تعیین حساسیت وقوع ناپایداری های دامنه ای در پیرامون گسل بناروان با استفاده از مدل رگرسیون لجستیک

امروزه بحث شناسایی، مهار و پیشگیری از تلفات و خسارات جانی اقتصادی و اجتماعی ناشی از حوادث طبیعی مانند (زمین لرزه سیل و زلزله) مورد توجه خاص محافل علمی تحقیقاتی و مسئولین امر در اکثر کشورها قرار گرفته است. در دهه های اخیر، با توجه به سیر صعودی خسارات و زیانهای ناشی از حوادث طبیعی (بویژه زمین لغزه)، مسئله پیش بینی و ارائه راه حلها و شیوه های کنترل و دور ماندن از ضررها و خسارات وارده به طور جدی مطرح بوده است. در این پژوهش محدوده گسل بناروان با مدل رگرسیون لجستیک به منظور تعیین مناطق خطر ناپایداری دامنه ای مورد ارزیابی قرار گرفت. ابتدا از طریق بازدید میدانی، نقشه های زمین شناسی و توپوگرافی و با مرور منابع قبلی و بررسی شرایط منطقه نه عامل اعم از طبقات ارتفاعی، شیب، جهت شیب، لیتولوژی، فاصله از گسل، فاصله از آبراهه، فاصله ازجاده، کاربری اراضی، پوشش گیاهی به عنوان عوامل موثر بر وقوع ناپایداری دامنه ای در نرم افزار idrisi بررسی شد. پس از انجام پهنه بندی ناپایداری دامنه ای درصد پهنه های ناپایداری در هر کلاس محاسبه شد نتیجه نشان داد که در محدوده مورد مطالعه، مناطقی که با خطر بسیار بالا پهنه بندی شده اند کمترین درصد از میزان مساحت منطقه را به خود اختصاص داده اند. در پژوهش حاضر که با استفاده از رگرسیون لجستیک انجام گرفت عامل ارتفاع با بیشترین ضریب بهترین متغیر پیش بینی کننده احتمال وقوع ناپایداری دامنه ای در منطقه است. بیشترین تعداد ناپایداری دامنه ای در ارتفاعات بالا و شیب 3223 درجه رخ داده است که دلیل آن نیروی ثقل است

Determination of Susceptibility to Occurrence of Slope Instability around the Benaravan Fault using Logistic Regression

At present, the question of identification, control, and prevention of human, economic, and social losses resulting from natural events such as earth tremors, floods, and earthquakes have attracted special interest in scientificresearch communities and in responsible authorities of most countries around the world. In recent decades, considering the upward trend in losses and damages caused by natural events (especially landslides), prediction of damages and losses and introduction of solutions and methods for controlling and avoiding them have been addressed in earnest. This research evaluated the region around the Benaravan fault using logistic regression (logit regression or logit model) to determine regions that face slope instability hazard. Field surveys were made, previous research was reviewed, and the prevailing conditions in the region was studied first and, using the Idrisi software, it was found that the nine factors of altitude class, slope, dip direction, lithology, distance from the fault, distance from the waterway, distance from the road, land use, and vegetation influenced occurrence of slope instability. After performing slope instability hazard zonation, percentages of slope instability in each class were calculated. Results indicated that areas with high hazard zonation in the study region constituted the smallest part of it. In this research, which used logistic regression, the elevation factor with the highest coefficient was the best variable for predicting the occurrence probability of slope instability in the region. The highest incidence of slope instability occurred at high altitudes with slopes of 2332 degrees because of gravity force.