Volume 11, Issue 1 (5-2024)
Journal of Spatial Analysis Environmental Hazards 2024, 11(1): 113-130 |
Back to browse issues page
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Pourfarrashzadeh F, Beyghipour Motlagh F, Gharachorlu M. Statistical-spatial modeling of the potential of landslide occurrence in Yamchi catchment. Journal of Spatial Analysis Environmental Hazards 2024; 11 (1) : 7
URL: http://jsaeh.khu.ac.ir/article-1-3409-en.html
URL: http://jsaeh.khu.ac.ir/article-1-3409-en.html
1- University of Mohaghegh Ardabili
2- University of Mohaghegh Ardabili ,morchorloo@gmail.com
2- University of Mohaghegh Ardabili ,
Abstract: (1703 Views)
This study aimed to systematically explain the potential of the landslide occurrence to provide a prediction model of the possibility of this phenomenon in the Yamchi catchment in Ardebil province. In this regard, both approaches of discrete and continuous variables were used by means of overlay and logistic regression, respectively. Independent variables included elevation, slope, aspect, lithology, annual rainfall, roughness, general curvature, topographic wetness index, vegetation index, distance to fault, distance to stream and distance to road. The results, firstly, revealed the areas with high landslide potential by the matching layers of independent variables with the landslide layer in the geographical information system (GIS). These areas were in the middle elevation, high slopes, northern slope, high roughness, erodible formations, high rainfall, medium vegetation, surroundings of faults and rivers. Secondly, the results of the logistics regression model by providing a prediction equation of probability of landslide occurrence showed that the resulting model with pseudo r2 and ROC 0.22 and 0.86, respectively, had good power and efficiency to predict landslide through the catchment. In addition, the resulting beta coefficients for independent variables indicated that the importance of the variables was as follows: vegetation index distance to road, rain, lithology, distance to fault, elevation, topographic wetness index, roughness index, aspect, slope, and distance to river. In the end, the need to pay serious attention to the supporting and protection of vegetation cover of the mid -range and upstream of the catchment was determined because of unstable geomorphic conditions of these areas.
Article number: 7
Type of Study: Research |
Subject:
Special
Received: 2023/12/9 | Accepted: 2024/08/17 | Published: 2024/08/31
Received: 2023/12/9 | Accepted: 2024/08/17 | Published: 2024/08/31
References
1. بابلی موخر، حمید؛ کورش شیرانی و علیرضا تقیان. 1397. کارایی تئوری بی‌نظمی سامانه‌های طبیعی در پهنه‌بندی حساسیت زمین‌لغزش مطالعه موردی: حوضه آبخیز رودخانه فهلیان. فصلنامه علوم زمین، 28(109): 200-187.
2. دارابی شهماری، سحر و امیر صفاری 1398. برآورد حساسیت زمین‌لغزش با استفاده از مدل رگرسیون لجستیک و شاخص آنتروپی مطالعه موردی: ارتفاعات شهرستان دالاهو. نشریه تحلیل فضایی مخاطرات محیطی، 6(2): 180-165.
3. حفیظی، محمدکاظم؛ بهمن عباسی و احمد اشتری تلخستانی. 1389. بررسی زمین‌لغزش گردنه صائین اردبیل به منظور تأمین ایمنی راه با روش توموگرافی الکتریکی دوبُعدی و سه‌بُعدی. مجله فیزیک زمین و فضا، 36(1): 28-17.
4. خسروی، محسن؛ و علی‌اکبرجمالی. 1397. پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمل قوچان با توجه به عوامل موثر بر لغزش به روش شبکه عصبی، اتومات سلولی – مارکوف و رگرسیون لجستیک. فصلنامه جغرافیا و مخاطرات محیطی، 27: 1-17.
5. خالدی، شهریار؛ خه‌بات درفشی، اکبر مهرجونژاد، سعیده قره‌چاهی و شاهین خالدی. 1391. ارزیابی عامل‌های مؤثر در رویداد زمین‌لغزش و پهنه‌بندی آن با استفاده از مدل رگرسیون لجستیک در محیط GISمطالعه موردی: حوضه آبخیز طالقان. فصلنامه جغرافیا و مخاطرات محیطی، 1: 82-65.
6. خدائی قشلاق، لیلا؛ شهرام روستائی، و سید اسدا... حجازی. 1396. ارزیابی روش رگرسیون لجستیک در بررسی پتانسیل وقوع زمین‌لغزش مطالعه موردی: حوضه آبریز رودخانه حاجیلرچای. فصلنامه جغرافیای طبیعی، 10 (37): 57-45.
7. صمدزاده، رسول. 1394. ارزیابی پهنه‌های خطر زمین‌لغزش در جاده اردبیل ـ سرچم. فصلنامه پژوهش‌های دانش زمین، 6(3): 33-19.
8. زارع گاریزی، آرش؛ واحد بردی‌شیخ، امیر سعدالدین و عبدالرسول سلمان‌ماهینی. 1391. کاربرد روش رگرسیون لجستیک در مدل‌سازی الگوی مکانی احتمال تغییر پوشش گیاهی (مطالعه موردی: آبخیز چهل‌چای استان گلستان). نشریه فضای جغرافیایی، 12(37): 68-55.
9. طلایی، رضا؛ محسن شریعت جعفری و بیرامعلی بیرامی. 1398. ارزیابی تأثیر زمین‌لغزش بر بار رسوبی حوضه بالخلوچای در استان اردبیل. نشریه مهندسی و مدیریت آبخیز، 11()1: 210-193.
10. عبدی بسطامی، شیوا؛ هادی معماریان، سید محمد تاجبخش و محمود اعظمی راد. 1398. اولویت‌بندی عوامل موثر در وقوع زمین‌لغزش با استفاده از روش رگرسیون لجستیک. پژوهشنامه مدیریت حوزه آبخیز، 10(19): 170-154.
11. قراچورلو، مرتضی؛ فریبا اسفندیاری و علی دلال‌اوغلی. 1397. بررسی نقش پارامترهای ژئومورفولوژی در پراکنش پوشش گیاهی با استفاده از تحلیل رگرسیونی فضایی، فصلنامه فضای جغرافیایی، 18(63): 248-225.
12. کرم، عبدالامیر و فرج‌ا... محمودی. 1384. مدل‌سازی کمی و پهنه‌بندی خطر زمین‌لغزش در زاگرس چین‌خورده (مطالعه موردی: حوضه آبریز سرخون واقع در استان چهارمحال و بختیاری). فصلنامه پژوهش‌های جغرافیایی، 51: 14-1.
13. کیانی، شکراله؛ اکرم کریمخانی و احمد مزیدی. 1400. پهنه‌بندی خطر زمین‌لغزش با استفاده از مدل رگرسیون لجستیک و آنفیس در حوضه آبریز هشتجین استان اردبیل. فصلنامه جغرافیا و پایداری محیط، 39: 73-55.
14. مددی، عقیل. 1386. علل وقوع و پیامدهای ژئومورفولوژیک زمین‌لغزه 16 خرداد ماه 1384 محور اردبیل- تبریز در گردنه صایین (منطقه آذربایجان، غرب استان اردبیل). نشریه تحقیقات جغرافیایی، 23(3): 164-143.
15. مقیمی، ابراهیم؛ مجتبی یمانی و سعید رحیمی هرآبادی. 1392. ارزیابی و پهنه‌بندی خطر زمین‌لغزش در شهر رودبار با استفاده از فرایند تحلیل شبکه. فصلنامه پژوهش‌های ژئومورفولوژی کمی، 4: 118-103.
16. Agren, A.M., Lidberg, W., Stromgren, M., Oglive, J., Arp, P.A. 2014. Evaluating digital terrain indices for soil wetness mapping- a Swedish case study, Hydrology and Earth System Sciences, 11: 4103-4129.
17. Bai, F., W. Sang, and J. C. Axmacher. 2011. Forest vegetation responses to climate and environmental change: A case study from Changbai Mountain, NE China. Forest Ecology and Management, 262(11): 2052-2060.
18. Froude, M. J., and D. N. Petley. 2018. Global fatal landslide occurrence from 2004 to 2016. Natural Hazards and Earth System Sciences, 18: 2161–2181.
19. Gariano, S. L., and F. Guzzetti. 2016. Landslides in a changing climate. Earth-Science Reviews, 162: 227-252.
20. Kavzoglu, T., E. K. Sahin, & I. Colkesen. 2014. Landslide susceptibility mapping using GIS-based multi-criteria decision analysis, support vector machines, and logistic regression. Landslides 11, 425-439.
21. Mathew, J., V.K. Jha, and G.S. Rawat. 2007. Application of binary logistic regression analysis and its validation for landslide susceptibility mapping in part of Garhwal Himalaya, India. International Journal of Remote Sensing, 28(10): 2257-2275.
22. Olaya, V. 2009. Basic Land-Surface Parameters. In T. Hengl & H. Reuter (Eds.), Geomorphometry (pp. 141-169). Amsterdam, Elsevier.
23. Pokharel, B., M. Alvioli, and S. Lim. 2020. Relevance of morphometric predictors and completeness of inventories in earthquake-induced landslide susceptibility. In Proceedings of the Geomorphometry Conference, pp. 182-185.
24. Reichenbach, P., M. Rossi, BD. Malamud, M. Mihir, and F. Guzzetti. 2018. A review of statistically-based landslide susceptibility models. Earth-Science Reviews, 180: 60-91.
25. Simea, I., and S. Todica. 2012. Statistical landslide hazard analysis in Solca catchment area. Geographia, 1: 15-22.
26. Sujatha, E. R., and V. Sridhar. 2021. Landslide susceptibility analysis: a logistic regression model case study in Coonoor, India. Hydrology, 8(1): 1-18.
Send email to the article author
| Rights and permissions | |
 | This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. |
