CC BY
22
УДК 551.3/796.5
ПРИМЕНЕНИЕ КОЛИЧЕСТВЕННЫХ МЕТОДОВ ДЛЯ ОЦЕНКИ ОПОЛЗНЕВОЙ ВОСПРИИМЧИВОСТИ БАССЕЙНА РЕКИ ГИРДЫМАНЧАЙ
С.Г. Мамедов, С.А. Тарихазер
Наиболее опасными стихийными бедствиями, приводящими к экономическому ущербу и человеческим жертвам, являются оползни, которые к большому сожалению, изучению и исследованию их воздействия на селевые процессы должного внимания не уделялось.
Для минимизации ущерба от оползней на примере бассейна р. Гирдыманчай было проведены детальное изучение факторов (гипсометрия, углы наклона, экспозиция склонов, геологическое строение, расстояние от разломов, среднегодовое количество осадков, расстояние до эрозионной сети, расстояние до дорог и землепользование), определяющих развитие оползневых процессов с учетом механизма их развития, а также анализ полученных значений оползневой восприимчивости и потенциального их развития. Используя метод классификации естественных границ в программной среде ArcGIS, район исследования был разделен на пять зон по потенциалу развития оползней: очень низкая, низкая, средняя, высокая и очень высокая.
Ключевые слова: оползень, оползневая восприимчивость, вес фактора, природопользование, антропогенный фактор, картирование, оценка оползневой опасности, риск.
Введение. Непрерывное усиление и осложнение природопользования на Большом Кавказе в пределах Азербайджана все масштабнее актуализирует проблему эколого-геоморфологического риска хозяйственной деятельности. Впоследствии происходит активизация многочисленных опасных процессов, оказывающие косвенное или прямое воздействие на горные геосистемы. Следовательно, происходит увеличение объемов и многообразия эколого-геоморфологических рисков природопользования [1].
Среди особо угрожающих стихийных явлений в мире, ведущих к человеческим жертвам и экономическому ущербу, выделяются оползни. Согласно исследованию [2], проведенному на базе данных из 128 стран, за двадцать лет (1995 - 2014 гг.) в мире вследствие 3876 оползней погибли 163658 человек и 11689 человек пострадали. Количество оползней с фатальным исходом, зафиксированных в мире с 2004 г. вплоть до 2016 г., составляет 4862, за исключением эпизодов, вызванных землетрясениями, и большая часть оползней случилась в Азии (75 %) [3]. К примеру, в Японии ущерб от оползней колеблется от 4 до 6 млрд долларов в год. Ежегодный ущерб от оползней в США составляет от 2 до 2,5 млрд долларов. Предотвращение последствий-только одного оползня Европе обходится в среднем в 23 млн долларов [4]. 14
августа 2017 г. вследствие оползня в столице Сьерра-Леоне Фритауне погибли 312 человек. 2 октября 2015 г. в Гватемале оползень разрушил 125 из 200 домов в поселке Камбрай-2 в муниципалитете Санта-Катарина-Пинула. Спасателями были обнаружены тела 280 погибших, еще приблизительно 70 пропали без вести.
Для Большого Кавказа специфичны активные экзодинамические процессы, часто вызывающие чрезвычайные ситуации. Их формирование связано со своеобразными особенностями геолого-геоморфологического строения региона, климатическими условиями, а также со всевозрастающим антропогенным прессингом на природные геокомплексы в связи с освоением труднодоступных территорий.
Характеристика района исследования. Бассейн р. Гирдыманчай расположен между 40°09'25" - 40°59'34" с.ш. и 48°06'00" - 48°30'00" в.д. (рис. 1).
Рис. 1. Географическое расположение бассейна р. Гирдыманчай
Площадь бассейна реки составляет 727 км2. Изучаемый регион можно отнести к одному из наиболее подверженных оползневым (склоновым) процессам регионов Азербайджана. Причиной тому является сложное геолого-тектоническое (мощные пачки глинистых пород, наличие «живых» тектонических разломов) и геоморфологическое (большие уклоны склонов) строение территории.
В геологическом строении района исследования принимают участие осадочные и вулканогенно-осадочные породы различных возрастов. К большому сожалению, изучению оползневых процессов и исследованию их воздействия на селевые процессы на изучаемой территории, должного внимания не уделялось. В работах С.Г. Рустамова, И.Э. Марданова [5] и Б.А. Будагова.
[6] оценка оползневых процессов на Южном склоне Большого Кавказа строится на основе их площадной распространенности и не указываются условия, факторы и механизмы их развития.
В последнее время наблюдаются активное хозяйственное освоение и развитие рекреации при помощи «Государственной программы по развитию туризма на 2010 - 2014 гг. в Азербайджанской Республике», открывшей дополнительные возможности для развития туризма в исследуемом районе. В настоящее время здесь действуют 17 туристических центров (Басгал, Лахыдж и др.), которые ежедневно могут принять 1500 туристов. Поэтому изучаемый район уже столкнулся с проблемой усиления оползневых (склоновых) и эрозионных процессов, на возникновение которых влияют геолого-тектонические и геоморфологические (в т.ч. морфометрические) особенности территории, близость к водотокам и дорогам, количество атмосферных осадков, антропогенное воздействие и др. факторы. Для минимизации ущерба от оползней необходимы проведение детального изучения факторов, определяющих развитие оползневых процессов с учетом механизма их развития, а также анализ полученных значений оползневой восприимчивости.
В последние годы в бассейне р. Гирдыманчай количество оползневых (склоновых) процессов резко увеличилось (рис. 2), (табл. 1).
Рис 2. Активные оползни на склонах долины р. Гирдыманчай
Таблица 1
Даты проявления наиболее опасных оползневых процессов в пределах бассейна р. Гирдыманчай_
№ Дата проявления Место проявления Причины возникновения оползня Последствия оползня
1 Апрель 1963 г. Сел. Ханкенди Вырубка лесов и дожди В с. Ханкенди Исмаиллинского р-на было разрушено несколько домов
2 12 мая 1963 г. Сс. Тирджан, Варна, Муджу Дожди В с. Тирджан Исмаиллинского р-на было разрушено 35 домов, в с. Варна - 15, в с. Муджу - 47
3 Май 1968 г. Сел. Тирджан II-II Развитие оползня грозит несколько жилым домам в с. Тирджан
4 Май 1980 г. Сел. Гарагая II-II Под угрозой развития оползня находится 2 дома
5 Март 1998 г. Сел. Енийол II-II Развитие оползня грозит нескольким жилым домам
6 Апрель 2000 г. Сел. Гарагая II-II Оползень активизировался на северо-западе с. Гарагая на высоте 875...950 м. Просела сельская дорога. Длина оползня 250.. .300 м., ширина 160... 170 м
7 Март 2001 г. Сел. Гарагая II-II Развиты трещины в 13 жилых домах
8 Апрель 2001 г. Сел. Дияллы II-II Оползень развит в северной части с. Дияллы. Под угрозой разрушения сельское кладбище. Длина оползня 280-300 м., ширина 120... 130 м
9 Март 2001 г. Сел. Лахыдж II-II Развитие оползне-просадочных явлений
10 Октябрь 2002 г. Сел. Тирджан II-II Оползень развит в восточной части с. Тирджан. Длина оползня 700 м., ширина 260 м
11 Апрель 2003 Сел. Тирджан Ливень, талые воды снегов Оползень произошел на ул. Гасымкенд с. Тирджан
12 Апрель 2003 г. Сел. Гарагая Ливень, утечка вод с питьевой и поливной трубы Под угрозой оказались 14 жилых домов
13 Февраль 2005 г. Сел. Бизлан Дожди На сельской дороге образовались оползне-просадочные явления. Длина оползня 100 м., ширина 70 м
14 Апрель 2005 г. Сел. Енийол Протечка вод из водопроводной трубы Активизация оползня. Длина оползня 800 м., ширина 250 м
15 Март 2006 г. Сел. Гарагая Дожди На 13 домах выявлены многочисленные трещины
16 Март-апрель 2006 г. Сел. Гюйюм Массовая вырубка деревьев, дожди Повреждена сельская дорога. Длина оползня 120 м., ширина 80 м
Продолжение табл. 1
17 Апрель 2006 г. Сел. Ваша Дожди Активизация оползня в восточной части с. Ваша на высоте 1500 м. Длина оползня 400 м., ширина 300 м
18 31 марта 2007 г. Сел. Ваша II-II Несколько жилых домов оказались в оползневой зоне. Длина 1000 м., ширина 250.. .300 м
19 14 марта 2010 г. Сел. Ханагях II-II 7 жилых дома расположены в оползневой зоне. Длина оползня 50 м., ширина 30 м
20 12 апреля 2012 г. Сс. Дияллы, Гу-гом, Тирджан, Лахыдж, Ханкенди, Сулут, Гу-шенджа, Ханагях, П-Енийол, Гарагая, Ваша, Бизлан, Мудрисе Исмаиллинского района Таяние снега 145 жилых домов в аварийном состоянии. Жители эвакуированы. В с. П-Енийол образовалось озеро дл. 30 м, шир. 10 м. Площадь оползня 400 м2
21 28-29 мая 2014 г. Сел. Зарнава Дожди На дороге, ведущей в село, образовалась трещина длиной 8-10 м. Длина оползня 500 м., ширина 350-300 м
22 В ночь на 20 мая 2015 г. Сел. Ханкенди Дожди и массовая вырубка лесов Разрушено 2 дома, 15 домов находятся в аварийном состоянии. Площадь оползня 12 га
23 27 мая 2015 г. Сел. Ханкенди II-II В с. Ханкенди Исмаиллинского р-на разрушены 3 дома. Жители эвакуированы. В оползнеопасной зоне расположено 16 жилых ломов. Площадь оползня 12 га
24 1 июня 2016 г. Автодорога Бас-гал-Сулут Исмаиллинского района Дожди На 10 км автодороги появилась 100-150-метровая просадка асфальта. Длина оползня 13 м., ширина 4-5 м
25 1 июня 2016 г. Сел. Сарсару II-II На жилых домах появились трещины длиной 4-5 м., шириной 1-2 см. 12 домов находятся в аварийном состоянии. Длина оползня 750-800 м., ширина 350-400 м
26 24 октября 2016 г. Сс. Дияллы и Са-диян Интенсивные дожди В оползневой зоне в с. Дияллы находятся 5 жилых домов, в с. Садиян - 70 домов. Длина оползня 300 м., ширина 30-35 м
Окончание табл. 1
27 15 ноября 2016 г. Сел. Садиян Ливень 7 жилых домов разрушено
28 6 сентября 2018 г. Сел. Лахыдж II-II В с. Лахыдж активизировался оползень. В оползневой зоне расположено 2 дома. Длина оползня 280-300 м., ширина 120-140 м
29 8 апреля 2022 г. Сел. Лахыдж II-II Оползень-обвал произошел на территории поселка Лахыдж в районе хребта Нийалдаг, через который проходит автомобильная дорога Исмаиллы-Лахыдж-Демирчи-Шамахы. Перекрыто движение автотранспорта в сс. Лахыдж, Сардахар, Мядряся, Ахан, Буровдал, Ваша, Юхары Зарнава
Если раньше эти процессы были в основном развиты в верхних частях среднегорья и высокогорья, то сейчас данные процессы активно развиваются в низкогорных и предгорных зонах бассейна. Наряду с природными факторами здесь значимую роль сыграла техногенная деятельность (земляные работы на склонах в процессе строительства дорог).
Состояние проблемы и методы исследования. Вопросы устранения или минимализации опасных последствий природопользования горных геосистем в последние десятилетия являются предметом внимания исследователей, в результате чего накоплен определенный опыт разработки проблемы «экологизации» природопользования [7 - 14 и др.].
Чалкова Ю.С., Черепанов Б.М. прогнозирование оползневых процессов проводят на основе метода сравнительно-геологического анализа условий их развития «Данный метод основан на контроле за возможно изменяемыми параметрами, такими как величины вертикальных перемещений геодезических реперов в пределах геодезических створов, уровень подземных вод в наблюдательных скважинах, замеры по временным маркам и др. С помощью этого метода составляются локальные прогнозы на ближайшие 5-10 лет, чего вполне достаточно для принятия конструктивных решений с учетом этих прогнозов при хозяйствовании» [14].
Фоменко И.К., Пендин В.В., Нгуен Ч.К. оценку оползневой опасности выполняли на основе разделения исследуемой территории на зоны, отличающиеся между собой по природным условиям формирования оползней, а также по интенсивности и характеру влияния антропогенной деятельности [15]. В ходе работы ими учитывались слагающие склоны ли-тологические комплексы пород, морфометрические особенности склонов, активность основных природных оползнеобразующих процессов и пр. Авторы предлагают проводить анализ оползневых факторов с помощью способа взвешенных сумм или же с помощью способа взвешенных произведений.
По мнению этих же авторов, «каждый подход имеет свои достоинства и ограничения, поэтому на практике, рекомендуется использовать их комплексно, а затем окончательное распределение совокупных значений, сравнивать для установления соответствия» [15].
В работе Леоновой А.В., Строковой Л.К., Никитенкова Н.А. проводится установление закономерностей распространения оползней, оценка интенсивности их развития и дается прогноз вероятности их проявления. По их мнению, «анализ способов картографирования геологических опасностей показал, что наиболее востребованной в методическом плане в настоящее время является технология построения карт восприимчивости (предрасположенности) территории к развитию экзогенных геологических процессов» [16].
Опасность, которую несут оползни, побуждает исследователей искать наиболее совершенные подходы и инструменты к их прогнозу. В по-
следние годы в целях прогнозирования все чаще применяют вероятностно-статистические методы. На текущий момент издано огромное количество работ, посвященных поднятой проблеме [17 - 22, 28 - 31, 33]. Перечислить их всех не представляется возможным в данном исследовании, однако, можно обобщить часто встречающиеся в подобных работах черты.
Самые популярные методы прогнозирования оползневых процессов - частотное соотношение (frequency ratio) [34 - 41], логистическая регрессия [42], линейный дискриминантный анализ, метод анализа иерархий [43, 44]. В последние годы все большее применение находят новые методы: случайный лес [45], дерево решений [46, 47], нейронные сети [48 - 50], метод опорных векторов.
Для построения моделей часто используются сходны наборы переменных. среди количественных переменных по частоте использования лидируют абсолютная высота, углы наклона, экспозиция, расстояние до разломов, расстояние до водотоков и т.д. [51, 52, 31]. Наряду с этим используются и качественные переменные: состав горных пород, тип растительности и землепользования, количество атмосферных осадков.
Оползневая восприимчивость (Landslide susceptibility) - «это пространственная вероятность оползней, происходящих в данном районе, в зависимости от локальных условий, указывающая, где могут произойти оползни» [53, 54]. Другими словами, восприимчивость к оползням определяется как вероятность возникновения оползня на определенной территории, которая оценивается на основе количественной и качественной интерпретации определенных природных и антропогенных факторов, способствующих возникновению оползней. Картирование оползневой восприимчивости (LSM - Landslide Susceptibility Mapping) - «это процесс определения пространственного распределения и классификации единиц территории на основе их склонности к образованию оползней. На это влияют топография, геология, характеристики свойств грунтов, климат, растительность и техногенное воздействие» [51]. Пространственный разбор с использованием ГИС «проясняет связи между различными элементами устойчивости склонов и развитием оползневых процессов, являясь эффективным методом для оценки оползневой восприимчивости» [55, 31].
Анализ оползневой восприимчивости является наиболее часто используемым статистическим подходом, в котором оползни и образующие его факторы используются для построения модели восприимчивости к оползням с целью прогнозирования оползней в будущем [56, 57, 30, 31]. Подходы к оценке оползневой восприимчивости возможно подразделить на количественные и качественные [52, 20, 40, 32]. В последнее время отмечается большое расширение числа количественных оценок оползневой восприимчивости. Это обусловлено тем, что количественные подходы формируют наиболее точные результаты. Тем не менее качественные под-
ходы по-прежнему при оценке оползневой восприимчивости на крупных территориях не потеряли своей актуальности или в тех случаях, когда количественные подходы неисполнимы по причине недостатка данных.
Количественные методы широко применяются для оценки оползневой восприимчивости благодаря следующим преимуществам.
1. Благодаря независимому анализу каждой из карт факторов развития оползневых (склоновых процессов) результаты можно легко объяснить.
2. В анализ можно включить экспертное оценивание, поскольку конкретные комбинации переменных могут быть рассмотрены и оценены по степени значимости в возникновении оползней.
3. Точность полученных карт может быть верифицирована с использованием данных о пространственном распределении оползней.
В данном исследовании для оценки оползневой восприимчивости и создания карт потенциального развития оползней в бассейне р. Гирдыман-чай авторами был использованы метод соотношения частотностей (англ. Frequency Ratio method - FR) и метод индекса энтропии (Index of entropy). При прогнозировании оползневых (склоновых) процессов целесообразно предположить, что их возникновение определяется причинными факторами и что будущие оползни могут иметь место в тех же условиях, что и предыдущие.
Соотношение частотностей как бивариантный статистический метод представляет собой очень простую и полезную модель для оценки подверженности оползням. Данный метод основан на наблюдаемых взаимосвязях между распределением оползней и каждым из связанных с ними факторов, с тем, чтобы выявить корреляцию между местами проявления процесса и факторами, его обуславливающими, на исследуемой территории. Согласно методу каждый причинный фактор подразделяется на несколько классов, и значение частоты (FR) для каждого класса факторов определяется с использованием следующего уравнения:
N /N,
К =—-- (1)
i P / P '
1 J
где Ni - количество точек (пикселей) оползней в классе факторов i; N -общее количество точек (пикселей) оползней на карте района исследования; Pi - количество точек (пикселей) в классе факторов i; P - общее количество точек (пикселей) на карте района исследования.
Для дальнейшего определения «веса» каждого фактора, принимающего участие в формировании оползней, были использованы индексы энтропии Шеннона. Энтропия является мерой определения неупорядоченности, неустойчивости, неопределенности и несбалансированности определенной системы. Между значением энтропии и степенью неупорядоченности в системе есть прямая связь.
Это соотношение, называемое принципом Больцмана, использовалось для описания термодинамического состояния системы. Шеннон усовершенствовал принцип Больцмана и установил энтропийную модель для теории информации [58]. Метод информационной энтропии получил широкое распространение и используется для определения индекса веса стихийных бедствий, а также используется для комплексной экологической оценки природных процессов, таких как селевые потоки, засухи и песчаных бурь.
Оползень представляет собой сложную систему обмена вещества и энергией с окружающей средой. Таким образом, оползень может быть описан методом информационной энтропии. Энтропия оползня представляет собой факторы, влияющие на его образование, и его значение может быть использовано для расчета весов оползнеобразующих факторов индексной системы. Формулы, использующиеся для вычисления Ц и Wj, представляющих вес параметра, в целом задаются следующим образом:
(F )=J X F- (2)
н=-£( f ) l°g ( F ):j=(3)
Hjmax = lo§2 Sj; SJ - количество классов, (4)
IJ = H,mH -Hj ;I = (0,1); j = I,...,", (5)
j max
WJ = IJXX FJ. (6)
Результатом данного анализа является выделение на исследуемой территории пяти зон потенциального развития оползневого процесса -очень низкая, низкая, средняя, высокая и очень высокая.
Результаты количественных методов при оценке оползневой восприимчивости проверяются AUCROC (площадь под кривой ошибок) анализом.
ROC-кривая, или кривая ошибок (англ. Receiver Operating Characteristic), - график, позволяющий оценить качество бинарной классификации, показывает зависимость количества верно классифицированных положительных примеров от неверно классифицированных отрицательных примеров. Площадь под ROC-кривой AUC (Area Under Curve) является агрегированной характеристикой качества классификации, не зависящей от соотношения величин ошибок. Чем больше значение AUC, тем качественнее полученная модель классификации.
Инвентаризация оползней. Одним из основных элементов методологии FR является составление инвентаризационной карты оползней и обвально-осыпных процессов. Карта проявлений склоновых процессов могут составляться на основе как полевых исследований, так и путем интер-
претации мультиспектральных изображений, полученных с помощью дистанционного зондирования.
Карта инвентаризации оползней (КИП) - это карта, на которой указано количество действующих проявлений оползневых процессов. При создании инвентаризационных карт оползней (LIM - Landslide Inventory Mapping) обращается внимание на выделении границы оползней и оставляет без внимания специфику оползневых деформаций. КИП является значительным элементом в оценке риска оползней. Одновременно с изображением пространственного размещения оползней карта инвентаризации оползней может содержать следующие виды информации, такие как геометрические характеристики оползня (размеры, площадь, глубина захвата склонового массива оползневыми деформациями), особенности геологического строения (литология, структура, свойства грунтов) и гидрогеологических условий.
Составление инвентаризационной карты оползней и обвально-осыпных процессов будет осуществляться с использованием алгоритма расширения контрастов, предложенного Гондом и Броньоли в 2005 г. В основе данной методологии лежит сочетание спектральных диапазонов для создания индексов растительности (NDVI) и индексов влажности (NDWI). Затем полученные слои объединяются со средним инфракрасным диапазоном (MIR) для увеличения контрастов местности (рис. 3).
Рис. 3. Карта распространения оползней в бассейне р. Гирдыманчай
В районе исследования авторами были выделены свыше 500 оползневых участков. Большинство оползней фиксировалось в Лахыдж-Мюдринской котловине, на склонах Ниалдагского и Говдагского хребтов, а также вдоль Аджичайского глубинного разлома.
Факторы, вызывающие оползни (оползнеобразующие факторы). В последние годы в бассейне р. Гирдыманчай количество оползневых (склоновых) процессов резко увеличилось. Если раньше эти процессы были в основном развиты в верхних частях среднегорья и в высокогорье, то сейчас данные процессы активно развиваются в низкогорных и предгорных зонах бассейна. Наряду с природными факторами здесь значимую роль сыграла техногенная деятельность (земляные работы на склонах в процессе строительства дорог).
Склоновые процессы представляют собой продолжительные по времени последовательные события, начиная от их формирования и кончая результатами. Порой возникает необходимость лишь в предупреждении его разрушительных последствий. Во многих случаях невозможно ликвидировать основную причину оползня, и тогда становится выгодным уменьшить последствия, чем пытаться исключить причину. Чаще оползни образуются под влиянием геолого-тектонических, топографических, гидролого-климатических и антропогенных факторов. Невозможно объяснить оползень одной конкретной причиной, как указано у Варнса Д.Дж. [59]: «В большинстве случаев множество факторов действует одновременно; поэтому попытаться выяснить, который из них обусловил оползень, не только сложно, но и неправильно. Часто последний фактор выполняет роль спускового крючка, приводящего в движение массы грунтов, которые уже находились на пределе устойчивости. Называть последний фактор причиной все равно, что называть спичку, которой поджигают детонирующий шнур, подрывающий с помощью динамита здание, причиной разрушения».
Территория, по которой протекает р. Гирдыманчай, характеризуется сложным оротектоническим планом. Строение рельефа отражает складча-то-глыбовую основу территории, характеризующее сочетание крупных и мелких, положительных и отрицательных структур, разрывных нарушений и тектонических покровов. Особенности строения обусловлены еще большей дифференциацией, обусловленной тесным взаимоотношением эндогенных и экзогенных процессов.
Вдоль долины р. Гирдыманчай протягивается крупный Западно -Каспийский разлом, который пересекает весь Юго-Восточный Кавказ, вдоль которого и заложена долина реки. Он скрестился с восточной частью Говдагского хребта и центральной частью Ниалдагского хребта и Лахыдж-ской котловиной, что резко осложняет их строение и способствует активизации оползневых процессов.
В истоке долина р. Гирдыманчай представлена ущельем с крутыми, зачастую отвесными склонами, тесниной и водопадами. В среднем течении долина реки расширяется и местами, где она пропиливает изверженные породы с прослоями песчаников и известняков, образуется теснина с отвесными скалистыми склонами. Для ее притоков характерна их вложенность в опрокинутые на юг складки. Северные склоны крутые, а южные -относительно пологие, что соответствует напластованию горных пород. Долины боковых притоков, выработанных в мощных, относительно быстро размывающих породах, более глубокие. В нижнем течении р. Гирды-манчай приобретает форму широкой ящикообразной долины с высокой поймой и речными террасами. В рельефе сохранились следы перестройки речной долины Гирдыманчай, изменение в современную систему которой по мнениям Будагова Б.А., Лилиенберга Д.А., Ширинова Н.Ш. [60] произошло в течение плиоцена.
Предгорье и низкогорье, по которым проходит речная долина Гирдыманчай, характеризуются развитием мощного шлейфа конуса выноса, в верхних частях которого накоплен наиболее крупный материал селевых потоков. Среднегорье бассейна р. Гирдыманчай характеризуется развитием обвально-осыпных склонов в плотных песчаниково-известняковых отложений мела и юры (рис. 4).
Ш
*ч Д • • 'шУйц*?
Т1
Рис. 4. Ретроспективный анализ космических снимков 2011 (а) и 2021 (б) годов на склонах Ниалдагского хребта. Красной линией выделен развивающийся оползень
Высокогорье представляет собой область нивально-денудационного воздействия и гравитационных процессов. Переработанные ледниковые экзарационные формы - кары и частично троги, сохранились в районе вершины гг. Бабадаг, Гарабурга и Готурноур. Огромные по площади оползневые массивы, амфитеатры, цирки, медленно движущиеся потоки, оползневые срывы охватывают среднее течение р. Гирдыманчай, во многом осложняя рельеф, затушевывая структурные особенности рельефа.
Этими процессами, формами рельефа гравитационного происхождения затерты структурные черты морфоструктур низких порядков. Огромные оползневые потоки с мощными конусами-шлейфами заполняют днища котловин их склонов. Такие крупные морфоструктурные элементы-единицы как Бабадагский горст-моноклинальный хребет, Говдагский горст-синклинорный хребет, Ниалдагский горст-антиклинорный хребет, Лахыджская грабен-синклинорная наложенная внутригорная котловина полностью находят свои отражения в рельефе как крупные морфострук-турные и орографические единицы.
Наличие интенсивно расчлененных склонов продольной части р. Гирдыманчай, по мнению Ширинова Н.Ш. [61], обусловлены сильной раздробленностью нижнемеловых известняков, мергелей и песчаников серией активных в новейшем этапе продольных разрывов, что обусловливается также чешуйчатым строением склона с падением пластов на север. На востоке, на левом берегу р. Гирдыманчай Говдагский горст-синклинорный хребет в виде Гарагашдагского хребта составляет водораздел между р. Пирсаатчай и Гараюзчай (левый приток р. Гирдыманчай). Северные и южные склоны этого хребта осложнены многочисленными оползневыми массивами с четкими уступами, соответствующими зонам Зангинского и Пирсаатчайского разломов. Формирования отдельных отрогов и других орографических единиц восточнее р. Гирдыманчай обусловлены появлением в пределах Говдагского синклинория частных антиклинориев и син-клинориев, возникших в процессе дифференциации ее складчатой структуры на отдельные блоки. В новейшем этапе хребет испытал горстовое поднятие (2?5 тыс. м) и в значительной степени подвергся модификации вследствие динамизма гравитационных процессов [61].
Региональный субширотный Вандамский горст-антиклинорный и Лахыджский синклинорий в пределах исследуемой территории слагают Ниалдагский хребет и Лахыджскую внутригорную котловину. Резкое погружение шарнира Вандамского антиклинория вблизи долины р. Гирды-манчай связана с подвижками Западно-Каспийского разлома [61]. Интенсивность обвально-оползневых процессов на склонах Ниалдагского хребта и на склоне, обрамляющего Лахыджскую котловину, Ширинов [61] объясняет также блоковыми тектоно-гравитационными движениями. Этому еще способствует то, что Лахыджская котловина выложена мощными толщами миоценовых глин (майкопская свита).
Геолого-геоморфологический анализ строения исследуемого региона в очередной раз подтверждает, что одним из основных факторов развития оползневых процессов является оротектоническое строение (рис. 5).
Рис. 5. Ретроспективный анализ космических снимков 2004 (а) и 2021 (б) годов в активной зоне Аджичайского глубинного разлома. Красной линией выделен сформировавшийся оползень
В данном исследовании, исходя из имеющихся данных, особенностей оползней и взаимосвязи между образованием склоновых деформаций и факторами, вызывающими оползни, для составления карт оползневой восприимчивости и потенциального развития оползней были выбраны девять факторов, связанных с оползнями, - гипсометрия, углы наклона (крутизна склонов), экспозиция склонов, геологическое строение (литология), расстояние от разломов, среднегодовое количество осадков, расстояние до эрозионной сети, расстояние до дорог и землепользование (рис. 6). Карты гипсометрии, крутизны и экспозиции склонов были составлены с использованием цифровой модели рельефа (ЦМР) с разрешением
12,5____30 м. Расстояние от разломов, расстояние до дорог и расстояние до
эрозионной сети были оценены с помощью инструмента Евклидово расстояние в ArcGIS. Карта среднемесячного количества осадков была составлена путем интерполяции данных о количестве осадков в близлежащих населенных пунктах. Карта землепользования (Land use and land cover map) была составлена на основе обучающей классификации в программной среде ArcGIS.
Данные о геологическом строении (литологии) и тектонические нарушения были оцифрованы с геологической карты Горно-Ширванского экономического района масштаба 1:200 000. После этого для проведения
анализа эти карты были трансформированы в растровый формат для расчета весов классов и факторов и создания карт оползневой восприимчивости.
Рис. 6. Карты факторов оползнеобразования в бассейне р. Гирдыманчай
Угол наклона считается одним из основных причинных факторов оползневых явлений и широко используется при картировании подверженности оползням; этот параметр был получен на основе ЦМР с помощью инструментов пространственного анализа и переклассифицирован на 5 классов на основе алгоритма естественных границ (интервалов).
Экспозиция является наиболее важным источником изменения свойств грунта. Экспозиция определяет направление склона. Она измеряется по часовой стрелке в градусах 0 (к северу) до 360 (к северу снова), образуя полный круг. Плоские участки имеют значение -1. Влияние экспозиции склона отражается в различиях в температуре и влажности между полярным и экваториальным воздействием. Таким образом, склоны, обращенные к югу и западу, теплее, чем склоны - к востоку и северу. С другой стороны, южные склоны в горном районе позволяют определить места, где снег может таять в первую очередь. Различия в воздействии по склонам определяют изменения свойств почвы в результате их воздействия на микроклиматические и вегетационные условия.
Такие параметры, связанные с ориентацией склона, как воздействие солнечного света, сухого ветра, осадков и разрывов непрерывности, могут влиять на возникновение оползней. Экспозиция склонов была разделена на девять категорий: плоская (-1°), северная (0°-22,5°; 337,5°-360°), северовосточная (22,5°-67,5°), восточная (67,5°-112,5°), юго-восточная (112,5°-57,5°), южная (157,5°-202,5°), юго-западная (202,5°-247,5°), западная (247,5°-292,5°-292,5°-337,5°), северо-западная (292,5°-337,5°).
Расстояние до рек является одним из факторов, определяющих стабильность склона, поскольку они разрушают основание склона, вызывая процессы эрозии. Следовательно, по мере увеличения расстояния от водотоков уменьшается риск соскальзывания грунтов.
По параметру «Расстояние до рек» были выделены три класса с помощью инструмента Евклидово расстояние ArcGIS: до 200 м, в пределах 200...500 м и более 500 м.
По параметру «Расстояние до дорог» было выделено три класса с помощью ArcGIS: расстояние до 500 м, в пределах 500.1000 м и более 1000 м.
В данной статье была проанализирована взаимосвязь между факторами, вызывающими оползни, и фактическим возникновением оползней в районе проводимых исследований. Соотношения частотностей (Fij) и значения веса каждого фактора (Wj) были определены с использованием моделей FR и IoE, соответственно (табл. 2).
Для рассматриваемой территории значения LSI при подготовке карт индекса оползневой восприимчивости были рассчитанны по формуле
LSI = {{Гипсометрия х W) + {Углы наклона х W) + {Экспозиция х W) + +{Геологическое строение хWj ) + {Расстояние до разломов х W ) + +{Расстояние до водотоков х W ) + {Расстояние до дорог х W ) + +{Землепользование и растительный покров х W ) +
+{Количество атмосферных осадков х W ) ) • (7)
Таблица 2
Анализ связи между факторами, вызывающими оползни, и распределением оползней
Название фактора Классы фактора Площадь класса, Р1 Площадь занятая оползнем, N1 ЕЯу Вес фактора, Wi
Гипсометрия, в метрах 100-486 226199 12600 0,055703 0,38
486-1045 251984 101700 0,403597
1045-1616 172544 86400 0,500742
1616-2097 204902 185400 0,904823
3097-3180 99419 94500 0,950523
Углы наклона, в градусах 0-7 257555 4500 0,017472 0,47
7-15 282621 108000 0,382137
15-24 218678 200700 0,917788
24-35 126661 127800 1,008993
35-73 63059 38700 0,613711
Экспозиция Север 127992 95400 0,745359 0,08
Северо-восток 44973 18900 0,420252
Восток 89202 57600 0,645725
Юго-восток 102271 41400 0,404807
Юг 129687 48600 0,374748
Юго-запад 165485 67500 0,407892
Запад 161599 76500 0,473394
Северо-запад 127365 73800 0,579437
Геологическое строение Нижний мел 146260 50400 0,344592 0,44
Верхний мел 179021 250200 1,397601
Палеоген-Неоген 4564 2700 0,591586
Палеоген 124103 76500 0,616423
Неоген 82758 71100 0,859131
Четвертичный период 279445 29700 0,106282
Расстояние до разломов, в метрах 0-500 422864 359100 0,849209 0,34
500-1000 144321 92700 0,642318
1000-1500 59225 17100 0,288729
>1500 175295 11700 0,066745
Расстояние до водотоков, в метрах <200 343175 134100 0,390763 0,10
200-400 236238 160200 0,67813
400-600 147666 101700 0,688716
600-800 66489 68400 1,028742
>800 16474 9000 0,546315
Расстояние до дорог, в метрах <300 91744 7200 0,078479 0,23
300-600 81331 21600 0,265581
600-900 73722 39600 0,537153
900-1200 68649 35100 0,511297
>1200 500791 377100 0,753009
Окончание табл. 2
Землепользование Неорошаемые пахотные земли 1433213 21537 0,015027 0,12
Широколиственные леса 656777 769 0,001171
Редколесья и лесокустарники 807049 6154 0,007625
Естественные луга 512513 14615 0,028516
Пастбища 151256 3077 0,020343
Селитебные земли 1701906 119993 0,070505
Скалы и осыпи 714877 146146 0,204435
Территории с разреженной растительностью 1285381 96918 0,0754
Речные долины 82991 1538 0,018532
Количество атмосферных осадков в год, мм <458 80584 0 0 0,77
458-518 91282 900 0,00986
518-567 164478 161100 0,979462
567-592 285191 247500 0,867839
>592 194642 71100 0,365286
Для этого в программной среде Лге018 при помощи инструмента пространственного анализа «Калькулятор растра» суммировав каждый фактор оползнеобразования, перемноженный на свой вес, была получена карта оползневой восприимчивости бассейна р. Гирдыманчай (рис. 7).
Используя метод классификации естественных границ в программной среде А^К, район исследования был разделен на пять зон по потенциалу развития оползней: очень низкая, низкая, средняя, высокая и очень высокая. Результат анализа показал, что зоны с очень низким, низким, средним, высоким и очень высоким потенциалом развития оползней составляют: 17,98; 17,03; 24,64; 23,41 и 16,94 % площади изученной территории, соответственно.
Зоны с высокой и очень высокой оползневой восприимчивостью - в основном к Бабадагскому, Говдакскому, Ниалдагскому хребтам, Лахыдж-Мюдринской котловине, а также частично к склонам Третичного плато (Аджичайская зона). Почти вся высокогорная часть бассейна расположена в зоне очень высокой и высокой оползневой восприимчивости.
Зоны низкой и очень низкой восприимчивости развиты в равнинной части бассейна, а также на плоских участках. Значение ЛиС 72 %, что показывает эффективность используемого метода для картирования оползневой восприимчивости и потенциала развития оползней в исследуемом районе (рис. 8).
Рис. 7. Карта оползневой восприимчивости бассейна р. Гирдыманчай
Рис. 8. График, показыващий достоверность модели
Территории распространения верхнемеловых и майкопских глин, глинистых сланцев, известняков имеют высокий и очень высокий потенциал развития оползней. Оползни чаще встречаются в зонах с разреженной
растительностью, в субальпийских лугах и частично в сель^охозяйствен-ных участках. Проведение земляных работ на склонах в сочетании с большим количеством атмосферных осадков увеличивает опасность возникновения оползня на изучаемой территории.
Заключение. Оценка оползневой опасности является важнейшим компонентом национальной стратегии предотвращения и уменьшения последствий стихийных бедствий в Азербайджане. Районирование территории по потенциалу развития оползневого процесса является основой для оценки оползневой опасности связанных с этим рисков и проектирования систем раннего предупреждения.
Исходя из этой идеи, был выполнен анализ потенциала развития оползневого процесса в бассейне р. Гирдыманчай, на южном склоне Большого Кавказа. Для составления карт оползневой восприимчивости были использованы статистические модели (на основе ГИС), позволившие определить значимость каждого параметра, влияющего на развитие оползневых процессов. В последующем оценка восприимчивости была проведена с помощью агрегирования результата анализа выбранных факторов с использованием пространственных аналитических уравнений. Район исследования был разделен на пять зон по степени потенциального развития оползней: очень низкая, низкая, средняя, высокая и очень высокая. Достоверность полученных моделей была оценена c применением AUC ROC (площадь под кривой ошибок) анализа, который показал высокую результативность используемого метода.
Результаты проведенных исследований крайне важны для оценки оползневой опасности и рисков, планирования устойчивого землепользования и уменьшения ущерба от оползней на рассматриваемой территории. Благодаря высокой достоверности используемый метод может применен для оценки оползневой восприимчивости различных регионов Азербайджана.
Список литературы
1. Белов А.В., Соколова Л.П. Некоторые аспекты экологических рисков природопользования на юге Байкальской Сибири // География и природные ресурсы. 2012. № 4. С. 90-97
2. Haque U., Da Silva P.F., Devoli G., Pilz J., Zhao B., Khaloua A., Wilopo W., Andersen P., Lu P., Lee J., Yamamoto T., Keellings D., Wu J.-H., Glass G.E. The human cost of global warming: deadly landslides and their triggers (1995-2014) // Science of The Total Environment. 2019. V. 682. P. 673684. URL: https://doi.org/l0.l0l 6/j .scitotenv.2019.03.415.
3. Froude M.J., Petley D.N. Global fatal landslide occurrence 2004 to 2016 // Natural Hazards and Earth System Sciences. 2018. V. 18. Iss. 8. P. 2161-2181. URL: https://doi.org/l0.5l94/nhess-l8-2l6l-20l8.
4. Осипов В.И. Природные катастрофы на рубеже XXI века // Вестник Российской Академии наук. 2001. Т. 71. № 4. С. 291-302.
5. Рустамов С.Г., Марданов И.Э. Об оползневых селях Юго-Восточного Кавказа // Проблемы противоселевых мероприятий. Алма-Ата, 1986. С. 90-94
6. Будагов Б.А. Рельеф Азербайджана // Гравитационная морфос-кульптура. Баку: Элм., 1993. C. 22-28.
7. Baynes F.J., Lee I.K., Stewart I.E. A study of the accuracy and precision of some landslide risk analyses // Australia: Geomech. 2002. V. 37. P. 149156.
8. Brardinoni F., Slaymaker О., Hassan М.А. Landslide inventory in a rugged forested watershed: a comparison between air-photo and field survey data // Geomorphology. 2003. V. 54. P. 179-196.
9. Engineering geology maps: landslides and geographical information systems / J. Chacon [et al.] // Bulletin of Engineering Geology and the Environment. 2006. V. 65. Iss. 4. P. 341-411.
10. Recommendations for the quantitative analysis of landslide risk / J. Corominas [et al.] // B. Eng. Geol. Environ. 2014. V. 73. P. 209-263.
11. Landslide deformation monitoring with ALOS/PALSAR imagery: a DInSAR geomorphological interpretation method / R. Schlogel [et al.] // Geomorphology. 2015. V. 231. P. 314-330.
12. Shaw S.C., Vaugeois L.M. Comparison of GIS-based Models of Shallow Landsliding for Application to Watershed Management // Seattle: State of Washington Timber/Fish/Wildlife Publication 118, TFW-PR10-99-001. 1999. 132 p.
13. Поздеев В.Б. Об определении геоэкологии. Новосибирск: География и природные ресурсы, 1998. № 1. С. 150-155.
14. Чалкова Ю.С., Черепанов Б.М. Оползневые процессы, их прогнозирование и борьба с ними // Ползуновский вестник. № 1-2. 2007. С. 80-89
15. Фоменко И.К., Пендин В.В., Нгуен Ч.К. Оценка ущерба, опасности и риска от оползневых процессов (на примере Северо-Западного Вьетнама) // Сб. науч. тр. XIII Общерос. науч.-практич. конф. и выставки «Перспективы развития инженерных изысканий в строительстве в Российской Федерации». 2017. С. 27-34.
16. Леонова А.В., Строкова Л.А., Никитенков Н.А. Оценка оползневых процессов на территории г. Томска с использованием ГИС-технологий // Вестник Воронежского государственного университета. Сер. Геология. 2021. № 1. С. 94-103.
17. Arabameri A., Pradhan B., Rezaei K., Lee C.-W. Assessment of landslide susceptibility using statistical- and artificial intelligence-based FR-RF integrated model and multiresolution DEMs // Remote Sensing. 2019. V. 11. Iss. 9. URL: https://doi.org/10.3390/rs11090999.
18. Cantarino I., Carrion M.A., Goerlich F., Martinez Ibañez V. A ROC analysis-based classification method for landslide susceptibility maps // Landslides. 2019. V. 16. I. 2. P. 265-282. URL: https://doi.org/10.1007/s10346-018-1063-4.
19. Castellanos Abella E.A., Van Westen C.J. Qualitative landslide susceptibility assessment by multicriteria analysis: A case study from San Antonio del Sur, Guantánamo, Cuba // Geomorphology. 2008. V. 94. P. 453-466.
20. Probabilistic landslide hazard assessment at the basin scale / F. Guzzetti [et al.] // Geomorphology. 2005. V. 72. Iss. 1. P. 272-299. URL: https://doi.org/10.1016/i. geomorph.2005. 06.002
21. Lee S., Pradhan B. Landslide hazard mapping at Selangor, Malaysia using frequency ratio and logistic regression models // Landslides. 2007. V. 4. P. 33-41.
22. Mandal S., Mondal S. Statistical approaches for landslide susceptibility assessment and prediction. Switzerland: Springer International Publishing, 2019. 200 p.
23. Mersha T., Meten M. GIS-based landslide susceptibility mapping and assessment using bivariate statistical methods in Simada area, northwestern Ethiopia // Geoenvironmental Disasters. 2020. V. 7. Iss. 1. URL: https://doi.org/ 10.1186/s40677-020-00155-x.
24. Nefeslioglu H.A., Duman T.Y., Durmaz S. Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Eastern Black Sea region of Turkey) // Geomorphology. 2008. V. 94. Iss. 3. P. 401 -418. URL: https://doi.org/ 10.1016/i.geomorph.2006.10.036.
25. Oh H.-J., Lee S. Cross-application used to validate landslide susceptibility maps using a probabilistic model from Korea // Environmental Earth Science. 2011. V. 64. P. 395-409.
26. Ozdemir A. Landslide susceptibility mapping of vicinity of Yaka Landslide (Gelendost, Turkey) using conditional probability approach in GIS // Environmental Geology. 2009. V. 57. P. 1675-1686.
27. GIS-based landslide susceptibility mapping for land use planning and risk assessment / Roccati A. [et al.] // Land. 2021. V. 10. Iss. 2. URL: https://doi.org/10.3390/land10020162.
28. Shano L., Raghuvanshi T.K., Meten M. Landslide susceptibility evaluation and hazard zonation techniques-a review // Geoenvironmental Disasters. 2020. V. 7. Iss. 1. URL: https://doi.org/10.1186/s40677-020-00152-0.
29. Süzen M.L., Doyuran V. A comparison of the GIS based landslide susceptibility assessment methods: multivariate versus bivariate // Environmental Geology. 2004. V. 45. Iss. 5. P. 665-679. URL: https://doi.org/ 10.1007/ s00254-003-0917-8.
30. Tiranti D., Cremonini R. Editorial: landslide hazard in a changing environment // Frontiers in Earth Science. 2019. V. 7. Iss. 3. URL: https://doi.org/ 0.3389/feart.2019.00003.
31. Van Westen C.J., Castellanos E., Kuriakose S.L. Spatial data for landslide susceptibility, hazard, and vulnerability assessment: An overview // Engineering Geology. 2008. V. 102. P. 112-131.
32. Пендин В.В., Фоменко И.К. Методология оценки и прогноза оползневой опасности. М.: ЛЕНАНД, 2015. 320 с.
33. Харченко С.В., Шварев С.В. Прогнозирование оползневой опасности в окрестностях Красной Поляны на основе линейного дискрими-нантного анализа // Вестник Московского государственного университета. Серия 5. География. 2020. № 3. С. 22-33.
34. Akgun A., Dag S., Bulut F. Landslide susceptibility mapping for a landslide-prone area (Findikli, NE of Turkey) by likelihood frequency ratio and weighted linear combination models // Environmental Geology. 2008. V. 54(6). P. 1127-1143.
35. Akgun A., Needet T. Landslide susceptibility mapping for Ayvalik (Western Turkey) and its vicinity by multi criteria decision analysis // Environmental Earth Science. 2010. V. 61: P. 595-611.
36. Berhane G., Tadesse K. Landslide susceptibility zonation mapping using statistical index and landslide susceptibility analysis methods: a case study from Gindeberet district, Oromia Regional State, Central Ethiopia // Journal of African Earth Sciences. 2021. V. 180. URL: https://doi.org/ 10.1016/j.j afrearsci.2021.104240.
37. Landslide susceptibility assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu Basin (Romania) / M. Constantin, M. Bednarik, M.C. Jurchescu, M. Vlaicu // Environmental Earth Science. 2011. V. 63. P. 397-406. https://doi.org/10.1007/s12665-010-0724-y.
38. Pourghasemi HR., Mohammady M., Pradhan B. Landslide susceptibility mapping using index of entropy and conditional probability models in GIS: Safarood Basin, Iran // CATENA. 2012. V. 97. P. 71-84.
39. Landslide susceptibility mapping using frequency ratio method and GIS in south eastern part of Nilgiri District, Tamilnadu, India / V. Ram Mohan [et al.] // International Journal Geomatics and Geoscience. 2011; V.1. Iss. 4. P. 951-961.
40. GIS-based comparative study of frequency ratio, analytical hierarchy process, bivariate statistics and logistics regression methods for landslide susceptibility mapping in Trabzon, NE Turkey / A. Yalcin, S. Reis, A.C. Aydino-glu, T. A. Yomralioglu // CATENA. 2011. V. 85. I. 3. P. 274-287. URL: https://doi.org/10.1016/j.catena.2011.01.014.
41. Применение статистических методов на основе ГИС для оценки потенциального развития оползней в районе Шапа, Вьетнам / В.Б. Зыонг [и др.] // Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов. 2022. Т. 333, № 4. С. 126-140. URL: http://earchive.tpu.ru/handle/11683/70765
42. Getachew N., Meten M. Weights of evidence modeling for landslide susceptibility mapping of Kabi-Gebro locality, Gundomeskel area, Central Ethiopia // Geoenvironmental Disasters. 2021. V. 8. Iss. 1. URL: https://doi.org/10.1186/s40677-021-00177-z.
43. Pourghasemi HR., Moradi HR., Aghda S.F. Landslide susceptibility mapping by binary logistic regression, analytical hierarchy process, and statistical index models and assessment of their performances // Natural Hazards. 2013. V. 69. Iss. 1. P. 749-779.
44. Региональная оценка оползневой опасности модифицированным методом анализа иерархий в геоинформационной системе (на примере района Шапа провинции Лаокай Вьетнама) / В.Б. Зыонг [и др.] // Инженерная геология. 2021. Т. XVI. № 2. С. 6-20. URL: https://doi.org/ 10.25296/1993-5056-2021-16-2-6-20.
45. Yesilnacar E.K. The application of computational intelligence to landslide susceptibility mapping in Turkey // Ph.D. thesis. 2005. Department of Geomatics the University of Melbourne. 423 pp.
46. Assessment of landslide susceptibility by decision trees in the Metropolitan Area of Istanbul, Turkey / H.A. Nefeslioglu [et al.] // Mathematical Problems in Engineering. 2010. Article ID 901095. 15 p. https://doi.org/10.1155/2010/901095.
47. Saito H., Nakayama D., Matsuyama H. Comparison of landslide susceptibility based on a decision-tree model and actual landslide occurrence: The Akaishi Mountains, Japan // Geomorphology. 2009. V. 109. P. 108-121.
48. Landslide susceptibility analysis using GIS and artificial neural network / S. Lee, J.H. Ryu, K.D. Min, J.S. Won // Earth Surface Process Land-forms. 2003. V. 27. P. 1361-1376.
49. Pradhan B. A comparative study on the predictive ability of the decision tree, support vector machine and neuro-fuzzy models in landslide susceptibility mapping using GIS // Computer Geosciences. 2013. V. 51. P. 350-365.
50. Sezer EA., Pradhan B., Gokceoglu C. Manifestation of an adaptive neuro-fuzzy model on landslide susceptibility mapping: Klang valley, Malaysia // Expert Systems with Applications. 2011. V. 38. Iss 7. P. 8208-8219.
51. Guidelines for landslide susceptibility, hazard and risk zoning for land use planning / R. Fell [et al.] // Engineering Geology. 2008. V. 102. Iss. 3. P. 85-98. URL: https://doi.org/10.1016/j.enggeo.2008.03.022.
52. Gaidzik K., Ramírez-Herrera M.T. The importance of input data on landslide susceptibility mapping // Scientific Reports. 2021. V. 11. Iss. 1. URL: https://doi.org/10.1038/s41598-021-98830-y.
53. Kose D.D., Turk T. GIS-based fully automatic landslide susceptibility analysis by weight-of-evidence and frequency ratio methods // Physical Geography. 2019. V. 40. Iss. 5. P. 481-501. URL: https://doi.org/10.1080/ 02723646.2018.1559583.
54. Landslides susceptibility assessment based on GIS statistical bivari-ate analysis in the hills surrounding a metropolitan area / P. Sestras [et al.] // Sustainability. 2019. V. 11. Iss. 5. URL: https://doi.org/10.3390/su11051362.
55. McColl S.T. Chapter 2. Landslide causes and triggers // Landslide hazards, risks and disasters / Eds. J.F. Shroder, T. Davies. Boston: Academic Press, 2015. P. 17-42. URL: https://doi.org/10.1016/B978-0-12-396452-6.00002-1.
56. Aleotti P., Chowdhury R. Landslide hazard assessment: summary review and new perspectives // Bulletin of Engineering Geology and Environment. 1999. V. 58: P. 21-44.
57. The March 17, 2005 Kuzulu landslide (Sivas, Turkey) and landslide susceptibility map of its near vicinity / C. Gokceoglu [et al.] // Engineering Geology. 2005. V. 81 (1). P. 65-83.
58. Shannon C.E. Prediction and entropy of printed English // The Bell System Technical Journal. 1950. V. 30. P. 50-64.
59. Варне Д.Дж. Движения склонов, типы и процессы // Оползни: Исследование и укрепление. М.: Мир, 1981. С. 32-77.
60. Будагов Б.А., Лилиенберг Д.А., Ширинов Н.Ш. История развития гидрографической сети Юго-Восточного Кавказа // Изв. АН Азеб. ССР, 1960. Сер. геол.-географ. наук. № 1.
61. Ширинов Н.Ш. Морфоструктурные особенности района Исма-иллинского землетрясения (Азербайджанская ССР) // Изв. АН Азерб. ССР, 1982. Сер. Науки о Земле. № 5.
Мамедов Сеймур Галиб оглы, канд. геогр. наук, seymurmq@gmail. com, Азербайджан, Баку, Производственное объединение «Азнефть», SOCAR,
Тарихазер Стара Абульфас гызы, д-р геогр. наук, доц., гл. науч. сотр., kerimov17@,gmail.com, Азербайджан, Баку, Институт географии им. Г.А. Алиева Министерства образования и науки Азербайджана
APPLICATION OF QUANTITATIVE METHODS FOR THE ASSESSMENT OF LANDSLIDE SUSCEPTIBILITY OF THE GIRDIMANCHAYRIVER BASIN
S.G. Mammadov, S.A. Tarikhazer
Among the most dangerous natural disasters, leading to economic damage and human casualties, are landslides, which, unfortunately, have not been given due attention to the study and study of their impact on mudflow processes.
For minimize damage from landslides on the example of the Girdymanchay river basin a detailed study of the factors (hypsometry, slope angles, was carried out by us. Also slope exposure, geological structure, distance from faults, average annual precipitation, distance to the erosion network, distance to roads and land use) that determine the development of landslide processes with taking into account the mechanism of their development, as well as an analysis of the obtained values of landslide susceptibility and their potential development was studied. Using the natural boundary classification method in the ArcGIS software environ-
ment, the study area was divided into five landslide potential zones: very low, low, medium, high, and very high.
Key words: landslide, landslide susceptibility, factor weight, nature management, anthropogenic factor, landslide hazard assessment, risk.
Mammadov Seymur Galib oglu, cand. of geogr. sciences, seymurmq@,gmail.com, Azerbaijan, Baku, Production Association "Azneft", SOCAR,
Tarikhazer Stara Abulfas gyzy, doctor of geographical sciences, assoc. prof., сhief research worker, kerimov17@,gmail.com, Azerbaijan, Baku, Institute of Geography named by acad. G.A. Alieva Ministry of Education and Science of Azerbaijan
Reference
1. Belov A.V., Sokolova L.P. Some aspects of environmental risks of nature management in the south of Baikal Siberia // Geography and Natural resources, 2012. No. 4. pp. 90-97
2. Haque U., Da Silva P.F., Devoli G., Pilz J., Zhao B., Khaloua A., Wilopo W., Andersen P., Lu P., Lee J., Yamamoto T., Keellings D., Wu J.-H., Glass G.E. The human cost of global warming: deadly landslides and their trig-gers (1995-2014) // Science of The Total Environment. 2019. V. 682. P. 673-684. URL: https://doi.org/10.1016/i .scitotenv.2019.03.415.
3. Froude M.J., Petley D.N. Global fatal landslide occurrence 2004 to 2016 // Natural Hazards and Earth System Sciences. 2018. V. 18. Iss. 8. P. 2161-2181. URL: https://doi.org/10.5194/nhess-18-2161-2018
4. Osipov V.I. Natural disasters at the turn of the XXI century // Bulletin of the Russian Academy of Sciences. Moscow: 2001. Vol. 71. No. 4. pp. 291-302.
5. Rustamov S.G., Mardanov I.E. On landslide mudslides of the South-Eastern Caucasus // Problems of anti-settlement measures. Alma-Ata, 1986. pp. 90-94
6. Budagov B.A. Relief of Azerbaijan // Gravitational morphos-culpture. Baku: Elm., 1993. P. 22-28.
7. Baynes F.J., Lee I.K., Stewart I.E. A study of the accuracy and precision of some landslide risk analyses // Australia: Geomech. 2002. V. 37. P. 149-156.
8. Brardinoni F., Slaymaker O., Hassan M.A. Landslide inventory in a rugged forested watershed: a comparison between air-photo and field survey data // Geomorphology. 2003. V. 54. P. 179-196.
9. Engineering geology maps: landslides and geographical information systems / J. Chacon [et al.] // Bulletin of Engineering Geology and the Environment. 2006. V. 65. Iss. 4. P. 341-411.
10. Recommendations for the quantitative analysis of landslide risk / J. Corominas [et al.] // B. Eng. Geol. Environ. 2014. V. 73. P. 209-263.
11. Landslide deformation monitoring with ALOS/PALSAR imagery: a DInSAR ge-omorphological interpretation method / R. Schlogel [et al.] // Geo-morphology. 2015. V. 231. P. 314-330.
12. Shaw S.C., Vaugeois L.M. Comparison of GIS-based Models of Shallow Land-sliding for Application to Watershed Management // Seattle: State of Washington Timber/Fish/Wildlife Publication 118, TFW-PR10-99-001. 1999. 132 p.
13. Pozdeev V.B. On the definition of geoecology. Novosibirsk: Geography and Natural Resources, 1998. No. 1. pp. 150-155.
14. Chalkova Yu.S., Cherepanov B.M. Landslide processes, their forecasting and combating them // Polzunovsky vestnik. No. 1-2. 2007. pp. 80-89
15. Fomenko I.K., Pendin V.V., Nguyen C.K. Assessment of damage, danger and risk from landslide processes (on the example of North-West Vietnam) // Sb. nauch. tr. XIII All-Russian scientific and practical conf. and the exhibition "Prospects for the development of engineering surveys in construction in the Russian Federation", 2017. pp. 27-34.
16. Leonova A.V., Strokova L.A., Nikitenkov N.A. Assessment of landslide processes on the territory of Tomsk using GIS technologies // Bulletin of the Voronezh State University. Ser. Geologiya, 2021, No. 1. pp. 94-103.
17. Arabameri A., Pradhan B., Rezaei K., Lee C.-W. Assessment of landslide susceptibility using statistical- and artificial intelligence-based FR-RF integrated model and multiresolution DEMs // Remote Sensing. 2019. V. 11. Iss. 9. URL: https://doi.org/10.3390/rs11090999.
18. Cantarino I., Carrion M.A., Goerlich F., Martinez Ibanez V. A ROC analysis-based classification method for landslide susceptibility maps // Landslides. 2019. V. 16. I. 2. P. 265-282. URL: https://doi.org/10.1007/s10346-018-1063-4.
19. Castellanos Abella E.A., Van Westen C.J. Qualitative landslide sus-ceptibility assessment by multicriteria analysis: A case study from San Antonio del Sur, Guantanamo, Cuba // Geomorphology. 2008. V. 94. P. 453-466.
20. Probabilistic landslide hazard assessment at the basin scale / F. Guzzetti [et al.] // Geomorphology. 2005. V. 72. Iss. 1. P. 272-299. URL: https://doi.org/10.1016/j. geo-morph.2005. 06.002
21. Lee S., Pradhan B. Landslide hazard mapping at Selangor, Malaysia using frequency ratio and logistic regression models // Landslides. 2007. V. 4. P. 33-41.
22. Mandal S., Mondal S. Statistical approaches for landslide suscepti-bility assessment and prediction. Switzerland: Springer International Publishing, 2019. 200 p.
23. Mersha T., Meten M. GIS-based landslide susceptibility mapping and assessment using bivariate statistical methods in Simada area, northwestern Ethiopia // Geoenvironmental Disasters. 2020. V. 7. Iss. 1. URL: https://doi.org/ 10.1186/s40677-020-00155-x.
24. Nefeslioglu H.A., Duman T.Y., Durmaz S. Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Eastern Black Sea region of Tur-key) // Geomorphology.
2008. V. 94. Iss. 3. P. 401-418. URL: https://doi.org/ 10.1016/j.geomorph.2006.10.036.
25. Oh H.-J., Lee S. Cross-application used to validate landslide susceptibility maps using a probabilistic model from Korea // Environmental Earth Science. 2011. V. 64. P. 395409.
26. Ozdemir A. Landslide susceptibility mapping of vicinity of Yaka Landslide (Gelendost, Turkey) using conditional probability approach in GIS // Environmental Geology.
2009. V. 57. P. 1675-1686.
27. GIS-based landslide susceptibility mapping for land use planning and risk assessment / Roccati A. [et al.] // Land. 2021. V. 10. Iss. 2. URL: https://doi.org/10.3390/land10020162.
28. Shano L., Raghuvanshi T.K., Meten M. Landslide susceptibility evaluation and hazard zonation techniques-a review // Geoenvironmental Disasters. 2020. V. 7. Iss. 1. URL: https://doi.org/10.1186/s40677-020-00152-0.
29. Suzen M.L., Doyuran V. A comparison of the GIS based landslide susceptibility assessment methods: multivariate versus bivariate // Environmen-tal Geology. 2004. V. 45. Iss. 5. P. 665-679. URL: https://doi.org/ 10.1007/ s00254-003-0917-8.
30. Tiranti D., Cremonini R. Editorial: landslide hazard in a changing environment // Frontiers in Earth Science. 2019. V. 7. Iss. 3. URL: https://doi.org/ 0.3389/feart.2019.00003.
31. Van Westen C.J., Castellanos E., Kuriakose S.L. Spatial data for landslide susceptibility, hazard, and vulnerability assessment: An overview // Engineering Geology. 2008. V. 102. P.112-131.
32. Pendin V.V., Fomenko I.K. Methodology of landslide hazard assessment and prediction. Moscow: LENAND, 2015. 320 p.
33. Kharchenko S.V., Shvarev S.V. Landslide hazard prediction in the vicinity of Krasnaya Polyana based on linear discriminant analysis // Bulletin of the Moscow State University. Series 5. Geography. 2020. No. 3. pp. 22-33.
34. Akgun A., Dag S., Bulut F. Landslide susceptibility mapping for a landslide-prone area (Findikli, NE of Turkey) by likelihood frequency ratio and weighted linear combination models // Environmental Geology. 2008. V. 54(6). P. 1127-1143.
35. Akgun A., Needet T. Landslide susceptibility mapping for Ayvalik (Western Turkey) and its vicinity by multi criteria decision analysis // Environ-mental Earth Science.
2010. V. 61: P. 595-611.
36. Berhane G., Tadesse K. Landslide susceptibility zonation mapping using statistical index and landslide susceptibility analysis methods: a case study from Gindeberet district, Oromia Regional State, Central Ethiopia // Journal of African Earth Sciences. 2021. V. 180. URL: https://doi.org/ 10.1016/j.jafrearsci.2021.104240.
37. Landslide susceptibility assessment using the bivariate statistical analysis and the index of entropy in the Sibiciu Basin (Romania) / M. Constan-tin, M. Bednarik, M.C. Jurch-escu, M. Vlaicu // Environmental Earth Science. 2011. V. 63. P. 397-406. https://doi.org/10.1007/s12665-010-0724-y.
38. Pourghasemi HR., Mohammady M., Pradhan B. Landslide susceptibility mapping using index of entropy and conditional probability models in GIS: Safarood Basin, Iran // CATENA. 2012. V. 97. P. 71-84.
39. Landslide susceptibility mapping using frequency ratio method and GIS in south eastern part of Nilgiri District, Tamilnadu, India / V. Ram Mohan [et al.] // International Journal Geomatics and Geoscience. 2011; V.1. Iss. 4. P. 951-961.
40. GIS-based comparative study of frequency ratio, analytical hierarchy process, bi-variate statistics and logistics regression methods for landslide susceptibility mapping in Trabzon, NE Turkey / A. Yalcin, S. Reis, A.C. Aydinoglu, T. A. Yomralioglu // CATENA.
2011. V. 85. I. 3. P. 274-287. URL: https://doi.org/10.1016/j.catena.2011.01.014.
41. Application of statistical methods based on GIS to assess the potential development of landslides in the area of Shapa, Vietnam / V.B. Zuong [et al.] // Izvestiya Tomsk Polytechnic University [Izvestiya TPU]. Georesource engineering. 2022. VOL. 333, No. 4. pp. 126-140. URL: http://earchive.tpu.ru/handle/11683/70765
42. Getachew N., Meten M. Weights of evidence modeling for landslide susceptibility mapping of Kabi-Gebro locality, Gundomeskel area, Central Ethiopia // Geoenvironmental Disasters. 2021. V. 8. Iss. 1. URL: https://doi.org/10.1186/s40677-021-00177-z.
43. Pourghasemi HR., Moradi HR., Aghda S.F. Landslide susceptibility mapping by binary logistic regression, analytical hierarchy process, and statistical index models and assessment of their performances // Natural Hazards. 2013. V. 69. Iss. 1. P. 749-779.
44. Regional assessment of landslide hazard by a modified method of analysis hierarchies in the geoinformation system (on the example of the Shapa district of the Lao Cai Province of Vietnam) / V.B. Zuong [et al.] // Engineering geology. 2021. VOL. XVI. No. 2. pp. 6-20. URL: https://doi.org / 10.25296/1993-5056-2021-16-2-6-20.
45. Yesilnacar E.K. The application of computational intelligence to landslide susceptibility mapping in Turkey // Ph.D. thesis. 2005. Department of Geomatics the University of Melbourne. 423 pp.
46. Assessment of landslide susceptibility by decision trees in the Met-ropolitan Area of Istanbul, Turkey / H.A. Nefeslioglu [et al.] // Mathematical Problems in Engineering. 2010. Article ID 901095. 15 p. https://doi .org/10.1155/2010/901095.
УДК 622.02 : 622.41 : 615.83 : 553.632 : 552.53
ФИЗИЧЕСКИЕ СВОЙСТВА СОЛЯНЫХ ГОРНЫХ ПОРОД,
ФОРМИРУЮЩИЕ СПЕЦИФИЧЕСКИЕ ПАРАМЕТРЫ ВОЗДУШНОЙ СРЕДЫ
Г.З. Файнбург, К.А. Черный
Рассматриваются основные физическо-химические свойства соляных горных пород - хлоридов щелочных металлов натрия, калия, магния - галита, сильвинита, карналлита, формирующие специфические параметры воздушной среды каменно-соляных и калийных рудников, включая подземные спелеостационары, а также специальных соляных помещений - «соляных пещер» или спелеоклиматических камер, используемых в лечебно-оздоровительных целях.
Приведены данные многолетних натурных наблюдений авторов за медленно текущими (для визуального наблюдения и инструментального фиксирования) явлениями природного характера - межфазного взаимодействия влажного воздуха с полиминеральной соляной поверхностью натуральных горных пород.
Ключевые слова: соляные горные породы, хлориды щелочных металлов, относительная влажность, аэродисперсная среда, природная радиоактивность.
Введение
Добыча полезных ископаемых в подземных условиях неразрывно связана с воздействием окружающего выработки горного массива на параметры рудничной атмосферы, рассматриваемой в горном деле как загрязненная природными и технологическими опасными и вредными газообразными и пылеобразными примесями воздушная среда, в которой высокая концентрация и грубодисперсность соляной пыли - результата диспергации массива при отбойке полезного ископаемого, порождают профессиональные заболевания и вызывают такие органолептические явления, как «вкус соли» на губах [1].
Тем удивительнее воздушная среда каменно-соляных и калийно-магниевых рудников вне рабочих зон и магистральных выработок, наблюдаемая в отработанных камерах и обладающая такими специфическими параметрами, особая чистота, свежесть и своеобразный «запах соли» [2]. Инструментально эти параметры фиксируются как низкая бактериальная обсемененность, гипоаллергенность, наличие кластерных (легких) аэроионов и ультратонкой наноразмерной соляной аэрозоли, образованной процессами конденсации [2, 3].
