Sinkhole formation GIS-based mapping and geo-statistical prediction analysis in Chania area, Crete.

Abstract

The last years many researches have been done to evaluate sinkhole formation and to produce sinkhole susceptibility maps using the probability method of frequency ratio for prediction analysis. By determining the vulnerable areas it is possible to decrease the probability of damage caused by sinkholes in urban and agricultural areas. The purpose of this study is at first to create an accurate sinkhole inventory map in the study area and secondly to make a prediction analysis by producing a sinkhole susceptibility index based on the frequency ratio method within a geographic information system environment. For sinkhole formation inventory map, two TanDEM-X DEMs with a spatial resolution of 11.1m and 30m respectively were adapted. Six filters (area, depth, eccentricity, circularity index, proximity to streams & proximity to roads) were applied on initial sinkholes identification of each DEM to exclude falsely-identified depressions. Finally two sinkhole inventory maps were produced with 1038 sinkholes for the 11-meter TanDEM-X and 428 for the 30-meter TanDEM-X, showing that the 11-meter DEM is able to identify more sinkholes due to its better spatial resolution. The inventory map of the 11-meter TanDEM-X DEM was chosen for the prediction analysis. Sinkholes were separated in the training sinkhole dataset (70%) and the test sinkhole dataset (30%) and twelve sinkhole formation controlling factors; geology (lithology), hydrogeology, soils depth, slope, elevation, groundwater exploitation, distance & density to faults, distance &density to deep wells, drainage density and land use were chosen and analyzed for the sinkhole susceptibility index, which was classified in four classes; low, moderate, high & very high susceptibility. The sinkhole susceptibility map shows that 83.3% of the test sinkhole dataset fall within the “high” and “very high” susceptibility zones.

Τα τελευταία χρόνια έχουν γίνει πολλές έρευνες για την αξιολόγηση του σχηματισμού καταβόθρα και για την παραγωγή χαρτών ευαισθησίας καταβόθρων χρησιμοποιώντας τη μέθοδο πιθανότητας του λόγου συχνότητας για την ανάλυση πρόβλεψης. Με τον προσδιορισμό των ευάλωτων περιοχών είναι δυνατό να μειωθεί η πιθανότητα ζημιών που προκαλούνται από καταβόθρες σε αστικές και γεωργικές περιοχές. Σκοπός αυτής της μελέτης είναι αρχικά να δημιουργήσει έναν ακριβή χάρτη απογραφής καταβόθρων στην περιοχή μελέτης και, δεύτερον, να κάνει μια ανάλυση πρόβλεψης με την παραγωγή ενός δείκτη ευαισθησίας καταβόθρων με βάση τη μέθοδο αναλογίας συχνότητας εντός ενός περιβάλλοντος συστήματος γεωγραφικών πληροφοριών. Για τον χάρτη απογραφής σχηματισμού καταβόθρων, προσαρμόστηκαν δύο TanDEM-X DEM με χωρική ανάλυση 11,1 m και 30 m αντίστοιχα. Έξι φίλτρα (εμβαδόν, βάθος, εκκεντρότητα, δείκτης κυκλικότητας, γειτνίαση με ρέματα & εγγύτητα σε δρόμους) εφαρμόστηκαν στην αρχική αναγνώριση καταβόθρων κάθε DEM για να αποκλειστούν λανθασμένα προσδιορισμένα βαθουλώματα. Τέλος, δημιουργήθηκαν δύο χάρτες απογραφής καταβόθρων με 1038 καταβόθρες για το TanDEM-X των 11 μέτρων και 428 για το TanDEM-X των 30 μέτρων, δείχνοντας ότι το DEM 11 μέτρων είναι σε θέση να αναγνωρίσει περισσότερες καταβόθρες λόγω της καλύτερης χωρικής του ανάλυσης. Ο χάρτης απογραφής του 11 μέτρων TanDEM-X DEM επιλέχθηκε για την ανάλυση πρόβλεψης. Οι καταβόθρες διαχωρίστηκαν στο σύνολο δεδομένων καταβόθρων εκπαίδευσης (70%) και στο σύνολο δεδομένων δοκιμαστικής καταβόθρας (30%) και δώδεκα παράγοντες ελέγχου σχηματισμού καταβόθρων. γεωλογία (λιθολογία), υδρογεωλογία, βάθος εδάφους, κλίση, υψόμετρο, εκμετάλλευση υπόγειων υδάτων, απόσταση και πυκνότητα σε ρήγματα, απόσταση και πυκνότητα σε βαθιά πηγάδια, πυκνότητα αποστράγγισης και χρήση γης επιλέχθηκαν και αναλύθηκαν για τον δείκτη ευαισθησίας των καταβόθρων, ο οποίος ταξινομήθηκε σε τέσσερις κατηγορίες ; χαμηλή, μέτρια, υψηλή & πολύ υψηλή ευαισθησία. Ο χάρτης ευαισθησίας καταβόθρων δείχνει ότι το 83,3% του συνόλου των δεδομένων καταβόθρας εμπίπτει στις ζώνες ευαισθησίας "υψηλή" και "πολύ υψηλή".