شناسایی سکونتگاه های روستایی در معرض خطر وقوع زمین لغزش در زیست بوم های عشایری (مطالعه موردی: شهرستان پاوه)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه ژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران (پژوهشگر پاره وقت پژوهشکده کردستانشناسی، دانشگاه کردستان، سنندج، ایران).

2 دانشیار گروه ژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران.

3 دکتری جغرافیا و برنامه ریزی روستایی، دانشکده علوم جغرافیایی و برنامه‌ریزی، دانشگاه اصفهان، اصفهان، ایران

4 دانشجوی گروه ژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران.

10.22034/jsnap.2023.410697.1066

چکیده

مقدمه: با توجه به وجود روستاهای متعدد در زیست­بوم­های عشایری و اثرات مخرب جانی، مالی و زیست­محیطی یلایای طبیعی، شناسایی سکونتگاه­های روستایی واقع در خطر زمین لغزش به­عنوان یکی از شایع­ترین مخاطرات طبیعی در جهان و ایران، می­تواند در مدیریت این نوع از بحران­ها موثر باشد.
هدف پژوهش: هدف پژوهش حاضر شناسایی سکونتگاه­های روستایی در معرض خطر وقوع زمین لغزش در زیست­بوم عشایری پاوه است.
روش ­شناسی تحقیق: جهت دستیابی به اهداف این پژوهش کمی و کاربردی، از 18 عامل موثر بر زمین لغزش و برای وزن­دهی به آن­ها از نظرات 15 نفر از اساتید دانشگاهی، محققان و کارشناسان استفاده شده است. برای استخراج نقاط زمین لغزش موجود از تصاویر راداری سنتنیل 1 در محیط نرم­افزار Snap و Google Earth بهره گرفته شده و جهت تجزیه و تحلیل داده­ها از نرم­افزار ArcGIS با روش همپوشانی فازی استفاده به عمل آمده است.
قلمروجغرافیایی پژوهش: قلمرو جغرافیایی این مطالعه، شهرستان پاوه واقع در استان کرمانشاه است.
یافته ­ها و بحث: یافته­ های پژوهش نشان داد به لحاظ حساسیت به وقوع زمین لغزش از کل مساحت شهرستان 39 درصد در پهنه­های با احتمال خطر بسیار کم و کم، 30 درصد در پهنه با حساسیت متوسط و 31 درصد در پهنه­های با حساسیت زیاد و بسیار زیاد قرار گرفته است. همچنین نتایج نشان داد به لحاظ حساسیت به وقوع زمین لغزش از مجموع 53 آبادی دارای سکنه شهرستان پاوه، 8/35 درصد در پهنه­های با احتمال خطر بسیار کم و کم، 3/28 درصد در پهنه با حساسیت متوسط و 9/35 درصد در پهنه­های با حساسیت زیاد و بسیار زیاد نسبت به وقوع خطر زمین لغزش قرار گرفته­اند.
نتایج: با توجه به واقع شدن تعداد قابل توجهی از سکونتگاه­های روستایی در معرض خطر زمین لغزش، تهیه نقشه حساسیت به وقوع مخاطرات محیطی در این فضاهای جغرافیایی، باید در اولویت سیاست­ها و برنامه­ریزی­های آمایش سرزمین قرار گیرد.

کلیدواژه‌ها

موضوعات


ابراهیمی مقدم، فهیمه و عباس نژاد، احمد. (1395). ارزیابی و پهنه­بندی خطر وقوع زمین لغزش استان کرمان با مدل­های فازی و AHP، فصلنامه زمین شناسی محیط زیست، 10(37)، 25-44.
اجتماعی، بابک. (1400). شناسایی پهنه‌های خطر ناشی از زمین‌لغزش در سکونت‌گاه­های روستایی شهرستان داراب. فصلنامه برنامه­ریزی منطقه­ای، 11(44)، 239-252.
ایمانی، بهرام. (1400). تدوین الگویی برای مدیریت مخاطرات طبیعی و پایداری نواحی شهری و روستایی نمونه: زمین لغزش در منطقه رودبار، جغرافیا و برنامه­ریزی محیطی، 32(83)، صص: 128-105.
پیشنماز احمدی، مجید؛ محمدزاده، کیوان و ثقفی، مهدی. (1397). پهنه‌بندی خطر وقوع زمین‌لغزش و خطرپذیری سکونتگاه‌های روستایی در زیر حوضه رودبار با روش تحلیل شبکه (ANP)، پژوهش­های ژئومورفولوژی کمّی، 7(1)، 225-211.
روستایی، شهرام؛ مختاری، داود و اشرفی فینی، زهرا. (1399). پهنه­بندی خطر زمین لغزش در حوضه آبریز طالقان با استفاده از شاخص آنتروپی شانون، نشریه علمی جغرافیا و برنامه­ریزی، 24(71)، 125-150.
شادفر، صمد؛ نصیری هنده خاله، اسماعیل؛ گلمهر، احسان و نصیری محمد. (1401). پهنه­بندی خطر وقوع زمین لغزش در قلمرو کوچ نشینان (مطالعه موردی: حوضه طالقان). مطالعات برنامه­ریزی قلمرو کوچ نشینان، 2(2)، 65-76.
صالحی، سعدی و معماری، گلان. (1398). پهنه بندی مناطق مستعد زمین لغزش شهرستان سروآباد با مدل AHP در محیط ArcGIS، جغرافیا و روابط انسانی، 2(3)، صص: 137-155.
صفایی­پور، مسعود؛ شجاعیان، علی و آتش­افروز، نسرین. (1395). پهنه­بندی زمین لغزش با استفاده از مدل AHP در محیط GIS (منطقه مورد مطالعه روستای دره گز قلندران شهر دهدز). جغرافیای طبیعی، 9(31)، 105-118.
عابدینی، موسی و پیروزی، الناز. (1398). پهنه­بندی خطر زمین لغزش با استفاده از تلفیق روش­های ANP،  Hot Spotو WlC (مطالعه موردی: شهرستان خلخال)، جغرافیا و مخاطرات محیطی، 8(4)، 19-36.
عابدینی، موسی؛ اسمعیلی، لیلا؛ پاسبان، امیرحسام و پیروزی، الناز. (1402)، بررسی و پهنه‌بندی خطر زمین‌لغزش در حوضه نیرچای با استفاده از مدل ANP، مطالعات علوم محیط زیست، 8(1)، 6002-5987.
عابدینی، موسی؛ روستائی، شهرام و فتحی، محمدحسین. (1397). پهنه‌بندی حساسیت وقوع زمین‌لغزش با استفاده از مدل هیبریدی قضیه بیز ـ ANP (مطالعه موردی: کرانه جنوبی حوضه آبریز اهر چای از روستای نصیرآباد تا سد ستارخان)، پژوهش­های ژئومورفولوژی کمّی، 5(1)، 142-159.
عرب عامری، علیرضا و حلبیان، امیرحسین. (1394). پهنه­بندی خطر زمین لغزش با استفاده از مدل آماری دو متغیره وزنی AHP و سیستم اطلاعات جغرافیایی (مطالعه موردی: حوضه زرند)، جغرافیای طبیعی، 8(28)، 65-86.
فیض­اله پور، مهدی؛ منافی، مرضیه؛ خوشرفتار، رضا و خسروی، یونس. (1400). پهنه‌بندی خطر زمین‌لغزش با استفاده از مدل آنتروپی شانون (مطالعه موردی: حوضه آبریز طالقان). نشریه تحقیقات کاربردی علوم جغرافیایی، ۲۱ (۶۲)، ۹۵-۱۱۴.
قیاسی، واحد؛ شیرخانی چشمه شفیع، مازیار و یوسفی، مهیار. (1401). مروری برمطالعات انجام شده در زمینه پهنه­بندی خطر زمین لغزش (الگوریتم جنگل تصادفی)، رویکردهای نوین در مهندسی عمران، 6(4)، 10-1.
محمدزاده، کیوان؛ بهمنی، سیران و فتحی، محمدحسین. (1396). ارزیابی روش رگرسیون لجستیک در بررسی پتانسیل وقوع زمین لغزش مطالعه‌ی موردی: کرانه‌ی جنوبی حوضه‌ی آبریز اهر چای از روستای نصیرآباد تا سد ستارخان. هیدروژئومورفولوژی، 4(11)، 127-148.
محمدی، مجید و نور، حمزه. (1398). پهنه­بندی حساسیت زمین لغزش با استفاده از روش ترکیبی جدید در محیط GIS، علوم و تکنولوژی محیط زیست، 21(12)، 146-135.
مرادی، حمیدرضا؛ محمدی، مجید؛ پورقاسمی، حمیدرضا و فیض­نیا، سادات. (1389). تحلیل و براورد خطر زمین لغزش با استفاده از روش فرایند تحلیل سلسله مراتبی در بخشی از جاده هراز. برنامه‌ریزی و آمایش فضا، 14(۲)، ۲۳۴-۲۴۷.
موسوی، سیده معصومه؛ عابدینی، موسی؛ اسمعلی عوری، اباذر و مدنی، فاطمه. (1395). پهنه‌بندی خطر زمین لغزش با استفاده از مدل‌های فازی چندمعیاره در محیط GIS (مطالعه موردی: حوزه‌ی آبخیز ایذه- خوزستان). پ‍‍ژوهشنامه مدیریت حوزه آبخیز. ۷ (۱۴)، ۸۷-۷۸.
Ajake, A.O., Eneyo, V.B., Akpan, N.P., Obi, F.G., Eja, E.I., Kharbish, S., & Eldosouky, A.M. (2022). Analysis of participatory dimensions of landslide disaster and risk management in some rural communities of south eastern, Nigeria. Carpathian Journal of Earth and Environmental Sciences. 17(2):323-338.
Bhuyan, K., Meena, S.R., Nava, L., Westen, C.V., Floris, M & Catani, F (2023). Mapping landslides through a temporal lens: an insight toward multi-temporal landslide mapping using the u-net deep learning model, GIScience & Remote Sensing, 60:1, 2182057, DOI: 10.1080/15481603.2023.2182057.
Fayaz, M.; Meraj, G.; Khader, S.A.; Farooq, M.; Kanga, S.; Singh, S.K.; Kumar, P.; Sahu, N (2022). Management of Landslides in a Rural–Urban Transition Zone Using Machine Learning Algorithms—A Case Study of a National Highway (NH-44), India, in the Rugged Himalayan Terrains. Land, 11, 884. https://doi.org/10.3390/land11060884.
Ghasemian, B., Shahabi, H., Shirzadi, A., Al-Ansari, N., Jaafari, A., Kress, VR., Geertsema, M., Renoud, S & Ahmad A. A (2022). Robust Deep-Learning Model for Landslide Susceptibility Mapping: A Case Study of Kurdistan Province, Iran. Sensors. 22(4):1573. https://doi.org/10.3390/s22041573.
Khalili, M. A., Guerriero, L., Coda, S., Sellers, C., Calcaterra, D., & Di Martire, D. (2023). Assessment of MT-InSAR processing techniques for slow-moving landslides monitoring in Cuenca (Ecuador) through double-band SAR satellite. Italian Journal of Engineering Geology and Environment, 81–88. https://doi.org/10.4408/IJEGE.2023-01.S-11.
Klimeš, J., Novotný, J., Balek, J and et al (2023). Landslide hazard assessment and risk reduction in the rural community of Rampac Grande, Cordillera Negra, Peru, 05 July 2023, PREPRINT (Version 1) available at Research Square [https://doi.org/10.21203/rs.3.rs-3115964/v1].
Miao, F., Zhao, F., Wu, Y and et al (2022). Landslide Susceptibility Mapping in Three Gorges Reservoir Area Based on GIS and Boosting Decision Tree Model, 20 July 2022, PREPRINT (Version 1) available at Research Square, https://doi.org/10.21203/rs.3.rs-1838482/v1.
Petrucci, O (2022). Landslide Fatality Occurrence: A Systematic Review of Research Published between January 2010 and March 2022. Sustainability 2022, 14, 9346. https://doi.org/10.3390/su14159346.
Riyahi, V. & Nasire Zare, S. (2021). Evaluating the vulnerability of agricultural land use to the landslide risk in rural areas (Case study: Tarom County). Journal of Research & Rural Planning, 10(2): 17-32.
Sapena, M., Gamperl, M., Kühnl, M., Garcia-Londoño, C., Singer, J., and Taubenböck, H (2023), Cost estimation for the monitoring instrumentalization of Landslide Early Warning Systems, Nat. Hazards Earth Syst. Sci. Discuss. [preprint], https://doi.org/10.5194/nhess-2023-41.
Thapa, S., Karna, A.K and Dahal, B.K (2022). Evaluation of Different Landslide Susceptibility Analysis Methods: A Case Study of Bagmati Rural Municipality, JOETP, 3(1): 44-59.
Yu, X.; Xia, Y.; Zhou, J and Jiang, W (2023). Landslide Susceptibility Mapping Based on Multitemporal Remote Sensing Image Change Detection and Multiexponential Band Math. Sustainability 2023, 15, 2226. https://doi.org/10.3390/su15032226.
Zeng, T., Yin, K., Gui, L. et al (2023). Quantitative risk assessment of the Shilongmen reservoir landslide in the Three Gorges area of China. Bull Eng Geol Environ 82, 214 (2023). https://doi.org/10.1007/s10064-023-03242-z.