Identification of Fault Lineaments and Earthquake Hazard Zoning Using Remote Sensing and GIS: A Case Study of Rumeshkan County, Lorestan Province

Document Type : Research Paper


1 Associate Professor, Department of Geology, Khorramabad Branch, Islamic Azad University, Khorramabad, Iran

2 Associate Professor, Department of Civil Engineering, Zanjan University, Zanjan, Iran

3 M.Sc., Geology Engineering, Zamin Kavan South Company, Tehran, Iran


As a natural hazard, earthquake has always caused destruction and loss of human life throughout history. Proper planning to prevent or reduce the destructive impact of earthquake hazard is of particular importance. In this study, to prevent and decrease the risk of this phenomenon, faults were detected and earthquake risk zoning was done in Rumeshkan County in Lorestan Province. For this purpose, first, the lineaments in the region were detected by using 2013 satellite images from Landsat 8 OLI sensors (row 37 and pass 166) and applying Directional Filters in ENVI software, as well as Lineament Extraction in Geomatica software. Afterwards, by comparing the lines with the constructed band combinations, the Digital Elevation Model (DEM) and geological map of the study area were investigated, the faults were separated, and their map was prepared in the Geographic Information System (ArcGIS). In this study, by using expert judgment method and AHP-Fuzzy, the factors that affected the risk of earthquakes in Rumeshkan County, including distance from fault, slope, geomorphology, lithology, and distance from epicenters of past earthquakes were weighted and the seismic hazard map of the region was prepared. According to the obtained results, 31.8, 34.3, 10.3, 14.6, and 9.0% of the area were in very low, low, medium, high, and very high hazard classes, respectively. Examination of the earthquake hazard sensitivity map showed that the highest sensitivity to seismic hazard was in the eastern parts of the county and that the central parts had very low and low risks; thus, settlement of population in the latter areas is recommended.
Keywords: earthquake, Rumeshkan, remote asensing, GIS, AHP-fuzzy
Earthquakes have always been among the most important natural hazards. Every year, a large number of people in the world are affected by the adverse effects of earthquake. To decrease human and economic losses, as well as their social consequences, it is necessary to gain an accurate knowledge of the risks of earthquakes in different places based on the current knowledge and the latest reliable technologies. Risk zoning is an important approach in the pre-crisis management process that greatly assists planners and managers to take measures to reduce earthquakes earthquake vulnerability. The main issues are the selection of vulnerability criteria and the way of combining them, as well as selecting an appropriate model that can best represent the rate of vulnerability.
Today, with the increasing science advancement, satellites and satellite imagery have progressed; therefore, the use of remote sensing methods and satellite image processing appear to be highly efficient for identifying and studying geological phenomena, such as faults and lineaments. GIS is also one of the most powerful software in the field of environmental hazard mapping that contributes to efficient management of spatial and temporal data.
Manual, automatic, and semi-automatic methods are used to extract tha data of lineaments and faults. In this study, a semi-automatic method was used, which is a combination of automatic and manual methods and is more reliable with a good speed. For this purpose, the 2013 Landsat 8 images taken by OLI sensor (row 37 and pass 166) were analyzed.
In this study, first the lineaments in this area were extracted by applying Lineament Extraction Filter in Geomatica software. Then, by spatial highlighting and applying directional filters on 8-band images obtained from the Landsat 8 satellite image of OLI sensor, as well as creating band combinations, the faults in the area were manually identified.
AHP-fuzzy was used for earthquake hazard zoning in Rumeshkan County. In addition to the fault map of the region, other factors, including slope, geomorphology, lithology, and distance from the epicenters of past earthquakes, were used. The fuzzy hierarchical integrated model has a high efficiency in earthquake risk zoning due to removing the inherent inaccuracy and uncertainty of decision makers' perceptions and reflecting their opinions as a definitive number. After weighting the factors, by combining the maps in the environment of Geographic Information System (GIS) software, the earthquake zoning map of the region was prepared.
In this research, after examining the factors affecting the earthquake risk, a map of each of the factors was prepared in the environment of ArcGIS software. The results obtained from the analysis of each factor were as follows:
The study of lithology and geomorphology of the region showed that due to the looseness of Quaternary alluvial sediments, this unit had the highest sensitivity to earthquake hazard and the highest weight was assigned to it.
Investigation of the area slope according to the expert judgments indicated that the highest sensitivity to earthquake hazard was related to the highest slope degrees, which could be attributed to the low shear strength of materials at high slopes.
The results obtained from the study of the faults in the region revealed that sensitivity to earthquakes increased by decreasing distance from the faults because earthquakes themselves were caused by the movement of faults. Also, the sensitivity increased as the distances from the epicenters of past earthquakes decreased.
After examining the factors affecting earthquake risk, the map of each factor was fuzzified by using the fuzzy membership functions.
For this purpose, to standardize the maps, the slope and lithology maps were respectively obtained through incremental linear and Gaussian membership functions to determine distances from the faults, epicenters of old earthquakes, and geomorphology of the faults.
Considering the fact that each layer had a different impact on seismic hazard zoning, weighting of the layers and substrates was necessary. In the hierarchical analysis process, first, a pairwise comparison was done and the results were transferred to the Expert Choice software in order to calculate the weight of each factor. Based on the obtained findings, the fault layer had the most important role in preparing the seismic zoning map of the study area. According to the prepared lineament maps, the faults were mostly concentrated in the eastern parts of Rumeshkan County.
Most studies concerning fracture and fault modeling in each region depend on analysis of lineaments. In this research, a remote sensing technique (OLI sensor satellite imagery) was used to obtain an integrated digital map of the region's lineaments. The results showed that the use of a semi-automatic method was one of the fastest and most accurate approaches for extracting the maps of faults and fractures.
In this study, 5 factors were selected as effective factors in the seismic hazard zoning of Rumeshkan City. Prioritization of the factors by using the hierarchical analysis showed that the factors of distance from fault, distances from epicenters of past earthquakes, lithology, slope, and geomorphology played the most important roles in preparing the seismic hazard map, respectively.
According to the results of seismic hazard zoning, >23% of the area was in the high- and very high-risk classes, covering most of the eastern part of the study area. Combination of the residential area map with the earthquake risk zoning map also showed that the residential areas located in the eastern, western, and central parts were in high- and very high-risk classes, low- to medium-risk class, and very low- and low-risk classes, respectively. Chaqabol, the capital of the county, was located at the central part.
- Bimal, N., Yadav, O. P., & Murat, A. (2010). A fuzzy- AHP approach to prioritization of CIS attributes in target planning for automotive product development. Expert System with Application Journal, 37, pp. 6775- 6786.
- Fayaz, M., Romshoo, S. A., Rashid, I., & Chandra, R. (2022). Earthquake Vulnerability Assessment of the Built Environment in Srinagar City, Kashmir, Himalaya, Using GIS. Natural Hazards and Earth System Sciences, pp. 1-35.
- Gannouni, S. and Gabtni, H. (2015). Structural Interpretation of Lineaments by Satellite Image Processing (Landsat TM) in the Region of Zahret Medien (Northern Tunisia). Journal of Geographic Information System, 7, pp. 119-127. doi: 10.4236/jgis.2015.72011
- Janardhana Raju, N., Reddy, T. V. K., & Munirathnam, P. (2006). Subsurface dams to harvest rainwater: A case study of the Swarnamukhi River Basin, southern India. Hydrology Journal, 14, pp. 526-531.
- Kahraman, C., Cebeci, U., & Ruan, D. (2004). Multiattribute comparison of catering service companies using fuzzy AHP: The case of Turkey. International Journal of Production Economics, 87(2), pp. 171-184.
- Pudi, R., Martha, T. R., Roy, P., Vinod, K., & Rao, R.  (2021). Mesoscale seismic hazard zonation in the Central Seismic Gap of the Himalaya by GIS-based analysis of ground motion, site, and earthquake-induced effects. Environ Earth Sci., 80, p. 613.
- Saaty, T. L. (1980). The analytic hierarchy process. McGraw-Hill, New York.
- Varo, J., Sekac, T., & Jana, S. K. (2019). Earthquake hazard micro-zonation in Fiji islands: A research of Vitilevu Island. IJRTE, 8, pp. 2296-2307.
- Vahidnia, M. H., Alesheikh, A. A., & Alimohammadi, A. (2009). Hospital site selection using fuzzy AHP and its derivatives. Journal of Environmental Management, 90(10), pp. 3048-3056.
- Yassaghi, A. (2006). Integration of Landsat Imagery Interpretation and Geomagnetic Data on Verification of Deep-Seated Transverse Fault Lineaments in SE Zagros. International Journal of Remote Sensing, 56(12), pp. 152-167.


Main Subjects


به دلیل مساعدبودن شرایط زمین‌شناسی، جغرافیایی و فقدان مدیریت جامع محیط و رعایت‌نکردن آستانه‌های محیطی، ایران به‌عنوان کشوری پرخطر به شمار می‌آید. به‌طوری که از حدود 43 خطر طبیعی و تا حدی با دخالت انسان، حدود 38 خطر در ایران شناسایی و ثبت شده و به دلیل تعدد، تنوع، تکرار و شدت وقوع خطرات طبیعی و ناآرامی محیط، ایران در ردیف 10 کشور بلاخیز جهان قرار گرفته است (محمدی و مساعدی، 1384: 388؛ امیراحمدی و همکاران 1393: 242). کشور ایران در بخش میانی کمربند کوهزایی آلپ- هیمالیا واقع شده است (عبدالهی و همکاران، 1397: 166). مقاومت صفحۀ ایران در برابر فشار وارده از طرف صفحات عربستان از جنوب غربی، هندوستان از شرق و سیبری از شمال شرقی به بروز گسل‌ها و شکستگی‌های متعددی منجر شده و فعالیت این گسل‌ها موجب شده است که ایران از مناطق مهم زلزله‌خیز دنیا محسوب شود (پاشاپور و همکاران، 1398: 51).

زمین‌لرزه‌ها همواره جزء مهم‌ترین مخاطرات طبیعی هستند که هرساله تعداد زیادی از مردم جهان گرفتار آثار نامطلوب آن می‌شوند. به‌منظور کاهش تلفات جانی و اقتصادی و تبعات اجتماعی آنها ضروری است که براساس دانش کنونی و آخرین فناوری‌های قابل‌اعتماد از خطر وقوع زمین‌لرزه در نقاط مختلف، شناختی دقیق به دست آورده شود (رحیمی شهید و رحیمی، 1396: 109). پهنه‌بندی خطر، رویکرد مهمی از فرایند مدیریت پیش از بحران است که به برنامه‌ریزان و مدیران در آماده‌سازی و کاهش آسیب‌پذیری کمک فراوانی می‌کند. مسئلۀ اساسی، انتخاب معیارهای آسیب‌پذیری و نحوۀ ترکیب این معیارهاست و به‌علاوه، انتخاب مدلی مناسب است که به بهترین شیوه نشان‌دهندۀ میزان آسیب‌پذیری است (کرمی و امیریان، 1397: 110).

امروزه با پیشرفت روزافزون علوم، ماهواره‌ها و تصاویر ماهواره‌ای نیز پیشرفت کرده‌اند؛ از این رو، استفاده از روش‌های سنجش از دور و پردازش تصاویر ماهواره‌ای برای شناسایی و بررسی پدیده‌های زمین‌شناسی ازجمله گسل‌ها و خطواره‌ها بسیار کارآمد به‌ نظر می‌رسد (Yassaghi, 2006, 153)؛ همچنین سیستم اطلاعات جغرافیایی یکی از نرم‌افزارهای قدرتمند در زمینۀ تهیۀ نقشۀ مخاطرات محیطی است که به مدیریت مؤثر داده‌های مکانی و زمانی کمک می‌کند. در سال‌های اخیر استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی در زمینۀ شناسایی خطواره‌ها و پهنه‌بندی خطر زمین‌لرزه موردتوجه پژوهشگران متعددی قرار گرفته است که ازجملۀ آنها به مطالعاتی در ایران و سایر نقاط جهان اشاره می‌شود؛ مانند رشیدی و همکاران (1391) که خطواره‌های زمین‌ساختی پهنۀ گسلۀ نایبند را با استفاده از روش‌های دورسنجی بررسی کردند. براساس نتایج به‌دست‌آمده گسل نایبند در بخش شمالی دارای ساختار دم اسبی بوده است و در شکل‌گیری زمین‌ساخت منطقه تأثیر بسزایی دارد؛ مهرابی و همکاران (1394) با تفسیر تصاویر ماهواره‌ای و تعیین ارتباط آنها با موقعیت گنبدهای نمکی رخنمون‌یافتۀ سری هرمز، خطواره‌های گسلی کمربند چین‌خورده-راندگی زاگرس را شناسایی کردند. براساس نتایج به‌دست‌آمده بیشترین ارتباط بین خطواره‌ها با گنبدهای نمکی در فاصلۀ یک کیلومتری از گنبدهای نمکی است؛ منصوریان و المدرسی (1396) با استفاده از روش سلسله‌مراتبی، نقشۀ پهنه‌بندی خطر زمین‌لرزه را در حوزۀ شهری نورآباد ممسنی استان فارس تهیه کردند. براساس نتایج به‌دست‌آمده بیش از 46 درصد از مساحت منطقه در کلاس خطر زیاد و خیلی زیاد واقع شده است. رنجبری و همکاران (1398) به شناسایی و استخراج گسل‌ها در پهنۀ گسلش قوشاداغ توجه کردند. در این پژوهش که با استفاده از الگوریتم Lineament Extraction انجام شده است، نتایج نشان‌دهندۀ آن بود که روش استفاده‌شده دقت زیادی در شناسایی خطواره‌ها دارد. اخلاص‌پور و همکاران (1400) با استفاده از سامانۀ اطلاعات جغرافیایی و به‌‌کارگیری روش منطق فازی، خطر زمین‌لرزه را در استان کرمان تحلیل کردند. براساس نتایج به‌دست‌آمده، نوار کوه بنان، لکرکوه، گلباف، بم و گستره‌های بردسیر و ریگان در گسترۀ خطر لرزه‌ای خیلی زیاد قرار دارند. گانونی و گابتنی[1] (2015) با استفاده از روش استخراج خودکار به تفسیر هندسی خطواره‌ها در منطقۀ زهرت مدین در شمال تونس توجه کردند. اعتبارسنجی نتایج به‌دست‌آمده در مقایسه با نتایج ژئوفیزیک و همچنین مطالعات نقشه‌برداری قبلی نشان‌دهندۀ آن بود که روش استفاده‌شده از دقت خوبی برخوردار است. وارو[2] و همکاران (2019) با استفاده از سیستم اطلاعات جغرافیایی و سنجش از دور، پتانسیل خطر زمین‌لرزه را در سرزمین فیجی بررسی کردند. در این پژوهش که برای تحلیل از روش‌های سلسله‌مراتبی و تحلیل چند معیاره استفاده شده، نتایج نشان‌دهندۀ آن بود که ArcGIS به‌عنوان ابزاری قدرتمند در تحلیل بلایای طبیعی به مدیران کمک کند؛ پودی[3] و همکاران (2021) با استفاده از روش سلسله‌مراتبی به پهنه‌بندی خطر زمین‌لرزه در شکاف مرکزی هیمالیا توجه کردند. نتایج به‌دست‌آمده از این مطالعه نشان از آن داشت که پهنه‌های با خطر زیاد در کوهپایه‌ها واقع شده است؛ فایاز[4] و همکاران (2022) خطر زمین‌لرزه را با استفاده از سیستم اطلاعات جغرافیایی و سنجش از دور در شهر سرینگار هیمالیا بررسی کردند. در این مطالعه که برای ادغام پارامترهای مؤثر در خطر زمین‌لرزه از روش سلسله‌مراتبی استفاده شده، نتایج نشان‌دهندۀ آن بود که بیش از 7 درصد از مساحت منطقه در کلاس خطر زیاد قرار دارد.

این پژوهش با هدف شناسایی خطواره‌ها و پهنه‌بندی خطر زمین‌لرزه در سطح شهرستان رومشکان انجام شده است. استان لرستان و به تبع آن شهرستان رومشکان به علت قرارداشتن بر روی پهنۀ لرزۀ زمین‌ساخت زاگرس از نواحی لرزه‌خیز ایران به شمار می‌آید. وقوع زمین‌لرزه‌های مخرب در ادوار مختلف ازجمله زمین‌لرزۀ تاریخی سال 334 قمری در شهر ماداکتو (دره شهر کنونی) در فاصله 15 کیلومتری از محدودۀ موردمطالعه بهترین گواه لرزه‌خیزی این منطقه است که ضرورت این مطالعه را بیش از پیش نمایان می‌کند.


روش‌شناسی پژوهش

مشخصات عمومی منطقه

شهرستان رومشگان در جنوب غرب استان لرستان واقع شده است. این شهرستان در بخش شمالی و غربی با شهرستان‌ کوهدشت، در بخش شرقی با شهرستان پلدختر و در بخش جنوبی با شهرستان‌های دره‌شهر و بدره هم‌مرز است. محدودۀ مطالعه‌شده در زون زاگرس چین‌خورده واقع بوده است که به‌ترتیب سن، سازندهای گچساران (2 درصد)، آسماری-شهبازان (1/23 درصد)، کشکان (2/1 درصد)، تله‌زنگ (3/2 درصد) و رسوبات کواترنری (5/71 درصد) از زمان میوسن پیشین تا عهد حاضر در سطح آن رخنمون دارند (شکل 1). این شهرستان دارای آب‌وهوایی معتدل و نیمه خشک با متوسط بارندگی 395 میلی‌متر در سال است. بیشینه و کمینۀ دما به‌ترتیب حدود۴۰ درجۀ سانتی‌گراد در فصل تابستان و ۷ درجه زیر صفر در فصل زمستان است. در این مطالعه هستۀ مسکونی شهرستان رومشکان با مساحت 230 کیلومترمربع و شیب متوسط 8/8 درجه بررسی شده است.


شکل (1) موقعیت جغرافیایی و نقشۀ زمین‌شناسی شهرستان رومشکان

Figure (1) The Geographical Location and Geology Map of Rumeshkan County


شناسایی گسل‌های منطقه

به نقشه درآوردن خطواره‌ها و آنالیز آنها از طریق داده‌های سنجش از دور، ابزار مفیدی برای مطالعات تکتونیکی و ساختاری ناحیه‌ای است. ساختارهای زمین‌شناسی مانند شکستگی، گسل، درزه، زون‌های برشی و فولیاسیون خود را در مطالعات سنجش از دور به‌صورت خطواره نشان می‌دهند (کمالی و همکاران، 1392: 140). روش استخراج خطواره‌ها و گسل‌ها به سه صورت دستی، اتوماتیک و نیمه اتوماتیک است. در این پژوهش از روش نیمه اتوماتیک استفاده شده است. روش نیمه اتوماتیک تلفیقی از دو روش اتوماتیک و دستی است که نسبت به سایر روش‌ها قابل‌اعتمادتر بوده است و سرعت خوبی دارد. بدین منظور تصاویر سال 2013 لندست 8 اخذشده با سنجندۀ OLI ردیف 37 و گذر 166، تجزیه‌وتحلیل شده است. علت انتخاب این تصاویر نسبت به تصاویر لندست 7 برخورداری تصاویر لندست 8 از قدرت تفکیک بیشتر است.

تصاویر ماهواره‌ای اغلب دارای اعوجاج هندسی و رادیومتریک بوده‌اند و نیاز به تصحیحات مکانی و طیفی دارند. در زمان ثبت تصویر با سنجندۀ ماهواره‌ای خطاهایی ایجاد می‌شود که شامل خطا در موقعیت هندسی پیکسل‌ها (خطای هندسی) و مقدار روشنایی اندازه‌گیری‌شدۀ پیکسل‌ها (خطای رادیومتری) است. در مرحلۀ پیش پردازش خطاهای رادیومتری و هندسی از تصاویر ماهواره‌ای حذف می‌شوند (عباسی و یساقی، 1390: 21).

در این پژوهش ابتدا با اعمال فیلتر Lineament Extraction در نرم‌افزار ژئومتیکا[5] به روش اتوماتیک خطواره‌های منطقه استخراج شده است. سپس با بارزسازی مکانی و اعمال فیلترهای جهت‌دار بر روی باند 8 تصویر ماهوارۀ لندست 8 سنجندۀ OLI و همچنین ایجاد ترکیبات باندی، گسل‌های منطقه به روش دستی شناسایی شده است. پس از شناسایی گسل‌ها، نتایج به‌دست‌آمده با بازدیدهای صحرایی صحت‌سنجی شد.

در بارزسازی یا بهبود مکانی که بهبود محلی نیز نامیده می‌شود، مقدار عددی یک پیکسل با توجه به مقادیر پیکسل‌های اطراف آن بهبود می‌یابد. بارزسازی مکانی با استفاده از اعمال فیلتر‌های مختلف بر روی تصاویر انجام می‌گیرد. اپراتورهای فیلتر به‌طور معمول پنجره‌های 3*3، 5*5 و یا 7*7 هستند و با اعمال بر تصویر، برای هر پیکسل با توجه به پیکسل‌های اطراف، مقدار جدیدی به دست می‌آورند و آن را ذخیره می‌کنند. در این پژوهش، به‌منظور شناسایی شکستگی‌ها و گسل‌ها از فیلتر جهتی Directional در جهات شمالی-جنوبی، شمال شرق- جنوب غرب، شرقی-غربی و جنوب شرق-شمال غرب استفاده شده است.

در ترکیبات باندی نیز به‌عنوان معمولی‌ترین تکنیک بارزسازی تصویر، اختصاص‌دادن مقادیر رقومی در پیکسل‌های یک تصویر به رنگ‌های مشخص برای افزایش وضوح عمومی تصویر است. به این ترتیب، تصویری سیاه و سفید، به‌صورت رنگی دیده می‌شود. تصاویر ماهواره‌ای به‌صورت تک باندی یا رنگی قابل‌نمایش هستند. در ترکیب چند باندی انرژی ثبت‌شده برای هر پیکسل در سه باند اندازه‌گیری شده و در سه رنگ قرمز، سبز و آبی نمایش داده می‌شود. از باندهای OLI ترکیبات زیادی به دست می‌آید که با ترکیبات باندی در لندست 7 متفاوت هستند. با توجه به اینکه از هر ترکیب چه نوع اطلاعاتی بهتر استخراج می‌شود، از آن ترکیب در کاربردی خاص استفاده می‌شود. به ترکیب RGB=432 در لندست 8، رنگی حقیقی گفته می‌شود؛ زیرا رنگ‌هایی شبیه رنگ‌های طبیعی را به تصویر می‌دهند و به باقی ترکیبات، رنگی دروغین گفته می‌شود. در این پژوهش برای بررسی گسل‌ها بیشتر از ترکیبات 432، 543 (گیاهان به رنگ قرمز دیده می‌شود)، 642 (تفکیک واحدهای سنگی) و 752 (مطالعات زمین‌شناسی) استفاده شده است (شکل 2).


شکل (2) ترکیبات باندی ساخته‌شده برای مطالعۀ گسل‌های شهرستان رومشکان

Figure (2) Band compositions made to study the fault of Rumeshkan County


پهنه‌بندی خطر زمین‌لرزه

به‌منظور پهنه‌بندی خطر زمین‌لرزه در سطح شهرستان رومشکان روش سلسله‌مراتبی-فازی به کار گرفته شده است. این روش با ایجاد ساختاری قابل‌درک بین تصمیم‌گیری چند معیاره با مجموعه‌ای از داده‌های کمی و کیفی، وجود ساختار مرتبه‌ای، مستقل و قابل‌فهم را ارائه داده است. درنهایت ضریب ناسازگاری را کاهش می‌دهد (Vahidnia et al., 2009). منطق سلسله‌مراتبی- فازی تفکرات بشری را در استفاده از اطلاعات تقریبی و نامطمئن برای تصمیم‌گیری بازتاب می‌دهد (Kahraman et al., 2004) و بیشترین انعطاف را در قضاوت و واقعی‌ترین و بهترین رابطه را بین معیارها و متغیرها ارائه می‌دهد (Bimal et al., 2010).

در این پژوهش علاوه بر نقشۀ گسل‌های منطقه عوامل دیگر شامل شیب، ژئومورفولوژی، لیتولوژی و فاصله از کانون زمین‌لرزه‌های گذشته استفاده شده است. عوامل مختلف در نظر گرفته‌شده به‌منظور پهنه‌بندی خطر زمین‌لرزه با توجه به نکاتی از قبیل هدف، مقیاس کار و دقت قابل‌انتظار، شرایط منطقه، میزان اثرگذاری هر عامل و کافی و در دسترس بودن اطلاعات تعیین می‌شود. به‌طور کلی مراحل پهنه‌بندی خطر زمین‌لرزه در جدول (1) آمده است.

 شیب: به‌منظور تهیۀ نقشۀ شیب از نقشۀ مدل رقومی ارتفاع (DEM) منطقه، به‌دست‌آمده از تصاویر ماهواره‌ای سنجنده Astrer در محیط نرم‌افزار ENVI و ArcGIS استفاده شده است. نقشۀ شیب برای منطقۀ موردمطالعه در 3 کلاس 5-0، 10-5 و بیشتر از 10 درجه تهیه شده است.

لیتولوژی: نقشۀ لیتولوژی منطقه با استفاده از نقشۀ زمین‌شناسی 1:100000 منطقه، ترکیب باندی 531 تصاویر ماهواره‌ای سال 2013 لندست 8 سنجنده OLI (ردیف 37 و گذر 166) و مطالعات میدانی برای تعیین مرز لایه‌ها تهیه شده است. لیتولوژی منطقه حاوی لایه‌هایی از آهک، دولومیت، رسوبات آواری، ژیپس، مارن و رسوبات کواترنری است.

فاصله از کانون زمین‌لرزه‌های گذشته: به‌منظور تهیۀ نقشۀ فاصله از کانون زمین‌لرزه‌های رخ‌‌داده، ابتدا موقعیت جغرافیایی زمین‌لرزه‌های از سال 1900 تا 2021 به‌دست‌آمده از سایت مرکز لرزه‌نگاری و ژئوفیزیک دانشگاه تهران جمع‌آوری و با رقومی‌سازی این نقاط نقشۀ فاصلۀ کانونی زمین‌لرزه‌ها در محیط نرم‌افزار ArcGIS ترسیم شده است.

ژئومورفولوژی: نقشۀ ژئومورفولوژی نیز با استفاده از تصاویر ماهواره‌ای لندست 8 سنجندۀ OLI، مدل رقومی ارتفاع و مطالعات میدانی و در تلفیق با نقشۀ زمین‌شناسی منطقه تهیه و ترسیم شده است. ژئومورفولوژی منطقه شامل دو واحد کوهستان و واحد دشت و آبرفت است. واحد کوهستان شامل ارتفاعات منطقه و واحد دشت و آبرفت مخلوطی از شن، ماسه و رس است.

جدول (1) روش تهیۀ نقشۀ خطر زمین‌لرزه در شهرستان رومشکان

Table 1: Method of preparing an earthquake hazard map in Rumeshkan County


انتخاب لایه‌های اطلاعاتی





آماده‌سازی لایه‌های اطلاعاتی (با پیکسل‌هایی به ابعاد 25 متر)






فاصله از گسل


فاصلۀ کانونی زمین‌لرزه



وزن‌دهی زیر لایه‌ها با استفاده از توابع عضویت فازی



وزن‌دهی لایه‌ها با استفاده از روش تحلیل سلسله‌مراتبی



هم‌پوشانی لایه‌ها و تهیۀ نقشه حساسیت خطر زمین‌لرزه با استفاده از عملگر گامای فازی



فرایند تحلیل سلسله‌مراتبی

معیارهای متفاوتی در ارتباط با پهنه‌بندی خطر زمین‌لرزه وجود دارد که هرکدام از این معیارها ارزش و وزن متفاوتی نسبت به یکدیگر دارد. در این پژوهش از روش فرایند تحلیل سلسله‌مراتبی AHP)) برای اولویت بندی و وزن‌دهی عوامل استفاده شده است.

فرایند تحلیل سلسله‌مراتبی یکی از جامع‌ترین مدل‌های طراحی‌شده برای تصمیم‌گیری‌های چند معیاره است؛ زیرا این تکنیک‌ها امکان فرموله‌کردن مسئله را به‌صورت سلسله‌مراتبی فراهم می‌کند و همچنین، امکان در نظر گرفتن معیارهای مختلف کمی و کیفی را در حل مسائل دارد. این فرایند گزینه‌های مختلف را در تصمیم‌گیری دخالت می‌دهد و امکان تحلیل حساسیت روی معیارها و زیرمعیارها را دارد (Janardhana et al., 2006) (حاجی عزیزی و همکاران، 1390: 28). در تحلیل سلسله مراتبی، روش کار به این صورت است که ابتدا به‌منظور تعیین برتربودن عوامل مختلف و تبدیل آنها به مقادیر کمی از قضاوت‌های شفاهی (نظر کارشناسی) بر مبنای مقایسات زوجی استفاده می‌شود. به‌طوری که تصمیم‌گیرنده برتربودن یک عامل را نسبت به علل دیگر به‌صورت جدول (2) در نظر می‌گیرد و این قضاوت‌ها را به مقادیر کمی بین 1 الی 9 تبدیل می‌کند. سپس نتایج این مقایسات، برای محاسبۀ شاخص ناسازگاری به نرم افزار Expert Choice وارد می‌شود. اگر شاخص محاسبه‌شده کمتر از 1/0 باشد، نتایج مقبول است و در غیر این صورت باید دوباره در وزن‌دهی تجدیدنظر شود.

جدول (2) مقیاس ارزیابی روش فرایند تحلیل سلسله‌مراتبی (Saaty, 1980)

Table (2) The AHP Evaluation Scale (Saaty, 1980)

توصیف زبانی ارجحیت طبقات

مقدار عددی وزن‌ها

کاملاً مهم یا کاملاً مطلوب‌تر


اهمیت خیلی قوی


اهمیت یا مطلوبیت قوی


کمی مطلوب‌تر یا کمی مهم‌تر


اهمیت یا مطلوبیت یکسان


اولویت بین فواصل

2، 4، 6 و 8


منطق فازی

استاندارسازی: با تعیین مجموعه‌ای از معیارها برای ارزیابی گزینه‌های تصمیم‌گیری، لازم است که هر معیار به‌صورت یک لایه نقشه در پایگاه داده‌های GIS ذخیره شود. در اندازه‌گیری صفات، دامنۀ متنوعی از مقیاس‌ها استفاده می‌شود. بر همین اساس لازم است، ارزش‌های موجود در لایه‌های مختلف نقشه به واحدهای قابل‌مقایسه و در تناسب با هم تبدیل شود. با انجام‌دادن این کار نقشه‌های استاندارد و قابل‌مقایسه خواهیم داشت. یکی از روش‌های استانداردسازی، فازی است. عملیات فازی‌سازی، ورودی‌ها را می‌گیرد و با توابع عضویت مربوطه، یک درجۀ مناسب به هر یک نسبت می‌دهد. یکی از اساسی‌ترین مباحث در تئوری فازی بحث از تابع عضویت و چگونگی تعریف آن است. اساس اختلاف روش‌های فازی با روش‌های دیگر، در تعریف تابع عضویت است. تابع عضویت به‌صورت درجه تعلق عناصر مجموعه مرجع به زیر مجموعه‌های آن تعریف و به شکل c(X)µ نمایش داده می‌شود. برای به دست آوردن تابع عضویت هیچ الگوریتم مشخصی وجود ندارد، بلکه تجربه، نوآوری و حتی اعمال‌ نظر شخصی در شکل‌گیری و تعریف تابع عضویت مؤثر است (بهاروند و سوری، 1396: 98).

اپراتورهای مدل منطق فازی: اپراتورهای مدل منطق فازی مشتمل بر عملگرهای اجتماع[6]، اشتراک[7]، ضرب جبری[8]، جمع جبری[9] و عملگر گاما فازی[10] است.

عملگر گاما فازی: این عملگر برحسب حاصل‌ضرب و جمع جبری فازی به‌صورت رابطۀ (1)تعریف می‌شود.

(1)                                 Combination = ( Fuzzy A lg . Sum)  *(Fuzzy A lg . Pr oduct) µ


که در آن y پارامتر انتخاب‌شده در محدوده (0 و 1) است. وقتی y برابر 1 باشد، ترکیب همان جمع جبری فازی خواهد بود. و وقتی y=0 باشد، ترکیب اصلی برابر با حاصل‌ضرب جبری فازی است. انتخاب صحیح و آگاهانۀ y بین صفر و یک مقادیری را در خروجی به وجود می‌آورد که نشان‌دهندۀ سازگاری انعطاف‌پذیر میان گرایش‌های کاهشی و افزایشی دو عملگر جمع و ضرب فازی است. عملگر گاما نسبت به سایر عملگرهای فازی کاربرد بیشتری دارد و زمانی استفاده می‌شود که اثر برخی شواهد کاهشی و برخی دیگر نیز افزایشی باشد؛ به همین دلیل در این پژوهش از عملگر گاما به‌منظور پهنه‌بندی خطر زمین‌لرزه در محدودۀ موردمطالعه استفاده شده است.


یافته‌های پژوهش

در این پژوهش به‌منظور داشتن یک نقشۀ رقومی یکپارچه از خطواره‌های منطقه، از تکنیک سنجش از دور استفاده شده است. تصاویر ماهواره‌ای و مدل رقومی ارتفاع در کنار دانش زمین‌شناسی ابزار مناسبی برای استخراج خطواره‌ها است، در صورتی که نتایج حاصل از این استخراج دقت زیادی داشته باشد. نکته‌ای که در این روش باید به آن توجه کرد، استخراج تمامی خطواره‌های موجود اعم از لبه‌ها، مسیر رودخانه‌ها و جاده‌هاست که با تصمیم‌گیری کارشناس باید گسل‌های منطقه شناسایی و از سایر خطواره‌ها جدا شوند.

در پژوهش انجام‌شده پس از استخراج خطواره‌ها و مقایسۀ آنها با ترکیبات باندی، نقشۀ مدل رقومی ارتفاع و زمین‌شناسی منطقه، خطواره‌های مربوط به گسل‌های شهرستان رومشکان از سایر خطواره‌ها جدا و نقشۀ ShapeFill آنها تهیه شده است (شکل 3) که با مطالعات میدانی صحت‌سنجی آنها تأیید شد. شکل (4) نشان‌دهندۀ نمایی از شاخۀ جنوب غربی گسل F1 (در شکل 3 موقعیت آن مشخص شده است) است که در امتداد آن به‌وضوح چشمه‌های گسلی دیده می‌شوند. براساس نتایج به‌دست‌آمده، بیشترین تراکم گسل‌ها در قسمت شرقی منطقه است. نمودار رزدیاگرام گسل‌های منطقه نشان‌دهندۀ آن است که این شکستگی‌ها دارای امتداد شمال غرب-جنوب شرق بوده و در راستای دیگر گسل‌های زاگرس، دارای سازوکار فشاری است (شکل 5).



شکل (3) نقشه خطواره‌ها و گسل‌ها در محدودۀ موردمطالعه

Figure (3) Map of lines and faults in the study area



شکل (4) نمایی از شاخۀ جنوبی غربی گسل F1

Figure (4) Aview of the southwestern branch of fault F1



شکل (5) رزدیاگرام گسل‌های محدودۀ موردمطالعه

Figure (5) Rose diagram of faults in the study area


در این پژوهش پس از تعیین عوامل مؤثر بر خطر زمین‌لرزه، نقشۀ هر یک از عوامل در محیط نرم‌افزار ArcGIS تهیه شده است (شکل 6). نتایج به‌دست‌آمده از تحلیلِ هر یک از عوامل به شرح زیر است:

بررسی لیتولوژی و ژئومورفولوژی منطقه نشان‌دهندۀ آن است که با توجه به سست‌بودن رسوبات کواترنری و آبرفتی، این واحد بیشترین حساسیت را نسبت به خطر زمین‌لرزه دارد و بیشترین وزن به آنها تعلق می‌گیرد.

بررسی شیب منطقه براساس قضاوت کارشناسی نشان‌دهندۀ آن است که بیشترین حساسیت نسبت به خطر زمین‌لرزه در درجات زیاد شیب قرار دارد. علت آن، پایین‌بودن مقاومت برشی مصالح در شیب‌های بالاست.

نتایج به‌دست‌آمده از بررسی گسل‌های منطقه نشان‌دهندۀ آن است که با کاهش فاصله از این عامل حساسیت نسبت به زمین‌لرزه افزایش می‌یابد؛ چون زمین‌لرزه‌ها خود در اثر حرکت گسل‌ها به وجود می‌آیند؛ همچنین با کاهش فاصله از نقاط کانونی زمین‌لرزه‌های گذشته، حساسیت بیشتر می‌شود.

پس از بررسی عوامل مؤثر بر خطر زمین‌لرزه، با استفاده از توابع عضویت فازی نقشۀ هر یک از عوامل فازی‌سازی شده است. به این منظور برای استانداردسازی نقشه‌های فاصله از گسل، کانون زمین‌لرزه‌های قدیمی و ژئومورفولوژی از تابع عضویت خطی کاهشی، نقشۀ شیب از تابع خطی افزایشی و نقشۀ لیتولوژی از تابع عضویت گوسی استفاده شده است.


شکل (6) نقشۀ عوامل مؤثر بر پهنه‌بندی خطر زمین‌لرزه در شهرستان رومشکان

Figure (6) Map of factors affecting earthquake hazard zonation in Rumeshkan County


با توجه به اینکه هر یک از لایه‌ها تأثیر متفاوتی در پهنه‌بندی خطر زمین‌لرزه دارند، وزن‌دهی به لایه‌ها ضرورت می‌یابد. برای این کار از قضاوت کارشناسی و روش تحلیل سلسله‌مراتبی استفاده شده است. در روش فرایند تحلیل سلسله‌مراتبی ابتدا با مقایسۀ زوجی لایه‌ها دو به دو با هم مقایسه و نتایج به‌دست‌آمده به‌منظور محاسبۀ اوزان هر یک از فاکتورهای استفاده‌شده به نرم‌افزار Expert Choice انتقال داده شد. نتایج حاصل‌شده از محاسبۀ ضریب ناسازگاری نشان‌دهندۀ آن بود که مقایسه‌ها به‌درستی انجام شده است (جدول 3). براساس نتایج، لایۀ گسل بیشترین نقش را در تهیۀ نقشۀ پهنه‌بندی خطر زمین‌لرزه‌های محدوۀ موردمطالعه دارد.


جدول (3) ماتریس مقایسه‌ای عوامل مؤثر بر خطر زمین‌لرزه

Table (3) The Comparison Matrix of the Factors Used in the earthquake Hazard Zonation

عوامل مؤثر بر زمین‌لرزه



ضریب ناسازگاری


فاصله از گسل



فاصله از کانون زمین‌لرزه









فاصله ازگسل





















فاصله از کانون زمین‌لرزه








در انتها برای تهیۀ نقشۀ خطر زمین‌لرزه، در محیط نرم‌افزار Arc‌Map از عملگر گامای 9/0 فازی استفاده و نقشۀ عوامل پنجگانه با یکدیگر تلفیق شد (شکل 7). طبق نتایج به‌دست‌آمده به‌ترتیب 8/31، 3/34، 3/10، 6/14 و 0/9 درصد از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.


شکل (7) نقشۀ پهنه‌بندی خطر زمین‌لرزه در شهرستان رومشکان

Figure (7) The earthquake Hazard Zonation Map of Rumeshkan County


بیشتر مطالعات مربوط به مدل‌سازی شکستگی‌ و گسل‌های هر منطقه به آنالیز خطواره‌ها وابسته است. در این مطالعه به‌منظور داشتن یک نقشۀ رقومی یکپارچه از خطواره‌های منطقه، از تکنیک سنجش از دور (تصاویر ماهواره‌ای سنجنده OLI) استفاده شده است. نتایج نشان‌دهندۀ آن بود که استفاده از روش نیمه اتوماتیک یکی از سریع‌ترین و دقیق‌ترین روش‌ها برای استخراج گسل‌ها و شکستگی‌هاست.

در این پژوهش، 5 عامل به‌عنوان عوامل مؤثر در پهنه‌بندی خطر زمین‌لرزه در سطح شهرستان رومشکان انتخاب شده است. اولویت‌بندی عوامل با استفاده از روش فرایند تحلیل سلسله‌مراتبی نشان‌دهندۀ آن بود که به‌ترتیب عوامل فاصله از گسل، فاصله از کانون زمین‌لرزه‌های گذشته، لیتولوژی، شیب و ژئومورفولوژی بیشترین نقش را در تهیۀ نقشۀ خطر زمین‌لرزه دارند.

براساس نتایج، از پهنه‌بندی خطر زمین‌لرزه بیش از 23 درصد از مساحت منطقه در کلاس خطر زیاد و خیلی زیاد قرار دارد که این نواحی بیشتر بخش شرقی گستره موردبررسی را در برمی‌گیرد. تلفیق نقشۀ مناطق مسکونی با پهنه‌بندی خطر زمین‌لرزه نیز نشان‌دهندۀ آن بود که مناطق مسکونی واقع در بخش شرقی در کلاس خطر زیاد و خیلی زیاد، مناطق غربی و مرکزی در کلاس خطر خیلی کم و کم قرار دارند که شهر چقابل به‌عنوان مرکز شهرستان در بخش مرکزی واقع شده است.

با توجه به قرار‌گیری مناطق مسکونی بر روی رسوبات آبرفتی به‌خصوص در مناطق شرقی شهرستان، پیشنهاد می‌شود که تمام ساخت‌وسازها براساس آیین‌نامه‌های عمرانی انجام شوند و مناطق مسکونی از استحکام لازم بهره‌مند باشند؛ همچنین پیشنهاد می‌شود، تا حد امکان استقرار جمعیت در بخش‌های مرکزی و غربی شهرستان متمرکز شود.


[1]. Gannouni and Gabtni

[2]. Varo

[3].  Pudi

[4]. Fayaz

[5]. Geomatica

  1. 1. Fuzzy OR

[7]. Fuzzy AND

[8]. Fuzzy Algebraic Product

[9]. Fuzzy Algebraic Sum

  1. 5. Fuzzy Gamma
اخلاص‌پور، پیام، عباس‌نژاد، احمد، و نعمتی، مجید (1400). بررسی خطر زمین‌لرزه استان کرمان با کاربرد سامانۀ اطلاعات جغرافیایی و به‌کارگیری روش منطق فازی. نشریۀ علوم زمین خوارزمی، 7(2)، 258-270.
المدرسی، علی، و منصوریان، الهه (1396). پهنه‌بندی خطر زمین‌لرزه در حوزۀ شهری نوراباد ممسنی فارس برای مدیریت بحران شبکه‌ی گاز، با استفاده از مدل AHP در محیط GIS. نشریۀ مدیریت بحران، 12(2)، 81-94.
بهاروند، سیامک، و سوری، سلمان (1396). مکان‌یابی دفن پسماندهای جامد شهری با استفاده از روش تلفیقی سلسله‌مراتبی-فازی (مطالعۀ موردی: شهر کوهدشت). نشریۀ آمایش محیط، 10(36)، 93-108.
پاشاپور، حجت‌الله، قربانی، رامین، فرهادی، ابراهیم، و درودی‌نیا، عباس (1398). پهنه‌بندی خطر زلزله با استفاده از سیستم اطلاعات جغرافیایی (مطالعۀ موردی: کلان شهر تبریز). نشریۀ آمایش محیط، 12(45)، 49-70.
حاجی‌عزیزی، شیوا، خیرخواه‌زرکش، میرمسعود، و شریفی، اسماعیل (1390). انتخاب مکان مناسب احداث سد زیرزمینی با استفاده از فرایند تحلیل سلسله‌مراتبی به دو روش مکانی و غیرمکانی (مطالعۀ موردی: حوضۀ پیشکوه شهرستان تفت استان یزد). نشریۀ کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 2(2)، 27-38.
رشیدی، محدثه، الماسیان، محمود، سلطانی، ماهیار، و عزیززاده، مهران (1391). بررسی خطواره‌های زمین‌ساختی پهنه گسله نایبند (از شهداد تا نایبندان) با استفاده از روش‌های دورسنجی. فصلنامۀ علوم زمین، 7(23)، 1-14.
رحیمی شهید، مجتبی، و رحیمی، نیما (1396). پهنه‌بندی خطر زمین‌لرزه با استفاده از فرایند تحلیل سلسله‌مراتبی (AHP) و سامانۀ اطلاعات جغرافیایی (GIS) (مطالعۀ موردی: بخش مرکزی شهرستان سمیرم). نشریۀ یافته‌های نوین زمین‌شناسی کاربردی، 11(22)، 109-118.
رنجبری، احد، عابدینی، موسی، مختاری، داود، و ولیزاده، کامران (1399). شناسایی و استخراج گسل‌ها بر پایۀ GIS&RS و شواهد ژئومورفیک فعالیت آن‌ها در پهنۀ گسلی قوشاداغ در شمال غرب ایران. نشریۀ جغرافیا و برنامه‌ریزی، 24(74)، 89-101.  10.22034/gp.2021.10836
زنگنه‌اسدی، محمدعلی، حبیب‌الهیان، محمود، امیراحمدی، ابوالقاسم، و ابراهیمی، مجید (1393). بررسی ناپایداری ژئومورفولوژیک دامنه‌ای به روش آنبالاگان با استفاده از GIS (مطالعۀ موردی: حوضۀ آبخیز کلات در ارتفاعات هزار مسجد). فصلنامۀ تحقیقات جغرافیایی، 29(115)، 241-259.
عباسی، ثریا، و یساقی، علی (1390). استفاده از تصاویر لندست و داده‌های زمین مغناطیسی در شناسایی خطواره‌های گسلی و تحلیل خاستگاه آنها در ناحیۀ لرستان، زاگرس چین‌خورده. نشریۀ سنجش از دور و GIS ایران، 3(1)، 19-33.
عبدالهی، علی‌اصغر، شرفی، حجت‌اله، و صباحی، یاسر (1397). تاب‌آوری نهادی و کالبدی-محیطی اجتماعات شهری در جهت کاهش بحران‌های طبیعی، زلزله (مطالعۀ موردی: شهر کرمان). نشریۀ آمایش محیط، 11(42)، 165-186.
کرمی، محمدرضا، و امیریان، سهراب.(1397)، پهنه‌بندی آسیب‌پذیری شهری ناشی از زلزله با استفاده از مدل Fuzzy-AHP (مطالعۀ موردی شهر تبریز). نشریۀ برنامه‌ریزی توسعۀ کالبدی، 3(10)، 110-124.
کمالی، زهرا، سرکاری‌نژاد، خلیل، و رهنماراد، جعفر.(1392). بررسی ساختاری فروبوم دشت ارژن با استفاده از تکنیک‌های سنجش از دور و خش‌لغزهای گسلی. فصلنامۀ زمین‌شناسی کاربردی، 9(2)، 135-148.
محمدی، امین، و مساعدی، ابوالفضل (1384). بررسی کارایی مدل حائری-سمیعی در پهنه‌بندی خطر زمین‌لغزش (مطالعۀ موردی: حوضه قویجق استان گلستان. دومین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک، کرمان.
مهرابی، علی، داستانپور، محمد، رادفر، شهباز، وزیری، محمدرضا، و درخشانی، رضا (1394). شناسایی خطواره‌های گسلی کمربند چین خورده-راندگی زاگرس بر پایه تفسیر تصاویر ماهواره‌ای و تعیین ارتباط آنها با موقعیت گنبدهای نمکی رخنمون‌یافتۀ سری هرمز با استفاده از تحلیل GIS. نشریۀ علوم زمین، 24(95)، 17-32.
Abbasi, S., & Yassaghi, A. (2011). Using landsat images and magnetic field data in identifying fault lineaments and analysis of their origin in the Lorestan Province, Zagros Folded Belt. Iranian Journal of Remote Sensing and GIS, 3(1), 19-33.  [In Persian].
Abdollahi, A. A., Sharafi, H., & Sabahi, Y. (2018). Measurement and evaluation resiliency institutional and physical-environmental urban communities to reduce natural disasters, earthquake (Case study: Kerman city). Quarterly Journal of Environmental Based Territorial Planning, 11(42), 165-186. [In Persian].
Almodaresi, S. A., & Mansoorian, E. (2018). Zoning the potential risk of an earthquake in the Mamasani district (Nourabad) of Fars province, Iran, for Gas network crisis management based on the AHP model using the ArcGIS software. Journal of Emergency Management, 6(2), 81-94. [In Persian].
Baharvand, S., & Soori, S. (2017). Solid waste disposal site selection using the fuzzy and AHP integrated method (A case study: Kouhdasht city). Quarterly Journal of Environmental Based Territorial Planning, 10(36), 93-108. [In Persian].
Ekhlaspour, P., Abbasnejad, A., & Nemati, M. (2022). Earthquake hazard zoning in Kerman Province using GIS and Fuzzy Logic method. Kharazmi journal of earth sciences, 7(2), 258-270. [In Persian].
Fayaz, M., Romshoo, S. A., Rashid, I., & Chandra, R. (2022). Earthquake vulnerability assessment of the built environment in Srinagar City, Kashmir, Himalaya, using GIS. Natural Hazards and Earth System Sciences, 1-35.
Gannouni, S., & Gabtni, H. (2015). Structural interpretation of lineaments by satellite image processing (Landsat TM) in the region of Zahret Medien (Northern Tunisia). Journal of Geographic Information System7(2), 119-127. 10.4236/jgis.2015.72011
Haji Azizi, S., Kheirkhah Zarkesh, M. M., & Sharifi, E. (2011). Suitable site selection for groundwater dams construction using spatial and non spatial analytical hierarchy process (Case study: Taft's Pishkuh Catchments, Yazd Province). Journal of Applied RS and GIS Techniques in Natural Resource Science, 2(2), 27-38. [In Persian].
Kahraman, C., Cebeci, U., & Ruan, D. (2004). Multiattribute comparison of catering service companies using fuzzy AHP: The case of Turkey. International Journal of Production Economics, 87(2), 171-184.
Kamali, Z., Sarkarinejad, K., & Rahnama Rad, J. (2013). Structural analyses of the Dasht-e-Arjan Graben: Using remote sensing techniques and slikenlines. Journal of Geotechnical Geology (Applied Geology), 9(2), 135-148. [In Persian].
Karami, M. R., & Amirian, S. (2018). Zoning the urban earthquake vulnerability using Fuzzy logic-AHP model (Case study: Tabriz city). Journal of Physical Social Planning, 5(2), 110-124. [In Persian].
Mehrabi, A., Dastanpoor, M., Radfar, S., Vaziri, M. R., & Derakhshani, R. (2015). Detection of fault lineaments of the Zagros fold-thrust belt based on Landsat imagery interpretation and their spatial relationship with Hormoz Series salt dome locations using GIS analysis. Journal of Geosciences, 24(96), 17-32.  [In Persian].
Mohammadi, A., & Mosaedi, A. (2005). Investigation of efficiency Haeri-Samii model in landslide hazard zonation (case study: Qvichgh areas of Golestan province). 02nd National Conference on Watershed Management and Soil and Water Resources Management papers, Kerman. [In Persian].
Nepal, B., Yadav, O. P., & Murat, A. (2010). A fuzzy-AHP approach to prioritization of CS attributes in target planning for automotive product development. Expert Systems with Applications, 37(10), 6775-6786.
Pashapour, H., Gorbani, R., Farhadi, E., & Doorudinia, A. (2019). Earthquake hazard zoning using Geographical Information System (Case study: Tabriz metropolis). Quarterly Journal of Environmental Based Territorial Planning, 12(45), 49-70. [In Persian].  
Pudi, R., Martha, T. R., Roy, P., Kumar, K. V., & Rao, P. R. (2021). Mesoscale seismic hazard zonation in the Central Seismic Gap of the Himalaya by GIS-based analysis of ground motion, site and earthquake-induced effects. Environmental Earth Sciences, 80(18), 613.
Rahimi Shahid, M., & Rahimi, N. (2017). Earthquake hazard zoning using Analytical Hierarchy Process (AHP) and GIS techniques (case study: central part of the Semirom city). New Findings in Applied Geology, 11(22), 109-118.  [In Persian].
Raju, N. J., Reddy, T. V. K., & Munirathnam, P. (2006). Subsurface dams to harvest rainwater: A case study of the Swarnamukhi River Basin, Southern India. Hydrogeology Journal, 14, 526-531.
Ranjbari, A., Abedini, M., Mokhtari, D., & Valizadeh Kamran, K. (2021). Identification and extraction of faults based on RS & GIS and geomorphic evidences of their activity in the Qoshadagh fault zone, NW of Iran. Journal of Geography and Planning, 24(74), 89-101. 10.22034/gp.2021.10836 [In Persian].
Rashidi, M., Almasian, M., Soltani, M., & Aziz Zadeh, M. (2012). Investigation of faults and fractures of Nayband fault zone (Shahdad to Naybandan) using remote sensing methods. Quarterly Journal of Geosciences, 7(23), 191-204. [In Persian].
Saaty, T. L. (1980). The analytic hierarchy processes. McGraw-Hill.
Vahidnia, M. H., Alesheikh, A. A., & Alimohammadi, A. (2009). Hospital site selection using fuzzy AHP and its derivatives. Journal of Environmental Management, 90(10), 3048-3056.
Varo, J., Sekac, T., & Jana, S. K. (2019). Earthquake hazard micro-zonation in Fiji Islands: A research of Vitilevu Island. International Journal of Recent Technology and Engineering, 8, 2296-2307.
Yassaghi, A. (2006). Integration of landsat imagery interpretation and geomagnetic data on verification of deep-seated transverse fault lineaments in SE Zagros. International Journal of Remote Sensing, 27(20), 4529-4544.
Zangeneh Asadi, M. A., Habibolahian, M., Amir-Ahmadi, A., & Ebrahimi, M. (2014). A study of Geomorphologic Instability Slope Anbalang Method Using GIS (Case study: Kalat Basin in the heights of Hezar Masjed). Geographical Research, 29(115), 241-260. [In Parsian].