سال 14، شماره 2 - ( تابستان 1403 )
جلد 14 شماره 2 صفحات 105-87 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ganjaeian H. Identification of sinkhole-prone areas using radar images (Case study: Qorveh Plain). E.E.R. 2024; 14 (2) :87-105
URL: http://magazine.hormozgan.ac.ir/article-1-820-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-820-fa.html
گنجائیان حمید. شناسایی مناطق در معرض ایجاد فروچاله با استفاده از تصاویر راداری (مطالعه موردی: دشت قروه). پژوهش هاي فرسايش محيطي. 1403; 14 (2) :87-105
دانشکده جغرافیا، دانشگاه تهران، تهران ، h.ganjaeian@ut.ac.ir
چکیده: (934 مشاهده)
یکی از مخاطراتی که بسیاری از دشتهای ایران را دربرگرفته است، فرونشست است. فرونشست میتواند با اثرات منفی زیادی از جمله ایجاد فروچاله همراه باشد. یکی از دشتهایی که در طی سالهای اخیر با مخاطره فرونشست مواجه شده است و مستعد ایجاد فروچاله است، دشت قروه در شرق استان کردستان است. با توجه به اهمیت موضوع، در این پژوهش به شناسایی مناطق مستعد وقوع فروچاله در این دشت پرداخته شده است. در این پژوهش از تصاویر راداری سنتینل 1، تصویر ماهواره لندست 8 و اطلاعات مربوط به چاههای پیزومتری منطقه به‌عنوان مهمترین دادههای تحقیق استفاده شده است. مهمترین ابزارهای مورد استفاده در تحقیق، ArcGIS، GMT، ENVI و Expert Choice بوده است. همچنین در این تحقیق از مدلهای سری زمانی SBAS، حداکثر احتمال و AHP استفاده شده است. این پژوهش در چند مرحله انجام شده است که در مرحله اول به ارزیابی میزان فرونشست منطقه پرداخته شده است. در مرحله دوم، مناطق مستعد وقوع فروچاله مشخص شده است و در مرحله سوم، به تحلیل عوامل موثر در فرونشست منطقه و ارائه راهکارهای موثر در کنترل آن پرداخته شده است. بر اساس نتایج حاصله، میانگین افت سطح آب زیرزمینی در بخش زیادی از دشت قروه بیش از 1 متر در سال بوده است و این مسئله سبب شده است تا این دشت در طی سالهای 2018 تا 2022 با 379 میلیمتر فرونشست مواجه باشد. همچنین در این پژوهش بر مبنای فرونشست رخ داده، مناطق در معرض فروچاله شناسایی شده است که بر اساس نتایج حاصله، مناطق مجاور شهر دزج و مناطق مجاور روستاهای وینسار، شکوهآباد و گنجی پتانسیل بالایی از نظر وقوع فروچاله دارند. با توجه به موارد مذکور، دشت قروه پتانسیل بالایی از نظر تشدید مخاطره فرونشست و وقوع فروچاله دارد و بهترین راهکار کنترل آن، برنامهریزی بر مبنای توانمندیهای محیطی آن است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
روشهای نوین و دقیق در تهیّه نقشه فرسایش (سنجش از دور و سیستم‌های اطلاعات جغرافیایی)
دریافت: 1402/7/11 | انتشار: 1403/4/10
دریافت: 1402/7/11 | انتشار: 1403/4/10
فهرست منابع
1. Amighpay, M., Arabi, S., & A, Talebi., 2008. Investigation of Yazd subsidence using radar interferometric method and accurate leveling. Journal of Earth Sciences, 20(77), 157-164. (In Persian).
2. Aslan, G., Cakir, Z., Lasserre, C., & F, Renard., 2019. Investigating Subsidence in the Bursa Plain, Turkey, Using Ascending and Descending Sentinel-1 Satellite Data. Remote Sens, 11(1), 1-17. [DOI:10.3390/rs11010085]
3. Bateson, L., Cigna, F., Boon, D., & A, Sowter., 2015. The application of the Intermittent SBAS (ISBAS) InSAR method to the South Wales Coalfield, UK. International Journal of Applied Earth Observation and Geoinformation, 34, 249-257. [DOI:10.1016/j.jag.2014.08.018]
4. Da Lio, C., & L, Tosi., 2018. Land subsidence in the Friuli Venezia Giulia coastal plain, Italy: 1992-2010 results from SAR-based interferometry. Total Environ, 633, 752-764. [DOI:10.1016/j.scitotenv.2018.03.244]
5. Desir, G., Gutiérrez, F., Merino, J., Carbonel, D., Benito-Calvo, A., Guerrero, J., & L, Fabregat., 2018. Rapid subsidence in damaging sinkholes: Measurement by high-precision leveling and the role of salt dissolution. Geomorphology, 303, 393-409. [DOI:10.1016/j.geomorph.2017.12.004]
6. Ganjaeian, H., & K, Amani., 2019. Natural geography of Kurdistan province. Entekhab Publishers, 185 P. (In Persian).
7. Ganjaeian, H., 2020. Geomorphological Hazards of Urban Areas, Study Methods and Control Strategies. Entekhab Publishers, 144 P. (In Persian).
8. Ganjaeian, H., Ghasemi, A., Ebrahimi, A., & Z, Asadpour., 2019. Evaluation of the subsidence rate of Hamadan-Bahar plain using SBAS time series method. Journal of Geographical Studies of Arid Regions, 9(36), 62-73. (In Persian).
9. Ghorbani Mohammadabadi, S., Nejad Hosseini, R., & H, Ganjaeian., 2023. Analysis of the effective factors in the subsidence of the Qahavand plain using radar and satellite images. Journal of Geography and Human Relations, 6(20), 553-542. (In Persian).
10. Hosseinzadeh, S., Akbari, I., Javanshiri, M., & Z, Mohammadpoursangani., 2022. Spatial analysis of land surface subsidence using radar interferometry (case study: central plain of Qain city). Journal of Geography and Environmental Hazards, 11(4), 99-126. (In Persian).
11. Javadi, S. M. R. 2021. Estimation and analysis of subsidence rate of Hamedan-Bahar plain using radar images and SBAS time series. PhD thesis, Tabriz University, Faculty of Planning and Environmental Sciences. (In Persian).
12. Khan, S. D., Faiz, M. I., Gadea, C. A., & A, Ahmad., 2023. Study of land subsidence by radar interferometry and hot spot analysis techniques in the Peshawar Basin, Pakista. The Egyptian Journal of Remote Sensing and Space Science, 26 (1), 173-184. [DOI:10.1016/j.ejrs.2023.02.001]
13. Li, Y., Zuo, X., Xiong, P., Chen, Z., Yang, F., & X, Li., 2022. Monitoring Land Subsidence in North-central Henan Plain using the SBAS-InSAR Method with Sentinel-1 Imagery Data. Journal of the Indian Society of Remote Sensing, 50, 635-655. [DOI:10.1007/s12524-021-01484-6]
14. Mehrabi, A., Karimi, S., & M, Khalesi., 2023. Spatial analysis of Jiroft plain subsidence using coherence pixels technique (CPT). Journal of Geography and Environmental Planning, 34(1), 99-116. (In Persian).
15. Ortiz, D.G., & T.M, Crespo., 2012. Assessing the risk of subsidence of a sinkhole collapse using ground penetrating radar and electrical resistivity tomography. Engineering Geology, 149, 1-12. [DOI:10.1016/j.enggeo.2012.07.022]
16. Ranjbarbarogh, Z., & M, Fethullah Zadeh., 2022. Investigating land subsidence using time series of radar images and its relationship with changes in underground water level (case study: Karaj metropolis). Journal of Quantitative Geomorphology Research, 10(4), 155-138. (In Persian).
17. Rostaei, S., & S, Najafvand., 2022. Monitoring the subsidence phenomenon of plains based on SNAP2STAMPS automatic algorithm using radar interferometry (PSI) method (case study: Marand Plain). Journal of Geography and Environmental Hazards, 11(4), 42- 21. (In Persian).
18. Sheng, H., Zhou, L., Huang, C., Ma, S., Xian, L., Chen, Y., & F, Yang., 2023. Surface Subsidence Characteristics and Causes in Beijing (China) before and after COVID-19 by Sentinel-1A TS-InSAR. Remote Sensing, 15 (5). [DOI:10.3390/rs15051199]
19. Shi, X., Chen, C., Dat, K., Deng, J., Wen, N., Yin, Y., & X, Dong., 2022. Monitoring and Predicting the Subsidence of Dalian Jinzhou Bay International Airport, China by Integrating InSAR Observation and Terzaghi. Remote Sensing, 14(10). [DOI:10.3390/rs14102332]
20. Zhao, Q., Ma. G., Wang. Q., Yang. T., Liu, M., Gao, W., Falabella, F., Mastro, P., & A, Pepe., 2019. Generation of long-term InSAR ground displacement time-series through a novel multi-sensor data merging technique: The case study of the Shanghai coastal area. ISPRS Journal of Photogrammetry and Remote Sensing, 154, 10-27. [DOI:10.1016/j.isprsjprs.2019.05.005]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
