وزن پیش‌بینی تعیین می‌شود. همانطور که در جدول  ۲ نشان داده شده است ، جنس چشمه و شیب با مقدار PR 21 و ۲۲٫۵ بیشترین سهم را در حساسیت زمین لغزش در منطقه مورد مطالعه دارند. نهر، شیب، LULC و ارتفاع به ترتیب با مقادیر PR 7.5، ۱۰، ۷٫۵ و ۱۳٫۵ تأثیر متوسطی بر وقوع زمین لغزش دارند، در حالی که خطواره و جهت شیب با PR 2.75 و ۱ کم‌اهمیت‌ترین عوامل در تعیین حساسیت زمین لغزش در منطقه مورد مطالعه هستند. تأثیر نسبی عوامل مؤثر بر وقوع زمین لغزش از یک منطقه جغرافیایی به منطقه دیگر بسته به سازند زمین‌شناسی، وضعیت ژئومورفولوژیکی، شرایط هیدرولوژیکی و LULC متفاوت است.  ^{۲۳ نفر} ، LULC، زمین‌شناسی، ارتفاع و شیب را به عنوان تأثیرگذارترین عوامل شناسایی کردند، در حالی که ^{۳۱ نفر} به این نتیجه رسیدند که جنس شیب و فاصله تا چشمه‌ها مهم‌ترین عوامل هستند که با یافته‌های فعلی همسو است.

شاخص حساسیت زمین لغزش با ضرب PR و RF برای هر عامل و جمع بندی رستری همه عوامل با استفاده از معادله  ۴ تهیه شد که به صورت زیر ارائه شده است:

شاخص LSI به پنج کلاس حساسیت بسیار کم، کم، متوسط، زیاد و بسیار زیاد طبقه‌بندی شد (شکل  ۱۱ ). نقشه حساسیت زمین لغزش نشان داد که ۴۱٫۱۸٪ از منطقه مورد مطالعه در گروه حساسیت بسیار کم، ۱۴٫۲۲٪ در گروه حساسیت کم، ۱۱٫۲۲٪ در گروه حساسیت متوسط، ۱۰٫۸۵٪ در گروه حساسیت زیاد و ۲۲٫۵۳٪ بقیه در گروه حساسیت بسیار زیاد قرار دارند. این نشان می‌دهد که بیش از ۳۰٪ از منطقه مورد مطالعه احتمال و خطر زمین لغزش را دارد در حالی که حدود ۷۰٪ احتمال و خطر نسبتاً کمی دارد.

بسیاری از نویسندگان قابلیت اطمینان رویکرد FR را برای نقشه‌برداری از حساسیت زمین‌لغزش تصدیق کرده‌اند ^{۲۳ ، ۲۵ ، ۲۸} و این رویکرد با یافته‌های این کار سازگار است.

تهیه نقشه حساسیت زمین لغزش با استفاده از مدل AHP

در این مطالعه، ۸ عامل ایجادکننده مورد تجزیه و تحلیل قرار گرفتند و در یک ساختار سلسله مراتبی سازماندهی شدند تا از فرآیند تحلیل سلسله مراتبی (AHP) برای ارزیابی زمین لغزش استفاده شود. مقایسه‌های زوجی بین همه عوامل و کلاس‌ها انجام شد و در نتیجه یک ماتریس قضاوت ایجاد شد. برای ایجاد ماتریس قضاوت، هر عامل/کلاس با اختصاص یک مقدار تسلط نسبی از ۱ تا ۹ یا مقدار معکوس آن از ۱/۹ تا ۱ در مقایسه با هر عامل/کلاس دیگر ارزیابی شد. به هر عامل ایجادکننده و کلاس‌های مربوطه وزن‌های مشخصی اختصاص داده شد، سهم نسبی آنها در وقوع زمین لغزش ارزیابی شد و سپس نسبت سازگاری (CR) برای اندازه‌گیری میزان سازگاری قضاوت محاسبه شد (جداول  ۳ و ۴ ).

شیب، جهت شیب، ارتفاع و فاصله تا خطواره به ترتیب وزن نسبتاً کمی معادل ۰٫۰۶، ۰٫۰۳، ۰٫۰۶ و ۰٫۰۹ به خود اختصاص دادند (جدول  ۴ ) که نشان می‌دهد این عوامل در مقایسه با سایر عوامل مانند فاصله تا نهر، LULC، جنس شیب و فاصله تا چشمه‌ها که تأثیر قابل توجه‌تر و قابل توجهی بر وقوع زمین لغزش در منطقه مورد مطالعه دارند، به عنوان عامل اصلی در وقوع زمین لغزش در نظر گرفته نمی‌شوند. بیشتر زمین لغزش‌ها در مناطق منطقه مورد مطالعه با شیب‌های ملایم و بسیار ملایم متمرکز شده‌اند که نشان می‌دهد سهم عامل شیب در ایجاد زمین لغزش در منطقه مورد مطالعه ناچیز است و حداقل وزن برای این عامل در نظر گرفته شد. منطقه مورد مطالعه حداقل تغییرات در جهت شیب را نشان داد که نشان می‌دهد در مقایسه با سایر عوامل، تأثیر ناچیزی بر وقوع زمین لغزش دارد. تفاوت ارتفاع بین بالاترین و پایین‌ترین نقاط در ایجاد تغییرات در هوازدگی و بارندگی در منطقه مورد مطالعه ناچیز بود. در نتیجه، به ارتفاع وزن کمی اختصاص داده شد که نشان می‌دهد عامل اصلی در وقوع زمین لغزش نیست. خطواره‌ها می‌توانند به دلیل شکستگی‌ها یا گسل‌هایی که می‌توانند مناطق ضعیف ایجاد کنند، بر پایداری زمین تأثیر بگذارند، اما به نظر می‌رسد این عامل در منطقه مورد مطالعه تأثیر کمتری دارد. این منطقه دارای ویژگی‌های خطواره‌ای قابل توجهی است، اما تأثیر آنها بر وقوع زمین لغزش تحت الشعاع عوامل دیگر، به ویژه جنس شیب، قرار گرفته است، زیرا بیشتر خاک کوهرفتی در امتداد خطواره‌ها رسوب کرده و کمترین وزن به آنها داده شده است.

عامل فاصله تا نهر، با وزن ۰٫۱۳، نشان می‌دهد که نهرها تأثیر متوسطی بر حساسیت به زمین لغزش دارند. نهرها می‌توانند با فرسایش دامنه‌ها، به ویژه در هنگام بارندگی شدید یا سیل، در وقوع زمین لغزش نقش داشته باشند. مناطق نزدیک نهرها به دلیل افزایش اشباع خاک و ناپایداری دامنه ناشی از فرسایش نهر، بیشتر مستعد زمین لغزش هستند. این تأثیر به ویژه مشهود است، زیرا بیشتر نهرها در منطقه مورد مطالعه از طریق رسوبات سطحی جریان می‌یابند. عامل فاصله تا چشمه بالاترین وزن (۰٫۲۵) را دارد که نشان می‌دهد چشمه‌ها عامل تعیین‌کننده بسیار مهمی در حساسیت به زمین لغزش در منطقه مورد مطالعه هستند. چشمه‌ها به جریان آب‌های زیرزمینی کمک می‌کنند و می‌توانند محتوای آب در خاک را افزایش دهند و دامنه‌ها را بیشتر مستعد شکست کنند. مناطق نزدیک به چشمه‌ها ممکن است سطوح بالاتری از اشباع را تجربه کنند که می‌تواند پایداری خاک را کاهش داده و باعث زمین لغزش شود. این تأثیر همچنین مبتنی بر شواهد است، زیرا بیشتر چشمه‌ها در منطقه مورد مطالعه از طریق رسوبات سطحی جریان می‌یابند و غلظت قابل توجهی از زمین لغزش‌ها در نزدیکی این چشمه‌ها مشاهده می‌شود. جنس شیب، که به نوع خاک، سنگ یا رسوب موجود در شیب اشاره دارد، وزن بالایی (۰٫۲۵) دارد که نقش حیاتی آن را در وقوع زمین لغزش برجسته می‌کند. جنس اصلی شیب که در ایجاد زمین لغزش در منطقه مورد مطالعه نقش دارد، خاک کوهرفتی سست و غیر متراکم است. این نشان می‌دهد که خاک کوهرفتی در این منطقه بیشتر مستعد ناپایداری است، به ویژه هنگامی که تحت تأثیر عواملی مانند بارندگی یا نزدیکی به چشمه‌ها قرار می‌گیرد. عامل LULC با وزن ۰٫۱۳ نشان می‌دهد که فعالیت‌های انسانی و پوشش گیاهی بر حساسیت به زمین لغزش در منطقه تأثیر می‌گذارند. به طور خاص، شیوه‌های کشاورزی، همراه با جنگل‌زدایی، پوشش گیاهی طبیعی را مختل می‌کنند، پایداری شیب را کاهش می‌دهند و زمین را بیشتر مستعد فرسایش و زمین لغزش می‌کنند. وزن ۰٫۱۳ نشان می‌دهد که LULC نقش متوسطی ایفا می‌کند، اما به اندازه عواملی مانند جنس شیب یا فاصله تا چشمه مهم نیست.

به طور کلی، تحلیل مدل‌سازی AHP نشان می‌دهد که جنس شیب و فاصله تا چشمه‌ها تأثیرگذارترین عوامل هستند و پس از آن فاصله تا آبراهه‌ها و کاربری اراضی با تأثیر متوسط ​​قرار دارند. شیب، جهت شیب، ارتفاع و فاصله تا خطواره‌ها کمترین تأثیر را بر حساسیت زمین‌لغزش در منطقه مورد مطالعه دارند. (جدول  ۴ ). این نشان می‌دهد که مدیریت یا نظارت بر دو عامل مهم (جنس شیب و فاصله تا چشمه‌ها) می‌تواند برای کاهش پیشگیری از زمین‌لغزش در منطقه مورد مطالعه تعیین‌کننده باشد.

محققانی که از مدل AHP برای نقشه‌برداری از حساسیت زمین‌لغزش در مناطق جغرافیایی مختلف استفاده کرده‌اند، بر اساس قضاوت شخصی خود و همچنین شرایط زمین‌شناسی، ژئومورفولوژیکی و هیدرولوژیکی محلی، وزن‌های متفاوتی را به عوامل ایجادکننده اختصاص می‌دهند . ^{۳۲ ، ۱۷ ، ۲۹ ، ۸}

در نهایت، شاخص حساسیت زمین لغزش با ضرب کردن مقدار وزنی هر عامل مؤثر در مقدار وزنی کلاس‌های مربوطه برای عوامل منفرد و سپس جمع کردن تمام مقادیر رستری با استفاده از معادله ۷ مطابق آنچه در زیر ارائه شده است، تولید شد.

شاخص حساسیت زمین (LSI) حاصل از مدل AHP به پنج کلاس حساسیت طبقه‌بندی شد: خیلی کم، کم، متوسط، زیاد و خیلی زیاد (شکل  ۱۲ ). از نقشه حساسیت، ۲۳٫۰۹٪ از منطقه مورد مطالعه به عنوان حساسیت خیلی کم، ۲۶٫۳۴٪ به عنوان حساسیت کم، ۱۷٫۷۷٪ به عنوان حساسیت متوسط، ۱۳٫۷۴٪ به عنوان حساسیت زیاد و ۱۹٫۰۶٪ به عنوان حساسیت خیلی زیاد شناسایی شده‌اند. مشابه نتیجه FR، بیش از ۳۰٪ از منطقه مورد مطالعه در معرض خطر رانش زمین قرار دارد، در حالی که تقریباً ۷۰٪ خطر نسبتاً کمی دارد.

^{اگرچه این روش توسط ۵۲} برای رویکرد تصمیم‌گیری چند رشته‌ای توسعه داده شد ، بسیاری از محققان ^{۱۱ ، ۳۰} بر اهمیت AHP برای مطالعات زمین لغزش و قابلیت اطمینان نتایج آن تأکید کرده‌اند. در همین راستا، در این کار، این روش با دقت و مطابق با دستورالعمل‌های توسعه‌دهنده و سایر محققان اتخاذ شد و منجر به پیش‌بینی قابل اعتمادی از مخاطرات طبیعی شده است.

اعتبارسنجی نقشه‌های حساسیت زمین لغزش

روکش

با همپوشانی مجموعه داده‌های آموزش و اعتبارسنجی زمین‌لغزش‌ها بر روی نقشه‌های حساسیت زمین‌لغزش، درصد و تراکم زمین‌لغزش‌های آموزش و اعتبارسنجی محاسبه شد. نتایج نشان‌دهنده روند افزایشی از کلاس‌های حساسیت زمین‌لغزش بسیار کم به بسیار زیاد است (جدول  ۵ ). این امر، قابلیت اطمینان مدل‌های اعمال شده و اعتبار نقشه‌های حساسیت زمین‌لغزش تولید شده را تأیید می‌کند.

شاخص تراکم نسبی زمین لغزش (RIndex)

همچنین از شاخص تراکم نسبی زمین لغزش برای اعتبارسنجی نقشه‌های حساسیت زمین لغزش استفاده شد. شاخص R برای هر کلاس حساسیت با استفاده از معادله (۱۱) محاسبه می‌شود.

مقدار شاخص R نیز روند افزایشی را از کلاس‌های حساسیت بسیار کم به بسیار زیاد نشان می‌دهد، همانطور که در شکل  ۱۳ نشان داده شده است . این امر اعتبار مدل‌های اعمال شده و دقت نقشه‌های حساسیت زمین لغزش تولید شده را بیشتر تأیید می‌کند.

منحنی مشخصه‌های عملیاتی گیرنده (ROC)

روش دیگری که در ارزیابی موفقیت و نرخ پیش‌بینی مجموعه داده‌های آموزش و اعتبارسنجی زمین‌لغزش برای نقشه‌های مدل FR و AHP در نظر گرفته شد، مساحت زیر منحنی مشخصه عملکرد گیرنده (AUC) بود. این یکی از محبوب‌ترین تکنیک‌های ارزیابی دقت در نقشه‌برداری حساسیت زمین‌لغزش است [۳۹]. اعتبارسنجی نقشه‌های حساسیت زمین‌لغزش از طریق AUC به نرخ موفقیت و نرخ پیش‌بینی طبقه‌بندی می‌شود. نرخ موفقیت، میزان تطابق مؤثر مدل با زمین‌لغزش‌های تاریخی را اندازه‌گیری می‌کند، در حالی که نرخ پیش‌بینی به پتانسیل مدل برای پیش‌بینی محل زمین‌لغزش‌های آینده اشاره دارد. مقادیر AUC از ۰ تا ۱ متغیر است، که مقادیر بالای ۰٫۵ نشان‌دهنده دقت پیش‌بینی بهتر است، در حالی که مقادیر زیر ۰٫۵ نشان‌دهنده خطا در پیش‌بینی است. مقدار AUC با استفاده از ابزار الحاقی ArcSDM محاسبه شد. نرخ موفقیت با استفاده از مجموعه داده‌های آموزش زمین‌لغزش ارزیابی شد و مقادیر AUC 0.828 برای مدل FR را نشان داد که کمی بهتر از مقادیر AUC 0.826 برای مدل AHP است (شکل ۱۴ الف، ب). به طور مشابه، نرخ پیش‌بینی با استفاده از مجموعه داده‌های زمین‌لغزش اعتبارسنجی ارزیابی شد که مقادیر AUC برابر با ۰٫۸۳۵ را برای مدل FR نشان داد که از مقادیر AUC برابر با ۰٫۸۳۲ برای مدل AHP بهتر عمل کرد (شکل ۱۵ الف، ب).

اعتبارسنجی نقشه‌های تولید شده با استفاده از این دو مدل نشان می‌دهد که نقشه تولید شده توسط مدل FR نتیجه کمی دقیق‌تر از نقشه تولید شده توسط مدل AHP ارائه می‌دهد. دقت کمی بالاتر مدل FR را می‌توان به رویکرد مبتنی بر داده‌های زمینی آن نسبت داد که بر اساس رابطه مکانی بین داده‌های موجودی و عوامل ایجاد کننده با کاهش ذهنیت، سادگی و کارایی در پردازش مجموعه داده‌های بزرگ کار می‌کند. مشخص شد که هر مدل دارای معایب خاص خود است. به عنوان مثال، مدل نسبت فراوانی (FR) به طور مستقیم تعاملات غیرخطی بین زمین لغزش‌ها و عوامل ایجاد کننده آنها را در نظر نمی‌گیرد. از سوی دیگر، مدل AHP به دلیل ذهنیت ذاتی و سوگیری در تخصیص وزن شناخته شده است. مشاهده شده است که ترکیب این دو مدل می‌تواند به غلبه بر محدودیت‌های آنها در عین حفظ مزایای آنها کمک کند و در نهایت دقت پیش‌بینی را افزایش داده و منجر به نقشه‌های کاربردی‌تر و قابل اعتمادتری شود.

منطقه مورد مطالعه در منطقه وولو جنوبی از منطقه آمهارا در شمال شرقی اتیوپی، تقریباً ۵۰۰ کیلومتر دورتر از آدیس آبابا واقع شده است. در این منطقه، رانش زمین از علل مهم فاجعه انسانی بوده و بر مردم، دام‌ها، سکونتگاه‌ها، قبور، زیرساخت‌ها و زمین‌های کشاورزی تأثیر گذاشته است. هدف اصلی این مطالعه ارزیابی حساسیت به رانش زمین و ایجاد نقشه حساسیت به رانش زمین با استفاده از مدل‌های نسبت فراوانی (FR) و فرآیند تحلیل سلسله مراتبی (AHP) بود. برای دستیابی به این هدف، در مجموع ۳۲۸ رانش زمین از طریق بررسی‌های میدانی و تصاویر ماهواره‌ای شناسایی شد که سپس به رانش‌های آموزشی (۷۵٪) و رانش‌های اعتبارسنجی (۲۵٪) طبقه‌بندی شدند. هشت عامل مؤثر در رانش زمین، یعنی شیب، جهت شیب، ارتفاع، فاصله از نهر، فاصله از چشمه، جنس شیب، فاصله از خطواره و کاربری و پوشش زمین (LULC) در نظر گرفته شدند.

در روش نسبت فراوانی، نقشه‌های عامل ایجادکننده بر روی نقشه آموزشی موجودی زمین‌لغزش قرار داده شدند تا وزن هر طبقه از پارامترهای مرتبط با زمین‌لغزش مشخص شود. بر اساس مقادیر وزنی، طبقات عاملی با سهم نسبتاً بالاتر در وقوع زمین‌لغزش در منطقه مورد مطالعه شناسایی شدند. علاوه بر این، نرخ پیش‌بینی (PR) با تجزیه و تحلیل توزیع FR در بین طبقات عامل ایجادکننده محاسبه شد. LSI برای منطقه مورد مطالعه با استفاده از فراوانی نسبی (RF) و نرخ پیش‌بینی (PR) تولید شد. در نهایت، LSI به پنج طبقه حساسیت زمین‌لغزش بسیار کم، کم، متوسط، زیاد و بسیار زیاد طبقه‌بندی شد.

در فرآیند تحلیل سلسله مراتبی (AHP)، به هر عامل مؤثر و طبقات آن، مقداری اختصاص داده شد که نشان‌دهنده اهمیت نسبی آنها بود. برای این کار، ماتریس مقایسه زوجی ایجاد، نرمال‌سازی و از نظر سازگاری بررسی شد. پس از به دست آوردن مقادیر وزنی، در نهایت، تمام مقادیر وزن طبقات و وزن عوامل مؤثر به صورت دستی اختصاص داده شدند و مجموع وزنی هر ۸ عامل مؤثر برای تولید نقشه نهایی LSI در Q-GIS 3.4 انجام شد. سپس نقشه LSI با مقادیر کشیده شده به ۵ منطقه مستعد زمین لغزش با درجه حساسیت بسیار کم، کم، متوسط، زیاد و بسیار زیاد طبقه‌بندی شد.

عملکرد نقشه‌های نهایی حساسیت زمین لغزش تولید شده توسط مدل‌های FR و AHP اعتبارسنجی شدند. اعتبارسنجی‌های Overly و R-index نشان می‌دهد که هم زمین لغزش‌های آموزشی و هم زمین لغزش‌های اعتبارسنجی در کلاس‌های حساسیت بسیار کم و کم نادر هستند و در کلاس‌های حساسیت بالا و بسیار بالا برای هر دو نقشه بسیار متمرکز هستند. میزان موفقیت با استفاده از مجموعه داده‌های زمین لغزش آموزشی ارزیابی شد، که در آن نقشه مدل FR به مقدار AUC 0.828 دست یافت که از مقدار AUC مدل AHP 0.826 پیشی گرفت. به همین ترتیب، میزان پیش‌بینی با مجموعه داده‌های زمین لغزش اعتبارسنجی ارزیابی شد، که در آن نقشه مدل FR مقدار AUC 0.835 را ثبت کرد که از مقدار AUC مدل AHP 0.832 بهتر عمل کرد. به طور کلی، هر دو روش دقت بالایی را نشان دادند، به طوری که مدل FR نقشه حساسیت زمین لغزش کمی دقیق‌تر را در مقایسه با مدل AHP تولید کرد.

نقشه‌های حساسیت زمین‌لغزش که توسط هر دو روش نسبت فراوانی (FR) و فرآیند تحلیل سلسله مراتبی (AHP) تهیه می‌شوند، اطلاعات ضروری را ارائه می‌دهند که به تصمیم‌گیرندگان در برنامه‌ریزی کاربری زمین، انتخاب مکان و پیشگیری و کاهش خطر زمین‌لغزش کمک می‌کند. با شناسایی مناطق پرخطر، تصمیم‌گیرندگان می‌توانند مکان‌یابی زیرساخت‌ها را بهینه کنند، اقدامات کاهش خطر را اولویت‌بندی کنند، زیرساخت‌های مقاوم طراحی کنند و اطمینان حاصل کنند که توسعه به گونه‌ای انجام می‌شود که خطر زمین‌لغزش را به حداقل برساند. علاوه بر این، این نقشه‌ها اطلاعاتی را برای برنامه‌ریزی واکنش‌های اضطراری و طراحی استراتژی‌های بلندمدت برای سازگاری با خطرات احتمالی زمین‌لغزش و در نهایت تضمین ایمنی افرادی که در منطقه مورد مطالعه زندگی و کار می‌کنند، فراهم می‌کنند.

تحقیقات بیشتر باید با هدف بهبود مدل‌های موجود نسبت فراوانی (FR) و فرآیند تحلیل سلسله مراتبی (AHP) با ادغام تکنیک‌های پیشرفته مانند یادگیری ماشین برای در نظر گرفتن وابستگی‌های مکانی و تعاملات بین عوامل به طور مؤثرتر، بهبود کیفیت داده‌ها با استفاده از DEM با وضوح مکانی بالا و تصاویر ماهواره‌ای، بررسی عوامل مؤثر دیگر مانند بارندگی، بافت خاک، فعالیت لرزه‌ای برای افزایش کاربرد عملی نقشه حساسیت زمین لغزش انجام شود. علاوه بر این، یک مطالعه ژئوتکنیکی دقیق از هر شیب فروریخته به صورت جداگانه برای اجرای اقدامات پیشرفته کاهش زمین لغزش ضروری خواهد بود.