نقشه برداری حساسیت فروچاله با فرایند تحلیل سلسله مراتبی (AHP) و روابط بزرگی-فرکانس
چکیده
از سال 1989، تعداد رو به افزایشی از فروچاله ها در زیر-حوضه های کبودرآهنگ و رازان-قهاوند (KRQ) از استان همدان در غرب ایران گزارش شد. پدیده ی نشست مربوط به فروچاله تهدید قابل توجهی برای افراد و سازه های انسانی از جمله تاسیسات حساس مثل نیروگاه هسته ای همدان ایجاد می کرد. بهره برداری بیش از حد از آب های زیر زمینی از لایه های آبرفتی ضخیم و غار سنگ آهکی زیر آن، به عنوان عامل اصلی ایجاد فروچاله شناخته شدند. یک مدل حساسیت فروچاله در یک محیط GIS با بکارگیری روش فرایند تحلیل سلسله مراتبی (AHP) و در نظر گرفتن 8 فاکتور انتخابی، ایجاد شد که هر کدام به 5 دسته تقسیم بندی می شدند: فاصله تا گسل (DF)، کاهش سطح آب (WLD)، استخراج آب زیر زمینی (GE)، نفوذ چاه های عمیق در بستر آهکی تخریب شده (PKA)، فاصله تا چاه های عمیق (DDW)، قلیایی بودن آب زیر زمینی (GA)، سنگ شناسی سنگ بستر(BL)، ضخامت رسوب (AT). وزن های مربوطه در ابتدا از طریق مقایسه دو سویه سیستماتیک مبتنی بر قضاوت کارشناسی، به هر فاکتور و به کلاس های مختلف آن ها اختصاص داده شد. سپس، مقادیر شاخص حساسیت فروچاله (SSI) بدست آمده، به چهار کلاس حساسیت دسته بندی شد: حساسیت کم، متوسط، بالا، و بسیار بالا. در نتیجه، مدل با یک فرایند آزمون و خطا شامل تغییراتی در وزن های مربوطه و ارزیابی تکراری قابلیت پیش بینی، اصلاح شد. محاسبات مستقل مدل نهایی نشان می دهد که 55% و 45% از حوادث نشست در نواحی با حساسیت بسیار بالا و بالا اتفاق می افتد. نتایج این مطالعه نشان می دهد که AHP برای ارزیابی حساسیت روش مفیدی است اگر که داده های مربوط به عوامل کنترل کننده اصلی دقت و پوشش فضایی مناسب و کافی داشته باشند. محدودیت های مدل تا حدی به مشکل در جمع آوری داده ها در برخی از فاکتور های زمین شناسی مهم است که ناشی از ماهیت پنهان آن ها می باشد. روابط بزرگی و فرکانس که با 41 فروچاله با داده های زمان سنجی و مورفومتریک ایجاد شده اند، حداکثر بازه های رخداد مجدد را بین 1.17 ، 2.14 و 4.18 سال برای فروچاله ها با طول محوری اصلی برابر یا بیشتر از 10، 20 و 30 متر، نشان می دهند.
1. مقدمه
در طول دو دهه گذشته، فروچاله ها به دلیل افزایش مخاطرات شان، به مهم ترین نگرانی در برخی از مناطق ایران تبدیل شده اند که اساسا به دلیل بهره برداری بیش از حد از آب زیرزمینی اتفاق می افتد. فروچاله، یک کلمه فارسی است که به این نوع گودال ها اطلاق می شود؛ تورفتگی های محصور شده با زهکشی داخلی که در نواحی کارست توسعه یافته است. در زبان کردی، "برقه چال"، به معنی فروپاشی ناگهانی است، درحالیکه "نور" به فروچاله کارست اشاره دارد (طاهری و هاشمی 2011). عبارت "دولین" (به معنی دره یا حفره عمیق) در اصل توسط ژئومورفولوژیست ها استفاده می شود، در حالیکه فروچاله عبارت رایج در آمریکای شمالی است و در ادبیات بین المللی با مسائل محیط زیستی و مهندسی مرتبط با کارست سر و کار دارد (گان 2004؛ گوتیئرز و همکاران 2008 آ، 2014). کلماتی مثل فروپاشی و فروچاله نیز توسط برخی نویسندگان برای تعریف فرورفتگی و چاله های ایجاد شده توسط پدیده فرونشست مرتبط با حفره های ایجاد شده به دست بشر مثل معادن، خانه ها، قبرستان ها، و دیگر حفاری های زیرزمینی، استفاده شده است (برای مثال پاریس 2012، 2013). در کار حاضر، ما از دسته بندی فروچاله ژنتیکی پیشنهاد شده توسط گوتیئرز و همکاران (2008 ب، 2014) استفاده می کنیم، که تمام محدوده مکانیزم فرونشست مشاهده شده در کارست های کربناته و تبخیری را در بر می گیرد.
abstract
Since 1989, an increasing number of sinkhole occurrences have been reported in the Kabudar Ahang and Razan– Qahavand subcatchments (KRQ) of Hamadan province, western Iran. The sinkhole-related subsidence phenomenon poses a significant threat for people and human structures, including sensitive facilities like the Hamadan Power Plant. Groundwater over-exploitation from the thick alluvial cover and the underlying cavernous limestone has been identified as the main factor involved in sinkhole development. A sinkhole susceptibility model was produced in a GIS environment applying the analytical hierarchy process (AHP) approach and considering a selection of eight factors, each categorized into five classes: distance to faults (DF), water level decline (WLD), groundwater exploitation (GE), penetration of deep wells into karst bedrock (PKA), distance to deep wells (DDW), groundwater alkalinity (GA), bedrock lithology (BL), and alluvium thickness (AT). Relative weights were preliminarily assigned to each factor and to their different classes through systematic pairwise comparisons based on expert judgment. The resulting sinkhole susceptibility index (SSI) values were then classified into four susceptibility classes: low, moderate, high and very high susceptibility. Subsequently, the model was refined through a trial and error process involving changes in the relative weights and iterative evaluation of the prediction capability. Independent evaluation of the final model indicates that 55% and 45% of the subsidence events fall within the very high and high, susceptibility zones, respectively. The results of this study show that AHP can be a useful approach for susceptibility assessment if data on the main controlling factors have sufficient accuracy and spatial coverage. The limitations of the model are partly related to the difficulty of gathering data on some important geological factors, due to their hidden nature. The magnitude and frequency relationship constructed with the 41 sinkholes with chronological and morphometric data indicates maximum recurrence intervals of 1.17, 2.14 and 4.18 years for sinkholes with major axial lengths equal to or higher than 10 m, 20 m, and 30 m, respectively.
1. Introduction
During the last two decades, sinkholes have become a major concern in some regions of Iran due to the hazard increase, mainly induced by groundwater over-exploitation. “Forochaleh” is a Persian word used to designate sinkholes; enclosed depressions with internal drainage developed in karst terrains. In the Kurdish language, “barqe chal” means sudden collapse, whereas “noor” refers to karst sinkhole (Taheri and Hashemi, 2011). The term “doline” is mainly used by European geomorphologists, whereas sinkhole is the most common term in North America and in the international literature dealing with engineering and environmental issues associated with karst (Gunn, 2004; Gutiérrez et al., 2008a, 2014). Words like collapse and sinkhole are also used by some authors to designate depressions and holes generated by subsidence phenomena related to anthropogenic cavities like mines, dwellings, catacombs, and other underground excavations (e.g. Parise, 2012, 2013). In this work we follow the genetic sinkhole classification proposed by Gutiérrez et al. (2008b, 2014), which covers the whole range of subsidence mechanisms observed in both carbonate and evaporite karst.
چکیده
1. مقدمه
2. منطقه مطالعاتی و موقعیت زمین شناسی
3. مواد و روش ها
3.1. بررسی های میدانی و آزمایشگاهی
3.2. فهرست فروچاله ها و نامگذاری آن ها
3.3. وزن دهی فاکتور ها با استفاده از AHP و ارزیابی حساسیت
4. روابط بزرگی و فرکانس
5. نقشه حساسیت فروچاله
6. بحث و نتیجه گیری
Abstract
1. Introduction
2. Study area and geological setting
3. Materials and methods
3.1. Field and laboratory investigation
3.2. Sinkhole inventory and nomenclature
3.3. Factor weighting by AHP and susceptibility assessment
4. Magnitude and frequency relationships
5. Sinkhole susceptibility mapping
5.1. Controlling factors
6. Discussion and conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه