سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,110,901
تعداد دریافت فایل اصل مقاله97,214,504
اصغری سراسکانرود, صیاد, پیروزی, الناز. (1401). ارزیابی مقایسه‏ای الگوریتم‏های تصمیم‏گیری چند معیاره WLC، OWA، VIKOR و MABAC در پهنه‏بندی خطر زمین‏لغزش مطالعه موردی: حوضه گیوی‏چای استان اردبیل. , 54(1), 65-94. doi: 10.22059/jphgr.2022.333658.1007656
صیاد اصغری سراسکانرود; الناز پیروزی. "ارزیابی مقایسه‏ای الگوریتم‏های تصمیم‏گیری چند معیاره WLC، OWA، VIKOR و MABAC در پهنه‏بندی خطر زمین‏لغزش مطالعه موردی: حوضه گیوی‏چای استان اردبیل". , 54, 1, 1401, 65-94. doi: 10.22059/jphgr.2022.333658.1007656
اصغری سراسکانرود, صیاد, پیروزی, الناز. (1401). 'ارزیابی مقایسه‏ای الگوریتم‏های تصمیم‏گیری چند معیاره WLC، OWA، VIKOR و MABAC در پهنه‏بندی خطر زمین‏لغزش مطالعه موردی: حوضه گیوی‏چای استان اردبیل', , 54(1), pp. 65-94. doi: 10.22059/jphgr.2022.333658.1007656
اصغری سراسکانرود, صیاد, پیروزی, الناز. ارزیابی مقایسه‏ای الگوریتم‏های تصمیم‏گیری چند معیاره WLC، OWA، VIKOR و MABAC در پهنه‏بندی خطر زمین‏لغزش مطالعه موردی: حوضه گیوی‏چای استان اردبیل. , 1401; 54(1): 65-94. doi: 10.22059/jphgr.2022.333658.1007656

ارزیابی مقایسه‏ای الگوریتم‏های تصمیم‏گیری چند معیاره WLC، OWA، VIKOR و MABAC در پهنه‏بندی خطر زمین‏لغزش مطالعه موردی: حوضه گیوی‏چای استان اردبیل

پژوهش های جغرافیای طبیعی
دوره 54، شماره 1، اردیبهشت 1401، صفحه 65-94    اصل مقاله (1.99 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22059/jphgr.2022.333658.1007656
نویسندگان
صیاد اصغری سراسکانرود* 1؛ الناز پیروزی2
1دانشیار ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران
2دکتری ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده
هدف از این پژوهش پهنه‏بندی حوضة گیوی‏چای، واقع در استان اردبیل، به لحاظ رخداد زمین‏لغزش، با استفاده از الگوریتم‏های تصمیم‏گیری چندمعیاره است. در این راستا عوامل ارتفاع، شیب، جهت شیب، لیتولوژی، کاربری اراضی، فاصله از گسل، فاصله از جاده، فاصله از رودخانه و بارش به‏عنوان متغیر‏های تأثیر‏گذار بررسی شدند. نخست، لایه‏های اطلاعاتی معیار‏ها در GIS تهیه شد. ارزش‏گذاری و استاندارد‏سازی لایه‏ها با استفاده از تابع عضویت فازی و وزن‏دهی معیار‏ها با بهره‏گیری از روش CRITIC انجام گردید. با توجه به اینکه در سال‏های اخیر برای مطالعة زمین‏لغزش از رو‏ش‏های MCDM استفاده  فراوانی می‏شود، در این مطالعه نیز تحلیل و مدل‏سازی نهایی با استفاده از روش‏های تصمیم‏گیری چندمعیارة WLC، OWA، VIKOR، و MABAC انجام شد. با توجه به نتایج مطالعه، به‏ترتیب عوامل شیب با وزن 16/0، لیتولوژی با وزن 15/0، و کاربری اراضی با وزن 13/0 در وقوع زمین‏لغزش حوضه بیشترین نقش را دارند. همچنین، طبق نتایج حاصله، به‏ترتیب، با توجه به الگوریتم‏های WLC، OWA، VIKOR، و MABAC، 55/23، 66/07، 15/41، و 56/31 درصد از مساحت حوضه، در طبقة بسیار پُرخطر و 01/33، 95/36، 73/21، و 36/30 درصد در طبقة پُرخطر قرار دارند. با توجه به نتایج صحت‏سنجی، مساحت زیر منحنی ROC، برای روش‏های WLC، OWA، VIKOR، و MABAC به‏ترتیب 72/0، 73/0، 85/0، و 76/0 محاسبه شد. بنابراین، دقت روش‏های OWA، WLC، و MABAC خیلی ‏خوب و دقت روش VIKOR عالی است. نتایج حاصل از پژوهش حاضر، با معرفی مناطق دارای احتمال وقوع بالای زمین‏لغزش، می‏تواند راه‏گشایی برای اعمال مدیریت بهتر و علمی‏تر مدیران و برنامه‏ریزان ذی‏صلاح در این زمینه شود.
کلیدواژه‌ها
حرکت دامنه‏ای؛ مخاطرات؛ AUC؛ .GIS
مراجع
  1. اصغری سراسکانرود، ص.؛ امامی، ر. و پیروزی، الف. (1400). ارزیابی و پهنه‏بندی خطر زمین‏لغزش با استفاده از روش‏های OWA وANN  (مطالعة موردی: شهرستان پاوه)، مخاطرات محیط طبیعی، دورة 10، شمارة 28، صص 131-150.
  2. ایزدی، ز. و انتظاری، م. (1392). زمین‏لغزش های ایران (معرفی، عوامل، و مدیریت)، رشد آموزش جغرافیا، صص 32-37.
  3. بهاروند، س.؛ سارویی، ح. و سوری، س. (1396). پهنه‏بندی خطر زمین‏لغزش با استفاده از روش ترکیب خطی وزن‏دار، مطالعة موردی: حوضة ده یقید، استان لرستان، فصل‏نامة جغرافیای طبیعی، دورة 10، شمارة 35، صص 75-86.
  4. جمال‏آبادی، ج.؛ صفری، ف.؛ برآبادی، ع. و آل محمد، م. (1400). شناسایی و پهنه‏بندی مناطق مستعد وقوع زمین‏لغزش در دهستان ژاورود بر اساس مدل تلفیقی فازی و فرایند تحلیل شبکه، مدیریت بحران، دورة 10، شمارة 2، صص 47-55.
  5. حجازی، الف.؛ روستایی، ش. و رنجبریان شادباد، م. (1398). ارزیابی و پهنه‏بندی خطر وقوع زمین‏لغزش با استفاده از مدل ویکور، در حوضة آبریز حاجیلرچایی، جغرافیای طبیعی، دورة 12، شمارة 44، صص 51-56.
  6. خامه‏چیان، م.؛ راکعی، ب.؛ عبدالملکی، پ. و گیاهچی، پ. (1386). کاربرد سیستم شبکة عصبی مصنوعی در پهنه‏بندی خطر زمین‏لغزش، مطالعة موردی: ناحیة سفیدار گله در استان سمنان، مجلة علوم دانشگاه تهران، دورة 33، شمارة 3، صص 57-64.
  7. رجبی، م. و فیض‏الله‏پور، م. (1393). پهنه‏بندی زمین‏لغزش‏های حوضة رودخانة گیوی‏چای با استفاده از مدل پرسپترون چندلایه از نوع پیش‏خور پس‏انتشار (BP)، فصل‏نامة جغرافیا و توسعه، دورة 12، شمارة 36، صص 161-180.
  8. رهنما، م. ر.؛ آقاجانی، ح. و فتاحی، م. (1391). مکان‏یابی دفن زباله با ترکیب روش میانگین‏گیری وزن‏دار ترتیبی (OWA) و GIS در مشهد، جغرافیا و مخاطرات محیطی، دورة 1، شمارة 3، صص 87-105.
  9. شریفی پیچون، م.؛ شیرانی، ک. و شیرانی، م. (1400). اولویت‏بندی عوامل مؤثر بر وقوع زمین‏لغزش و پهنه‏بندی حساسیت آن با استفاده از روش رگرسیون چندمتغیرة خطی مطالعة موردی: حوضة آبریز و هرگان- غرب استان اصفهان، هیدروژئومورفولوژی، دورة 8، شمارة 26، صص 139-163.
  10. فیض‏اله‏پور، م. (1391). پهنه‏بندی مناطق مستعد زمین‏لغزش در حوضة رودخانة گیوی‏چای با استفاده از مدل شبکة عصبی مصنوعی، رسالة دکتری، م. رجبی، دانشکدة جغرافیا، دانشگاه تبریز.
  11. محمدنیا، م. و فلاح قالهری، غ.ع. (1397). شبیه‏سازی احتمال وقوع زمین‏لغزش با استفاده از منطق فازی و فرایند تحلیل سلسله‏مراتبی، تحقیقات کاربردی علوم جغرافیایی، سال 18، شمارة 48 ، صص 117-132.
  12. مددی، ع.؛ پیروزی، الف. و فعال نذیری، م. (1399). ارزیابی مقایسه‏ای الگوریتم‏های تصمیم‏گیری چندمعیارة MABAC و CODAS در پهنه‏بندی خطر زمین‏لغزش؛ نمونة پژوهش: شهرستان کوثر، جغرافیا و برنامه‏ریزی محیطی، سال 31، شمارة 4، صص 1-24.
  13. مددی، ع.؛ نوعی، ب. و اسمعلی، الف. (1392). ارزیابی خطر زمین‏لغزش و پهنه‏بندی آن با استفاده از مدل LIM و به‏کارگیری تکنیک GIS در حوضة آبخیز گیوی‏چای، اردبیل،نشریة علمی جغرافیا و برنامه‏ریزی، سال 17، شمارة 43، صص 26-307.
  14. میر‏آبادی، م.؛ هاشمی، ه. و امینی، ج. (1396). کاربرد مدل AHP و روش میانگین‏گیری وزن‏دار ترتیبی (OWA) در مکان‏یابی محل دفن مواد زاید شهرستان بوکان با استفاده از Arc GIS و IDRISI، فضای جغرافیایی، جلد 17، شمارة 60، صص 39-54.
  15. نادری، ف. الف.؛ ناصری، ب. و بسطامی، ن. الف. (1400). کارایی مدل ویکور در پهنه‏بندی خطر زمین‏لغزش در حوضة آبخیز سد گلال استان ایلام،جغرافیا و مخاطرات محیطی، دورة 10، شمارة 1، صص 21-39.
  16. Aher, P.; Adinarayana, J. and Gorantiwar, SD. (2013). Prioritization of watersheds using multi-criteria evaluation through the fuzzy analytical hierarchy process. Agric Eng Int CIGR J, 15(1):11-18.
  17. Alimohammadlou, Y.; Najafi, A. and Yalcin, A. (2013). Landslide process and impacts: A propused classification method, Catena, 104: 219-232.
  18. Alinezhad, A. and Khalili, J. (2019). New Methods and Applications in Multiple Attribute Decision Making (MADM). International Series in Operations Research & Management Science, vol. 277, Springer, Cham.
  19. Althuwaynee, O. F. and Pradhan, B. (2016). Semi-quantitative landslide risk assessment using GIS-based exposure analysis in Kuala Lumpur City. Geomatics Natural Hazards & Risk, 8(2): 1-27.
  20. Arab Ameri, A.; Pourghasemi, H.R. and Cerda. A. (2018). Erodibility prioritization of sub-watersheds using morphometric parameters analysis and its mapping: A comparison among TOPSIS, VIKOR, SAW, and CF multi-criteria decision making models, Science of The Total Environment, 613-614: 1385 1400.
  21. Asghari Saraskanrood, S.; Emami, R. and Piroozi, E. (2021). Evaluation and zonation of Landslide hazard with using OWA and ANN methods (case study: Paveh Township). Journal of Natural Environmental Hazards, 10(28): 131-150.
  22. Baharvand, S.; Saroei, H. and Suri, S. (2017). Landslide hazard zoning using weighted linear combination method, Case study: Deh Yaghid Basin, Lorestan Province, Physical Geography Quarterly, 10(35): 75-86.
  23. Baumgertel, A.; Luki´c, S.; Belanovi´c Simi´c, S. and Kadovi´c, R. (2019). Identifying Areas Sensitive to Wind Erosion- A Case Study of the AP Vojvodina (Serbia). Appl Sci, 19(23): 1-12.
  24. Bou kheir, R.; Cerdan, O. and Abdelah, C. (2006). Regional soil erosion risk mapping in Lebanon. Geomorphology, 82: 347-359.
  25. Bui, D.T.; Lofman, O.; Revhaug, I. and Dick, O. (2011). Landslide susceptibility analysis in the Hoa Binh province of Vietnam using statistical index and logistic regression. Natural Hazards, 59(3):1413-1444.
  26. Chen, W.; Panahi, M. and Pourghasemi, H.R. (2017). Performance evaluation of GIS- based new ensemble data mining techniques of adaptive neuro-fuzzy inference system (ANFIS) with genetic algorithm (GA), differential evolution (DE), and particle swarm optimization (PSO) for landslide spatial modelling. CATENA, 157: 310-324.
  27. Chen, L.Y. and Wang, T.C. (2009). optimizing partner's choice in IS/IT outsourcing projects: The strategic decision of fuzzy VIKOR, International Journal of. Production Economics, 120 (1): 233-242.
  28. Colkesen, I.; Sahin, E. and Kavzoglu, Taskin (2016). Susceptibility mapping of shallow landslides using kernel-based Gaussian process, support vector machines and logistic regression, Journal of African Earth Sciences, 118: 53-64.
  29. Crosta, B. G. (2009). Dating, triggering, modeling and hazard assessment of large landslides, Geomorphology, Vol. 103: 1-4.
  30. Dai, F. and Lee, C. (2002). Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong. Geomorphology, 42: 213-228.
  31. Dikshit, A.; Sarkar, R.; Pradhan, B.; Acharya, S. and Alamri, AM. (2020). Spatial Landslide Risk Assessment at Phuent sholing, Bhutan. Geosciences, 10(4): 1-17.
  32. El Jazouli, A.; Barakat, A. and Khellouk, R. (2019). GIS-multi-criteria evaluation using AHP for landslide susceptibility mapping in Oum Er Rbia high basin (Morocco). Geoenviron Disasters, 6, 3.
  33. Feyzolahpour, M. (2012). Zoning of landslide prone areas in Givichay river basin using artificial neural network model, PhD thesis, Rajabi, M., Faculty of Geography, University of Tabriz.
  34. Feizizadeh, B. and Blaschke, T. (2012). Uncertainty Analysis of GIS-based Ordered Weighted Averaging Method for Landslide Susceptibility Mapping in Urmia Lake Basin, Iran, Conference: Giscience, 1-5.
  35. Ganjaeian, H.; Rezaei Arefi, M.; Peysoozi, T. and Emami, K. (2020). Zonning susceptible areas of landslide using WLC and OWA methods -A case study in Mountain cliff Khan, Iran, Sustainability Earth Review, 1(2): 43-51.
  36. Georgiou, D.; Mohammed, E.S. and Rozakis, S. (2015). Multi-criteria decisionmaking on the energy supply configuration of autonomous desalination units. Renew. Energy, 75: 459-467.
  37. Gigovic, L.; Drobnjak, S. and Pamucar, D. (2019). The Application of the Hybrid GIS Spatial Multi-Criteria Decision Analysis Best-Worst Methodology for Landslide Susceptibility Mapping. ISPRS Int. J. Geo Inf., 8, 79.
  38. Gorsevski, P.V.; Gessler, P.E.; Foltz, R.B. and Elliot, W.J. (2006). Spatial prediction of landslide hazard using logistic regression and ROC analysis. Transactions in GIS, 10: 395-415.
  39. Hattanji, T. and Moriwaki, H. (2009). Implications for forecasting travel distance of future landslides. Geomorphology, Vol. 103, Issue 3: 447-454.
  40. Hejazi, A.; Roustaei, Sh. and Ranjbarian Shadbad, M. (2019). Landslide risk assessment and zoning using Vickor model, in Hajilerchai catchment. Physical Geography Quarterly, 12(44): 51-65.
  41. Hoseini, H. (2019). Use fuzzy interface systems to optimize land suitability evaluation for surface and trickle irrigation. Information Processing in Agriculture, 6(1): 11-19.
  42. Izadi, Z. and Entezari, M. (2013). Iran Landslides (Introduction, Factors and Management), Growth of Geography Education, 32-37.
  43. Jamalabadi, J.; Safari, F.; Borabadi, A. and Al-Mohammad, M. (2021). Identification and zoning of susceptible area of landslide in the Javroud rural district. Emergency Management, 10(2): 47-55.
  44. Kadavi, P.; Lee, C.W. and Lee, S. (2018). Application of ensemble-based machine learning models to landslide susceptibility mapping, Remote Sensing, 10, Issue 8: 1-18.
  45. Khamehchian, M.; Rakaei, B.; Abdolmaleki, P. and Giahchi, P. (2007). Application of Artificial Neural Network for Landslide Hazard Zonation, Case study: Sefidar Goleh area in Semnan province, Journal of Science, University of Tehran, 33 (2): 57-64.
  46. Kerekes, A.; Poszet, S. and Gal, A. (2018). Landslide susceptibility assessment using the maximum entropy model in a sector of the Cluj–Napoca Municipality. Romania, Revista de geomorfologie, Vol .20: 130-146.
  47. Khan, H.; Shafique, M.; Khan, M.; Mian, A.; Safeer, U. and Chiara, C. (2019). Landslide susceptibility assessment using Frequency Ratio, a case study of northern Pakistan, The Egyptian Journal of Remote Sensing and Space Sciences, 22 (1): 11-24.
  48. Kim, J. H. and Ahn, B.S. (2020). The Hierarchical VIKOR Method with Incomplete Information: Supplier Selection Problem, Sustainability, 12(22): 1-15.
  49. Madadi, A.; Noee, B. and Esmali, A. (2013). Landslide Hazard Assessment and Zoning Using LIM Model by GIS in Givi Chay Watershed, Ardebil. Geography and Planning, 17(43): 307-326.
  50. Madadi, A.; Piroozi, E. and Faal Naziri, M. (2021). A Comparative Evaluation of MABAC and CODAS Multi-Criteria Decision Algorithms in Landslide Risk Zoning (Case Study: Kowsar County). Geography and Environmental Planning, 31(4): 1-24.
  51. Michael, E.A. and Samanta, S. (2016). Landslide vulnerability mapping (LVM) using weighted linear combination (WLC) model through remote sensing and GIS techniques.  Earth Syst. Environ., 2, 88.
  52. Mirabadi, M.; Hashemi, S. H. and Amini J. (2017). Applying AHP model and Ordered Weighted Average method in Locating Waste Disposal Site of bookan city by using Arc GIS and IDRISI Geographical space, 17 (60): 39-54.
  53. Mohammadnia, M. and Fallah, G. (2018). Landslides susceptibility mapping using fuzzy logic and AHP. Researches in Geographical Sciences. 18 (48): 115-130.
  54. Naderi, F.; Naseri, B. and Bastami, N. (2021). Efficiency of Victor model in landslide risk zoning in the watershed of Galal Dam in Ilam Province. Journal of Geography and Environmental Hazards, 10(1): 21-39.
  55. Nandi, A. and Shakoor, A. (2010). A GIS-based landslide susceptibility evaluation using bivariate and multivariate statistical analyses. Engineering Geology, 110: 11-20.
  56. Rabby, Y.W.; Li, Y.; Abedin, J. and Sabrina, S. (2022). Impact of Land Use/Land Cover Change on Landslide Susceptibility in Rangamati Municipality of Rangamati District, Bangladesh. ISPRS International Journal of Geo-Information, 11 (89): 1-16.
  57. Rahnama, M.; Aquajani, H. and Fattahi, M. (2012). Integrating multi-criteria evaluation techniques with geographic information Systems for landfill site selection: A case study using ordered weighted average in Mashhad. Journal of Geography and Environmental Hazards, 1(3): 87-106.
  58. Rajabi, M. and Feyzolahpour, M. (2014). Zoning the Landslides of Givichay River Basin by Using Multi-Layer Perceptron Model. Geography and Development Iranian Journal, 12(36): 161-180.
  59. Salehpour Jam, A, ; Mosaffaie, A. and Sarfaraz, F. (2021). GIS-based landslide susceptibility mapping using hybrid MCDM models. Nat Hazards, 108: 1025-1046.
  60. Sanders, M. H. and Clark, P. D. (2010). Geomorphology: Processes, Taxonomy and Applications. Nova Science Publishers, Inc. 216 P.
  61. Sharifi Paichoon, M.; Shirani, K. and Shirani, M. (2021). Prioritization of Factors Affecting the Occurrence of Landslides and Zoning Its Sensitivity Using Multiple Linear Regression Case Study: Vahargan Catchment-west of Isfahan Province. Hydrogeomorphology, 8(26): 163-139.
  62. Sorbi, A. and Farrokhnia, A. (2018). Landslide hazard evaluation and zonation of Karaj-CHaluse road (North of Iran). International Journal of Geography and Geology, 7 (2): 2305-7041.
  63. Tuş, A. and Aytaç Adalı, E. (2019). The new combination with CRITIC and WASPAS methods for the time and attendance software selection problem. Opsearch, 56(3): 528-538.
  64. Wang, J.; Wei,; Wei, C. and Wei, Y. (2020). MABAC method for multiple attribute group decision making under q-rung orthopair fuzzy environment, Defence Technology, 16 (1): 208-216.
آمار
تعداد مشاهده مقاله: 605
تعداد دریافت فایل اصل مقاله: 421


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب