بررسی عوامل مؤثر در شکل‌گیری فروچاله‌ها در سازندهای کارستی با استفاده از مدل رگرسیون خطی چند متغیره در محیط ArcGIS و SPSS (مورد مطالعه: ناهمواری‌های بیستون – پرآو)

نویسندگان

1 اردبیل- دانشگاه محقق اردبیلی،دانشکده علوم انسانی، گروه جغرافیای طبیعی

2 دانشگاه خوارزمی تهران

چکیده

پهنه­های کارستی در برخورد با عوامل مؤثر متنوع و پیچیدگی مکانیسم آن‌ها در ارتباط باهم و با توجه به نقش آن‌ها در تحول و حساسیت کارست­زایی واکنش متفاوتی بروز می‌دهند؛ بنابراین امروزه در برنامه­ریزی­های محیطی به مطالعات اولیه و تهیه نقشه‌های ممیزی استعداد شکل‌گیری اشکال کارستی، اهمیت خاصی داده می­شود. ناهمواری­های بیستون-پرآو به‌عنوان منطقه مورد پژوهش با سازندهای آهکی بخشی از زون چین‌خورده و تکتونیزه شده بوده که مستعد شکل‌گیری اشکال متنوع کارستی است. لذا هدف اصلی این پژوهش مطالعه عوامل مؤثر در توسعه کارست با تأکید بر فروچاله‌ها و پهنه­بندی استعداد توسعه و حساسیت منطقه کارستی بیستون- پرآو است. روش پژوهش توصیفی- تحلیلی و همبستگی بوده و نوع آن کاربردی است. متغیرهای پژوهش شامل یک متغیر وابسته (فروچاله­ها) و هفت متغیر مستقل (بارش، دما، شیب، جهات شیب، ساختار زمین­شناسی، گسل و ارتفاع) بوده است که در برای سنجش ارتباط بین این متغیرها تمام لایه­های مؤثر در تشکیل کارست با استفاده از نرم­افزارهای GIS مورد پردازش و کدگذاری قرارگرفته و با استفاده از مدل رگرسیون خطی چند متغیره در محیط SPSS روابط آن­ها مورد تجزیه‌وتحلیل قرار گرفت. نتایج حاصل از معادله رگرسیونی و نتیجه­ی تأثیر دادن ضرایب رگرسیونی متغیرها در ماتریس داده­ها بر اساس روابطی (استعداد وقوع فروچاله­ها) به‌صورت طیفی از اعداد مثبت و منفی درآمده است. اعداد مثبت بیانگر وجود شرایط لازم برای توسعه کارست و اعداد منفی بیانگر نبودن شرایط مناسب برای توسعه کارست است. دامنه این طیف عددی، به‌صورت کیفی به سه کلاس، استعداد کم، استعداد متوسط و استعداد زیاد تقسیم‌شده است. تفسیر ضرایب و نتایج حاصل از این پژوهش نشان داد که لیتولوژی مهم‌ترین نقش را در توسعه کارست بر عهده دارد و بعد از آن به ترتیب لایه­های گسل، بارش، ارتفاع، دما، شیب و جهات شیب در درجات بعدی اهمیت قرار می­گیرند.

کلیدواژه‌ها


عنوان مقاله [English]

An investigation on the role of effective factors in the formation of sinkholes on the karstic formation with using multivariate linear regression model, GIS, and SPSS

نویسندگان [English]

  • Mousa Abedini 1
  • Masume Kamrani 1
  • Mohammadreza Eghbal 2
1 University of Mohaghegh Ardabili
2 Karazmi university of Tehran
چکیده [English]

karstic zones in dealing with diversity and complexity factor and their mechanisms in related to each other، with respect to their roles in the evolution and karstification sensitivity are avery different reaction. Therefore today’s led to Special pay attention in the initial studies and preparing karstification maps on the environmental planning to theresearcher. The study zone with karst formations is the part of the folded limestone formations and tectonic crushed zones and that is very prone to formation of various karstic landforms. The main purpose of study factors in the development of karst sinkhole and Zoning emphasizing talent development and sensitive karst area Inscription based on the effects of these factors. Therefore, all data layers were processed using Arc GIS software and the relationships between variables and their effect on the dependent variable using multivariate linear regression analysis was conducted in SPSS. The results of the regression equation and multivariate linear regression and influence of regression coefficients on the data matrix variables due to thePotential occurrence of sinkholes indicated the spectral coefficients are obtained numerically positive and negative. Positive numbers indicate the suitable conditions for karst development and negative indicated unsuitable conditions for the development of karst. The numerical range of the spectrum, the three-class quality, including low talent, talent, and more talent into the medium. Interpretation of the coefficients and the results of this study showed that lithology is the most important roles in karst development and then the layers faults, rainfall, elevation, temperature, dip and dip direction, the next levels are important.

کلیدواژه‌ها [English]

  • Keyword:Karst talent
  • Sinkholes
  • multivariate linear regression
  • Bisetoun
  • Paraw. GIS
  • SPSS