بررسی زمین‌لغزش‌های طبیعی و حاشیه جاده با استفاده از مدل فرآیند محور پایداری سطحی دامنه (مطالعه موردی: محدوده محور ساری - کیاسر)
محورهای موضوعی :
1 - گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد
2 - علوم و مهندسي آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس
کلید واژه: زمین‌لغزش حاشیه جاده زمین‌لغزش طبیعی محور ساری- کیاسر مدل SHALSTAB نقشه پایداری دامنه ,
چکیده مقاله :
شبکه‌های ارتباطي و جاده‌ها بخش مهمي از سرمایه‌های هر كشوري محسوب مي شوند. در كنار اين موضوع، نگهداري از اين شبکه‌های عظيم ارتباطی و روند توسعه فرآیند جاده‌سازی به‌عنوان يكي از عوامل تخريب عرصه‌های منابع طبيعي مبحثی مهم به شمار می آید. در اين تحقيق، زمین‌لغزش‌های رخ‌داده محدوده جاده كياسر واقع در جنوب شهرستان ساري با استفاده از مدل پایه فیزیکی SHALSTAB مورد بررسی قرار گرفت و نقشه پایداری دامنه این محدوده به‌وسیله این مدل تعیین شد. در ابتدا مشخصات فیزیکی و مکانیکی 15 نمونه خاک که در محدوده حاشیه جاده وجود داشتند برداشت و مورداندازه‌گیری قرار گرفت و با 115 مورد از لغزش‌های به وقوع پیوسته در منطقه مورد مقایسه قرار گرفت. نتایج حاصل از تحقیقات میدانی، تجزیه و تحلیل داده‌های زمین‌شناسی، تست‌های آزمایشگاهی و اجرای مدل نشان داد که برای کل لغزش‌های به وقوع پیوسته، 49/43 درصد لغزش‌های واقعی در منطقه ناپایدار صورت گرفته‌اند، سپس اقدام به تفکیک لغزش‌های حاشیه جاده از لغزش‌های رخ‌داده در شرایط طبیعی گردید و برای هرکدام از این زمین‌لغزش‌ها مدل اجرا گردید. نتایج نشان داد زمانی که با استفاده از لغزش‌های حاشیه جاده مدل SHALSTAB اجرا می‌گردد، این مدل قادر به شبیه‌سازی تنها 55/18 درصد از نقاط لغزشی در طبقات ناپایدار بوده و زمانی که این مدل با استفاده از لغزش‌هایی که در شرایط طبیعی به وقوع پیوسته در این محدوده اجرا می‌گردد، با پیش‌بینی 5/69 درصد، کاربرد موفقی داشته است.
Communication networks and roads are important part of the investments of each country. Beside of this, maintenance of these large communication networks and process of developing construction are among the causes of the degradation of natural resources. In this research , occurrence of landslides in Kiasar road, located in the south of Sari city, was evaluated by using basic physical model, SHALSTAB, and slope stability map of this area was determined by this model. First, the physical and mechanical properties of 15 soil sample near the main roadside were measured and compared with 115 cases of landslides around the road. Results of Square research, analysis of geological data, and laboratory tests showed that for all landslides occurrence, 43.49 percent of actual landslides have been located in unstable regions. Then, the roadsides have been distinguish from happened landslides, in natural conditions. Then a separated model has been run for each landslide. The results showed that whenever SHALSTAB model has been implemented by using roadside landslides, this model can simulated only 18.55% of slip points in unstable zones, and when SHALSTAB model implemented by using slips which occurred in natural conditions , by predicting 69.5 percent , is a successful usage.
حسین زاده، م.م.، ثروتی، م.ر.، منصوری، ع.، میرباقری، ب. و خضری، س.، 1388. پهنه‌بندی ريسك وقوع حركات توده‌ای با استفاده از مدل رگرسيون لجستيك (مطالعه موردى: محدوده مسير سنندج – دهگلان). فصلنامه زمین‌شناسی ايران، 11، 27-37.
طالبی، ع. و ایزدوست، م.، 1390. بررسی کارایی مدل SINMAP در پهنه‌بندی خطر زمین‌لغزش (مطالعه موردی: حوزه آبخیز سد ایلام)، مجله علوم مهندسی آبخیزداری ایران، 15، 68-63.
طالبی، ع.، نفرزادگان، ع. ر. و ملکی نژاد، ح.، 1388. مروري بر مدل‌سازی تجربي و فيزيكي زمین‌لغزش‌های ناشي از بارندگي، پژوهش‌های جغرافياي طبيعي، 70، 64-45.
معماریان، ه. و صفدری، ع. ا. 1388. پایداری شیب‌های طبیعی و تحلیل آن در محیط Arc GIS و آشنایی با مدل SINMAP. انتشارات سخن گستر.
Borga, M., Dalla Fontana, G., Da Ros D. and Marchi, L., 1998. Shallow landslide based model and digital elevation data. Environmental Geology, 35, 81–88.
Casadei, M., Dietrich, W.E., and Miller, N.L., 2003. Testing a model for predicting the timing and location of shallow landslide initiation in soil-mantled landscapes. Earth Surface Processes and Landforms, 28, 925–950.
Cervi, F., Berti, M., Borgatti, L., Ronchetti, F., Manenti, F. and Corsini, A., 2010. Comparing predictive capability of statistical and deterministic methods for landslide susceptibility mapping: a case study in the northern Apennines (Reggio Emilia Province, Italy). Landslides, Online First. doi:10.1007/s10346-010-0207-y.
Claessens, L., and Heuvelink, G.B.M., Schoorl, J.M. and Veldkamp, A., 2005. DEM resolutions effects on shallow landslide hazard and soil redistribution modeling. Earth Surface Processes and Landforms, 30, 461–477.
Dietrich, W. E., Bellugi, D., and Real de Asua, R. 2001. Validation of the shallow landslide model, SHALSTAB, for forest management. Water science and Application , 2, 195-227.
Fernandes, N. F., Guimarães, R.F., Gomes, R.A.T. Vieira, B.C., Montgomery, D.R. and Greenberg, M. H., 2004. Topographic controls of landslides in Rio de Janeiro: field evidence and modeling. Catena, 55, 163-181.
Guimarães, R.F., Montgomery, D.R., Greenberg, H. M. Fernandes, N. F. Gomes, R.A.T. and Carvalho Junior, A.O., 2000. Parameterization of soil properties for a model of topographic controls on shallow landsliding: application to Rio de Janeiro. Engineering Geology, 69, 99-108.
Hammond C., Hall D., Miller S. and Swetik P., 1992. Level I, stability analysis (LISA) documentation for version 2.0. General technical report INT, 285.
Montgomery, D.R. and Dietrich, W.E., 1994. A physically based model for the topographic control on shallow landslide. Water Resour Res, 30, 83–92.
Montgomery D.R., Sullivan, K. and Greenberg, H.R., 1998. Regional test of a model for shallow landsliding. Hydrological Processes, 12, 943–955.
O'Loughlin, E.M., 1986. Prediction of surface saturation zones in natural catchments by topographic analysis. Water Resources Research 22, 794–804.
Quinn, P., Beven, K., Chevallier, P. and Planchon, O., 1991. The prediction of hillslope flow paths for distributed hydrological modelling using digital terrain models. Hydrological Processes, 5, 59–79.
Rafaelli, S.G., Montgomery, D.R. and Greenberg, H.M., 2001. A comparison of thematic of erosional intensity to GIS-driven process models in an Andean drainage basin. Journal of Hydrology, 244, 33–42.
Santini, M., Grimaldi, S., Nardi, F., Petroselli, A. and Rulli, M.C., 2009. Pre-processing algorithms and landslide modelling on remotely sensed DEMs. Geomorphology, 113, 110–125.
Yilmaz, I. and Keskin, I., 2009. GIS based statistical and physical approaches to landslide susceptibility mapping. Bulletin of engineering geology and the environment, 68(4), 459-471.
