مدلسازی حریم زمین لغزش با مدیریت استراتژی در برنامه ریزی شهری (مطالعه موردی: شهر تبریز)
الموضوعات :
زیبا بهشتی
1
,
علیرضا قراگوزلو
2
,
سید مسعود منوری
3
,
میر مسعود خیرخواه زرکش
4
1 - دانشجوی گروه تخصصی ارزیابی و آمایش سرزمین، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
2 - دانشیار دانشکده مهندسی عمران و محیط زیست دانشگاه شهید بهشتی، تهران، ایران. *(مسوول مکاتبات)
3 - دانشیار دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران.
4 - دانشیار پژوهشکده حفاظت و آبخیزداری کشور Areeo، تهران، ایران.
تاريخ الإرسال : 03 الثلاثاء , جمادى الثانية, 1441
تاريخ التأكيد : 20 السبت , ذو القعدة, 1441
تاريخ الإصدار : 15 الإثنين , محرم, 1443
الکلمات المفتاحية:
ارزیابی اثرات زیست محیطی,
اقدامات اصلاحی,
برنامه استراتژیک,
پایش,
حساسیت زمین لغزش,
ملخص المقالة :
زمینه و هدف: توسعه و گسترش ساخت و ساز غیراصولی بر روی تپههای رسی و مارنی در بخشی از شهر تبریز به دلیل کیفیت و ویژگیهای نامطلوب خاک و خاصیت روانگرایی آن در هنگام زمین لرزه، باعث گردیده که این منطقه در معرض خطر زمین لغزش هم قرار گیرد. هدف اصلی این تحقیق، مدلسازی حریم زمین لغزش با مدیریت استراتژی در برنامه ریزی شهر تبریز می باشد.
روش بررسی: ارزیابی حساسیت زمین لغزش با مدل عملکرد باور شهودی ((Evidential Belief Function انجام گرفت، ارزیابی آثار زیست محیطی زمین لغزش توسط مدل پرومته 2 در سه فاز زیست محیطی، اقتصادی و اجتماعی مورد بررسی قرار گرفت و برنامه استراتژی زمین لغزش جهت کمک به تصمیم گیران ذیربط ارایه گردید.
یافته ها: نتایج این تحقیق نشان داد 9/82% از مناطق شهر تبریز در خطر وقوع زمین لغزش است و تراکمهای ساختمانی زیاد با قطعات مسکونی زیر 75 مترمربع در این مناطق شناسایی گردید. میزان دسترسی به شبکه راه های شهر کمتر از 30% است. 142هکتار کمبود در مراکز درمانی، 853 هکتار در تاسیسات و تجهیزات شهری،430 هکتار در فضای سبز شهر شناسایی گردید و بیش از 70% از مراکز مهم و حیاتی شهر نیازمند مقاومسازی شناخته شد، آمار مورد استفاده در این تحقیق با توجه به انجام آن، مربوط به سال 1395 می باشد.
بحث و نتیجه گیری: پهنههای مورد نیاز در کاربریهای درمانی، امنیتی، فضای سبز شهری،مراکزامدادرسانی، تاسیسات و تجهیزات شهر شناسایی گردید و با پایش مناطق لغزشی میانگین سرعت حرکت زمین لغزش در سال 1335 تا 1398 به میزان 65/41 متر است که شیب و اختلاف زیاد محل، جنس زمین و لایههای رسوبی غیرمتراکم آن، دامنههای شمالی برفگیر، جنس ریزدانه، فرسایش تدریجی رسوبات در ایجاد زمین لغزشها در طول زمان موثر بوده اند.
المصادر:
Erener, A., & Düzgün, H. S. B. (2010). Improvement of statistical landslide susceptibility mapping by using spatial and global regression methods in the case of more and Romsdal (Norway). Landslides, 7(1), 55-68. doi:10.1007/s10346-009-0188-x
Biswajeet, P; Abokharima, MH; Neamah jebur, M. (2014). Land subsidence susceptibility mapping at Kinta valley using the evidential belief function model in GIS. Natural hazards, volume 73, issue 2, pp. 1042-1019.
Dietrich, W. E., Reiss, R., Hsu, M., & Montgomery, D. (1995). A process-based model for colluvial soil depth and shallow land sliding using digital elevation data. Hydrological Processes, 9(3), 383-400. doi:doi.org/10.1002/hyp.3360090311
DFDA/CRED. (2010). Annual disaster statistical review 2009. from Center for research on epidemiology of disasters http://www.cred.be/sites/ default/files/ ADSR_2009
Ayalew, L., & Yamagishi, H. (2005). The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65(1), 15-31. doi:https://doi.org/10.1016/j.geomorph.2004.06.010
DFDA/CRED. (2010). Annual disaster statistical review 2009. from Center for research on epidemiology of disasters http://www.cred.be/sites/ default/files/ ADSR_2009
Nadim, F., & Kjekstad, O. (2009). Assessment of global high-risk landslide disaster hotspots. Landslide- disaster risk reduction, 213-221.
Petley, D. (2012). Global patterns of loss of life from landslides. Geology, pubs. Geoscience world. Org, 40(10), 927-930.
Berberian, M. (1976). An explanatory note on the first seism tectonic map of Iran, a seism tectonic review of the country. Retrieved from.
_||_
Erener, A., & Düzgün, H. S. B. (2010). Improvement of statistical landslide susceptibility mapping by using spatial and global regression methods in the case of more and Romsdal (Norway). Landslides, 7(1), 55-68. doi:10.1007/s10346-009-0188-x
Biswajeet, P; Abokharima, MH; Neamah jebur, M. (2014). Land subsidence susceptibility mapping at Kinta valley using the evidential belief function model in GIS. Natural hazards, volume 73, issue 2, pp. 1042-1019.
Dietrich, W. E., Reiss, R., Hsu, M., & Montgomery, D. (1995). A process-based model for colluvial soil depth and shallow land sliding using digital elevation data. Hydrological Processes, 9(3), 383-400. doi:doi.org/10.1002/hyp.3360090311
DFDA/CRED. (2010). Annual disaster statistical review 2009. from Center for research on epidemiology of disasters http://www.cred.be/sites/ default/files/ ADSR_2009
Ayalew, L., & Yamagishi, H. (2005). The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65(1), 15-31. doi:https://doi.org/10.1016/j.geomorph.2004.06.010
DFDA/CRED. (2010). Annual disaster statistical review 2009. from Center for research on epidemiology of disasters http://www.cred.be/sites/ default/files/ ADSR_2009
Nadim, F., & Kjekstad, O. (2009). Assessment of global high-risk landslide disaster hotspots. Landslide- disaster risk reduction, 213-221.
Petley, D. (2012). Global patterns of loss of life from landslides. Geology, pubs. Geoscience world. Org, 40(10), 927-930.
Berberian, M. (1976). An explanatory note on the first seism tectonic map of Iran, a seism tectonic review of the country. Retrieved from.