پهنه بندی خطر زمین لغزش با مدل رگرسیون چند متغیره در محیط Gis (مطالعه موردی: حوزه آق مشهد، استان مازندران)

شناسایی عوامل موثر در وقوع زمین لغزش های موجود در یک حوزه و پهنه بندی خطر آن یکی از ابزارهای اساس جهت دستیابی به راه هکارهای کنترل این پدیده و انتخاب مناسب ترین و کاربردی ترین گزینه موثر می باشد. در این مطالعه مدلپیش بینی مکانی خطر زمین لغزش در حوزه آق مشهد چوب و کاغذ مازندران، بر پایه زمین لغزش های رخ داده در گذشته ارائه شد. این مدل براساس رگرسیون چند متغیره در محیط gis، نقشه پهنه بندی خطر زمین لغزش را نشان می دهد. پس ازبررسی های میدانی و مرور مطالعات در مناطق مشابه، نقشه 8 عامل ارتفاع از سطح دریا، شیب، جهت جغرافیایی، زمین شناسی، خاک شناسی، فاصله از آبراهه، فاصله از جاده و نقشه کاربری اراضی در محیط gis تهیه گردید و نقشه زمین لغزش های موجود نیز از طریق عمیات میدانی با استفاده از دستگاه موقعیت یاب جهانی (gps)، ثبت و در محیط gis تهیه گردید. 8 لایه آماده شده در محیط gis با لایه اطلاعاتی پراکنش زمین لغزش تطابق داده و نقشه پهنه بندی خطر زمین لغزش با مدل رگرسیون چند متغیره با به کارگیری تکنیک سیستم اطلاعات جغرافیایی و تلفیق لایه ها در محیط نرم افزارarc gis 9.3 تهیه شد. مدل ارائه شده برای منطقه با نرم افزار spssنشان داد که فاصله از آبراهه بیشترین تاثیر را روی زمین لغزش های رخ داده داشته است. مزیت این مدل این است که امکان ارزیابی سریع مکان های وقوع زمین لغزش در یک منطقه وسیع امکان پذیر است. نتایج تحقیق نشان داد که بین اعداد و کلاسه های خطر این مدل با مساحت زمین لغزش های موجود همبستگی و ارتباط معنی داری در سطح یک درصد (p< 0.01) برقرار است.

Lnadslide Hazard Zonation using Multivariate Regression in GIS Environment (Case Study: Aghmashhad Watershed, Mazandaran)

Identification of factors affecting on existing of landslide as well as its zonation in the given watershed is one of the basic tools for landslide control and selection of approach and effective solution as well. In this study landslide hazard mapping provided using previous landslide distribution and multivariate regression model in GIS environment in Aghmashhad. With reviewing previous resources and studying of Aghmashahd watershed, the eight factors of altitude, slope, aspect, geology, soil, land use, distance from river and distance from road were selected. With a field observation of the whole watershed, the local information and GPS were listed and landslide preparation map was prepared with stepwise multivariate regression in the statistical software SPSS. The distance from the river factor was selected as major factor affecting the landslide. The benefit of this model is to assess the expansive areas in short time. Research result showed that there is a significant correlation at the 0.01 level (P< 0.01) between potential hazard values, classes and current land slide area.