ارزیابی قابلیت فرونشست زمین به روش weights-of-evidence (مطالعه‌ی موردی شهرکرج)

فرونشست زمین در مناطق شهری به سازه‌ها، جاده‌ها، خطوط آهن، لوله‌ها، سیستم‌های فاضلاب و چاه‌ها آسیب واردمی‌کند و تعیین پتانسیل آن اهمیت زیادی دارد. در این پژوهش استعداد فرونشست زمین در شهر کرج به کمک سیستم اطلاعات جغرافیایی و مدل وزن نشانگر(woe) مدلسازی‌شده‌است. بدین‌منظور نقشه‌ی فاکتورهای موثر بر فرونشست شامل شیب، ضخامت آبرفت، تغییرات سطح سفره‌ی آب‌زیرزمینی، لایه‌ای بودن آبخوان و اندازه‌ی ذرات و نفوذپذیری تهیه و با مقادیر ثبت‌شده‌ی فرونشست مقایسه‌شده و وزن تاثیر هریک تعیین‌گردید. درنهایت از تلفیق اثر این فاکتورها، نقشه‌ی شاخص پتانسیل مخاطره‌ی فرونشست(si) تعیین‌شده و به کمک منحنی نرخ موفقیت(src) پهنه‌بندی شد. براین اساس، پنج پهنه از نظر حساسیت به فرونشست از بسیارحساس تا حساسیت بسیار کم مشخص‌گردید. به‌منظور تعیین کارایی مدل woe به کمک منحنی src مشخص‌شد نقشه‌ی پیش‌بینی حساسیت به فرونشست، 93/64 درصد از واقعیت زمینی را پوشش داده‌است. نتایج نشان‌داد، لایه‌ای بودن آبخوان، تاثیر مثبتی در ایجاد فرونشست دارد. بیشترین تاثیر نفوذپذیری برفرونشست مربوط به آبرفت‌هایی با نفوذپذیری به‌نسبت خوب و دارای مقداری ذرات ریزدانه می‌باشد که با وزن نهایی 3/72، در بین طبقات مختلف تمامی پارامترها، بیشترین وزن را دارد و به‌نظر می‌رسد یکی از شرط‌های لازم برای رخ‌داد فرونشست است. از لحاظ ضخامت آبرفت، بیشترین میزان فرونشست در آبرفت‌های ضخیم (بیش از 200 متر) اتفاق‌افتاده‌است. به‌علاوه، مناطقی که بیش از نیم متر در سال افت متوسط آب زیرزمینی داشته‌اند نیز موثرین طبقه‌ی نوسانات سطح سفره بر پدیده‌ی فرونشست بوده‌اند. همچنین شیب‌های کمتر از دو درجه، مستعدترین شرایط شیب برای بروز فرونشست می‌باشد. بنابرنتایج، بسیاری از مناطق کرج در برابر مخاطره‌ی فرونشست به‌نسبت ایمنند ولی استعداد این مخاطره در جنوب و جنوب‌غرب شهر بالا و نیازمند توجه ویژه در مدیریت شهری‌است.

land subsidence hazard assessment using weights-of-evidence model (case study: karaj city)

subsidence in urban areas poses significant risks to infrastructure, including buildings, roads, railways, pipelines, sewage systems, and wells. therefore, assessing its potential is crucial. this study models the subsidence risk in karaj city using geographic information systems (gis) and the weight of evidence (woe) model. to achieve this, we created maps of factors influencing subsidence, such as slope, alluvial thickness, groundwater fluctuations, aquifer layering, particle size, and permeability. these maps were then compared with recorded subsidence data to determine the weight of each factor’s influence. by integrating the effects of these factors, a subsidence index (si) map was generated and categorized using the success rate curve (src), identifying five sensitivity zones from very sensitive to very low sensitivity. the effectiveness of the woe model was evaluated, revealing that the subsidence sensitivity prediction map covers 93.64% of actual occurrences. results indicated that aquifer layering positively influences subsidence development, with the highest impact arising from alluvial deposits with good permeability and fine particles. this factor, with a weight of 3.72, demonstrates significant influence among all evaluated parameters. in terms of thickness, the most significant subsidence occurred in alluvial deposits exceeding 200 meters. areas experiencing groundwater level declines of over half a meter annually markedly contributed to subsidence. additionally, slopes of less than two degrees were identified as the most susceptible to subsidence. thus, while many areas in karaj are relatively safe, the threat is notably higher in the southern and southwestern parts, requiring special attention in urban management.