شناسایی و پهنه‌بندی مناطق مستعد زمین‌لغزش با استفاده از روش شیءگرا و تحلیل شبکه (anp) (مطالعه موردی: حوضه آبریز شاهرودچایی شهرستان خلخال)

حرکتهای دامنه‌ای به‌ویژه زمین‌لغزش در زمره پرخطرترین و زیان‌بارترین مخاطرات محیطی است که در دهه‌های اخیر شتاب فزاینده‌ای یافته است. پژوهش حاضر با هدف ارزیابی میزان کارایی تکنیک‌ پردازش شیءگرای تصاویر ماهواره‌ای سنتینل 2a در شناسایی، آشکارسازی و پهنه‌بندی خطر وقوع زمین‌لغزش‌ها در حوضه آبریز شاهرودچایی شهرستان خلخال صورت گرفت. به همین دلیل ابتدا با استفاده از پردازش شیءگرا زمین‌لغزش‌های رخ‌داده در منطقه شناسایی گردیدند و سپس با استفاده از روش تحلیل شبکه (anp) منطقه موردمطالعه از نظر خطر وقوع زمین‌لغزش پهنه‌بندی گردید. جهت استخراج زمین‌لغزش‌ها از لایه ارتفاع، شیب، جهت جریان، شاخص پوشش گیاهی و تصویر سنتینل 2a استفاده گردید؛ با بررسی‌های میدانی صورت گرفته مشخص گردید که زمین‌لغزش‌های موجود (81 زمین‌لغزش) در منطقه با دقت 94 درصد و ضریب کاپای 91 درصد با روش شیءگرا شناسایی و استخراج گردیده‌اند؛ و این نشان‌دهنده‌ی توانایی بالای پردازش شیءگرا در شناسایی مناطق مستعد زمین‌لغزش می‌باشد. در ادامه با استفاده از روش تحلیل شبکه و به‌کارگیری 11 پارامتر ارتفاع، شیب زمین، جهت شیب، کاربری زمین، زمین‌شناسی، شاخص طول شیب (ls)، شاخص رطوبت توپوگرافیک (twi)، شاخص قدرت آبراهه (spi)، فاصله از گسل، فاصله از جاده و فاصله از آبراهه، پهنه‌بندی منطقه مورد مطالعه از نظر خطر وقوع زمین‌لغزش انجام گرفت که با توجه به نتایج بدست آمده 39.13 درصد از اراضی محدوده مورد مطالعه از پتانسیل بسیار بالایی برای وقوع زمین‌لغزش برخوردار می‌باشند. همچنین، درصد قابل‌توجهی از زمین‌لغزش‌ها در طبقه با حساسیت زیاد تعداد 50 زمین‌لغزش (61.72) قرار دارند. لذا می‌توان گفت دقت مدل بکار رفته در پهنه‌بندی حساسیت وقوع زمین‌لغزش قابل‌قبول است.

Identification and zoning of landslide prone areas using objectoriented method and network analysis (ANP) (Case study: Shahroudchai catchment area of Khalkhal city)

Mass movements, especially landslides, are among the most dangerous and harmful environmental hazards that have accelerated in recent decades along with human manipulation of natural systems. The aim of this study was to evaluate the efficiency of Sentinel 2A objectoriented image processing technique in identifying, detecting and zoning landslides in Shahroudchai catchment area of Khalkhal city. For this reason, landslides occurred in the region were first identified using objectoriented processing and then the study area was zoned in terms of landslide risk using the network analysis (ANP) method. Elevation, slope, flow direction, vegetation index and Sentinel 2A image were used to extract landslides; Field studies have shown that the existing landslides (81 landslides) in the region have been identified and extracted with 94% accuracy and 91% kappa coefficient by objectoriented method. This indicates the high ability of objectoriented processing to identify areas prone to landslides. Then, using network analysis method and using 11 parameters of elevation, slope, slope direction, land use, geology, slope length index (LS), topographic moisture index (TWI), canal power index (SPI), distance from fault Distance from the road and distance from the waterway, zoning of the study area in terms of landslide risk was done that according to the results, 39.13% of the lands in the study area have a very high potential for landslides. Also, a significant percentage of landslides are in the highsensitivity class of 50 landslides (61.72). Therefore, it can be said that the accuracy of the model used in landslide susceptibility zoning is acceptable and good.