ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΕΩΝ ΣΕ ΠΕΡΙΟΧΗ ΤΗΣ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΓΕΩΛΟΓΙΑΣ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΗΣ ΓΕΩΛΟΓΙΑΣ ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΕΩΝ ΣΕ ΠΕΡΙΟΧΗ ΤΗΣ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διδακτορική Διατριβή Κάβουρα Αικατερίνη-Παρασκευή, MSc Γεωλόγος Πάτρα, 2017

2 Τριμελής Συμβουλευτική Επιτροπή Σαμπατακάκης Νικόλαος, Καθηγητής, Τμ. Γεωλογίας Πανεπιστημίου Πατρών (Επιβλέπων) Τσιαμπάος Γεώργιος, Καθηγητής, Σχολ. Πολιτικών Μηχανικών, ΕΜΠ Ροντογιάννη Θεοδώρα, Καθηγήτρια, Σχολ. Μηχανικών Μεταλλείων Μεταλλουργών, ΕΜΠ Επταμελής Εξεταστική Επιτροπή Σαμπατακάκης Νικόλαος, Καθηγητής, Τμ. Γεωλογίας Πανεπιστημίου Πατρών (Επιβλέπων) Τσιαμπάος Γεώργιος, Καθηγητής, Σχολ. Πολιτικών Μηχανικών, ΕΜΠ Ροντογιάννη Θεοδώρα, Καθηγήτρια, Σχολ. Μηχανικών Μεταλλείων Μεταλλουργών, ΕΜΠ Παπαθεοδώρου Γεώργιος, Καθηγητής, Τμ. Γεωλογίας Πανεπιστημίου Πατρών Λαμπράκης Νικόλαος, Καθηγητής, Τμ. Γεωλογίας Πανεπιστημίου Πατρών Σώκος Ευθύμιος, Αναπλ. Καθηγητής, Τμ. Γεωλογίας Πανεπιστημίου Πατρών Νικολακόπουλος Κωνσταντίνος, Αναπλ. Καθηγητής, Τμ. Γεωλογίας Πανεπιστημίου Πατρών

3 Ευχαριστίες Ιδιαίτερα ευχαριστώ τον Επιβλέποντα Καθηγητή μου κ. Νικόλαο Σαμπατακάκη, για όσα προσέφερε όλα αυτά τα χρόνια συνεργασίας μας και φυσικά την καθοδήγηση που προσέφερε για την διεκπεραίωση της παρούσας διδακτορικής διατριβής. Επίσης εκφράζω τις ευχαριστίες μου στον Καθηγητή, κ. Γεώργιο Τσιαμπάο για τις ιδιαίτερες γνώσεις που προσέφερε σε ερευνητικά θέματα σχετικά με το αντικείμενο της διατριβής αλλά και την Καθηγήτρια, κ. Θεοδώρα Ροντογιάννη για τη συμβολή της στην ολοκλήρωση της διατριβής. Εκτιμώ ιδιαίτερα το ενδιαφέρον της Τριμελούς Επιτροπής που έδειξε για την ολοκλήρωση της έρευνας μου τα τελευταία τρία χρόνια σε όλα της τα στάδια. Επίσης, ήταν μεγάλη μου χαρά που συμμετείχαν στην Εξεταστική Επιτροπή ο Καθηγητής κ. Γεώργιος Παπαθεοδώρου, ο Καθηγητής κ. Νικόλαος Λαμπράκης, ο Αναπλ. Καθηγητής κ. Ευθύμιος Σώκος και ο Αναπλ. Καθηγητής κ. Κωνσταντίνος Νικολακόπουλος που με τις γνώσεις τους που παρείχαν τόσο σε προπτυχιακό επίπεδο όσο και σε μεταπτυχιακό επίπεδο σπουδών ενθάρρυναν την προσπάθεια εκπόνησης της παρούσας διδακτορικής διατριβής. Ευχαριστώ πολύ όλους τους συναδέλφους γεωλόγους τους Εργαστηρίου Τεχνικής Γεωλογίας τόσο κοντινούς όσο και πιο μακρινούς, που σε κάποιο στάδιο συνεργαστήκαμε και ανταλλάξαμε απόψεις. Θα ήθελα επίσης να ευχαριστήσω τον Διδάκτορα ερευνητή Τεχνικής Γεωλογίας κ. Νικόλαο Δεπούντη, για την εμπιστοσύνη που μου έδειξε όλα τα χρόνια συνεργασίας και τη βοήθεια που παρείχε σε πολλά επίπεδα της ερευνητικής διαδικασίας και χωρίς αυτή η παρούσα διατριβή δε θα μπορούσε να ολοκληρωθεί. Παράληψη, θα ήταν να μην ευχαριστήσω όλα τα μέλη (ΔΕΠ, Διοικητικό προσωπικό, Τεχνικό προσωπικό, Μεταπτυχιακοί και Προπτυχιακοί φοιτητές) του Τμήματος Γεωλογίας του Πανεπιστημίου Πατρών που είχα την ευκαιρία να συναναστραφώ όλα αυτά τα χρόνια. Σε αυτό το σημείο θα ήταν παράλειψη να μην ευχαριστήσω για τη συμπαράσταση και υποστήριξη της οικογένειάς μου καθ όλη τη διάρκεια των σπουδών μου με τελικό σταθμό το παρόν έργο. Ένα ιδιαίτερα μεγάλο ευχαριστώ θέλω να εκφράσω σε όλους εκείνους τους φίλους που στάθηκαν με τον τρόπο του ο καθένας στη προσπάθεια αυτή και ήταν εκεί όλα αυτά τα χρόνια σαν δεύτερη οικογένεια, είτε ήταν κοντά είτε μακριά.

4 Εκτενής Περίληψη Στην παρούσα διατριβή γίνεται η διερεύνηση της επικινδυνότητας των κατολισθήσεων σε επιλεγμένη περιοχή της Δυτικής Ελλάδας και συγκεκριμένα στην παραλιακή ζώνη του νομού Αχαΐας, με μεθόδους που επιτρέπουν τον ποσοτικό προσδιορισμό της, ενώ παράλληλα αναλύονται οι σχέσεις που συνδέουν τα φαινόμενα κατολισθήσεων με παράγοντες που συμβάλλουν στην ενεργοποίησή τους. Αρχικά, δημιουργήθηκε ένα αναλυτικό αρχείο καταγραφής κατολισθήσεων της επιλεγμένης περιοχής που καλύπτει την περίοδο Στατιστική ανάλυση των χαρακτηριστικών των κατολισθήσεων που καταγράφηκαν εξήγαγε συμπεράσματα σχετικά με τις σχέσεις που αναπτύσσονται μεταξύ τους, αλλά και του τύπου των κατολισθήσεων. Οι παράγοντες Λιθολογία, Κλίση, Υψόμετρο, Χρήσεις γης και Βροχόπτωση επιλέχτηκαν για την περαιτέρω διερεύνηση της επιδεκτικότητας των κατολισθήσεων ως παράγοντες που συμβάλλουν στην εμφάνιση τέτοιων φαινομένων. Η εκτίμηση της επιδεκτικότητας στηρίχτηκε στην ανάλυση των σχέσεων των πέντε παραπάνω παραγόντων με την εκδήλωση των κατολισθήσεων χρησιμοποιώντας διάφορα στατιστικά μοντέλα διμεταβλητής ανάλυσης και πραγματοποιώντας ελέγχους αξιοπιστίας των αποτελεσμάτων που προκύπτουν. Τα μοντέλα FR, LRF, SI, LR και WoE που χρησιμοποιήθηκαν είναι αποδεκτό στη διεθνή βιβλιογραφία πώς μπορούν να περιγράψουν ποσοτικά σε ικανοποιητικό βαθμό την επιδεκτικότητα. Ο τελικός βαθμός επιδεκτικότητας αποδόθηκε μέσω του δείκτη επιδεκτικότητας LSI (Landslide Susceptibility Index) αλλά και του LSI weight αποδίδοντας στη δεύτερη περίπτωση βάρη στους διάφορους παράγοντες που συμμετέχουν στο μοντέλο. Συγκρίνοντας τα επιμέρους μοντέλα κάνοντας διάφορους συνδυασμούς παραγόντων, και ελέγχοντας τα αποτελέσματα που προκύπτουν, επιλέχθηκαν τα πλέον κατάλληλα ώστε να περιγράψουν με επιτυχία στην περιοχή έρευνας την επιδεκτικότητα σε κατολισθήσεις. Αξιοποιώντας τη χρονική και χωρική διάσταση του αρχείου καταγραφής κατολισθήσεων έγινε προσπάθεια προσδιορισμού της επικινδυνότητας των κατολισθήσεων με έννοιες πιθανότητας. Στη κατεύθυνση αυτή προσδιορίστηκαν τα μεγέθη εκείνα που χρησιμοποιούνται στον προσδιορισμό της επικινδυνότητας και έχουν να κάνουν με α) την πιθανότητα μεγέθους των κατολισθήσεων, P AL, β) τη χρονική πιθανότητα των κατολισθήσεων, P N και γ) τη χωρική πιθανότητα, P S, των κατολισθήσεων. Η επικινδυνότητα τελικά της περιοχής προκύπτει για διάφορα σενάρια μεταβάλλοντας αυτά τα μεγέθη

5 δίνοντας έτσι μία σειρά χαρτών χωρική κατανομής της επικινδυνότητας ανάλογα με τις ανάγκες που υπάρχουν. Τέλος, μελετήθηκαν οι παράγοντες εναύσματος, δηλαδή η βροχόπτωση και η σεισμικότητα σε σχέση με την εκδήλωση των κατολισθήσεων στη περιοχή έρευνας. Όσον αφορά στις βροχοπτώσεις ο προσδιορισμός κατώτερων ορίων (thresholds) προσδιορίστηκε με συσχετισμό βροχομετρικών δεδομένων. Η επίδραση της σεισμικότητας μελετήθηκε με χρήση του μοντέλου Newmark και της κρίσιμης σεισμικής επιτάχυνσης προσδιορίζοντας τελικά περιοχές στις οποίες δυνητικά θα μπορούσαν να εκδηλωθούν κατολισθήσεις λόγω κάποιου σεισμικού γεγονότος.

6 Extended Abstract This thesis, investigates the landslide susceptibility and hazard assessment in a specific study area in Western Greece through a quantitative procedure, as well as to determine the relationship between landslide causative factors and landslide occurrence. A multi-temporal landslide inventory was prepared including 209 occurrences in study area for the period Applying statistical analysis techniques on this inventory some valuable results were extracted about the main characteristics of this phenomena such as the size, the type of movement ect. The predisponding factors chosen that influence landslides were: a) Slope, b) Lithology, c) Land Use, d) Elevation and e) Precipitation. Analysis of landslide inventories and the related predisponding factors, attempts to predict future patterns of instability from past distribution of landslide. Hence that, the landslide susceptibility assessment was carried out, based on bivariate statistical analysis. The prediction models were selected were: a) Frequency Ratio, FR, b) Landslide Relative Frequency, LRF, c) Statistical Index, SI, d) Landslide Ratio, LR and e) Weights of Evidende, WoE. In order to confirm the validity of the predicting results, the degree of success and prediction were appropriate be tested. The landslide susceptibility expressed by the Landslide Susceptibility Index, LSI, as an algebraic summary of susceptible factors. In the framework of this research, a simple procedure converts LSI to LSI weight was presented. According to this method, weight values adjust and establish between factors corresponds to landslide occurrences. Finally, comparing the individual susceptibility models in different factor combinations, the most convenient in research area was selected. Regarding the landslide hazard, the estimation was determined by taking advantage the temporal and spatial information from landslide inventory. It is well known that, landslide hazard assessment aims to determine the spatial and temporal probability of occurrence of landslides in a specific area and in a given period. In this way, all the appropriate measures were took account such as: a) probability of landslide size, P AL, b) temporal probability of landslide, P N and c) spatial probability of landslides P(S). In the end, the landslide hazard was obtained assuming different scenarios as a joint of landslide size, of landslide temporal

7 occurrence and of landslide spatial occurrence. This could be a useful tool, allows an approximation of the change of landslide hazard for different conditions. In addition, the most frequent landslide triggering factors, rainfall and earthquake, were investigated. Analysis of the influence and behavior of landslide triggering factors can be used to assess the frequency or magnitude of landslides as well as the landslide hazard. Rainfall induced landslides, were introduced by rainfall thresholds which were performed for certain units in study area. Temporal probability of rainfall induced landslides was also estimated in terms of exceedance probability. In the case of earthquakes, a time probabilistic approach was applied with the aim of evaluating the strength demand required for slope stability under seismic shaking, in terms of critical acceleration. In the end, high susceptibility zones to seismic failures in study area were defined.

8 Περιεχόμενα 1. ΕΙΣΑΓΩΓΗ Κατολισθήσεις και Επικινδυνότητα Βιβλιογραφική Ανασκόπηση στην Ελλάδα Στόχος - Σκοπός ΕΚΤΙΜΗΣΗ ΚΙΝΔΥΝΟΥ ΚΑΤΟΛΙΣΘΗΣΕΩΝ Βασικές Αρχές Εκτίμηση της Επιδεκτικότητας Κατολισθήσεων Εισαγωγή Οι κατολισθήσεις ως Στατιστικό Σύνολο Μέθοδοι εκτίμησης της Επιδεκτικότητας Ανάλυση μεθόδων Εκτίμηση της Επικινδυνότητας Κατολισθήσεων Εισαγωγή Μέθοδοι προσδιορισμού της επικινδυνότητας Παράγοντες Εκδήλωσης Κατολισθήσεων Προπαρασκευαστικοί παράγοντες και Παράγοντες εναύσματος Επιλογή Παραγόντων - Στατιστικός έλεγχος Έλεγχος αξιοπιστίας μοντέλου επιδεκτικότητας ΑΝΑΠΤΥΞΗ ΒΑΣΗΣ ΔΕΔΟΜΕΝΩΝ ΚΑΤΟΛΙΣΘΗΣΕΩΝ Αρχείο Κατολισθήσεων - Πηγές Πληροφόρησης Παλαιά αρχεία κατολισθήσεων Τηλεπισκόπιση Τοπικός Τύπος Τεχνικές Εκθέσεις Πολιτική Προστασία Ινστιτούτο Γεωλογικών και Μεταλλευτικών Μελετών (ΙΓΜΕ) Επί τόπου Παρατήρηση Αρχείο κατολισθήσεων επαλήθευσης Βάση Δεδομένων Κατολισθήσεων Περιγραφή της Βάσης Δεδομένων Στατιστική Ανάλυση βάσης δεδομένων κατολισθήσεων ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ [1]

9 4.1. Γενικά Χαρακτηριστικά Γεωλογία Τεκτονική Μετεωρολογικά Δεδομένα Διαθέσιμα Μετεωρολογικά Δεδομένα Χωρική κατανομή Βροχοπτώσεων Σεισμολογικά Δεδομένα ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΕΠΙΔΕΚΤΙΚΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΕΩΝ Μεθοδολογία Επιλογή Παραγόντων Εκτίμηση επιδεκτικότητας κατολισθήσεων Λόγος Συχνοτήτων (FR) & Σχετική Συχνότητα Κατολισθήσεων (LRF) Εφαρμογή μεθόδων Επαλήθευση μεθόδων FR & LRF Συμπεράσματα μεθόδων FR & LRF Λόγος Πιθανοφάνειας (LR) Εφαρμογή μεθόδου Επαλήθευση μεθόδου LR Συμπεράσματα μεθόδου LR Στατιστικός Δείκτης (SI) Εφαρμογή μεθόδου SI Επαλήθευση μεθόδου SI Συμπεράσματα μεθόδου SI Μέθοδος βαρύτητας των ενδείξεων (WoE) Εφαρμογή μεθόδου WoE Επαλήθευση μεθόδου WoE Συμπεράσματα μεθόδου WoE Σύγκριση Μοντέλων Επιδεκτικότητας Επιλογή Σύγκριση Επιλογή Απόδοση Βαρών Συμπεράσματα - Προτάσεις ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΕΩΝ Εισαγωγή [2]

10 6.2. Προσδιορισμός πιθανότητας μεγέθους, P AL Προσδιορισμός χρονικής πιθανότητας, P Ν Χρονική πιθανότητα χωρίς έναυσμα Χρονική πιθανότητα με έναυσμα Εισαγωγή Έναυσμα Βροχόπτωση Προσδιορισμός χρονικής πιθανότητας με έναυσμα βροχόπτωση στην περιοχή έρευνας Προσδιορισμός χωρικής πιθανότητας κατολισθήσεων, S Υπολογισμός επικινδυνότητας κατολισθήσεων Σχόλια - Συμπεράσματα Εκτίμηση επικινδυνότητας κατολισθήσεων λόγω σεισμού Εισαγωγή Προσδιορισμός σεισμολογικών παραμέτρων Υπολογισμός τοπικής κρίσιμης επιτάχυνσης ΣΥΜΠΕΡΑΣΜΑΤΑ - ΣΥΖΗΤΗΣΗ Προτάσεις για το μέλλον Πρόδρομες Δημοσιεύσεις ΒΙΒΛΙΟΓΡΑΦΙΑ ΠΑΡΑΡΤΗΜΑΤΑ ΠΑΡΑΡΤΗΜΑ 1: Αρχείο απογραφής κατολισθήσεων ΠΑΡΑΡΤΗΜΑ 2: Έλεγχοι ομοιογένειας βροχομετρικών δεδομένων [3]

11 [4]

12 1. ΕΙΣΑΓΩΓΗ 1.1. Κατολισθήσεις και Επικινδυνότητα Η επικινδυνότητα (hazard) έναντι φυσικών καταστροφών αποτελεί σημαντικό μέρος της διαχείρισης φυσικών κινδύνων καταστροφών. Στόχος είναι η πρόβλεψη της χωρικής και χρονικής πιθανότητας εκδήλωσης φυσικών καταστροφικών φαινομένων, η αξιολόγηση των κοινωνικών και οικονομικών επιπτώσεων και η μείωση των κινδύνων με την ανάπτυξη νέων σχεδίων υποδομής. Οι κατολισθήσεις είναι ένας από τους σημαντικότερους και πιο διαδεδομένους στον κόσμο φυσικούς κινδύνους (natural hazards). Η γνώση του κινδύνου κατολισθήσεων σε μία περιοχή και η απεικόνισή του σε χάρτες, είναι μία καθοριστικής σημασίας εργασία για τον σχεδιασμό τεχνικών έργων, την ανάπτυξη αστικού σχεδιασμού και τη βέλτιστη επιλογή χρήσεων γης. Η μελέτη των κατολισθήσεων αφορά το περιβάλλον και τις συνθήκες κάτω από τις οποίες εκδηλώνεται το φαινόμενο τόσο πριν όσο και μετά την εκδήλωσή του. Οι μεταβολές στο περιβάλλον ή τις συνθήκες που επικρατούν σε μία περιοχή μπορεί να ευθύνονται για τα φαινόμενα των κατολισθήσεων. Η επικινδυνότητα είναι μία πολυεπίπεδη διαδικασία στην ανάλυση των κατολισθήσεων. Η επικινδυνότητα εκφράζει την πιθανότητα που υπάρχει να εκδηλωθούν κατολισθήσεις σε κάποια περιοχή και η οποία επηρεάζεται από πολλές παραμέτρους που τη χαρακτηρίζουν. Η γνώση του κινδύνου δεν αποκτάται μόνο μετά την εκδήλωση του φαινομένου αλλά μπορεί να έχει χαρακτήρα πρόληψης σημαντικών επιπτώσεων στο ανθρωπογενές, φυσικό ή τεχνικό περιβάλλον. Η ανάπτυξη συστημάτων έγκαιρης προειδοποίησης (early warning systems) στηρίζεται στην ολοκληρωμένη γνώση που διατίθεται για τον φυσικό κίνδυνο, εδώ των κατολισθήσεων, και μπορεί άμεσα να αποτελέσει ένα εργαλείο στη διαχείριση των φυσικών κινδύνων Βιβλιογραφική Ανασκόπηση στην Ελλάδα Η εμφάνιση κατολισθητικών φαινομένων στην Ελλάδα είναι ένα αρκετά συνηθισμένο φαινόμενο που επηρεάζει σημαντικά την κοινωνία και οικονομία της χώρας. Οι περισσότερες και μεγαλύτερες κατολισθήσεις που έχουν εκδηλωθεί, αποτελούν κατά κύριο λόγο ζώνες παλαιότερης ενεργοποίησης που οφείλονται κυρίως σε γεωλογικές και κλιματικές διεργασίες οι οποίες έλαβαν χώρα στο παρελθόν και συνεχίζονται σε πολλές περιπτώσεις μέχρι σήμερα (Κούκης & Σαμπατακάκης, 2007). [5]

13 Τα φαινόμενα κατολισθήσεων είναι ευρέως γνωστά στην Ελλάδα με μερικές από τις πρώτες καταγραφές μεγάλων κατολισθήσεων να ξεκινάνε στις αρχές του 1900, όπως η κατολίσθηση της λίμνης Τσιβλού. Στο αρχείο του Ινστιτούτου Γεωλογικών και Μεταλλευτικών Ερευνών (Ι.Γ.Μ.Ε.), μερικές από τις παλαιότερες τεχνικές εκθέσεις που αφορούν κατολισθήσεις χρονολογούνται τη δεκαετία του 1930, ενώ σήμερα ο αριθμός τους έχει ξεπεράσει κατά πολύ τις Η συστηματική έρευνα των κατολισθητικών φαινομένων στην Ελλάδα ξεκίνησε στα μέσα της δεκαετίας του 1970, αφού ήδη είχαν σημειωθεί σημαντικές κατολισθήσεις, όπως στο Μικρό Χωριό Ευρυτανίας το 1963 που καταγράφηκαν 13 ανθρώπινα θύματα. Τις επόμενες δεκαετίες όλο και περισσότεροι επιστήμονες ασχολούνται και εξειδικεύονται στη μελέτη του φαινομένου κυρίως από τη σκοπιά των τεχνικογεωλογικών συνθηκών. Έτσι, αρχίζουν οι στατιστικές αναλύσεις των χαρακτηριστικών των κατολισθήσεων με την οργάνωσή τους σε βάσεις δεδομένων και την εξαγωγή συμπερασμάτων σχετικών με την κατανομή του φαινομένου στην Ελλάδα αλλά και τα ιδιαίτερα χαρακτηριστικά τους. α β Εικόνα 1.1: Χάρτης συχνότητας εμφάνισης κατολισθήσεων στον Ελληνικό χώρο a) για στοιχεία της περιόδου (Koukis et al 1996) και β) στοιχεία της περιόδου (Κούκης & Σαμπατακάκης, 2007) Τη δεκαετία του 1980 επιχειρείται για πρώτη φορά μία ποιοτική θεώρηση και ποσοτική έκφραση των φαινομένων στον Ελληνικό χώρο και γίνεται μία προσπάθεια καταγραφής των φαινομένων με την ανάπτυξη Βάσης Δεδομένων (Ζιούρκας 1986, Koukis and Ziourkas 1991, Hadzinakos et al 1991). Ακολούθησαν στατιστικές επεξεργασίες και αναλύσεις των κύριων παραγόντων που προκαλούν το φαινόμενο αλλά και των επιπτώσεων που δημιουργούν, με σκοπό την εκτίμηση του κινδύνου των κατολισθητικών φαινομένων για την Ελλάδα (Koukis [6]

14 et al 1994, 1996, 1997, 2005)(Εικόνα 1.1). Οι Sabatakakis et al 2013 χρησιμοποιώντας ένα αρχείο 1635 καλά μελετημένων κατολισθήσεων ανά την Ελλάδα καταλήγουν στον ενημερωμένο χάρτη κατανομής κατολισθήσεων (Εικόνα 1.2). Εικόνα 1.2: Νέος χάρτης κατανομής κατολισθήσεων για στοιχεία μέχρι το 2010 (Sabatakakis et al 2013) Τα αποτελέσματα των ερευνών αυτών εμφανίζουν τα κατολισθητικά φαινόμενα να είναι εντονότερα στην Κεντρική και Δυτική Ελλάδα και κυρίως κατά μήκος της Ζώνης της Πίνδου με τη μεγαλύτερη συχνότητα των κατολισθήσεων (61,4%) να παρατηρείται σε περιοχές με έντονο ανάγλυφο και ένα πολύ μικρό ποσοστό (5,44%) σε περιοχές με ήπιο ανάγλυφο. Την τελευταία δεκαετία ο αριθμός των εργασιών που αφορά την εκτίμηση της επικινδυνότητας των κατολισθήσεων σε διάφορες περιοχές της Ελλάδας αυξάνεται συστηματικά με την εφαρμογή διάφορων μοντέλων στατιστικής που χρησιμοποιούνται διεθνώς για το σκοπό αυτό. Στο σημείο αυτό θα πρέπει να σημειωθεί πώς υπάρχουν σαφείς διαφορές στο σύνολο των περιπτώσεων μεταξύ της επιδεκτικότητας (susceptibility) των κατολισθήσεων η οποία εκτιμάται και της επικινδυνότητας (hazard). Παρόλα αυτά συχνά οι όροι αυτοί συγχέονται στη βιβλιογραφία και όταν γίνεται αναφορά στην επικινδυνότητα στην πραγματικότητα εκτιμάται η επιδεκτικότητα. Αναλυτικά οι διαφορές τους αναλύονται σε επόμενες ενότητες. [7]

15 Η περιοχή της Πελοποννήσου είναι μία από τις καλύτερα μελετημένες περιοχές σε θέματα κατολισθήσεων και ως εκ τούτου ένας μεγάλος αριθμός εργασιών έχει πραγματοποιηθεί με σκοπό της εκτίμηση της επιδεκτικότητας (Rozos et al 2011, Chalkias et al 2014a, Chalkias et al 2014b, Chalkias et al 2014c, Polykretis et al 2015, Chalkias et al 2016). Το κοινό συμπέρασμα είναι ότι οι πλέον επιδεκτικοί σχηματισμοί ορίζονται αυτοί του Φλύσχη και των Νεογενών. Ένας σημαντικός αριθμός εργασιών που ασχολούνται με την εκτίμηση της επιδεκτικότητας των κατολισθήσεων διατίθεται και για άλλες περιοχές εφαρμόζοντας διάφορες τεχνικές στατιστικής ανάλυσης (Πίνακας 1.1). Παρόλα αυτά λίγες είναι οι εργασίες που ασχολούνται με την εκτίμηση της επικινδυνότητας και συγκεκριμένα προσδιορίζουν την πιθανότητα αστοχίας σε σενάρια σεισμικών γεγονότων (Papathanasiou 2012, Chousianitis et al 2016). Πίνακας 1.1 : Εκτίμηση επιδεκτικότητας κατολισθήσεων στην Ελλάδα 1.3. Στόχος - Σκοπός Περιοχή Εργασίες Ελλάδα Sakkas et al, 2016 Εύβοια Ilia & Tsagaratos, 2016 Ξάνθη Tsangaratos & Ilia, 2016 Ήπειρος Εύβοια Tsangaratos & Ilia, 2016 Tsangaratos et al, 2015 Κρήτη Kouli et al, 2014 Ξάνθη Tsangaratos&Benardos,2014 Ελλάδα Ferentinou & Chalkias, 2013 Ελλάδα Sabatakakis et al, 2013 Ξάνθη Gemitzi et al, 2011 Κρήτη Kouli et al, 2010 Εύβοια Ilia et al, 2010 Τρίκαλα Bathrellos et al, 2009 Στόχος της παρούσας διατριβής είναι η ανάπτυξη ενός μοντέλου επικινδυνότητας κατολισθήσεων σε περιοχή της Βόρειας Πελοποννήσου και συγκεκριμένα στην ευρύτερη παραλιακή ζώνη που εκτείνεται μεταξύ της κατολίσθησης της Παναγοπούλας και της κατολίσθησης του Πλατάνου, γνωστή για τη συχνή εκδήλωση φαινομένων κατολισθήσεων. Η επικινδυνότητα γίνεται προσπάθεια να προσδιοριστεί για διαφορετικά σενάρια συνθηκών που μπορεί να μεταβάλλονται και ορίζεται από τις έννοιες του τόπου, του χρόνου και του μεγέθους του φαινομένου. Βασικός στόχος αποτέλεσε επίσης η δημιουργία ενός σαφώς τεκμηριωμένου αρχείου κατολισθήσεων που θα αφορά στην περιοχή και στην οργάνωση μίας βάσης δεδομένων. Βάσει αυτών των καταγραφών υπάρχει η δυνατότητα εκτίμησης της επιδεκτικότητας με μία ποικιλία μεθόδων για την εξαγωγή επιτυχημένων αποτελεσμάτων. Έτσι, η δυνατότητα που υπήρξε στη σύγκριση διαφορετικών μοντέλων [8]

16 εκτίμησης της επιδεκτικότητας και την εξαγωγή συμπερασμάτων επί των μεθόδων αυτών, αποτέλεσε επίσης σημαντικό κίνητρο. Έχοντας ως βασική γνώση ότι οι κατολισθήσεις ενεργοποιούνται από μεταβολές των συνθηκών που επικρατούν σε μία περιοχή, έπρεπε να αξιολογηθούν οι θεωρητικά μόνιμες (σε βάθος κάποιου χρόνου) συνθήκες που επικρατούν ως προς τη σημασία τους στα φαινόμενα κατολισθήσεων (επιδεκτικότητα) και αναφέρονται ως προδιαθετικοί παράγοντες. Στη συνέχεια να ερευνηθούν οι εξωτερικοί παράγοντες εκείνοι που μπορούν να διαταράξουν αυτή τη μόνιμη ισορροπία (επικινδυνότητα), οι οποίοι αναφέρονται ως παράγοντες εναύσματος. Οι παράγοντες βροχόπτωση και σεισμική δόνηση είναι ίσως οι σημαντικότεροι στη μεταβολή της ισορροπίας. Η επίδρασή τους στα φαινόμενα των κατολισθήσεων συνδέεται με αυτά μέσω της έντασής τους και την εκδήλωση ή όχι κατολισθήσεων. Επειδή κατολισθήσεις μπορεί να συμβούν και χωρίς την σαφή επίδραση κάποιου συγκεκριμένου δυναμικού εξωτερικού παράγοντα γίνεται η παραδοχή πώς ο χρόνος αποτελεί από μόνος του ένα πιο γενικό εξωτερικό παράγοντα, κάτω από την επίδραση του οποίου μπορούν να εκδηλωθούν κατολισθήσεις, καθώς μέσα σε αυτόν δρουν οι παράγοντες που επηρεάζουν το φαινόμενο. Με το προσδιορισμό όλων των παραπάνω γίνεται δυνατή η βέλτιστη κατανόηση των συνθηκών που επικρατούν σε μία περιοχή η οποία φιλοξενεί κάποια από τα πιο σημαντικά μεγάλα τεχνικά έργα που συνδέουν τη Δυτική με την Ανατολική Ελλάδα και δεν είναι άλλα από την Ολυμπία Οδό και το νέο σιδηροδρομικό δίκτυο. Όσον αφορά τον κλάδο της Τεχνικής Γεωλογίας, η γνώση της ύπαρξης του κινδύνου των κατολισθήσεων και η όσο το δυνατό καλύτερη ποσοτική απόδοσή του είναι σημαντική για τη διασφάλιση της ασφάλειας του έργου, τόσο κατά την κατασκευή όσο και κατά τη λειτουργία του, αλλά και την αύξηση του χρόνου ζωής του έργου. Επίσης είναι σημαντικό να αναφερθεί η ύπαρξη ενός μεγάλου αριθμού ορεινών οικισμών οι οποίοι πολύ συχνά επηρεάζονται έντονα από την εκδήλωση φαινομένων κατολισθήσεων στη περιοχή. Συνοψίζοντας, τελικός σκοπός της παρούσας διατριβής είναι η διαδικασία εκτίμησης της επικινδυνότητας να αποτελέσει ένα σύγχρονο, εύχρηστο και αξιόπιστο εργαλείο ελέγχου των κατολισθήσεων, οριοθετώντας τις περιοχές που δύναται να δώσουν κατολισθήσεις, κάτω από ποιές συνθήκες, αλλά και πόσο καταστροφικές μπορεί να είναι, σαν ένα πρώιμο σύστημα έγκαιρης προειδοποίησης. Το εργαλείο αυτό προτείνεται για χρήση από τοπικούς φορείς ώστε να ενδυναμωθεί ο τομέας της πρόληψης φυσικών καταστροφών και συγκεκριμένα των κατολισθήσεων, αλλά και σε πιο διευρυμένο επίπεδο στην αναθεώρηση περιοχών που έχουν οριστεί παλαιότερα ως κατολισθαίνουσες περιοχές. Το γεγονός ότι περιγράφει με τρόπο πολυσχιδή τα φαινόμενα των κατολισθήσεων στη συγκεκριμένη [9]

17 περιοχή και με σκοπό τα αποφευχθούν υπερεκτιμήσεις της κατάστασης που επικρατεί, δίνει τη δυνατότητα αναλόγως την περίπτωση να χρησιμοποιούνται τα στοιχεία εκείνα που κρίνονται απαραίτητα κάθε φορά για την εφαρμογή του μοντέλου. Τέλος, σημειώνεται ότι το μοντέλο που προτείνεται χρησιμοποιεί τις ελάχιστες απαιτήσεις δεδομένων που απαιτούνται σε αυτές τις αναλύσεις. Η επιλογή έγινε με τέτοιο τρόπο ώστε να είναι εύκολη η ανάκτησή τους για τις περισσότερες περιοχές της Ελλάδας έτσι που να μην έχει μόνο τοπική εφαρμογή, ενώ σε κάθε περίπτωση μπορούν να γίνουν βελτιώσεις και τροποποιήσεις σύμφωνα με τις ανάγκες της έρευνας στις συγκεκριμένες περιοχές. Το διάγραμμα της Εικόνας 1.3 περιλαμβάνει την πορεία των εργασιών που εφαρμόζει η παρούσα διατριβή στην κατεύθυνση εκτίμησης της επικινδυνότητας κατολισθήσεων. Εικόνα 1.3: Σχηματισκή αναπαράσταση της διαδικασίας προσδιορισμού της επικινδυνότητας κατολισθήσεων. Α: Συγκέντρωση και προετοιμασία δεδομένων, Β: Εκτίμηση της επιδεκτικότητας, Γ: Ανάλυση παραγόντων εναύσματος και Δ: Εκτίμηση της επικινδυνότητας [10]

18 2. ΕΚΤΙΜΗΣΗ ΚΙΝΔΥΝΟΥ ΚΑΤΟΛΙΣΘΗΣΕΩΝ 2.1. Βασικές Αρχές Η επικινδυνότητα έναντι φυσικών καταστροφών αποτελεί σημαντικό μέρος της διαχείρισης φυσικών κινδύνων καταστροφών. Στόχος είναι η πρόβλεψη της χωρικής και χρονικής πιθανότητας εκδήλωσης φυσικών καταστροφικών φαινομένων, η αξιολόγηση των κοινωνικών και οικονομικών επιπτώσεων και η μείωση των κινδύνων με την ανάπτυξη νέων σχεδίων υποδομών και επιμόρφωσης. Η γενικότερη εκτίμηση της επικινδυνότητας συνδέεται με τις έννοιες που δίνονται στη συνέχεια, οι ορισμοί των οποίων είναι αποδεκτοί από τη διεθνή επιστημονική κοινότητα και οι οποίοι έχουν προταθεί από τη IUGS 1997 και τροποποιηθεί κατά τους Fell et al 2008, ενώ είναι αποδεκτοί από την International Society for Soil Mechanics and Geotechnical Engineering (ISSMGE) Technical Committee 32 (ISSMGE TC32, 2004): Επιδεκτικότητα (Susceptibility, S): Αναφέρεται στη δυνατότητα να εκδηλωθεί μία κατολίσθηση σε μία περιοχή, βάση των τοπικών συνθηκών (γεωλογία, γεωμορφολογία, φυσικές διεργασίες κτλ) που επικρατούν (Brabb, 1984). Η επιδεκτικότητα δεν αναφέρεται στη χρονική πιθανότητα εμφάνισης του φαινομένου δηλαδή πότε και πώς θα συμβεί ούτε και στο μέγεθος της αναμενόμενης κατολίσθησης (πόσο καταστροφική θα είναι). Αποτελεί μία ποσοτική ή ποιοτική εκτίμηση της χωρικής κατανομής των κατολισθήσεων που έχουν εκδηλωθεί ή δυνητικά μπορεί να προκληθούν σε μία περιοχή. Η βασική θεώρηση της επιδεκτικότητας προς κατολίσθηση περιλαμβάνει τη χωρική κατανομή των παραγόντων εκδήλωσης του φαινομένου, με σκοπό την εκτίμηση ζωνών επιρρεπών προς κατολίσθηση χωρίς καμία χρονική αναφορά (Radbruch 1970). Η επιδεκτικότητα μπορεί επίσης να συμπεριλάβει μία περιγραφή της ταχύτητας και της έντασης των υπαρχόντων ή των δυνητικών κατολισθήσεων (SafeLand 2010). Βασική προϋπόθεση για την εκτίμηση της επιδεκτικότητας σε μία περιοχή είναι η καταγραφή και δημιουργία αρχείου των υφιστάμενων κατολισθήσεων (landslide inventory). Επικινδυνότητα κατολισθήσεων (Landslide Hazard, H): περιγράφεται σαν η πιθανότητα εκδήλωσης μίας κατολίσθησης μέσα σε μία συγκεκριμένη χρονική περίοδο και βασικά είναι συνάρτηση της χωρικής και της χρονικής κατανομής του φαινομένου (Varnes 1984). Η χωρική κατανομή (επιδεκτικότητα) έχει σχέση με τους «στατικούς» παράγοντες εκδήλωσης (κλίση πρανούς, αντοχή εδάφους κτλ) ενώ η χρονική με τους «δυναμικούς» παράγοντες εκδήλωσης (βροχόπτωση, σεισμός κα) (van Westen et al 2006). Η περιγραφή της επικινδυνότητας κατολίσθησης περιλαμβάνει την περιοχή, τον όγκο (ή την έκταση), τον [11]

19 τύπο και την ταχύτητα της πιθανής κατολίσθησης καθώς και την πιθανότητα εμφάνισης εντός μιας δεδομένης χρονικής περιόδου (IUGS 1997 & ISSMGE Technical Committee 32). Στοιχεία σε διακινδύνευση (Elements of Risk, E): είναι ο πληθυσμός, οι περιουσίες, οι οικονομικές επιπτώσεις που μπορούν να επηρεαστούν από την εκδήλωση ενός επικίνδυνου φαινομένου (Varnes 1984, Κούκης & Σαμπατακάκης 2007, Corominas et al 2014). Τρωτότητα (Vulnerability, V): Ο βαθμός απώλειας ενός δεδομένου στοιχείου ή ενός συνόλου στοιχείων σε κίνδυνο, που προκύπτει από την εμφάνιση ενός φυσικού φαινομένου. Εκφράζεται συγκριτικά σε μία κλίμακα από 0 (καμία βλάβη) μέχρι 1 (συνολική απώλεια) (Varnes 1984, Κούκης & Σαμπατακάκης 2007). Διακινδύνευση (Risk, Rs): εκφράζει τις φυσικές απώλειες (πληθυσμού, κατασκευών, κλπ) λόγω του φαινομένου. Αντιπροσωπεύει την πιθανότητα να συμβούν απώλειες λόγω της συγκεκριμένης επικινδυνότητας. Η διακινδύνευση μπορεί να είναι (α) συνολική (total risk) που είναι ο αναμενόμενος αριθμός των θυμάτων, των τραυματισμών, των βλαβών-ζημιών σε περιουσίες ή ακόμα των επιπτώσεων στις οικονομικές δραστηριότητες, που οφείλονται σε ένα φυσικό καταστροφικό φαινόμενο (πχ κατολίσθηση) (Varnes 1984) ή (β) ειδική (specific risk) που είναι ο αναμενόμενος βαθμός μιας μόνο φυσικής απώλειας (πχ πληθυσμού) λόγω της κατολίσθησης. Οι έννοιες αυτές είτε συνδέονται μεταξύ τους όπως για παράδειγμα η επικινδυνότητα με την επιδεκτικότητα, είτε συνδυάζονται μεταξύ τους για να προκύψει μία άλλη όπως η επικινδυνότητα με την τρωτότητα και τα στοιχεία κινδύνου για να εκτιμηθεί η διακινδύνευση. Απώτερος σκοπός είναι η διαχείριση του κινδύνου των κατολισθήσεων (landslide risk management) διαθέτοντας αρχικά όλες εκείνες τις απαραίτητες πληροφορίες που προσδιορίζουν τις κατολισθήσεις σαν επικίνδυνο φυσικό φαινόμενο, με ενδιάμεσο βήμα την εκτίμηση της διακινδύνευσης (risk assessment). Με μία γενικευμένη μαθηματική έκφραση τα παραπάνω μπορούν να εκφραστούν ως (Varnes 1984, Corominas et al 2014): Διακινδύνευση (Rs) = Επικινδυνότητα (Hazard) x Στοιχεία σε διακινδύνευση (Elements at risk) X Τρωτότητα (Vulnerability) ή γενικά Rs = H E V δηλαδή, Rs: ο βαθμός δυσμενών επιπτώσεων εξαιτίας κάποιου επικίνδυνου γεγονότος, Η: η επικινδυνότητα, V: η τρωτότητα και Ε: τα στοιχεία σε κίνδυνο. Η χωρική έκφραση του κινδύνου των κατολισθήσεων περιγράφεται μέσω χαρτών οι οποίοι ζωνοποιούν την επιδεκτικότητα, την επικινδυνότητα ή την διακινδύνευση. Ανάλογα με τον [12]

20 σκοπό που θα εξυπηρετήσει η ζωνοποίηση, επιλέγεται και η αντίστοιχη διαδικασία σχεδιασμού χαρτών. Γενικά, η ζωνοποίηση της επιδεκτικότητας και της επικινδυνότητας αποτελούν τα αρχικά στάδια εκτίμησης του κινδύνου ενώ ο συνδυασμός επικινδυνότητας και διακινδύνευσης αναφέρονται σε στάδια μεγαλύτερων απαιτήσεων. Συνήθως εξετάζεται ο βαθμός διακινδύνευσης (risk) σε περιπτώσεις εξέλιξης αστικού σχεδιασμού που μπορούν να αναγνωριστούν στοιχεία σε κίνδυνο ή τον σχεδιασμό και ανάπτυξη μεγάλων τεχνικών έργων όπου στοιχεία σε κίνδυνο θα μπορούσαν να θεωρηθούν οι χρήστες τους (πχ οδηγοί αυτοκινήτων, επιβάτες τρένου κτλ) (Fell et al 2008). Στην περίπτωση της παρούσας διατριβής εξετάζεται η εκτίμηση κινδύνου με τον προσδιορισμό της επιδεκτικότητας και της επικινδυνότητας κατολισθήσεων σε περιοχή που καταλαμβάνει έκταση 552km 2 και μελετάται επαρκώς βάση βιβλιογραφίας (Fell et al 2008, Corominas et al 2014) σε μεγάλης κλίμακας αναλύσεις. Λόγω του ότι η κλίμακα των δεδομένων που χρησιμοποιούνται αντιστοιχίζεται στην κατηγορία της μεσαίας κλίμακας, για αποφυγή σφαλμάτων η ανάλυση της επικινδυνότητας γίνεται με στοιχεία και των δύο κατηγοριών κλίμακας. Σύμφωνα με τις διεθνείς οδηγίες (Πίνακας 2.1) και στις δύο αυτές κατηγορίες, βασική είναι η δημιουργία αρχείου κατολισθήσεων, η εκτίμηση της επιδεκτικότητας, μέσου έως προχωρημένου επιπέδου ζωνωποίηση της επικινδυνότητας, ενώ προβλέπεται και προκαταρτική εκτίμηση της διακινδύνευσης σε επιλεγμένες κατά τόπους περιοχές, σε κλίμακες μεγάλης ανάλυσης. Στην προκειμένη περίπτωση γίνεται η καταγραφή των κατολισθήσεων, αναλυτική εκτίμηση της επιδεκτικότητας και της επικινδυνότητας, ενώ δεν πραγματοποιείται έρευνα σχετική με τη διακινδύνευση. Έχουν προταθεί πολλές διαδικασίες για τον προσδιορισμό του βαθμού επιδεκτικότητας, επικινδυνότητας ή διακινδύνευσης των κατολισθήσεων. Η προσέγγιση εκτίμησής τους μπορεί να έχει χαρακτήρα ποιοτικό (qualitative) (van Westen and Bonilla 1990) ή ποσοτικό (quantitative) (Soeters and van Westen 1996, Aleotti and Chowdhury 1999, Fell et al 2008). Στην πρώτη περίπτωση, γίνεται διαφοροποίηση της πιθανότητας εκδήλωσης κατολισθήσεων σε έναν χάρτη, χωρίς ακριβή προσδιορισμό, αλλά με περιγραφικούς όρους, η οποία μπορεί να γίνει με απλές χαρτογραφικές μεθόδους και στηρίζεται στην εμπειρία του μελετητή στον προσδιορισμό του κινδύνου, εμπεριέχοντας σε μεγάλο βαθμό τον υποκειμενικό παράγοντα του ερευνητή. Στη δεύτερη περίπτωση, επιτυγχάνονται αριθμητικές εκτιμήσεις με απόλυτο προσδιορισμό των μεγεθών που εξετάζονται, όπως πχ η ακριβής πιθανότητα ύπαρξης κατολισθήσεων σε μία συγκεκριμένη ζώνη επικινδυνότητας. [13]

21 Πίνακας 2.1:Κλίμακες χαρτογράφησης επικινδυνότητας κατολισθήσεων (Fell et al 2008) Ζωνωποίηση επιδεκτικότητας και Ζωνωποίηση διακινδύνευσης Περιγραφή κλίμακας Εύρος κλίμακας Μικρή < 1: Μεσαία Μεγάλη 1: με 1: : με 1:5.000 Λεπτομερής > 1:5.000 Εφαρμογές ζωνοποίησης Απογραφή κατολισθήσεων και επιδεκτικότητα για πληροφόριση των πολιτικών αρχών και το ευρύ κοινό. Απογραφή κατολισθήσεων και ζωνοποίηση της επιδεκτικότητας για περιφερειακή ανάπτυξη ή μεγάλα τεχνικά έργα. Προκαταρτική χαρτογράφηση της επικινδυνότητας για κατά τόπους περιοχές. Καταγραφή κατολισθήσεων, ζωνοποίηση της επιδεκτικότητας και της επικινδυνότητας για κατά τόπους περιοχές. Μέσου έως επιπέδου προχωρημένου επιπέδου ζωνοποίηση της επικινδυνότητας για περιφερειακή ανάπτυξη. Προκαταρκτική έως μέσου επιπέδου ζωνοποίηση της διακινδύνευσης κατά τόπους και προχωρημένου επιπέδου για τον σχεδιασμό μεγάλων τεχνικών έργων. Μέσου έως προχωριμένου επιπέδου ζωνοποίησητης επικινδυνότητας και της διακινδύνευσης κατά τόπους ή συγκεκριμένες θέσεις σχεδιασμού σπουδαίων τεχνικών έργων, δρόμων, σιδηροδρόμων. Τυπική έκταση ζωνοποίησης > km km km 2 Μερικές δεκάδες m 2 με κάποιες δεκάδες km 2 Κατά τους Aleotti and Chowdhury (1999), η εκτίμηση της επικινδυνότητας μπορεί να γίνει με μεθόδους που κατατάσσονται είτε στην ποιοτική είτε στην ποσοτική προσέγγιση δίνοντας επιλογές στον ερευνητή που θέλει να διερευνήσει την επικινδυνότητα μιας περιοχής (Εικόνα 2.1). Οι van Westen et al (2006), ταξινομούν τις μεθόδους εκτίμησης της διακινδύνευσης (risk) σε τέσσερις κατηγορίες στις οποίες γίνεται σαφής ο ποιοτικός ή ποσοτικός χαρακτήρας του αποτελέσματος: Πιθανολογική προσέγγιση που βασίζεται σε αρχεία κατολισθήσεων (probabilistic approach) Ευρετική προσέγγιση (Heuristic approach), άμεσα μέσω γεωμορφολογικής χαρτογράφησης ή έμμεσα από συνδυασμό ποιοτικών χαρτών Στατιστική προσέγγιση (Statistical approach), διμεταβλητή ή πολύμεταβλητή (bivariate or multivariate) στατιστική ανάλυση Ντετερμινιστική προσέγγιση (Deterministic approach) [14]

22 Οι ποιοτικές μέθοδοι χρησιμοποιούνται συχνά στη ζωνοποίηση της επιδεκτικότητας και κάποιες φορές στη ζωνοποίηση της επικινδυνότητας, όπου όμως είναι δυνατό, προτιμάται να χρησιμοποιούνται ποσοτικές μέθοδοι. Αντίθετα ο προσδιορισμός της διακινδύνευσης θα πρέπει να ακολουθεί ποσοτικές μεθοδολογίες εκτίμησης (Fell et al 2008). Γεωμορφολογική ανάλυση Ποιοτικές μέθοδοι Συνδυασμός ή υπέρθεση χαρτών δεικτών - Συντελεστές βαρύτητας Χρήση δεικτών ή παραμετρικών χαρτών Λογικά αναλυτικά μοντέλα (Ημιποσοτική μέθοδος) Διμεταβλητή ανάλυση Στατιστική ανάλυση Πολυμεταβλητή ανάλυση Ποσοτικές μέθοδος Γεωτεχνικές προσεγγίσεις Ανάλυση νευρωνικών δικτύων Ντετερμινιστική ανάλυση (υπολογισμός συντελεστή ασφάλειας) Πιθανολογικές προσεγγίσεις Εικόνα 2.1: Μέθοδοι εκτίμησης επικινδυνότητας κατολισθήσεων (Aleotti & Chowdhury, 1999) Στόχος της παρούσας διατριβής είναι ο προσδιορισμός και εκτίμηση της επιδεκτικότητας μίας συγκεκριμένης περιοχής που το φαινόμενο των κατολισθήσεων είναι πολύ συχνό, αλλά και η εκτίμηση της επικινδυνότητας αυτής της περιοχής σε κατολισθήσεις για σενάρια γεγονότων έντονων βροχοπτώσεων, αλλά και σεισμικών επιταχύνσεων. Δεδομένου ότι γίνεται αναφορά σε μία χωρική έκταση, η επιδεκτικότητα και η επικινδυνότητα θα πρέπει να εκφραστούν και να βαθμονομηθούν χωρικά μέσω της διαδικασίας της ζωνοποίησης. Η ζωνοποίηση της επικινδυνότητας των κατολισθήσεων (hazard zonation) προσδιορίζεται κατά τον van Westen et al (2003) από την χαρτογράφηση περιοχών με πιθανότητα εκδήλωσης κατολισθήσεων για μία δεδομένη χρονική περίοδο (Varnes 1984) και σύμφωνα με αυτό η διαδικασία αυτή εμπεριέχει τις έννοιες: [15]

23 της εκτίμησης της επιδεκτικότητας μιας περιοχής σε κατολισθήσεις, δηλαδή κατά πόσο δύναται να γίνει μια κατολίσθηση βάση των ιδιαίτερων χαρακτηριστικών μίας περιοχής (μορφολογικό ανάγλυφο, κλίση, γεωλογικοί σχηματισμοί κα) του προσδιορισμού της πιθανότητας να προκληθεί μία κατολίσθηση λόγω ενός συγκεκριμένου εξωτερικού παράγοντα, όπως ένας σεισμός ή ένα έντονο γεγονός βροχόπτωσης. Η συσχέτιση γίνεται μεταξύ της έντασης και της περιόδου επαναφοράς του. Στη συνέχεια περιγράφονται οι τρόποι ποσοτικής εκτίμησης της επιδεκτικότητας και της επικινδυνότητας όπως προτείνονται στη διεθνή βιβλιογραφία στην οποία στηρίζεται και η μεθοδολογία που εφαρμόζεται στη παρούσα διατριβή Εκτίμηση της Επιδεκτικότητας Κατολισθήσεων Εισαγωγή Όπως αναφέρθηκε ήδη, η επιδεκτικότητα μιας περιοχής περιγράφει την ικανότητα αυτής της δεδομένης περιοχής να εκδηλώσει κατολισθήσεις βάσει των διάφορων συνθηκών που επικρατούν σε αυτή και συμβάλλουν στην εκδήλωση κατολισθήσεων (πχ γεωλογικοί σχηματισμοί, συνθήκες υδάτων, μορφολογία, κλίση πρανούς κα). Οι παράγοντες - συνθήκες που επικρατούν, ονομάζονται συνήθως προδιαθετικοί παράγοντες και θεωρούνται σταθεροί, δηλαδή συμμετέχουν παθητικά στη διαδικασία και δεν έχουν δυναμικό χαρακτήρα, όπως για παράδειγμα η παρεμβολή ενός σεισμικού γεγονότος που θα επηρέαζε την περιοχή. Παρόλα αυτά, στο πέρασμα του χρόνου και ειδικά αν μελετάται μια περιοχή για μεγάλο χρονικό διάστημα, οι παράγοντες - συνθήκες αυτοί είναι προφανές ότι μπορεί να μεταβληθούν (Atkinson and Massari 1998). Για παράδειγμα μπορεί να παρατηρηθεί αλλαγή κλίσης πρανών λόγω ανθρωπογενούς παρέμβασης ή αλλαγή της χρήσης γης μιας περιοχής, λόγω αποψίλωσης ή συστηματικής καλλιέργειας. Στην κατεύθυνση αυτή, δεν αλλάζει ο χαρακτήρας τους από παθητικός σε ενεργητικός, αλλά απαιτείται ο εκ νέου προσδιορισμός της επιδεκτικότητας με τις νέες συνθήκες. Όλες οι μεθοδολογίες που έχουν προταθεί, ποιοτικές ή ποσοτικές, για την χαρτογράφηση της επιδεκτικότητας στηρίζονται α) ότι το παρελθόν αποτελεί κλειδί για το μέλλον, άρα περιοχές που έχουν κατολισθήσεις στο παρελθόν μπορούν δυνητικά να εμφανίσουν κατολισθήσεις και στο μέλλον και β) ότι περιοχές με παρόμοιες συνθήκες τοπογραφίας, γεωλογίας και γεωμορφολογίας που έχουν κατολισθήσει στο παρελθόν δυνητικά πάλι μπορούν να κατολισθήσουν και στο μέλλον (Guzzetti et al 1999, Guzzetti et al 2006, van Westen et al 2006, Fell et al 2008). [16]

24 Με σκοπό την οπτικοποίηση της επιδεκτικότητας και την απόδοση χαρτών επιδεκτικότητας κατολισθήσεων, γίνεται ευρέως χρήση Γεωγραφικών Συστημάτων Πληροφοριών (Geographic Information Systems - GIS) με πολύ καλά αποτελέσματα στη χωρική κατανομή της επιδεκτικότητας (van Westen and Bonilla 1990, Carrara et al 1999, van Westen et al 2006, Chacon et al 2006). Όλες οι μεθοδολογίες που έχουν αναπτυχθεί για τον προσδιορισμό της επιδεκτικότητας έχουν να κάνουν λίγο ή πολύ με την σχέση που αναπτύσσεται μεταξύ των παραγόντωνπαραμέτρων που προσδιορίζουν τις κατολισθήσεις. Οι παράμετροι αυτοί είναι στατικοί και προσδίδουν έναν χαρακτηρισμό στην κάθε περιοχή, όπως πχ οι γεωλογικοί σχηματισμοί, η παρουσία ή όχι βλάστησης, η μορφολογική κλίση, το υψόμετρο κτλ. Στην εκτίμηση της επιδεκτικότητας σκοπός είναι να προσδιοριστεί σε τι βαθμό ο κάθε ένας παράγοντας συμβάλλει επί του συνόλου των παραγόντων στον τελικό χαρακτηρισμό μίας περιοχής. Οι παράμετροι αυτοί δεν είναι προκαθορισμένοι και μπορεί κάθε φορά να μεταβάλλονται βάση της κρίσης του ερευνητή ή της διαθεσιμότητας των απαραίτητων πληροφοριών που ο ίδιος διαθέτει. Η επιλογή των κατάλληλων παραγόντων γίνεται με χρήση τεχνικών R, όπως αυτές αναλύονται στην Ενότητα Ο τρόπος που «κρίνεται» και βαθμονομείται ο κάθε παράγοντας για τη συμβολή του στην εκτίμηση της επιδεκτικότητας εμπίπτει σε μία από τις αδρές προσεγγίσεις που αναφέρθηκαν πιο πάνω κατά τον van Westen et al 2006: πιθανολογική, ευρετική, στατιστική ή ντετερμινιστική. Αξίζει να αναφερθεί στο σημείο αυτό, το γεγονός ότι πέρα από τη σχέση που υπάρχει μεταξύ του κάθε επιλεγμένου παράγοντα στο σύνολο των παραγόντων για τον τελικό προσδιορισμό της επιδεκτικότητας, σχέσεις αναπτύσσονται ή όχι και μεταξύ των ίδιων των παραγόντων-παραμέτρων. Χαρακτηριστικό παράδειγμα αποτελεί η σχέση που υπάρχει μεταξύ υψομέτρου και ύψους βροχόπτωσης, ή λιθολογίας και κάλυψη γης. Είναι σχέσεις που υπάρχουν «κρυμμένες» μέσα στην κάθε ανάλυση της επιδεκτικότητας και μπορούν να διαπιστωθούν μετά από επιμέρους στατιστικές αναλύσεις με χρήση των τεχνικών R δίνοντας έμμεσα ενδείξεις για τη συγγένειά τους Οι κατολισθήσεις ως Στατιστικό Σύνολο Ως φυσικό φαινόμενο, οι κατολισθήσεις κατανέμονται στον χώρο και ορίζονται σε αυτόν. Κάθε γεγονός κατολίσθησης συνοδεύεται από έναν πίνακα μεταβλητών-παραγόντων που είναι ανεξάρτητοι μεταξύ τους και συνδέονται με αυτό. Επίσης ανεξάρτητες είναι μεταξύ τους και οι κατολισθήσεις στον χώρο σαν περιπτώσεις αλλά μπορεί να εξαρτώνται παραπάνω από μία από τον ίδιους παράγοντες. Άρα έμμεσα δημιουργείται κάποια [17]

25 εξαρτημένη σχέση μεταξύ των μεταβλητών - παραγόντων που περιγράφουν μία κατολίσθηση, ενώ παρατηρούνται κρίσιμοι συνδυασμοί παραγόντων που ευνοούν ή προκαλούν την εμφάνιση μιας κατολίσθησης. Οι σχέσεις που αναπτύσσονται ή όχι μεταξύ των ίδιων των παραγόντων ή που αναπτύσσονται μεταξύ των ίδιων κατολισθήσεων και των παραγόντων που τις επηρεάζουν, αποτελούν πρωταρχικό βήμα στην στατιστική ανάλυση των κατολισθήσεων. Γενικά, η μελέτη στοιχείων που κατανέμονται στον χώρο και από τα οποία θα βγουν συμπεράσματα που θα χαρακτηρίζουν τον χώρο (περιοχές) προϋποθέτει μια καλή κατανομή του δείγματος στον χώρο αυτό. Η διασπορά των στοιχείων πρέπει να είναι μεγάλη ώστε να καλύπτεται ολόκληρη η περιοχή που έχει οριοθετηθεί με τιμές που θα αναλυθούν στατιστικά. Αναλόγως την έκταση, θα πρέπει να επιτευχθεί αντίστοιχα ένας ικανός αριθμός καταγραφών σε αυτόν με όσο το δυνατό καλύτερη διασπορά. Στην περίπτωση των κατολισθήσεων το στάδιο της καλής διασποράς δεν επιτυγχάνεται πάντα καθώς δεν ορίζεται εκ φύσεως που θα εντοπιστούν κατολισθήσεις. Αυτός είναι και ο λόγος που γίνεται προσπάθεια να εκτιμηθεί κάτω από ποιες συνθήκες και με τι πιθανότητα μπορούν να εκδηλωθούν τέτοια φαινόμενα. Το κενό αυτό θα πρέπει να καλυφθεί από έναν όσο το δυνατό μεγαλύτερο αριθμό καταγραφών σε μία περιοχή. Οι έννοιες της Επιδεκτικότητας (Susceptibility) και της Επικινδυνότητας (Hazard) εμπεριέχουν την δυνατότητα και την πιθανότητα αντιστοίχως εκδήλωσης ενός φαινομένου στον χώρο (δεδομένο), συσχετίζοντας τους παράγοντες που συνδέονται με αυτό και δίνοντας αντίστοιχα τιμές για αυτές σε κάθε σημείο-περιοχή. Τα διάφορα στατιστικά μοντέλα που χρησιμοποιούνται για την εξαγωγή τέτοιων αποτελεσμάτων χαρακτηρισμού μίας περιοχής, αντλούν πληροφορίες από το σύνολο των καταγραφών που διατίθενται και έχουν παραμέτρους, με σκοπό να γίνει η εκτίμηση για τα σημεία όπου δεν υπάρχουν καταγραφές. Όπως προκύπτει από τα παραπάνω, το συγκεκριμένο φαινόμενο διέπεται από σχέσεις εξάρτησης ή όχι μεταξύ των Συνόλων (άθροισμα καταγραφών, άθροισμα παραγόντων, χώρος) και Υποσυνόλων (μερικό άθροισμα μεταβλητών ανά κατολίσθηση). Ο χώρος ορίζεται συγκεκριμένα σαν σύνολο, ενώ αποτελείται επίσης από επιμέρους υποσύνολα με δικά τους νέα όρια τα οποία αυτόματα δημιουργούν νέα Υποσύνολα κατολισθήσεων και ακολούθως παραγόντων που διέπονται από διάφορες σχέσεις εξάρτησης και μη. [18]

26 Καθώς θεωρούνται δεδομένοι οι παράγοντες που θα αναλυθούν μένει να προσδιοριστεί η επίδραση του κάθε ενός ως προς την ύπαρξη των κατολισθήσεων. Η επίδραση αυτή συνδέεται ή όχι με: σχέσεις που αναπτύσσονται μεταξύ των παραγόντων (πχ υψόμετρο-βροχόπτωση) σχέσεις μεταξύ των τιμών ή κλάσεων των παραγόντων (πχ η τιμή της οριακής κλίσης πρανούς για την εκδήλωση κατολίσθησης) σχέσεις μεταξύ της θέσης δειγματοληψίας και του παράγοντα (πχ μεγαλύτερα ύψη βροχόπτωσης στα δυτικά απ ότι στα ανατολικά) Βάσει των παραπάνω τα επιμέρους σύνολα μπορούν να αναλυθούν και να αναγνωριστούν οι σχέσεις που τα διέπουν με τη βοήθεια αναλύσεων στατιστικής όπως φαίνεται στην Εικόνα 2.2 και οι οποίες αναλύονται και εφαρμόζονται σε επόμενες ενότητες. Ανάλυση σχέσεων μεταξύ παραγόντων Έλεγχος ανεξαρτησίας Έλεγχος συσχέτισης Παραγοντική ανάλυση (PCA &Factor analysis) Ανάλυση σχέσεων μεταξύ μεταβλητών (κλάσεις)των παραγόντων Επίδραση του κάθε παράγοντα στην εκδήλωση κατολισθήσεων Διμεταβλητή ανάλυση Πολυματαβλητή ανάλυση Εκτίμηση επιδεκτικότητας Εικόνα 2.2: Σχηματική ανάλυση της διαδικασίας ανάλυσης κατολισθήσεων μέχρι το στάδιο εκτίμησης της επιδεκτικότητας Μέθοδοι εκτίμησης της Επιδεκτικότητας Με βάση τα παραπάνω, η εκτίμηση της επιδεκτικότητας μπορεί να γίνει με τρόπο ποιοτικό ή ποσοτικό μέσω αξιολόγησης των συνθηκών εμφάνισης των κατολισθήσεων ή προσεγγίσεων στατιστικής ανάλυσης των πραγματικών μεγεθών που σχετίζονται με αυτές και το περιβάλλον που τις εμφανίζουν. Στις ποιοτικές εκτιμήσεις η κριτική ικανότητα του ερευνητή έχει μεγάλη σημασία, ενώ μπορεί εύκολα να γίνει υποεκτίμηση ή υπερεκτίμηση κάποιας κατάστασης. Αντίθετα, η χρήση στατιστικών εργαλείων επιτρέπει τη σύγκριση των [19]

27 επιμέρους παραγόντων που συμβάλλουν στην εκτίμηση της επιδεκτικότητας, αλλά και σύγκριση μεταξύ των αποτελεσμάτων που προκύπτουν καθώς και έλεγχο αυτών ώστε να επιλεγεί τελικά το πλέον κατάλληλο μοντέλο για την περιγραφή της διαδικασίας. Στόχος κάθε φορά είναι το μοντέλο - διαδικασία εκτίμησης του κάθε μεγέθους να ανταποκρίνεται στην πραγματικότητα, δίνοντας φυσική ερμηνεία στο αποτέλεσμα, περιγράφοντας με τρόπο διακριτό και συγκεκριμένο τους παράγοντες που καθορίζουν το αποτέλεσμα. Τις τελευταίες δύο δεκαετίες η χρήση μοντέλων ποσοτικής εκτίμησης της επιδεκτικότητας είναι σχεδόν καθολική στη διεθνή βιβλιογραφία (Regmi et al 2010, Regmi et al 2014) και διαπιστώνεται μία διαρκής εξέλιξη των βασικών μεθοδολογιών που στηρίζονται σε βασικές αρχές στατιστικής και λογικής ανάλυσης. Επίσης έδαφος κερδίζουν οι αυτοματοποιημένες ή ήμι-αυτοματοποιημένες διαδικασίες σε περιβάλλον GIS συνδυάζοντας χωρική ανάλυση (Jimenez-Peralvarez et al 2009). Οι στατιστικές μέθοδοι μπορούν να ταξινομηθούν σε δύο επιμέρους κατηγορίες, τη διμεταβλητή (bivariate) ανάλυση και την πολυμεταβλητή (multivariate) ανάλυση. Η πολυμεταβλητή ανάλυση θεωρεί ότι όλοι οι παράγοντες λειτουργούν μαζί και η αλληλεπίδρασή τους επικρατεί στο να ερμηνεύσει τα φαινόμενα μετά από στατιστική ανάλυση. Από την άλλη οι διμεταβλητές μέθοδοι θεωρούν ότι οι παράγοντες δεν συσχετίζονται μεταξύ τους (Suzen and Doyuran 2004). Στη διμεταβλητή στατιστική ανάλυση, κάθε χάρτης παραγόντων (factors) που σχετίζονται με τις κατολισθήσεις (πχ λιθολογία, χρήσεις γης, κλίση κτλ) συνδυάζεται με έναν χάρτη απογραφής κατολισθήσεων (inventory). Τα βάρη (weights) για τον κάθε παράγοντα αντλούνται από την πληθώρα ή την πυκνότητα των κατολισθήσεων που ανήκουν σε κάθε κλάση (class) του ίδιου παράγοντα (factor). Τέτοιες αναλύσεις θεωρούνται γενικά πολύ ευέλικτες και ισχυρές, όμως υπάρχουν αρκετοί περιορισμοί που προκύπτουν από την εφαρμογή τους. Τέτοιοι είναι: α) η απλούστευση των θεματικών χαρτών που χρησιμοποιούνται, β) οι μεταβολές της ποιότητας και ακρίβειας μεταξύ των θεματικών χαρτών ανάλογα με την κλίμακα που έχουν, γ) ότι ο αριθμός των κατολισθήσεων μεταβάλλεται σοβαρά από την έκταση που εξετάζεται και δ) ότι οι παράγοντες χρησιμοποιούνται σαν ανεξάρτητες μεταβλητές αγνοώντας την επίδραση που μπορεί να υπάρχει μεταξύ τους με αποτέλεσμα τα βάρη που προκύπτουν να αφορούν αποκλειστικά το κάθε θεματικό επίπεδο. Αναλυτικά οι περιορισμοί αυτοί συγκεντρώνονται από τους Thiery et al [20]

28 Πίνακας 2.2:Μεθοδολογίες στατιστικής ανάλυσης για τον προσδιορισμό της επιδεκτικότητας κατολισθήσεων Frequency Ratio (FR) Διμεταβλητές μέθοδοι Lee and Talib, 2005 Lee, 2005 Lee and Pradhan, 2007 Lee and Sambath, 2006 Yilmaz,2009a Yilmaz,2009b Pradhan and Lee, 2010 Pradhan and Youssef, 2010 Oh et al, 2010 Choi et al, 2012 Regmi et al, 2014 Sharma et al, 2014 Meten et al, 2015 Logistic Regression (LR) Πολυμεταβλητές μέθοδοι Attkinson and Massari, 1997 Dai et al, 2001 Dai and Lee, 2002 Lee, 2004 Lee, 2005 Lee and Pradhan, 2007 Lee, 2007 Nandi and Shakoor, 2009 Yilmaz,2009a Yilmaz,2009b Pradhan and Youssef, 2010 Oh et al, 2010 Mancini et al, 2010 Bui et al, 2011 Choi et al, 2012 Schicker and Moon, 2012 Akgun 2012 Althuwaynee et al, 2014 Colkesen et al, 2016 Landslide Relative Frequency (LRF) Likelihood ratio (LR) Sabatakakis et al, 2013 Myronidis et al, 2015 Lee, 2004 Lee, 2007 Akgun et al, 2008 Regmi et al, 2010 Kanungo et al, 2011 Akgun, 2012 Sujatha et al, 2013 Sharma et al, 2014 Discriminant Analysis Carrara et al, 1991 Baeza and Corominas, 2001 Guzzetti et al, 2006 Weights of Evidence (WοE) Statistical Index (SI) Bohnam-Carter, 1994 Lee et al, 2002 Lee and Choi, 2004 Regmi et al, 2010 Armas 2012 Schicker and Moon, 2012 Neuhauser et al, 2012 Regmi et al, 2014 Meinhardt et al 2015 Ilia and Tsangaratos, 2016 Hussin et al, 2016 van Westen, 1997 Rautela and Lakhera, 2000 Cevik and Topal, 2003 Bui et al, 2011 Bijukchhen et al, 2013 Pourghasemi et al, 2013 Regmi et al, 2014 Meinhardt et al 2015 Factor Analysis Komac, 2006 Artificial Neural Network (ANN) Fuzzy Logic Lee et al, 2003 Lee et al, 2004 Kanungo et al, 2006 Pradhan and Lee, 2009 Yilmaz,2009a Pradhan and Lee, 2010 Oh et al, 2010 Choi et al, 2012 Bi et al, 2014 Ercanoglu and Gokceoglu, 2004 Akgun et al Roodposhti et al, 2014 Feizizadeh et al, 2014 [21]

29 Στη πολυμεταβλητή στατιστική ανάλυση όλοι οι παράγοντες που χρησιμοποιούνται και είναι σχετικοί με την εκδήλωση κατολισθήσεων, διαχειρίζονται μαζί. Τα βάρη για τον κάθε παράγοντα στηρίζονται στη σχετική κατανομή του σε μία συγκεκριμένη έκταση για περιοχές με παρουσία ή απουσία κατολισθήσεων. Μέσω τέτοιων αναλύσεων υπολογίζεται η σύνθετη σχέση που αναπτύσσεται μεταξύ μίας εξαρτημένης (depended) μεταβλητής (θέση κατολίσθησης) και μίας σειράς ανεξάρτητων (independed) μεταβλητών (παράγοντες που σχετίζονται με τις κατολισθήσεις). Για όλους τους σχετιζόμενους παράγοντες γίνεται δειγματοληψία από θέσεις εντός της περιοχής μελέτης μορφής κανάβου. Για κάθε θέση δειγματοληψίας προσδιορίζεται η παρουσία ή η απουσία κατολισθήσεων. Το σύνολο των τιμών αυτών που προκύπτει σε μορφή πίνακα, χρησιμοποιείται στην ανάλυση με μία από τις μεθόδους πολυμεταβλητής ανάλυσης που χρησιμοποιούνται στη διεθνή βιβλιογραφία. Στον Πίνακα 2.2 συγκεντρώνονται όλες οι μεθοδολογίες που χρησιμοποιούνται στην ανάλυση κατολισθήσεων και εμπίπτουν σε μία από τις δύο γενικές προσεγγίσεις αναλύσεων, ενώ παρουσιάζονται αναλυτικά στη συνέχεια. Χρησιμοποιώντας τις θέσεις των κατολισθήσεων ως θέσεις δειγματοληψίας των παραμέτρων που συμβάλουν στην εκδήλωση τους και την επεξεργασία των σχέσεων που αναπτύσσονται μεταξύ τους, γίνεται η εφαρμογή διάφορων στατιστικών μοντέλων προκειμένου να εκτιμηθεί η επιδεκτικότητα. Αυτό μπορεί να γίνει αποδίδοντας στο κάθε σημείο τα μεγέθη του κάθε θεματικού επιπέδου που θα λάβει υπόψη του το μοντέλο. Με αυτόν τον τρόπο δημιουργείται μία βάση δεδομένων για το σύνολο των παραγόντων η οποία θα χρησιμοποιηθεί για τις περεταίρω αναλύσεις. Στο σημείο αυτό πρέπει να σημειωθεί πώς οι παράγοντες (κλίση, υψόμετρο, βροχόπτωση) που δίνονται σαν συνεχείς τιμές, ταξινομούνται σε κλάσεις οι οποίες με τη σειρά τους αριθμούνται. Με τον ίδιο τρόπο οι περιγραφικοί παράγοντες (λιθολογία, χρήσεις γης) κωδικοποιούνται αριθμητικά. Στη βασική τους έκφραση τα στατιστικά μοντέλα που εφαρμόζονται στον προσδιορισμό της επιδεκτικότητας στηρίζονται στη παρουσία ή απουσία κατολισθήσεων για μία δεδομένη έκταση. Βάση αυτού εξετάζονται και οι παράγοντες που τις συνοδεύουν, δηλαδή ως προς τη παρουσία ή απουσία τους. Εφαρμόζοντας διάφορες τεχνικές στατιστικής, οι σχέσεις αυτές δύναται να αναλυθούν και να χρησιμοποιηθούν με τη μορφή κανονικοποιημένων συντελεστών ή βαρών (ανάλογα με τη στατιστική προσέγγιση που επιλέχτηκε) σε διαδικασίες υπολογισμού της επιδεκτικότητας. [22]

30 Μετά τον υπολογισμό των βαρών συμμετοχής του κάθε παράγοντα στην εκδήλωση κατολισθήσεων ακολουθεί η εκτίμηση της επιδεκτικότητας των κατολισθήσεων της περιοχής που εξετάζεται και χαρακτηρίζεται από αυτούς τους παράγοντες. Ο βαθμός της επιδεκτικότητας μίας περιοχής, δηλαδή το πόσο επιδεκτική είναι στην εμφάνιση κατολισθήσεων, προσδιορίζεται από το αποτέλεσμα που προκύπτει μετά την υπέρθεση όλων των κανονικοποιημένων πια παραγόντων οι οποίοι λειτουργούν συνεργατικά. Εντοπίζονται με τον τρόπο αυτό θέσεις και περιοχές με κρίσιμους συνδυασμούς παραγόντων που δύναται να δώσουν κατολισθήσεις. Η επιδεκτικότητα αποδίδεται σαν συνεχής μεταβλητή (continuous variable) παίρνοντας τιμές μέσα σε ένα αριθμητικό διάστημα και ενώ μπορούν να ταξινομηθούν σε κλάσεις χαρακτηρίζοντας την επιδεκτικότητα σε χαμηλή, μέση ή υψηλή. Δύο είναι οι προσεγγίσεις για την απόδοση της τελικής επιδεκτικότητας μίας περιοχής και εκφράζονται μέσω αλγεβρικών αθροισμάτων των στατιστικών τιμών που έχουν υπολογιστεί για τους παράγοντες που συμμετέχουν στην εκτίμηση της επιδεκτικότητας των κατολισθήσεων. Στη πρώτη περίπτωση η επιδεκτικότητα εκτιμάται μέσω του Δείκτη Επιδεκτικότητας Κατολισθήσεων LSI (Landslide Susceptibility Index) ως αλγεβρικό άθροισμα των βαρών που έχουν υπολογιστεί από την ανάλυση των σχέσεων μεταξύ των τιμών ή κλάσεων, των παραμέτρων : (1) όπου ο αριθμός των παραμέτρων, και το βάρος της κάθε κλάσης του κάθε παράγοντα. Χρησιμοποιείται κυρίως για στατιστικά μοντέλα διμεταβλητής ανάλυσης (Lee and Tallib 2005, Suzen and Doyuran 2006, Bijukchen et al 2013, Meten et al 2015). Στη δεύτερη περίπτωση ο δείκτης LSI εμπεριέχει εκτός από τα βάρη των κλάσεων και τα βάρη που υπολογίζονται από την ανάλυση των σχέσεων που αναπτύσσονται μεταξύ των παραγόντων. Ο συνδυασμός και των δύο βαρών εκφράζεται ως : (2) όπου ο βαθμός συμμετοχής του παράγοντα στο μοντέλο εκτίμησης της επιδεκτικότητας. Η εκτίμηση των σχέσεων αυτών (ποσοστού συμμετοχής ενός παράγοντα στο μοντέλο επιδεκτικότητας) προσδιορίζεται μέσω στατιστικών μοντέλων πολυμεταβλητής [23]

31 ανάλυσης (Dai and Lee 2002, Ercanoglu et al 2004, Lee 2004, Lee 2007, Pradhan and Youssef 2010, Akgun 2012) Ανάλυση μεθόδων Το πρώτο στατιστικό μέγεθος που μπορεί να αναλυθεί είναι η συχνότητα εμφάνισης κατολισθήσεων ανά παράγοντα. Έτσι το σύνολο των κατολισθήσεων κατανέμεται κάθε φορά για κάθε έναν παράγοντα διαφορετικά στις επιμέρους κλάσεις. Είναι ένα μέγεθος που αγνοεί τη συνύπαρξη άλλων παραγόντων και δεν κρίνεται η σπουδαιότητα του κάθε παράγοντα από το αποτέλεσμα που προκύπτει. Με όρους στατιστικής εκφράζεται μέσω της Σχετικής Συχνότητας. Αν υποθέσουμε ότι είναι οι κλάσεις ενός παράγοντα, που αφορά τις κατολισθήσεις ενός δείγματος μεγέθους, τότε στην τιμή αντιστοιχίζεται η απόλυτη συχνότητα (frequency), δηλαδή ο φυσικός αριθμός που δείχνει πόσες φορές η τιμή του εξεταζόμενου παράγοντα εμφανίζεται στο σύνολο των παρατηρήσεων. Το σύνολο των συχνοτήτων προκύπτει ίσο με το μέγεθος του δείγματος. Η Σχετική Συχνότητα (LF - Landslide Frequency) προκύπτει (3) όπου =1, 2,3,..,k η κάθε κλάση, = η συχνότητα εμφάνισης στην κλάση και το μέγεθος του δείγματος (σύνολο κατολισθήσεων). Εκφραζόμενη η συχνότητα συναρτήσει του εμβαδού που καλύπτεται από κατολισθήσεις και του εμβαδού που καλύπτει η κάθε κλάση για κάθε παράγοντα, δίνει μία πιο αντιπροσωπευτική εικόνα της σπουδαιότητας του κάθε παράγοντα στην εμφάνιση κατολίσθησης. Έτσι η παραπάνω σχέση τροποποιείται ως προς (4) όπου = η συνολική έκταση κατολισθήσεων για μία κλάση και η συνολική έκταση που καλύπτεται από κατολισθήσεις. Το μοντέλο Λόγου Συχνοτήτων (Frequency Ratio model - FR) χρησιμοποιείται ευρύτατα στη διεθνή βιβλιογραφία (Lee and Tallib 2005, Pradhan and Youssef 2010, Sabatakakis et al 2013, Regmi et al 2014, Meten et al 2015) λόγω της εύκολης εφαρμογής του σε περιπτώσεις που διατίθεται ολοκληρωμένη βάση δεδομένων κατολισθήσεων με πολλούς παράγοντες. Η εφαρμογή του δεν έχει ιδιαίτερες απαιτήσεις σε γνώσεις στατιστικής αλλά και στον τρόπο υπολογισμού. Ο δείκτης FR είναι ο λόγος της έκτασης που καλύπτεται από κατολισθήσεις [24]

32 σε σχέση με τη συνολική έκταση που εξετάζεται αλλά και ο λόγος της πιθανότητας ύπαρξης κατολίσθησης σε σχέση με τη μη ύπαρξη: (5) όπου, η έκταση που καλύπτεται από κατολισθήσεις για μία κλάση του παράγοντα, η έκταση που καλύπτεται από τον παράγοντα, ο αριθμός των κλάσεων του παράγοντα και ο αριθμός των παραγόντων στη περιοχή που εξετάζεται Με μία τροποποίηση ο λόγος αυτός χρησιμοποιείται από τους Sabatakakis et al 2013 και μεταγενέστερα από τους Myronidis et al 2016 σαν ενδιάμεσο μέγεθος για τον υπολογισμό της Σχετικής Συχνότητας Κατολισθήσεων (Landslide Relative Frequency - LRF): (6) όπου, η σχετική συχνότητα εμφάνισης κατολισθήσεων σε μία κλάση ενός δεδομένου παράγοντα και η έκταση % που καλύπτεται από την κλάση του ίδιου παράγοντα. Άρα: (7) Οι τιμές του κυμαίνονται από 0 έως 1, όσο μεγαλύτερη η τιμή που παίρνει μία κλάση, τόσο μεγαλύτερη η επιδεκτικότητά της μεταξύ των άλλων κλάσεων. Ένας παρόμοιος δείκτης που κατανέμει βάρη σε κάθε κλάση ενός σταθερού συνόλου παραγόντων προτάθηκε από τον van Westen 1997, με σκοπό το σχεδιασμό χαρτών επιδεκτικότητας κατολισθήσεων στη πλατφόρμα ILWIS ενώ στη συνέχεια χρησιμοποιήθηκε γενικότερα και σε άλλα υπολογιστικά προγράμματα ΓΣΠ για το σχεδιασμό τέτοιων χαρτών (Rautela and Lakhera 2000, Cevik and Topay 2003, Pourghasemi et al 2013, Regmi et al 2014). Ο Στατιστικός Δείκτης (Statistical Index - SI), ορίζεται ως ο φυσικός λογάριθμος της πυκνότητας των κατολισθήσεων σε μία κλάση διαιρώντας τον με την πυκνότητα των κατολισθήσεων της περιοχής που μελετάται, αποδίδοντας με αυτόν τον τρόπο το βάρος (W) της κάθε κλάσης ανά παράγοντα: (8) [25]

33 όπου η κλάση, η παράμετρος, η περιοχή με κατολισθήσεις σε μία κλάση, η συνολική περιοχή της κλάσης, η συνολική έκταση του χάρτη και η συνολική έκταση των κατολισθήσεων. Η τιμή του βάρους παίρνει θετικό πρόσημο όταν η πυκνότητα των κατολισθήσεων είναι μεγαλύτερη από την κανονική ( ), ενώ αρνητικό όταν είναι μικρότερη ( ). Ο Λόγος Πιθανοφάνειας (Likelihood Ratio - LR), διαφέρει από τον δείκτη FR στο γεγονός ότι συσχετίζει την έκταση που καλύπτεται από κατολισθήσεις για έναν παράγοντα ή μία κλάση με την έκταση που δεν καλύπτεται από κατολισθήσεις για τον ίδιο παράγοντα ή κλάση. Γενικά περιγράφει πώς αν θεωρήσουμε μία δεδομένη κατολίσθηση Β και Δ την κλάση ενός συγκεκριμένου παράγοντα, τότε ο λόγος πιθανοφάνειας για το Δ είναι δείκτης της υποθετικής πιθανότητας (posterior probability) (Lee 2004). Έτσι, όσο αυξάνεται ο λόγος και παίρνει τιμές μεγαλύτερες της μονάδας (LR>1) τόσο ισχυρότερη γίνεται η σχέση που συνδέει τη συγκεκριμένη παράμετρο με την ύπαρξη της κατολίσθησης. Αντίστοιχα, παίρνοντας τιμές μικρότερες της μονάδας (LR<1) η σχέση που τα συνδέει γίνεται ασθενέστερη. Μαθηματικά ο Λόγος Πιθανοφάνειας LR εκφράζεται ως (Sharma et al 2013): (9) (10) (11) όπου η έκταση της κλάσης που καλύπτεται από κατολισθήσεις, η συνολική έκταση της περιοχής μελέτης που καλύπτεται από κατολισθήσεις, η έκταση της κλάσης που δεν καλύπτεται από κατολισθήσεις και δεν καλύπτεται από κατολισθήσεις. η συνολική έκταση της περιοχής μελάτης που Η μέθοδος Βαρύτητας των Ενδείξεων (Weights-of-evidence - WoE) στηρίζεται στη χρήση των διαθέσιμων δεδομένων (Bonham-Carter 1994) για τον προσδιορισμό των πιθανοτήτων επανάληψης του ίδιου συνδυασμού χαρακτηριστικών δηλαδή, εκτιμά την προβλεπτική ικανότητα της κάθε κλάσης στην εκδήλωση κατολισθήσεων. Η βάση της θεωρίας βρίσκεται στη θεωρία του Bayes, ενώ χρησιμοποιεί τις έννοιες της αρχικής πιθανότητας απόλυτη πιθανότητα (prior probability) και της μεταγενέστερης πιθανότητας υποθετική πιθανότητα (posterior probability). Η μέθοδος εφαρμόζεται όταν υπάρχουν επαρκή δεδομένα να εκτιμήσουν τη σχετική σπουδαιότητα των χαρακτηριστικών μέσω στατιστικών εννοιών. Είναι ενδιαφέρον το γεγονός ότι οι προσεγγίσεις κατά Bayes [26]

34 λαμβάνουν υπόψη τις συνθήκες/περιπτώσεις που είναι ήδη διαθέσιμες ώστε να εκτιμηθεί η αρχική πιθανότητα και χρησιμοποιώντας αυτή να εκτιμηθεί τη μεταγενέστερη πιθανότητα. Η αρχική πιθανότητα είναι η πιθανότητα ενός γεγονότος (L), για παράδειγμα μία κατολίσθηση, να συμβαίνει χωρίς να λαμβάνεται υπόψη καμία επιπλέον πληροφορία πέραν των συνθηκών κάτω από τις οποίες υπήρξε. Έτσι, καθορίζεται από όμοια περιστατικά που συνέβησαν στο παρελθόν για μία καθορισμένη χρονική περίοδο. Βάση των παραπάνω, σε ένα παράδειγμα κατολισθήσεων, η πιθανότητα μίας μοναδιαίας επιφάνειας που θα ολισθήσει στο μέλλον, μπορεί να εκτιμηθεί βάση της συχνότητας μετακίνησης της ίδιας της επιφάνειας στο παρελθόν και αριθμητικά εκφράζεται από τη διαίρεση της έκτασης των κατολισθήσεων με τη συνολική έκταση της περιοχής που μελετάται: (12) Όπου είναι η κατολίσθηση, η έκταση της κατολίσθησης και η συνολική έκταση. Η αρχική πιθανότητα μπορεί να τροποποιηθεί σε μεταγενέστερη πιθανότητα χρησιμοποιώντας άλλες πηγές δεδομένων ή ενδείξεων όπως παραδείγματος χάρη οι παράγοντες που σχετίζονται με τις κατολισθήσεις. Με άλλα λόγια με τη μεταβολή κάποιου παράγοντα που υφίσταται κατά την προγενέστερη κατάσταση, η αρχική πιθανότητα μπορεί να αλλάξει και να μεταβληθεί σε μεταγενέστερη πιθανότητα. Έτσι η νέα μεταγενέστερη πιθανότητα εκφραζόμενη για την παρουσία ή την απουσία του κάθε παράγοντα έχει τη μορφή: (13) (14) όπου είναι η κατολίσθηση, ο νέος παράγοντας, απουσία του νέου παράγοντα. Οι πιθανότητες αυτές συγχωνεύονται σε δύο λογαριθμικές εξισώσεις που προσδιορίζουν τη θετική ή την αρνητική βαρύτητα που έχει ο παράγοντας με την κατολίσθηση, δηλαδή την πιθανότητα εμφάνισης του παράγοντα με δεδομένη την ύπαρξη κατολίσθησης: (15) [27]

35 (16) Το βάρος δηλώνει την παρουσία του παράγοντα στην κατολίσθηση και η τιμή που παίρνει δείχνει τη θετική συσχέτιση μεταξύ του παράγοντα και της κατολίσθησης. Από την άλλη το βάρος δηλώνει την απουσία του παράγοντα στην κατολίσθηση και η τιμή που παίρνει δείχνει τη αρνητική συσχέτιση. Πρέπει να σημειωθεί ότι τα βάρη είναι «ευαίσθητα», δηλαδή επηρεάζονται σημαντικά, στις τιμές που παίρνουν τα και. Λαμβάνοντας υπόψη την έκταση της περιοχής μελέτης και ως εκ τούτου την τιμή του, θα πρέπει να εξασφαλίζεται με τρόπο λογικό και η συνολική έκταση που καλύπτεται από κατολισθήσεις, δηλαδή το μέγεθος, να είναι αρκετά μεγάλη ώστε να προκύψουν στατιστικά χαρακτηριστικά βάρη. Το κατά πόσο είναι χαρακτηριστικά τα βάρη αυτά ελέγχεται μέσω των τιμών διακύμανσης (variance): (17) (18) Το μέγεθος που αντιπροσωπεύει την τελική σπουδαιότητα του παράγοντα στις συνθήκες κάτω από τις οποίες εκδηλώνεται μία κατολίσθηση αποτυπώνεται στο βάρος. Το βάρος προκύπτει από την εφαρμογή του τεστ Διαφορών (contrast): (19) Έτσι, όταν: δηλαδή, και, ο παράγοντας σχετίζεται θετικά με την εμφάνιση της κατολίσθησης δηλαδή, και ο παράγοντας σχετίζεται αρνητικά με την εμφάνιση της κατολίσθησης άρα και τότε ο παράγοντας δεν σχετίζεται με την εμφάνιση κατολίσθησης και επιπλέον, δηλαδή η πιθανότητα εμφάνισης μιας κατολίσθησης δεν επηρεάζεται από την παρουσία ή την απουσία του παράγοντα Η τυπική απόκλιση (standard deviation) του υπολογίζεται ως εξής: [28]

36 (20) Γενικά, η θεωρία του Bayes είναι ένας τρόπος ποσοτικοποίησης της αβεβαιότητας, δηλαδή της ύπαρξης ή της μη ύπαρξης και ο τρόπος με τον οποίο το πετυχαίνει είναι οι υποθέσεις. Η υπόθεση πώς ο παράγοντας σχετίζεται με την εκδήλωση των κατολισθήσεων (ύπαρξη) αποτελεί την ερευνητική υπόθεση ( - alternative hypothesis) ενώ η υπόθεση πώς ο παράγοντας δεν σχετίζεται με την εκδήλωση των κατολισθήσεων (μη ύπαρξη) αποτελεί την μηδενική υπόθεση ( - null hypothesis). Η διαδικασία που ακολουθεί η στατιστική ανάλυση στον έλεγχο των υποθέσεων γίνεται με την απόρριψη της μηδενικής υπόθεσης μέσω λογικών διαδικασιών. Με σκοπό λοιπόν να ελεγχτεί η στατιστική σημαντικότητα των αποτελεσμάτων που προέκυψαν από τον υπολογισμό του βάρους, γίνεται εφαρμογή του Student t-test, και προσδιορίζεται η πιθανότητα λάθους στα αποτελέσματα αυτά. Η υπόθεση που έχει γίνει κατά τη διάρκεια του μοντέλου είναι πώς αν τότε ο παράγοντας δεν σχετίζεται με την εμφάνιση κατολίσθησης. Άρα κατά τη εφαρμογή του τεστ ελέγχεται κατά πόσο η διαφορά, δηλαδή πόσο διαφορετικά είναι τα βάρη και μεταξύ τους. Η Student τιμή για το ορίζεται ως ο λόγος του, δηλαδή της προς εξέταση διαφοράς, προς την τυπική απόκλιση του. Στην περίπτωση που εξαχθεί, δηλαδή 5% πιθανότητα λάθους, η μηδενική υπόθεση απορρίπτεται οπότε η αρχική υπόθεση που έχει γίνει αληθεύει Εκτίμηση της Επικινδυνότητας Κατολισθήσεων Εισαγωγή Η επικινδυνότητα όπως ήδη έχει αναφερθεί, εξ ορισμού είναι η πιθανότητα μίας κατολίσθησης να συμβεί εντός μίας συγκεκριμένης χρονικής περιόδου σε μία καθορισμένη περιοχή και ενδεχομένως να είναι καταστρεπτική (Varnes 1984). Οι Guzzetti et al 1999 αναγνωρίζουν στον ορισμό τις έννοιες του μεγέθους (magnitude) του φαινομένου, της γεωγραφικής θέσης και της επανεμφάνισης. Το μέγεθος αντιστοιχεί στις διαστάσεις (dimensions) ή την ένταση (intensity) που μπορεί να έχει μία κατολίσθηση. Ο Glade 2005 διαχωρίζει τις έννοιες του μεγέθους (magnitude) και της έντασης (intensity). Η ένταση αναφέρεται στα χαρακτηριστικά μίας κατολίσθησης που μπορούν να ελέγξουν το πόσο καταστρεπτική μπορεί να είναι, όπως: η εξάπλωσή της, η απόσταση που διανύει, το [29]

37 βάθος της, η ταχύτητα ή η κινητική ενέργεια. Το μέγεθος (magnitude) αναφέρεται στις διαστάσεις μίας κατολίσθησης και εκφράζεται μέσω της έκτασης ή μέσω του όγκου που μετακινείται. Για τους περισσότερους φυσικούς κινδύνους το μέγεθος είναι το ίδιο αντιπροσωπευτικό με την ένταση όπως για παράδειγμα στη περίπτωση πλημμύρων ή σεισμών, κάτι που δεν ισχύει απόλυτα για την περίπτωση των κατολισθήσεων. Στις Διεθνείς Οδηγίες International Guidelines for Landslide Susceptibility, Hazard and Risk Zoning for land-use planning and their Commentary (Fell 2008a) αναφέρεται πως η επικινδυνότητα θα πρέπει να περιλαμβάνει συγχρόνως τη θέση, τον όγκο (ή την έκταση), το είδος και την ταχύτητα μίας κατολίσθησης, τα οποία περιγράφονται μέσω της επιδεκτικότητας, μαζί με τη πιθανότητα εμφάνισης της, για μία συγκεκριμένη χρονική περίοδο. Τέλος, οι Corominas et al 2014 αναφέρουν ότι, η εκτίμηση της επικινδυνότητας έχει σκοπό να προσδιορίσει τόσο τη χρονική όσο και τη χωρική πιθανότητα εκδήλωσης μίας κατολίσθησης εντός μιας συγκεκριμένης περιοχής ανάλογα του τρόπου εξάπλωσής της, του μεγέθους (magnitude) ή την ένταση (intensity) της. Γίνεται σαφές πως τα δύο τελευταία μεγέθη δεν θα πρέπει να συγχέονται καθώς αναφέρονται σε διαφορετικές έννοιες. Το μέγεθος (magnitude) είναι ένα μέτρο των διαστάσεων της κατολίσθησης και εκφράζεται συνήθως μέσω της έκτασης ή του όγκου. Παρόλα αυτά το μέγεθος δεν είναι το πλέον κατάλληλο για την περιγραφή του πόσο καταστρεπτική μπορεί να είναι μία κατολίσθηση ή διαφορετικά σε τι βαθμό θα επηρεάσει το περιβάλλον στο οποίο συμβαίνει. Γενικά αναμένουμε ότι όσο μεγαλύτερη είναι η έκταση μίας κατολίσθησης τόσο πιο καταστρεπτική θα είναι, κάτι που δεν ισχύει πάντα. Μία αργή κατολίσθηση χιλιάδων κυβικών με χαρακτηριστικά ερπυσμού και ρυθμό ταχύτητας της τάξης των μερικών mm/χρόνο, θα προκαλούσε μικρή έως ελάχιστη ζημιά σε κτίρια και τεχνικά έργα, ενώ σχεδόν καμία πιθανότητα να απειλήσει ανθρώπινες ζωές. Αντίθετα, μία κατάπτωση λίγων μόνο κυβικών μέτρων που κινείται με ταχύτητα μερικών m/s θα μπορούσε να προκαλέσει σημαντικές ζημιές αλλά και να απειλήσει ανθρώπινες ζωές. Η ένταση αποδίδει με τον καλύτερο τρόπο το πόσο καταστρεπτική μπορεί να είναι μία κατολίσθηση (Hungr 1997) και αποδίδεται αντίστοιχα, αναλόγως με τον μηχανισμό εκδήλωσης της. Έτσι, για μία κατάπτωση η ένταση μπορεί να εκφραστεί μέσω της κινητικής ενέργειας ενώ για μία αργή κατολίσθηση μέσω της συνολικής της μετατόπισης (Nikolakopoulos et al 2015). Ανάλογα με την κλίμακα που χρησιμοποιείται κάθε φορά, για [30]

38 την εκτίμηση της επικινδυνότητας, επιλέγεται ένα χρονικό πλαίσιο στο οποίο τοποθετούνται όλες οι κατολισθήσεις και οι εντάσεις τους Μέθοδοι προσδιορισμού της επικινδυνότητας Για την εκτίμηση της επικινδυνότητας θα πρέπει να προβλεφθούν το «πού» μία κατολίσθηση θα συμβεί, «πότε» ή με ποια συχνότητα θα συμβεί και «πόσο μεγάλο/έντονο» θα είναι το φαινόμενο (Guzzetti et al 1999, Guzzetti et al 2005). Με βάση όλα τα παραπάνω και κάνοντας την παραδοχή-απλούστευση ότι για αργές κατολισθήσεις, η ένταση μπορεί να ταυτιστεί με το μέγεθος, η μαθηματική έκφραση της επικινδυνότητας (HL) των κατολισθήσεων μίας δεδομένης περιοχής μπορεί να περιγράφεται από τη σχέση (Guzzetti et al 2005): (21) όπου η πιθανότητα του μεγέθους μίας κατολίσθησης, για μία δεδομένη χρονική περίοδο t, η χρονική πιθανότητα και S η χωρική εμφάνιση κατολισθήσεων. Ο παράγοντας S αναφέρεται ως η επιδεκτικότητα (Gariano et al 2016). Με τον τρόπο αυτό γίνεται σαφής η μετάβαση από το αρχικό στάδιο εκτίμησης της επιδεκτικότητας στο στάδιο εκτίμησης της επικινδυνότητας. Ανάλογα με την προσέγγιση που επιλέγεται για τον προσδιορισμό της επικινδυνότητας των κατολισθήσεων σε μία περιοχή η παραπάνω σχέση μπορεί να μεταβληθεί όσον αφορά τους όρους, και και αυτό λόγω του ότι υπάρχει διαθέσιμος ένας μεγάλος αριθμός εργαλείων για την εκτίμηση τους, τα οποία αναλύονται στα διάφορα στάδια της παρούσας διατριβής. Οι μεθοδολογίες προσδιορισμού της επιδεκτικότητας, αναλύονται στην αντίστοιχη ενότητα (Κεφάλαιο 2.2) ενώ στη συνέχεια παρουσιάζονται οι μεθοδολογίες προσδιορισμού τόσο της πιθανότητας μεγέθους όσο και της χρονικής πιθανότητας. Το μέγεθος (magnitude) μίας κατολίσθησης καθώς και με τί συχνότητα εκδηλώνεται, αποτελεί βασικό στάδιο στην ποσοτική εκτίμηση της επικινδυνότητας. Το μέγεθος περιγράφεται άλλες φορές χρησιμοποιώντας την έκταση (area) (Guzzetti et al 2002, Guzzetti et al 2004, Guthrie and Evans 2004, Malamud et al 2004, Guzzetti et al 2005, Guzzetti et al 2006, Corominas and Moya 2008, Guthrie et al 2008, Zieher et al 2016) και άλλες φορές τον όγκο των κατολισθήσεων (Hungr et al 1999, Dai and Lee 2001, Brardinoni and Church 2004, Malamud et al 2004, Hungr et al 2008, Jaiswal et al 2011, Catani et al 2016). [31]

39 Το πόσο καταστροφικό μπορεί να είναι το φαινόμενο περιγράφεται μέσω κατάλληλων καμπυλών αθροιστικής (ή όχι) συχνότητας κατολισθήσεων και μεγέθους (landslide frequency-magnitude curves). Σειρά στατιστικών αναλύσεων της σχέσης που συνδέει τη συχνότητα εμφάνισης με το μέγεθος (έκταση ή όγκος) έχουν δείξει ότι τέτοιες κατανομές ακολουθούν μία σχέση Νόμου-Δύναμης (power-law relation) με την πληθώρα των κατολισθήσεων να αυξάνονται με την έκταση μέχρι μίας μέγιστης τιμής και έπειτα να μειώνονται ραγδαία (Guzzetti et al 2002, Corominas and Moya 2008, Corominas et al 2014): (22) όπου η αθροιστική συχνότητα των κατολισθήσεων συναρτήσει του, το μέγεθος της κατολίσθησης ενώ και σταθερές. Η σχέση αυτή δείχνει ότι οι μικρές σε έκταση κατολισθήσεις είναι πολύ κοινές ενώ μεγάλης έκτασης πιο σπάνιες, ενώ φαίνεται να διατηρείται αμετάβλητη για δείγματα μεταξύ 100 και περιπτώσεων κατολισθήσεων (Malamud et al 2004, Zieher et al 2016). Επίσης παραμένει σταθερή ανεξάρτητα από τον μηχανισμό εναύσματος (Guzzetti et al 2002). Σχετικά με την πιθανότητα εμφάνισης συγκεκριμένου εμβαδού κατολίσθησης, καθώς η έκταση είναι μία συνεχής μεταβλητή, δηλαδή μπορεί να πάρει οποιαδήποτε τιμή > 0 δεν έχει νόημα η αναζήτηση μίας συγκεκριμένης τιμής αφού οι πιθανότητες θα είναι άπειρες. Αυτό που μπορεί να είναι χρήσιμο στη προκειμένη περίπτωση είναι το ερώτημα: ποια η πιθανότητα της μεταβλητής έκταση κατολίσθησης να πάρει μία τιμή μεταξύ και. Μαθηματικά αυτό που αναζητείται δεν είναι η απλή πιθανότητα αλλά η μαθηματική συνάρτηση της κατανομής η οποία ονομάζεται Συνάρτηση Πυκνότητας Πιθανότητας pdf (probability density function) και υπολογίζεται σύμφωνα με την εξίσωση (23) (Malamud et al 2004)(Εικόνα 2.3): (23) όπου ο συνολικός αριθμός των κατολισθήσεων και ο αριθμός των κατολισθήσεων με έκταση μεταξύ και. Είναι δηλαδή η συνάρτηση που εκφράζει την πυκνότητα (συχνότητα) εμφάνισης στα διάφορα διαστήματα τιμών. [32]

40 Η πιθανότητα στη συνέχεια ότι μία κατολίσθηση θα έχει εμβαδό στο διάστημα προκύπτει μέσω του ολοκληρώματος της. Έτσι: και (24) Εικόνα 2.3: Πυκνότητα Πιθανότητας της έκτασης κατολίσθησης (Malamud et al 2004) Οι Malamud et al 2004, συνδυάζοντας τρία διαφορετικά αρχεία απογραφής κατολισθήσεων με διαφορετικό έναυσμα και διαφορετικό αριθμό καταγραφών κατέληξε στο συμπέρασμα ότι η Συνάρτηση Πυκνότητας Πιθανότητας pdf εκφράζεται πολύ καλά μέσω μίας αντίστροφης κατανομής γ της μορφής: (25) όπου παράμετροι της μορφής της αντίστροφης κατανομής πιθανότητας γ και η εξίσωση γ του. Οι τιμές των παραμέτρων υπολογίστηκαν ως, και. Βάση των παραπάνω η υπολογίζεται ως (Guzzetti et al 2005)(Εικόνα 2.4): [33]

41 (26) Η παραπάνω σχέση γίνεται αποδεκτή και χρησιμοποιείται για τον προσδιορισμό της πιθανότητας μεγέθους (Malamud et al 2004, Guzzetti et al 2005, Zieher et al 2016). Εικόνα 2.4: Πιθανότητα της έκτασης κατολίσθησης (Guzzetti et al 2005) Έχουν προταθεί διάφορες προσεγγίσεις προσδιορισμού της χρονικής πιθανότητας εμφάνισης κατολισθήσεων ( ) (temporal occurrence). Μπορεί να εκφραστεί με όρους συχνότητας, περιόδου επαναφοράς ή την πιθανότητα υπέρβασης. Η συχνότητα (frequency) είναι ο αριθμός των περιπτώσεων που σημειώνονται για ένα συγκεκριμένο χρονικό βήμα (πχ ετησίως). Η περίοδος επαναφοράς (return period) είναι η αντιστροφή της ετήσιας πιθανότητας και αναφέρεται στο μέσο διάστημα μέσα στο οποίο ένα περιστατικό συγκεκριμένου μεγέθους αναμένεται να συμβεί. Τέλος, η πιθανότητα υπέρβασης (exceedance probability) αφορά την πιθανότητα ένα ή περισσότερα περιστατικά να συμβούν σε μία δεδομένη χρονική περίοδο ανάλογα με το μέγεθος (magnitude) τους. Η χρήση της πιθανότητας υπέρβασης προτιμάται σαν ένα μέτρο ποσοτικής (quantitative) ανάλυσης της επικινδυνότητας. Όπως και η εκτίμηση της επιδεκτικότητας έτσι και η εκτίμηση της επικινδυνότητας μπορεί να γίνει με τρόπο ποιοτικό ή ποσοτικό ανάλογα με τα δεδομένα που είναι διαθέσιμα, [34]

42 σύμφωνα με τα International Guidelines for Landslide Susceptibility, Hazard and Risk Zoning for land-use planning and their Commentary (Fell 2008a, 2008b). Οι βασικές προσεγγίσεις που χρησιμοποιούνται για το σκοπό περιγράφονται από τους Corominas et al 2014 σε τέσσερις κατηγορίες: ευρετικές μέθοδοι (heuristic methods), ορθολογιστικές μέθοδοι (rational methods), μέσω της εμπειρικής πιθανότητας (empirical probability) και τέλος μέσω έμμεσων προσεγγίσεων (indirect approaches). Οι ευρετικές μέθοδοι, στηρίζονται στη κριτική ικανότητα και εμπειρία του ερευνητή, ενώ μία από τις συνηθέστερα χρησιμοποιούμενες είναι η δενδρική ανάλυση (event trees) (Εικόνα 2.5) κατά την οποία γίνεται μία γραφική αναπαράσταση όλων των περιπτώσεων που υπάρχουν σε ένα σύστημα (δενδρογράμματα) και στη συνέχεια με χρήση κανόνων λογικής ανάλυσης οι πιθανότητες των αποτελεσμάτων που προκύπτουν βάση ενός δεδομένου γεγονότος για παράδειγμα γεγονός βροχόπτωσης (Budetta 2002, Lee et al 2001) ή σεισμικό γεγονός (Fan et al 2014) αναγνωρίζονται και διαστασιολογούνται. Εικόνα 2.5: Προσδιορισμός ετήσιας πιθανότητας εκδήλωσης κατολίσθησης με τη μέθοδο του δενδρογράμματος για την περιοχή St. Pantaleone, Campania region, Italy και κατά μήκος του οδικού άξονα Napoli-Salerno, για ροές που εκδηλώθηκαν μετά από έντονες βροχοπτώσεις (Budetta 2002) Οι ορθολογιστικές μέθοδοι αποδίδουν την πιθανότητα μίας αστοχίας και αναφέρονται σε αναλύσεις ευστάθειας με όρους στατιστικής και αριθμητικών μοντέλων. Γίνεται χρήση του Συντελεστή Ασφάλειας (safety factor) ή της Πιθανότητας Αστοχίας και λαμβάνουν υπόψη ότι η αστοχία εξαρτάται από τον χώρο, το χρόνο και το καθεστώς των τάσεων που αναπτύσσονται στον εδαφικό σχηματισμό. Η Πιθανότητα Αστοχίας είναι η πιθανότητα που υπάρχει ο συντελεστής ασφάλειας να είναι μικρότερος της μονάδας. Η πιθανότητα αυτή υπολογίζεται με χρήση της FOSM (first-order second moment), της PEM (point estimate method) και των προσομοιώσεων Monte Carlo (Wu and Abdel-Latif 2000, Haneberg 2004, Gibson 2011). [35]

43 Τα μοντέλα εμπειρικής πιθανότητας αναπτύσσονται κατά βάση χρησιμοποιώντας τις παρατηρούμενες συχνότητες παλαιότερων συμβάντων κατολισθήσεων (Brabb 1984). Η προσέγγιση αυτή θεωρεί τις κατολισθήσεις επανεμφανιζόμενα φαινόμενα που συμβαίνουν τυχαία και εντελώς ανεξάρτητα μεταξύ τους. Αυτή η παραδοχή κατά τους Corominas et al 2014 δεν είναι απολύτως ορθή καθώς κάποιες από τις περιπτώσεις είναι εξαρτώμενες αλλά και επειδή επίσης οι εξωτερικοί παράγοντες δεν είναι πάντα σταθεροί και ίδιου μεγέθους όπως για παράδειγμα οι κλιματικές συνθήκες. Οι μέθοδοι της διωνυμικής κατανομής (binomial distribution) ή της κατανομής Poisson χρησιμοποιούνται για τον προσδιορισμό της εμπειρικής πιθανότητας (Crovelli 2000, Guzzetti et al 2005, Corominas and Moya 2008, Corominas et al 2014). Η διωνυμική κατανομή χρησιμοποιείται σε περιπτώσεις όπου υπάρχει διακριτό χρονικό βήμα και παρατηρείται τυχαία μία μόνο φορά η εκδήλωση του φαινομένου σε αυτό το χρονικό βήμα πχ ετησίως. Η ετήσια πιθανότητα εμφάνισης κατολισθήσεων κάποιου συγκεκριμένου μεγέθους η οποία συμβαίνει κατά μέσο όρο κάθε χρόνια είναι ίση με: (27) όπου η περίοδος επαναφοράς του συμβάντος και η αναμενόμενη συχνότητα για μελλοντικές εμφανίσεις. Είναι χρήσιμο επίσης να προσδιοριστεί η πιθανότητα των κατολισθητικών φαινομένων για διαφορετικές χρονικές περιόδους και συγκεκριμένα η πιθανότητα μία ή περισσότερες κατολισθήσεις να συμβούν σε ένα συγκεκριμένο αριθμό ετών ( ): (28) όπου η πιθανότητα να μη συμβεί καμία κατολίσθηση για το δεδομένο χρονικό διάστημα (= ) και η πιθανότητα να μη συμβούν κατολισθήσεις σε χρόνο. Η κατανομή Poisson είναι ένα συνεχούς χρόνου μοντέλο που χρησιμοποιείται για τυχαία γεγονότα που συμβαίνουν ανεξάρτητα στον χρόνο, ο οποίος είναι φυσικά συνεχής. Έτσι η ετήσια πιθανότητα αριθμού κατολισθήσεων είναι ίση με: (29) [36]

44 όπου ο αναμενόμενος ρυθμός εμφάνισης μελλοντικών κατολισθήσεων. Η τιμή όσο και η τιμή, περίοδος επαναφοράς, μπορούν να αποκτηθούν από παρακολούθηση ιστορικών αρχείων κατολισθήσεων ή χαρτών καταγραφής κατολισθήσεων προσδιορισμένων χρονικά (Guzzetti et al 2005, Corominas and Moya 2008). Επίσης η πιθανότητα να συμβούν 1 ή περισσότερες κατολισθήσεις σε χρόνια είναι ίση με: (30) και η οποία εξαρτάται σημαντικά από το μέγεθος των κατολισθήσεων. Στους έμμεσους τρόπους υπολογισμού της χρονικής πιθανότητας εκδήλωσης κατολισθήσεων, εντάσσονται οι περιπτώσεις ανάλυσης κατολισθήσεων που έναυσμα τους μπορεί να είναι ένα έντονο γεγονός βροχόπτωσης ή ένα σεισμικό γεγονός. Συσχετίζοντας την ένταση της βροχόπτωσης με τη διάρκειά της για κατολισθήσεις που παρατηρούνται την ίδια περίοδο, κάνει δυνατή τη σχεδίαση κατάλληλων καμπυλών που προσδιορίζουν τα χαρακτηριστικά έντασης-διάρκειας βροχόπτωσης που μπορούν να προκαλέσουν κατολισθήσεις και κυρίως ροές και αβαθείς κατολισθήσεις (Guzzetti et al 2007). Για τις περιπτώσεις όπου παράγοντας εναύσματος θεωρείται ένα σεισμικό γεγονός η μέγιστη κρίσιμη επιτάχυνση (peak critical acceleration) προσδιορίζεται για διάφορες περιόδους επαναφοράς και ελέγχεται η σεισμική ευστάθεια των πρανών (Jibson 1998). Για να γίνει ο προσδιορισμός της επικινδυνότητας σε σενάρια διαφορετικών συνθηκών κάτω από τις οποίες εκδηλώνονται κατολισθήσεις θα πρέπει να επιλεγεί το έναυσμα (trigger) που τις προκαλεί και στη συνέχεια να γίνει ο συσχετισμός τους με αυτό. Τόσο οι παράγοντες εναύσματος όσο και οι προπαρασκευαστικοί προσδιορίζουν γενικά τη πιθανότητα εμφάνισης κατολισθήσεων. Οι προπαρασκευαστικοί παράγοντες λειτουργούν πολύ αργά καθοδηγούμενοι από τις τάσεις που αναπτύσσονται και τις διαδικασίες αποσάθρωσης και διάβρωσης οι οποίες σε βάθος χρόνου μπορούν να προκαλέσουν αστοχία. Οι παράγοντες αυτοί αναφέρονται σε σχετικά μόνιμες συνθήκες που επικρατούν σε μία περιοχή και αναλύονται για τον προσδιορισμό της επιδεκτικότητας των κατολισθήσεων. Από την άλλη, οι παράγοντες εναύσματος μεταβάλλουν ραγδαία σε σύντομο χρονικό διάστημα το καθεστώς των τάσεων ή επιταχύνουν τις διαδικασίες αποσάθρωσης και διάβρωσης με διαφορετική ένταση προκαλώντας την αστοχία. Η επαναφορά παραγόντων εναύσματος όμοιων χαρακτηριστικών μπορούν να χρησιμοποιηθούν για τον προσδιορισμό της συχνότητας εμφάνισης κατολισθήσεων σε μία περιοχή. [37]

45 Οι βροχοπτώσεις και οι σεισμικές δονήσεις είναι δύο από τους πιο διαδεδομένους παράγοντες εναύσματος και πολλοί ερευνητές έχουν μελετήσει τη σχέση τους με την εμφάνιση κατολισθήσεων (Corominas and Moya 2008). Σκοπός είναι να προσδιοριστούν οι κρίσιμες εκείνες τιμές του εναύσματος που θα μπορέσουν να εξηγήσουν την εκδήλωση κατολισθήσεων. Εφόσον οι κρίσιμες τιμές βροχόπτωσης και τα μεγέθη σεισμών έχουν προσδιοριστεί η περίοδος επαναφοράς των συγκεκριμένων κατολισθήσεων ταυτίζεται με αυτή των κρίσιμων τιμών εναύσματος. Τέτοιες σχέσεις εκτιμούν πόσο συχνά οι κατολισθήσεις συμβαίνουν στη περιοχή μελέτης αλλά όχι ποια πρανή θα ολισθήσουν, ούτε ποιο θα είναι το μέγεθος τους. Προσδιορισμός Event trees Trigger Heuristic methods Safety factor/ Failure Probability Trigger Rational methods Trigger/ No trigger Empirical probability Temporal probability Poisson model Binomial Probability Triggering factor thresholds Trigger Indirect approaches Frequency (occurences/something) Απόδοση Return period (time of reoccurrence) Exceedance probability (probability) Εικόνα 2.6: Διάγραμμα ροής για την εκτίμηση του παράγοντα της χρονικής πιθανότητας Στο διάγραμμα ροής της Εικόνας 2.6 γίνεται σαφές ότι ο παράγοντας της χρονικής πιθανότητας προσδιορίζεται και αποδίδεται ανάλογα με την ευχέρεια που υπάρχει στη διάθεση κατάλληλων στοιχείων αλλά και την κλίμακα στην οποία θα γίνει ο προσδιορισμός της επικινδυνότητας στη συνέχεια. Η χρονική πιθανότητα μπορεί να αποδοθεί μέσω της Συχνότητας (frequency), της περιόδου επαναφοράς (return period) ή της πιθανότητας υπέρβασης (exceedance probability). Ο τρόπος με τον οποίο θα γίνει η απόδοση μπορεί να είναι ποσοτικός μέσω ορθολογιστικών μεθόδων (rational methods) ή της εμπειρικής πιθανότητας (empirical probability), ή ποιοτικός μέσω ευρετικών μεθόδων (heuristic [38]

46 methods) ή με έμμεσες προσεγγίσεις (indirect approaches). Επίσης, ο προσδιορισμός της πιθανότητας αυτής μπορεί να γίνει αναφερόμενοι στην ύπαρξη ενός συγκεκριμένου γεγονότος που είναι δυνατό να προκαλέσει κατολισθήσεις, χρησιμοποιώντας κάποιον παράγοντα εναύσματος (trigger), είτε στην απουσία κάποιου συγκεκριμένου γεγονότος, χρησιμοποιώντας απλά μόνο την εμφάνιση φαινομένων κατολισθήσεων στον χρόνο (no trigger) Παράγοντες Εκδήλωσης Κατολισθήσεων Προπαρασκευαστικοί παράγοντες και Παράγοντες εναύσματος Η εκδήλωση κατολισθήσεων συνδέεται με διάφορους φυσικούς ή όχι παράγοντες οι οποίοι συμβάλλουν καθοριστικά στην ενεργοποίηση τους (Chung et al 1995, Atkinson and Massari 1998, Carrara et al 1999, Guzzetti et al 1999). Μπορεί να έχουν χαρακτήρα προπαρασκευαστικό (predisposing factors) λειτουργούν δηλαδή βοηθητικά προς την εκδήλωση μίας κατολίσθησης (δυνητικά μπορεί να προκαλέσουν κατολίσθηση) ή εναύσματος (triggering factors) όπου η παρουσία τους είναι αυτή που προκαλεί την κατολίσθηση (αποτελούν το έναυσμα εκδήλωσης). Βάση των παραπάνω οι κατολισθήσεις κατά την επεξεργασία τους για την εκτίμηση της επικινδυνότητας αναλύονται σε πολλούς παράγοντες οι οποίοι λειτουργούν μεμονωμένα ή συνδυαστικά στην προετοιμασία εκδήλωσης, ενεργοποίηση ή εξέλιξη του φαινομένου. Επομένως, με όρους στατιστικής μία κατολίσθηση μπορεί να αποτελέσει πολυμεταβλητό στοιχείο αποτελούμενο από πολλές μεταβλητές οι οποίες με τη σειρά τους διαστασιολογούνται ποιοτικά ή/και ποσοτικά Επιλογή Παραγόντων - Στατιστικός έλεγχος Όπως ήδη έχει αναφερθεί (Παράγραφος 2.2) στην ανάλυση της επιδεκτικότητας υπάρχουν «κρυμμένες» σχέσεις μεταξύ των παραγόντων που διαπιστώνονται και περιγράφονται με εφαρμογή επιμέρους στατιστικών αναλύσεων και οι οποίες βασίζονται σε τεχνικές στατιστικής ανάλυσης τύπου R δίνοντας έμμεσα ενδείξεις για τη συγγένεια των επιμέρους παραγόντων. Στην στατιστική υπάρχουν δύο τεχνικές που μελετούν τις σχέσεις μεταξύ μεταβλητών ή παρατηρήσεων. Οι τεχνικές - R (R-mode) προσπαθούν να εξηγήσουν τις σχέσεις που υπάρχουν ανάμεσα στις μεταβλητές (πχ μέθοδος κυρίων συνιστωσών, παραγοντική ανάλυση, ανάλυση κανονικών συσχετίσεων). Οι τεχνικές - Q (Q-mode) προσπαθούν να εξηγήσουν τις σχέσεις ανάμεσα στις παρατηρήσεις και όχι ανάμεσα στις μεταβλητές (πχ διακριτική ανάλυση, ανάλυση κατά συστάδες, πολυδιάστατη κλιμακοποίηση). [39]

47 Η χρήση στατιστικών μεθόδων της κατηγορίας R μαζί με βασικούς ελέγχους ανεξαρτησίας των μεταβλητών αλλά και ελέγχων συσχέτισης μπορούν να ερμηνεύσουν απόλυτα τις σχέσεις μεταξύ των παραγόντων που χρησιμοποιούνται και να επιλεγούν εν τέλει οι πλέον αντιπροσωπευτικοί παράγοντες που θα αποδώσουν με τον καλύτερο τρόπο την εκτίμηση της επιδεκτικότητας. Στον Πίνακα 2.3 συγκεντρώνονται όλες οι μεθοδολογίες που χρησιμοποιούνται εκ των οποίων ο έλεγχος ανεξαρτησίας είναι αυτός που θα χρησιμοποιηθεί σε επόμενα κεφάλαια για την ανάλυση των σχέσεων μεταξύ των παραγόντων. Πίνακας 2.3: Μεθοδολογίες στατιστικού ελέγχου ανεξαρτησίας παραγόντων Έλεγχος Ανεξαρτησίας χ 2 (Pearson s Chi-Square Test) Lee and Choi, 2004 Schicker and Moon, 2012 Jimenez-Peralvarez, 2009 Regmi et al, 2010 Συντελεστής Pearson (R) - Συντελεστής Goodman-Kruskal Fernandez et al, 2003 Έλεγχος συσχέτισης Συντελεστής Tschuprow Jimenez-Peralvarez, 2009 Συντελεστής Cramer s V Jimenez-Peralvarez, 2009 Schicker and Moon, 2012 Ανάλυση Κύριων συνιστωσών (PCA) Ιδιοτιμές (Eigenvalues) Sabatakakis et al, Έλεγχος αξιοπιστίας μοντέλου επιδεκτικότητας Βασικό στάδιο στην ανάπτυξη μοντέλων επιδεκτικότητας αποτελεί ο έλεγχος ή επαλήθευση (validation) της αξιοπιστίας τους, ως προς την ορθότητά τους και ως προς την ικανότητα πρόβλεψης. Η διαδικασία αυτή γίνεται με τρόπο ποιοτικό ή ποσοτικό. Μία από τις πλέον διαδεδομένες ποσοτικές μεθόδους ελέγχου είναι οι καμπύλες λειτουργικού χαρακτηριστικού δέκτη ή αλλιώς ROC καμπύλες (Receiver Operating Characteristic curves). Οι καμπύλες αυτές μπορούν να έχουν χαρακτήρα ελέγχου επιτυχίας του μοντέλου ή της ικανότητας πρόβλεψης. Οι καμπύλες επιτυχίας του μοντέλου (Success rate curves) σχεδιάζονται λαμβάνοντας υπόψη τις ίδιες τις κατολισθήσεις που χρησιμοποιήθηκαν για την ανάπτυξη του μοντέλου και ως εκ τούτου αντιπροσωπεύουν ένα μέτρο της ορθότητας του μοντέλου. Οι καμπύλες ικανότητας πρόβλεψης (Prediction rate curves) αναπτύσσονται λαμβάνοντας υπόψη ανεξάρτητες κατολισθήσεις από αυτές του μοντέλου και δίνουν ένα μέτρο της ικανότητας πρόβλεψης της επιδεκτικότητας. Πολλοί ερευνητές χρησιμοποιούν τη συγκεκριμένη μέθοδο για την αξιολόγηση των μοντέλων επιδεκτικότητας (Eeckhaut et al 2009, Akgun 2012, Schicker and Moon, 2012, Ciurleo et al 2016). Για τους ελέγχους της δεύτερης κατηγορίας, δηλαδή τις καμπύλες ικανότητας πρόβλεψης, απαιτείται η χρήση ενός ανεξάρτητου δείγματος κατολισθήσεων από αυτό που χρησιμοποιήθηκε για τους σκοπούς ανάπτυξης του μοντέλου. Οι Remondo et al 2003 [40]

48 αναφέρουν τρεις τρόπους που εξασφαλίζουν ένα ανεξάρτητο δείγμα κατολισθήσεων και το οποίο θα χρησιμοποιηθεί για τον έλεγχο επαλήθευσης του μοντέλου επιδεκτικότητας. Στο πρώτο, οι καταγραφές μιας βάσης δεδομένων κατολισθήσεων χωρίζονται με τυχαίο τρόπο σε δύο ομάδες και η μία χρησιμοποιείται για την ανάπτυξη του μοντέλου, ενώ η δεύτερη στην επαλήθευσή του. Στο δεύτερο, η ανάλυση γίνεται σε ένα τμήμα της υπό μελέτη περιοχής και εξετάζεται το μοντέλο σε μία άλλη και προφανώς με άλλες κατολισθήσεις. Τέλος, ο τρίτος τρόπος εμπεριέχει τον χρονικό παράγοντα, δηλαδή του χρόνου εκδήλωσης της κατολίσθησης, και προτείνει η ανάλυση να γίνεται σε μία ομάδα κατολισθήσεων που συνέβησαν σε μία δεδομένη χρονική περίοδο και η επαλήθευση σε μία άλλη ομάδα στην οποία οι κατολισθήσεις συνέβησαν σε διαφορετική χρονική περίοδο. Ο τρίτος τρόπος είναι ο πιο κατάλληλος και σωστός στην επαλήθευση του μοντέλου κατά την έννοια της «πρόβλεψης», αλλά επίσης και ο πιο δύσκολος στην εφαρμογή, καθόσον πρέπει να υπάρχει η γνώση της χωρικής κατανομής των κατολισθήσεων. Η μέθοδος αυτή είναι και αυτή που επιλέχθηκε στην παρούσα διατριβή να χρησιμοποιηθεί (Κεφάλαιο 3.1.8). Μία καμπύλη ROC αποτελεί μία περιγραφική μέθοδο της ακρίβειας ενός μοντέλου καθώς παρέχει τη δυνατότητα οπτικής και ποσοτικής εκτίμησης της συνολικής διαγνωστικής αποτελεσματικότητας μίας δοκιμασίας. Οι καμπύλες αυτές χρησιμοποιούν τις συνιστώσες της ευαισθησίας (sensitivity) που αντιπροσωπεύει το ποσοστό του χάρτη που περιέχει γνωστές κατολισθήσεις και έχουν σωστά ταξινομηθεί σε κλάσεις επιδεκτικότητας, σε σχέση με την εξακρίβωση (1-specificity), που είναι το ποσοστό του χάρτη που δεν παρουσιάζει κατολισθήσεις και έχει σωστά ταξινομηθεί ως ελεύθερο από κατολισθήσεις. Σε μία τυπική καμπύλη η περιοχή κάτω από την καμπύλη, AUC (Area Under Curve) είναι ένα ποσοτικό μέτρο επίδοσης του μοντέλου. Το εμβαδό της περιοχής κάτω από την καμπύλη ROC εκφράζει την πιθανότητα το μοντέλο να ταξινομεί σωστά ένα ζεύγος θέσης κατολίσθησης και θέσης μη κατολίσθησης στην περιοχή μελέτης και παίρνει τιμές από 0 έως 1. Όσο μεγαλύτερη η τιμή AUC τόσο μεγαλύτερη είναι η ακρίβεια του ελέγχου ύπαρξης ή μη ύπαρξης κατολίσθησης. Έτσι, όσο το AUC πλησιάζει στη μονάδα τόσο πιο ακριβές είναι το μοντέλο στον σκοπό του (Εικόνα 2.7). Καθώς η κυρτότητα της καμπύλης αυξάνεται προς την απάνω αριστερή γωνία, αυξάνεται και η διακριτική ικανότητα του μοντέλου. Αν το εμβαδό είναι 0,5 τότε ο έλεγχος δεν είναι επιτυχημένος και στηρίζεται σε τυχαία γεγονότα. Επίσης, η τιμή p-value που προκύπτει και δηλώνει το επίπεδο σημαντικότητας, για τιμή p<0,05 γίνεται αποδεκτός ο έλεγχος, ότι σε επίπεδο 5% δίνονται καλά αποτελέσματα. [41]

49 Sensitivity (Ευαισθησία) AUC ROC καμπύλη 1 Specificity (1-Ειδικότητα) Εικόνα 2.7: Τυπικό διάγραμμα καμπύλης ROC Η επαλήθευση των μοντέλων μπορεί να γίνει επίσης με τρόπο εν μέρει ποιοτικό, με τον σχεδιασμό καμπυλών επιτυχίας, προβάλλοντας το επί της εκατό (%) ποσοστό ύπαρξης κατολισθήσεων σε κάθε ζώνη επιδεκτικότητας. Για την εφαρμογή στην περίπτωση των κατολισθήσεων, οι καμπύλες αντιπροσωπεύουν τα επί τις εκατό (%) αθροιστικά ποσοστά των κατολισθήσεων (άξονας Υ) ως προς τις επί τις εκατό (%) αθροιστικά ποσοστά των ζωνών επιδεκτικότητας που προσδιορίζουν την περιοχή μελέτης (εκφράζονται ως τμήμα της περιοχής μελέτης με επιδεκτικότητα πάνω από μία συγκεκριμένη τιμή, από τη μεγαλύτερη στη μικρότερη). Η μέθοδος αυτή χρησιμοποιείται εξίσου συχνά με τις καμπύλες ROC στον έλεγχο μοντέλων επιδεκτικότητας (Lee and Talib 2005, Guzzetti et al 2006, Lee 2007, Bijukchhen et al 2013). [42]

50 3. ΑΝΑΠΤΥΞΗ ΒΑΣΗΣ ΔΕΔΟΜΕΝΩΝ ΚΑΤΟΛΙΣΘΗΣΕΩΝ 3.1. Αρχείο Κατολισθήσεων - Πηγές Πληροφόρησης Η καταγραφή 209 διαφορετικών κατολισθήσεων έγινε για την περιοχή που οριοθετείται κατά μήκος της ακτογραμμής των βόριων παραλίων της Αχαΐας μεταξύ της περιοχής της Παναγοπούλας (προς Δύση) και της περιοχής του Πλατάνου (προς Ανατολή) και σε ζώνη χιλιομέτρων προς την ενδοχώρα (Νότος). Η συγκέντρωση, επεξεργασία και καταγραφή των κατολισθήσεων αποτελεί μια ιδιαίτερα σημαντική διαδικασία και βασικό στάδιο στη διερεύνηση της επιδεκτικότητας (susceptibility) των κατολισθήσεων. Τα αρχεία απογραφής κατολισθήσεων αποτελούν την πιο απλή μορφή χαρτογράφησης κατολισθήσεων (Hansen 1984, Wieczorek 1984, Guzzetti 1999, Malamud et al 2004) καθώς περιλαμβάνουν την ακριβή θέση, την έκταση και την ημερομηνία εκδήλωσης της κάθε κατολίσθησης. Σχεδιάζονται ανάλογα τη χρήση που θα εξυπηρετήσουν, την έκταση που θα καλυφθεί αλλά και τις διαθέσιμες πηγές πληροφόρησης (Guzzetti et al 1999). Ανάλογα με την κλίμακα στην οποία θα σχεδιαστεί ο χάρτης απογραφής κατολισθήσεων, χρησιμοποιούνται και οι ανάλογες πηγές πληροφόρησης (Guzzetti et al 2012). Δουλεύοντας σε μικρές κλίμακες (<1: ) χρησιμοποιούνται οι περισσότερες πηγές πληροφορίας όπως βιβλιογραφικές αναφορές, δημόσιοι φορείς, τεχνικές εκθέσεις, αναφορές ή αρχεία (Taylor and Brabb 1986, Brabb 1995, Glade 1998, Reichenbach et al 1998, Salvati et al 2003, 2009), αλλά και από οπτική παρατήρηση αεροφωτογραφιών. Σε μεσαίες κλίμακες (1: : ) χρησιμοποιείται η μέθοδος υπέρθεσης σειράς αεροφωτογραφιών σε συνδυασμό με επί τόπου ελέγχους και ιστορική πληροφόρηση. Τέλος, για την απογραφή κατολισθήσεων σε μεγάλες κλίμακες (>1:25.000) χρησιμοποιούνται αεροφωτογραφίες, δορυφορικές εικόνες υψηλής ανάλυσης, αλλά και λεπτομερής επί τόπου έρευνα. Ο σχεδιασμός ενός αρχείου απογραφής κατολισθήσεων (landslide inventory) μπορεί να έχει χαρακτήρα ιστορικό (historical) όπου απογράφονται κατολισθήσεις που σημειώθηκαν πριν από δεκάδες, εκατοντάδες ή χιλιάδες χρόνια, εποχιακό (seasonal), όπου απογράφονται κατολισθήσεις που σημειώθηκαν κατά τη διάρκεια ενός έτους ή πολλών ετών από ένα συγκεκριμένο εποχιακό γεγονός, ή τέλος να αναφέρεται σε ένα μοναδικό και τυχαίο γεγονός (event) για κατολισθήσεις που εκδηλώθηκαν ύστερα από ένα μεμονωμένο γεγονός εναύσματος όπως ένας σεισμός ή ένα έντονο μετεωρολογικό γεγονός. [43]

51 Η περιοχή έρευνας αντιμετωπίζεται σαν μεσαίας κλίμακας καθόσον περιορίζεται από σαφή όρια εντός του νομού Αχαΐας. Εντός της περιοχής αυτής καταγράφηκαν συνολικά 209 κατολισθήσεις (Εικόνα3.1). Πηγές αναζήτησης των κατολισθήσεων αποτέλεσαν τα εξής: Παλαιότερα αρχεία καταγραφής κατολισθήσεων (ΚΕΔΕ κα) Τηλεπισκόπιση (Αεροφωτογραφίες, Δορυφορικές Εικόνες, Google Earth) Τεχνικές Εκθέσεις και Μελέτες Τοπικός Τύπος (έντυπος και ηλεκτρονικός) Γενική Γραμματεία Πολιτικής Προστασίας (Επίπεδα Περιφέρειας και Δήμου) Ινστιτούτο Γεωλογικών και Μεταλλευτικών Ερευνών (ΙΓΜΕ) Επί τόπου παρατήρηση Εικόνα 3.1: Χάρτης απογραφής κατολισθήσεων για την περιοχή έρευνας. Λόγω κλίμακας χάρτη οι εκτάσεις των κατολισθήσεων δεν διακρίνονται στις περισσότερες περιπτώσεις. Στη μεγέθυνση κλίμακας 1:25000 τα όρια των κατολισθήσεων γίνονται διακριτά (αριστερά) Οι παραπάνω πηγές αναζήτησης κατολισθήσεων χαρακτηρίζονται από διαφορετικό βαθμό αξιοπιστίας που καθορίζεται από την κρίση του ερευνητή, τη σαφήνεια της πληροφορίας που θα αναζητηθεί, την εγκυρότητα της κάθε πηγής κλπ. Μια βασική πληροφορία που προκύπτει από τη συστηματική αναζήτηση κατολισθήσεων σε αξιόπιστες πηγές είναι η ημερομηνία εκδήλωσης τους σε επίπεδο ημέρας, μήνα και έτους [44]

52 που μπορεί εν συνεχεία να χρησιμοποιηθεί στο συσχετισμό με παραμέτρους όπως οι βροχοπτώσεις και σεισμικά γεγονότα. Οι παράμετροι αυτοί αποτελούν παράγοντες εναύσματος (Dai and Lee 2002, Pradhan and Lee 2010) των κατολισθήσεων και χρησιμοποιούνται στην εκτίμηση της επικινδυνότητας (hazard) των κατολισθήσεων μέσω υποθετικών σεναρίων. Στη συνέχεια περιγράφονται αναλυτικά τα χαρακτηριστικά της κάθε πηγής πληροφορίας που χρησιμοποιήθηκε Παλαιά αρχεία κατολισθήσεων Η χρήση παλαιότερων αρχείων κατολισθήσεων, δηλαδή βάσεων δεδομένων, είναι μια πολύ καλή πηγή αναζήτησης για την εκτίμηση της επιδεκτικότητας (van Westen et al 1997). Η αναζήτηση σε βάσεις δεδομένων θα πρέπει να γίνεται με ιδιαίτερη προσοχή, καθώς η οργάνωσή τους γίνεται σε μεγάλο βαθμό βάσει της κρίσης και της εμπειρίας του μελετητήερευνητή που τις διαχειρίζεται ή σχεδιάζει. Εθνικοί συνήθως φορείς διαφόρων κρατών παρέχουν αξιόπιστες βάσεις δεδομένων κατολισθήσεων. Στην Ελλάδα αρχεία κατολισθήσεων διαθέτουν το Ινστιτούτο Γεωλογικών και Μεταλλευτικών Μελετών ΙΓΜΕ και το Κεντρικό Εργαστήριο Δημοσίων Έργων ΚΕΔΕ. Εδώ, αναφορές κατολισθήσεων αναζητήθηκαν εκτός των παραπάνω και σε επιμέρους βάσεις δεδομένων που είχαν σχεδιαστεί στο πλαίσιο διάφορων, κυρίως ερευνητικών, εργασιών. Μέχρι το τέλος της δεκαετίας του 1980 είχαν καταγραφεί από τον Ζιούρκα (1989) στο πλαίσιο της διδακτορικής του διατριβής καταγραφές για όλη την Ελλάδα. Η βάση δεδομένων συμπληρώθηκε από Λαλιώτη και Σπανού (2001) για την περίοδο , στα πλαίσια διπλωματικών εργασιών του Πανεπιστημίου Πατρών. Επιπλέον συμπλήρωση έγινε από την Μπλιώνα (2008) για την περίοδο με 397 νέες καταχωρίσεις. Η τελική βάση δεδομένων εμπεριείχε κατολισθήσεις ανά την Ελληνική περιφέρεια. Το πλέον ενημερωμένο αρχείο κατολισθήσεων για την Ελλάδα (Sabatakakis et al 2013), περιλαμβάνει τεκμηριωμένες περιπτώσεις κατολισθήσεων που καταγράφηκαν μέχρι και το Ειδικά για την Αχαΐα, στο πλαίσιο Διατριβής Ειδίκευσης δημιουργήθηκε από τη Σπανού (2003) μία βάση δεδομένων κατολισθήσεων σε περιβάλλον Access με 108 καταγραφές. Τα δεδομένα της βασίζονται κυρίως σε κατολισθήσεις που εκδηλώθηκαν την περίοδο και συγκεντρώθηκαν από διάφορους δημόσιους φορείς (κυρίως το ΙΓΜΕ και το ΚΕΔΕ). Επίσης, επικαιροποίηση και συμπλήρωση της τελευταίας βάσης για την Αχαΐα, πραγματοποιήθηκε στο πλαίσιο μίας νέας Διατριβής Ειδίκευσης (Κάβουρα 2013) κατά την οποία περιγράφηκαν 137 θέσεις κατολισθήσεων και ενσωματώθηκαν σε μια διαδικτυακή [45]

53 βάση δεδομένων (Διαχειριστικό Σύστημα καταγραφής κατολισθήσεων, αναρτημένη στην ιστοσελίδα του Εργαστηρίου Τεχνικής Γεωλογίας του Πανεπιστημίου Πατρών (Kordouli et al 2013, Kavoura et al 2014). Τα τελευταία χρόνια πραγματοποιήθηκαν ανάλογες εργασίες στη περιοχή αναφέροντας τις ίδιες ή επιπλέον θέσεις κατολισθήσεων (Τσαγκάς 2011, Rozos et al 2011, Polykretis et al 2015). Στη περιοχή έρευνας εντοπίστηκαν συνολικά 32 θέσεις κατολισθήσεων που υπάγονται σε αυτή την κατηγορία, ενώ 24 από αυτές επιβεβαιώνονται και από κάποια από τις άλλες πηγές πληροφόρησης που αναφέρθηκαν (15 μέσω Τοπικού Τύπου και 9 από τα αρχεία του ΙΓΜΕ). Ο συνολικός αριθμός των κατολισθήσεων αυτής της κατηγορίας ήταν 8 περιπτώσεις Τηλεπισκόπιση Η εφαρμογή μεθόδων τηλεπισκόπισης, όπως η χρήση αεροφωτογραφιών και δορυφορικών εικόνων, χρησιμοποιείται ευρύτατα στην αναγνώριση κατολισθήσεων και τη δημιουργία ενός χάρτη καταγραφής κατολισθήσεων (inventory map) λαμβάνοντας σημαντικές πληροφορίες για αυτές (Mantovani et al 1996, Atkinson and Massari 1998, Dai and Lee 2002, Fernandez et al 2003, Ercanoglu and Gokceoglu 2004, Ayalew et al 2004, Lee and Choi 2004, Lee and Talib 2005, Galli et al 2008, Lee 2007, Regmi et al 2010, Pradhan and Youssef 2010, Pradhan and Lee 2010, Regmi et al 2014). Επίσης αποτελεί σπουδαίο εργαλείο σε εφαρμογές παρακολούθησης ήδη γνωστών κατολισθήσεων για το πώς αυτές εξελίσσονται με τον χρόνο (Kavoura et al 2014a, Kavoura et al 2014b, Nikolakopoulos et al 2014, Nikolakopoulos et al 2015, Kavoura et al 2016a, Nikolakopoulos et al 2017). Στη παρούσα διατριβή χρησιμοποιήθηκαν αεροφωτογραφίες κλίμακας 1:5.000 και 1: καθώς και δορυφορικές εικόνες. Οι εικόνες στο σύνολό τους καλύπτουν την περίοδο και οι θέσεις των κατολισθήσεων αναγνωρίστηκαν ύστερα από υπέρθεση αυτών. Το παλαιότερο χρονικά υπόβαθρο αποτέλεσε το μωσαϊκό αεροφωτογραφιών του 1945, ενώ παράλληλα χρησιμοποιήθηκε ένας μεγάλος αριθμός πιο πρόσφατων εικόνων δημιουργώντας έτσι χρονοσειρές εικόνων. Η χρονική αυτή υπέρθεση των εικόνων επέτρεψε την αναγνώριση και αποτύπωση θέσεων κατολισθήσεων. Η εκδήλωση μιας κατολίσθησης μπορεί να αλλάξει την κάλυψη γης μιας περιοχής μεταβάλλοντας την εικόνα της επιφάνειας της γης: διακοπή βλάστησης, απογυμνωμένες εδαφικές εκτάσεις, χαρακτηριστικές γεωμορφές και θραύσεις που δημιουργούνται λόγω ύπαρξης μίας κατολίσθησης. Η ύπαρξη τέτοιων χαρακτηριστικών στις εικόνες που εξετάζονται οδηγούν τον ερευνητή στην κατεύθυνση να αποφασίσει αν συνδέονται με την ύπαρξη μίας κατολίσθησης ή όχι. Παράλληλα χρησιμοποιήθηκε η εφαρμογή προβολής υποβάθρου δορυφορικών εικόνων της [46]

54 ΚΤΗΜΑΤΟΛΟΓΙΟ ΑΕ για περιβάλλον ArcGIS 9.2 η οποία δομείται από ορθοφωτογραφίες πρόσφατης λήψης. Μέθοδος τηλεπισκόπισης, τα τελευταία χρόνια στο θέμα της χαρτογράφησης κατολισθήσεων αποτελεί και η εφαρμογή Google Earth. Η εφαρμογή Google Earth είναι ένα πρόγραμμα γραφικής απεικόνισης της επιφάνειας της γης που διατίθεται ελεύθερα στο διαδίκτυο. Σχεδιάστηκε από την εταιρεία Keyhole Inc. το 2001 με το όνομα EarthViewer, και το 2004 μετονομάστηκε σε Google Earth όταν εξαγοράστηκε από την Google. Συνθέτει διάφορες εικόνες και πληροφορίες από δορυφορικές εικόνες, αεροφωτογραφίες και χωρικά δεδομένα GIS. Από το 2005 η εφαρμογή χρησιμοποιεί υψηλής (HR) και πολύ υψηλής ανάλυσης δορυφορικές εικόνες (VHR), παγκόσμιας κάλυψης και τη δυνατότητα τρισδιάστατης (3D) προβολής των εικόνων, δίνοντας τη δυνατότητα στους γεω-επιστήμονες να αξιοποιήσουν τις δορυφορικές εικόνες στην ανίχνευση και χαρτογράφηση κατολισθήσεων. Βιβλιογραφικά αναφέρονται πολλές περιπτώσεις χαρτογράφησης κατολισθήσεων με τη χρήση του Google Earth (Sato and Harp 2009, Erismann and Abele 2001, Guzzetti et al 2012, Bijukchhen et al 2013). Σημαντικά εργαλεία της εφαρμογής είναι: α) η δυνατότητα προβολής ιστορικών εικόνων για κάποιες περιοχές (χρονοσειρά εικόνων), β) η δυνατότητα προβολής πανοραμικών πλάνων σε επίπεδο εδάφους με τη χρήση του Street View, κάνοντας πιο εύκολη την αναγνώριση κατολισθήσεων σε αυτές τις περιοχές και γ) η τρισδιάστατη απεικόνιση της επιφάνειας της γης. Η σπουδαιότητα εφαρμογής της τηλεπισκόπισης στη μελέτη κατολισθήσεων έγκειται στα εξής: α) δυνατότητα αναγνώρισης κατολισθήσεων σε μεταγενέστερο της εκδήλωσής τους χρόνο, β) το γεγονός ότι μπορούν να μετρηθούν με καλή ακρίβεια τα γεωμετρικά χαρακτηριστικά των κατολισθήσεων, γ) χρονικός προσδιορισμός της εκδήλωσης της κατολίσθησης με τη χρήση επάλληλων εικόνων πριν και μετά την εκδήλωσή της. Στη περιοχή έρευνας μέσω της τηλεπισκόπισης αναγνωρίστηκαν 118 νέες θέσεις κατολισθήσεων από τις οποίες 4 επιβεβαιώνονται από τις αναφορές της Πολιτικής Προστασίας. Οι περισσότερες από αυτές επιβεβαιώθηκαν μετά από επί τόπου παρατήρηση. Ο τελικός αριθμός κατολισθήσεων αυτής της κατηγορίας ήταν Τοπικός Τύπος Οι τοπικές εφημερίδες αποτελούν μια από τις πλέον αξιόπιστες πηγές πληροφόρησης καθώς οι εφημερίδες είναι ένας τύπος τεκμηρίων. Η άντληση πληροφοριών από τα αρχεία των εφημερίδων δίνουν στον ερευνητή πέραν της περιγραφής ενός γεγονότος και την [47]

55 ακριβή ημερομηνία εκδήλωσής του. Με την αναζήτηση σε αρχεία εφημερίδων εντοπίζονται κατολισθήσεις που συνέβησαν στο παρελθόν και μπορεί σήμερα να αγνοείται ή όχι η ύπαρξή τους, μπορεί να συνδέονται ή όχι με ένα συγκεκριμένο έναυσμα όπως ένας σεισμός ή έντονη βροχόπτωση, αλλά και κατολισθήσεις που επηρέασαν σε κάποιο βαθμό την εξέλιξη και ύπαρξη μίας οικιστικής μονάδας. Ανάλογα με τη χρονική διάρκεια ύπαρξης του κάθε εντύπου και τη διαθεσιμότητα του σήμερα, μπορεί να αναζητηθούν κατολισθήσεις που σημειώθηκαν ακόμα και πριν από 100 χρόνια. Αυτό έρχεται να συμπληρώσει τη δυνατότητα που προσφέρουν οι αεροφωτογραφίες να αποτυπώνουν την επιφάνεια της γης σε παλαιότερη χρονική στιγμή, που όμως στην Ελλάδα, συγκεκριμένα οι παλαιότερες αεροφωτογραφίες ευρείας κάλυψης, τοποθετούνται χρονικά στο Σε πολλές εργασίες έχει χρησιμοποιηθεί αυτός ο τύπος ανεύρεσης αναφορών κατολισθήσεων για την οργάνωση αρχείου κατολισθήσεων (Guzzetti et al 1994, Petrucci and Polemio 2002, Pradhan and Lee 2010, Salvati et al 2010, Vennari et al 2014, Corominas et al 2014). Εικόνα 3.2: Αποσπάσματα εφημερίδων με αναφορές σε κατολισθήσεις που συνέβησαν στη περιοχή έρευνας (Προσωπικό αρχείο που οργανώθηκε κατά την παρούσα Διατριβή) [48]

56 Στη παρούσα έρευνα χρησιμοποιήθηκε το αρχείο της τοπικής εφημερίδας «ΠΕΛΟΠΟΝΝΗΣΟΣ» και συμπληρωματικά για κάποια έτη η εφημερίδα «ΝΕΟΛΟΓΟΣ των Πατρών». Η επιλογή του συγκεκριμένου εντύπου έγινε κυρίως λόγω της μακροχρόνιας κυκλοφορίας από το 1886 έως σήμερα. Πρόκειται για μια από τις αρχαιότερες εφημερίδες στην Ελλάδα, η πρώτη που εκδόθηκε σε επαρχιακή πόλη και είναι από τα σημαντικότερα μέσα ενημέρωσης στη Δυτική Ελλάδα. Η εφημερίδα Νεολόγος των Πατρών κυκλοφορούσε από το 1894 μέχρι το Ένα μεγάλο μέρος του αρχείου των τευχών υπάρχει ψηφιοποιημένο στην ιστοσελίδα του Μουσείου Τύπου Πάτρας ( για τη χρονική περίοδο , ενώ τα νεότερα τεύχη του αρχείου από το 1979 μέχρι σήμερα βρίσκεται σε έντυπη μορφή στη Δημοτική Βιβλιοθήκη Πατρών. Συνολικά εξετάστηκαν περισσότερα από 5000 φύλλα εφημερίδων και βρέθηκαν περισσότερες από 100 αναφορές σε κατολισθήσεις στο νομό Αχαΐας μέρος από τις οποίες εξετάστηκαν και καταγράφηκαν στο τελικό αρχείο καταγραφής της περιοχής έρευνας (Εικόνα 3.2). Επιπλέον για την περίοδο 2008 μέχρι σήμερα χρησιμοποιήθηκαν πληροφορίες από τοπικές ειδησεογραφικές πύλες. Για την περιοχή έρευνας συγκεντρώθηκαν 41 περιστατικά κατολισθήσεων μετά την αποδελτίωση ενώ 22 από αυτά επιβεβαιώνονται και από κάποιες από τις άλλες πηγές (15 αναφέρονται σε παλαιότερα Αρχεία κατολισθήσεων ενώ 7 σε αρχεία του ΙΓΜΕ). Ο αριθμός των θέσεων κατολισθήσεων που εντάχτηκαν σε αυτή την κατηγορία ήταν Τεχνικές Εκθέσεις Τεχνικές εκθέσεις και μελέτες για φαινόμενα κατολισθήσεων που εκπονήθηκαν από το εργαστήριο Τεχνικής Γεωλογίας του Πανεπιστημίου Πατρών συγκεντρώθηκαν και καταγράφηκαν. Στις εκθέσεις αυτές γίνεται λεπτομερής τεχνικογεωλογική διερεύνηση κατολισθητικών φαινομένων που προκλήθηκαν στην ευρύτερη περιοχή της Αχαΐας με επικρατέστερα αίτια εκδήλωσης κάποιο σεισμικό γεγονός ή περιόδους έντονων βροχοπτώσεων. Γίνεται σαφές ότι δίνεται εμπεριστατωμένη περιγραφή της κάθε κατολίσθησης όπως τα αίτια εκδήλωσης, η ημερομηνία εκδήλωσης, τα ακριβή όρια, οι τεχνικογεωλογικές συνθήκες που επικρατούν στη περιοχή, οι συνθήκες υδάτων κ.α. (Koukis et al 1997, Sabatakakis et al 2005, Koukis et al 2009). Από τις μελέτες του αρχείου 25 θέσεις κατολισθήσεων τοποθετούνται εντός της περιοχής έρευνας με δύο από αυτές να διασταυρώνονται και με άλλες πηγές (μία στο αρχείο του ΙΓΜΕ και μία σε παλαιότερη βάση δεδομένων κατολισθήσεων). Εδώ ο συνολικός αριθμός της κατηγορίας ήταν 23 κατολισθήσεις. [49]

57 Πολιτική Προστασία Η Διεύθυνση Πολιτικής Προστασίας είναι ο αρμόδιος τοπικός φορέας κάθε Διοικητικής Περιφέρειας με έργο την πρόληψη, ετοιμότητα, αντιμετώπιση και αποκατάσταση των καταστροφών, εντός των ορίων της εδαφικής της περιφέρειας. Η περιοχή έρευνας υπάγεται στο Τμήμα Πολιτικής Προστασίας Περιφερειακής Ενότητας Αχαΐας υπό την Γενική Γραμματεία Πολιτικής Προστασίας του Υπουργείου Εσωτερικών και Διοικητικής Ανασυγκρότησης. Έγινε αναζήτηση αναφορών κατολισθήσεων που καταγράφηκαν τόσο από το Τμήμα Αχαΐας όσο και από τα επί μέρους Γραφεία Πολιτικής Προστασίας Καλλικρατικών Δήμων της περιοχής έρευνας. Από τις καταγραφές που συγκεντρώθηκαν 6 αναφορές τοποθετούνται εντός της περιοχής έρευνας εκ των οποίων 4 επιβεβαιώνονται και μέσω της τηλεπισκόπισης. Δύο τελικά κατολισθήσεις ανήκουν σε αυτή την κατηγορία Ινστιτούτο Γεωλογικών και Μεταλλευτικών Μελετών (ΙΓΜΕ) Το ΙΓΜΕ ως επίσημος εθνικός φορέας έρευνας και μελέτης γεωλογικών φαινομένων στην Ελλάδα διαθέτει ένα εκτενές αρχείο Τεχνικών Εκθέσεων που διερευνούν φαινόμενα κατολισθήσεων στην ελληνική επικράτεια. Συγκεκριμένα, για την περίοδο διαθέτει πάνω από Τεχνικές Εκθέσεις οι οποίες αναφέρονται σε κατολισθήσεις στην Ελλάδα, ενώ μόνο για την περίοδο συντάχθηκαν τουλάχιστον 60 Τεχνικές Εκθέσεις. Μετά από αναζήτηση στο αρχείο αυτό, βρέθηκε και καταγράφηκε ένας αξιόλογος αριθμός κατολισθήσεων στην περιοχή έρευνας, με ακριβή περιγραφή για την κάθε περίπτωση. Από το αρχείο του ΙΓΜΕ 22 θέσεις αφορούν τη περιοχή έρευνας και ενσωματώθηκαν στη βάση δεδομένων με 17 να διασταυρώνονται και από άλλες πηγές (9 από παλαιότερες βάσεις δεδομένων, 7 από τον Τοπικό Τύπο και μία από Τεχνική έκθεση) Επί τόπου Παρατήρηση Στην κατηγορία αυτή αναφέρονται οι περιπτώσεις εκείνες των κατολισθήσεων που αναγνωρίστηκαν και περιγράφηκαν στο πεδίο την τελευταία τριετία και δεν ανήκουν σε καμία από τις πιο πάνω κατηγορίες. Στη κατηγορία αυτή εντάσσεται μία αναφορά κατολίσθησης κοντά στον οικισμό Σελλά. Στο σημείο αυτό σημειώνεται ότι το σύνολο σχεδόν των κατολισθήσεων ταυτοποιήθηκαν μετά από επί τόπου παρατήρηση. Στην τελική βάση δεδομένων κατολισθήσεων που σχεδιάστηκε στη παρούσα διατριβή καταγράφηκαν 209 θέσεις κατολισθήσεων για την περίοδο Οι 172 [50]

58 κατολισθήσεις προέρχονται αποκλειστικά από μία μοναδική πηγή πληροφόρησης από αυτές που αναφέρθηκαν, ενώ 37 επιβεβαιώνονται από περισσότερες πηγές (Πίνακας 3.1). Πίνακας 3.1: Συχνότητα εμφάνισης της κάθε πηγής πληροφόρησης στο σύνολο των κατολισθήσεων Πηγή Πληροφόρησης Αριθμός κατολισθήσεων Ποσοστό % επί του συνόλου Αρχεία κατολισθήσεων 7 3,3 Τηλεπισκόπιση ,5 Τοπικός τύπος 19 9,1 Τεχνικές εκθέσεις/μελέτες 23 11,0 Πολιτική Προστασία 2 1,0 ΙΓΜΕ 6 2,9 Επί τόπου παρατήρηση 1 0,5 Συνδυασμός πηγών 37 17,7 Total ,0 Εικόνα 3.3: Γράφημα κατανομής των κατολισθήσεων βάση των πηγών πληροφόρησης Η πλειοψηφία των κατολισθήσεων (54,5% του συνόλου των κατολισθήσεων) αναγνωρίστηκαν και επιβεβαιώθηκαν μέσω της τηλεπισκόπισης με τη βοήθεια μιας πυκνής χρονοσειράς αεροφωτογραφιών και δορυφορικών εικόνων με παράλληλη χρήση του Google Earth. Ακολουθούν σε ποσοστό οι περιπτώσεις που διασταυρώνονται από περισσότερες από μία πηγές με ποσοστό 17,7%. Στη συνέχεια οι κατολισθήσεις που εντοπίστηκαν σε Μελέτες και Τεχνικές εκθέσεις με ποσοστό 11% και στη συνέχεια οι κατολισθήσεις που αναφέρονται στον Τοπικό Τύπο με ποσοστό 9,1%. Με μικρότερα ποσοστά ακολουθούν οι καταγραφές της χρήσης Παλαιότερου Αρχείου Κατολισθήσεων, [51]

59 του αρχείου του ΙΓΜΕ, της (Εικόνα3.3). Πολιτικής Προστασίας και της αναγνώριση στο πεδίο Αρχείο κατολισθήσεων επαλήθευσης Τα διάφορα μοντέλα εκτίμησης της επιδεκτικότητας κατολισθήσεων αναπτύσσονται χρησιμοποιώντας ένα γνωστό αριθμό καλά μελετημένων θέσεων κατολισθήσεων. Στην προκειμένη περίπτωση χρησιμοποιείται το σύνολο των καταγραφών (209) που συγκεντρώθηκε στο πλαίσιο της διατριβής. Στη συνέχεια, με σκοπό να ελεγχθούν τα διάφορα μοντέλα ως προς την ικανότητά τους να προβλέπουν περιοχές συγκεκριμένου βαθμού επιδεκτικότητας, απαιτείται η χρήση ενός ανεξάρτητου από το πρώτο αρχείου των 209 κατολισθήσεων. Εικόνα 3.4: Χάρτης απογραφής κατολισθήσεων επαλήθευσης για την περιοχή έρευνας Στο πλαίσιο της παρούσας διατριβής χρησιμοποιήθηκε ένα ανεξάρτητο σετ 29 θέσεων κατολισθήσεων το οποίο προέρχεται από αναφορές κατολισθήσεων που συγκεντρώθηκαν από την Πολιτική Προστασία του Δήμου Αιγιαλείας κατά την περίοδο καθώς και τον Φορέα Χελμού-Βουραϊκού μετά το 2010 (Εικόνα 3.4). Το γεγονός ότι: α) χωρικά κατανέμονται σε όλη την περιοχή έρευνας, β) είναι πολύ πρόσφατες και μεταγενέστερες [52]

60 του μεγαλύτερου μέρους των δεδομένων του βασικού αρχείου κατολισθήσεων που χρησιμοποιείται στην εκτίμηση της επιδεκτικότητας και γ) σαν μέγεθος αποτελεί το 15% περίπου του αρχικού αριθμού των 209 κατολισθήσεων, καθιστά το σετ επαρκές για τον έλεγχο ικανότητας πρόβλεψης. Το γεγονός ότι ο χρονικός παράγοντας που συμμετέχει με το δεύτερο σετ να είναι μεταγενέστερο του αρχικού, ικανοποιεί με τον ιδανικότερο τρόπο τη διαδικασία επαλήθευσης του μοντέλου επιδεκτικότητας σύμφωνα με τους Remondo et al Βάση Δεδομένων Κατολισθήσεων Περιγραφή της Βάσης Δεδομένων Οι βάσεις δεδομένων αποτελούν σημαντικό εργαλείο στην οργάνωση, διατήρηση και επεξεργασία καταγραφών με σκοπό την πληροφόρηση και την εξαγωγή συμπερασμάτων που προκύπτουν μετά την ανάλυσή τους. Έτσι, και στη περίπτωση των κατολισθήσεων, η οργάνωση τους σε βάσεις δεδομένων μπορεί να δώσει σημαντικές πληροφορίες τόσο για τις συνθήκες εκδήλωσης τους, όσο και να κάνει δυνατή την περαιτέρω επεξεργασία των ιδιοτήτων που χαρακτηρίζουν τις κατολισθήσεις με χρήση στατιστικών εργαλείων. Μέσω αυτής της διαδικασίας δίνεται η δυνατότητα εκτίμησης της επιδεκτικότητας των κατολισθήσεων ή της επικινδυνότητάς τους, αλλά και αναγνώριση σχέσεων που αναπτύσσονται μεταξύ των χαρακτηριστικών των κατολισθήσεων όπως για παράδειγμα αν σχετίζεται ο τύπος της κατολίσθησης με την κλίση του πρανούς, ή αν η συχνότητα των κατολισθήσεων μεταβάλλεται με την εποχή που αυτές εκδηλώνονται. Μπορούν να τεθούν πολλά τέτοια ερωτήματα και να απαντηθούν μέσω απλών ή πιο σύνθετων στατιστικών διαδικασιών. Η επεξεργασία ενός μεγάλου αριθμού καταγραφών είναι αρκετά δύσκολη όταν αυτές προέρχονται από διαφορετικές πηγές και η περιγραφή του φαινομένου δεν ακολουθεί τον ίδιο τρόπο. Μία κατολίσθηση που έχει εξεταστεί μέσω μίας Τεχνικής Έκθεσης/Μελέτης μπορεί να δώσει στον ερευνητή πολύ περισσότερες πληροφορίες και να περιγράψει με λεπτομέρεια το φαινόμενο σε σχέση με μία καταγραφή που προέρχεται από ένα ειδησεογραφικό άρθρο. Για το λόγο αυτό, θα πρέπει για την οργάνωση μίας βάσης δεδομένων που θα περιέχει καταγραφές και των δύο περιπτώσεων, εξ αρχής να αποφασιστούν τα πεδία που θα περιγράφουν την κάθε καταγραφή και να αποδίδονται με τρόπο κοινό ώστε να επιτρέπεται στη συνέχεια η σύγκριση του συνόλου των καταγραφών. Έχοντας τις 209 θέσεις κατολισθήσεων, το επόμενο βήμα ήταν να οργανωθούν τα πεδία της βάσης δεδομένων και να αποδοθούν σε αυτές τα ιδιαίτερα χαρακτηριστικά τους. Η βασική [53]

61 ιδέα στον τρόπο που δομείται μία βάση δεδομένων κατολισθήσεων στηρίζεται σε κάποια απογραφικά δελτία κατολισθήσεων (Landslide Inventory Form-LIF). Ένα απογραφικό δελτίο κατολισθήσεων έχει σαν κύριο σκοπό την καταγραφή όλων των κατολισθήσεων κάτω από έναν κοινό κώδικα ώστε να επιτυγχάνεται με αντικειμενικότητα η μεταξύ τους σύγκριση και να γίνεται με ευκολία η καταχώριση μίας νέας κατολίσθησης. Περισσότερες πληροφορίες για τα απογραφικά δελτία κατολισθήσεων δίνονται από την Κάβουρα (2013) στο πλαίσιο Μεταπτυχιακής Διατριβής Ειδίκευσης. Παρόλα αυτά, σε μία βάση δεδομένων μπορούν να εμπλουτιστούν οι πληροφορίες που προσφέρει ένα απογραφικό δελτίο δίνοντας μεγέθη που προκύπτουν έμμεσα για την κάθε κατολίσθηση, όπως το ύψος βροχόπτωσης που δέχεται η περιοχή ή το καθεστώς κάτω από το οποίο εκδηλώθηκε. Πίνακας 3.2: Πεδία βάσης δεδομένων κατολισθήσεων που χρησιμοποιήθηκαν για την περιγραφή των 209 καταγραφών Κατηγορίες Πεδίων Κωδικός Πηγή Γεωγραφική Θέση Ημερομηνία εκδήλωσης Γεωλογικές /Εδαφικές συνθήκες Στοιχεία μετακίνησης Κλιματικές Συνθήκες Παράγοντες Εκδήλωσης Επιπτώσεις Βασικά Πεδία Επιμέρους πεδία Τύπος πληροφορίας Ποιοτική μεταβλητή Ποιοτική μεταβλητή Όνομα Οικισμός Ποιοτική μεταβλητή Συντεταγμένες Χ και Υ σε ΕΓΣΑ 87' Ποιοτική μεταβλητή Υψόμετρο Υψόμετρο σημείου από DEM (m) Ποσοτική μεταβλητή Απόλυτη Έτος/Μήνας/Μέρα Ποσοτική μεταβλητή Σχετική (>, < από μία δεδομένη ημερομηνία) Ποιοτική μεταβλητή Λιθολογία Τεχνικογεωλογική ενότητα Ποιοτική μεταβλητή Κλίση σημείου ( ο ) από χάρτη κλίσεων Ποσοτική μεταβλητή Κλίση Μέση κλίση έκτασης κατολίσθησης ( ο ) από χάρτη κλίσεων Ποσοτική μεταβλητή Χρήσεις γης Land Corine 1999 Ποιοτική μεταβλητή Τύπος κατολίσθησης Ταξινόμηση κατά Varnes 1978 Ποιοτική μεταβλητή Έκταση Από τη στέψη μέχρι τον πόδα (km 2 ) Ποσοτική μεταβλητή Μέση ετήσια βροχόπτωση σημείου κατολίσθησης (mm) Ποσοτική μεταβλητή Βροχόπτωση Μέση μηνιαία βροχόπτωση σημείου κατολίσθησης (mm) Ποσοτική μεταβλητή Ετήσια βροχόπτωση για το έτος εκδήλωσης της κατολίσθησης (mm) Ποσοτική μεταβλητή Μηνιαία βροχόπτωση για τον δεδομένο μήνα του έτους εκδήλωσης (mm) Ποσοτική μεταβλητή Προπαρασκευαστικοί Εναύσματος Οικιστική Ζώνη Οδικό Δίκτυο Φυσική έκταση Αγροτική έκταση Ποιοτική μεταβλητή Ποιοτική μεταβλητή Η Βάση Δεδομένων που χρησιμοποιείται στη παρούσα διατριβή στην αρχική της μορφή σχεδιάστηκε σε περιβάλλον Microsoft Excel και μετέπειτα σε περιβάλλον ArcGIS, με σκοπό να γίνεται δυνατή η σύνδεση επιμέρους βάσεων δεδομένων, όπως για παράδειγμα αυτής [54]

62 των Μετεωρολογικών Δεδομένων, για τον προσδιορισμό επιπλέον μεγεθών που δεν φιλοξενούνται σε ένα Απογραφικό Δελτίο. Έτσι δεν συμπληρώθηκαν απογραφικά Δελτία, αλλά καταχωρήθηκαν όλες οι καταγραφές σύμφωνα με τα πεδία που περιγράφονται στη συνέχεια. Στο Παράρτημα 1 παρατίθεται η τελική βάση δεδομένων. Στον Πίνακα 3.2 συγκεντρώνονται τα πεδία που συμπληρώνονται για κάθε κατολίσθηση στη βάση δεδομένων, καθώς και ο τύπος της πληροφορίας που δίνουν. Οι μεταβλητές μπορεί να έχουν χαρακτήρα ποσοτικό όπως για παράδειγμα η κλίση, το υψόμετρο και το ύψος βροχής, ή ποιοτικό όπως η λιθολογία, ο τύπος κατολίσθησης κα. Τα πεδία αυτά συμπληρώνονται με τρόπο κοινό για όλες τις καταγραφές. Εξαίρεση αποτελούν οι καταγραφές που η ημερομηνία εκδήλωσής τους εκφράζεται με τρόπο σχετικό και ως εκ τούτου δεν μπορεί να αποδοθεί τιμή στα πεδία «Ετήσια βροχόπτωση για το έτος εκδήλωσης της κατολίσθησης» και «Μηνιαία βροχόπτωση για τον δεδομένο μήνα του έτους εκδήλωσης» Στατιστική Ανάλυση βάσης δεδομένων κατολισθήσεων Μερικά ενδιαφέροντα συμπεράσματα μπορούν να προκύψουν για τον τύπο των κατολισθήσεων ανάλογα με τις συνθήκες που επικρατούν, εφαρμόζοντας στατιστικούς ελέγχους μεταξύ των μεταβλητών του συνόλου των καταγραφών. Το κριτήριο ανεξαρτησίας χ 2 είναι κατάλληλο για ποιοτικές (κατηγορικές) μεταβλητές και κατά την εφαρμογή του μπορούν να ελεγχθούν δύο μεταβλητές, για το αν είναι ανεξάρτητες ή όχι. Έτσι πραγματοποιήθηκαν έλεγχοι 2Χ2 πινάκων με τον τύπο κατολισθήσεων να ελέγχεται με το αν εξαρτάται από την κλίση του πρανούς, την τεχνικογεωλογική ενότητα, το υψόμετρο, τις χρήσεις γης και την έκταση της κατολίσθησης. Από την εφαρμογή του ελέγχου ανεξαρτησίας μεταξύ του «Τύπου κατολίσθησης» και «Κλίσης» διαπιστώνεται ότι ο τύπος εξαρτάται σημαντικά από την κλίση του πρανούς με χ 2 =53,3, df=12 και p=0,00<0,05 (Εικόνα 3.5). Οι περιστροφικές ολισθήσεις είναι συχνότερες σε κλίσεις <30 ο και οι μεταθετικές ολισθήσεις σε μικρές κλίσεις, μέχρι και <15 ο. Οι καταπτώσεις και οι ροές (ροές εδαφών, ροή κορημάτων, ξηρές ροές κορημάτων) παίρνουν τις μέγιστες συχνότητές του για κλίσεις μεταξύ ο, σε κλίσεις μεγάλες >45 ο επικρατούν οι ροές και κατά βάση αναφέρονται σε ξηρές ροές κορημάτων που αντιστοιχούν σε ασβεστολιθικούς σχηματισμούς ψηλών πρανών (Πίνακας 3.3). Επίσης παρατηρείται ότι το 70% του συνόλου των κατολισθήσεων εμφανίζεται σε πρανή με κλίσεις ο, ενώ το 37% σε πρανή ο. Τα ποσοστά αυτά φαίνεται να αντιστοιχούν με τα αντίστοιχα που δίνονται για όλη την Ελλάδα σε εμφανίσεις κατολισθήσεων με το 80% περίπου των περιπτώσεων να [55]

63 παρατηρούνται σε πρανή ο και το 57% σε πρανή ο (Koukis et al 1994, Sabatakakis et al 2013). Πίνακας 3.3: Κλίση * Τύπος κατολίσθησης Crosstabulation Τύπος κατολίσθησης Καταπτώσεις Περιστροφική Μεταθετική Total Ροή Σύνθετη ολίσθηση ολίσθηση Κλίση <15 Count % within Κλίση 3,2% 35,5% 16,1% 12,9% 32,3% 100,0% % within Τύπος 7,7% 22,9% 50,0% 4,0% 26,3% 14,8% κατολίσθησης % of Total,5% 5,3% 2,4% 1,9% 4,8% 14,8% Count % within Κλίση 3,8% 30,8% 5,1% 35,9% 24,4% 100,0% % within Τύπος 23,1% 50,0% 40,0% 28,0% 50,0% 37,3% κατολίσθησης % of Total 1,4% 11,5% 1,9% 13,4% 9,1% 37,3% Count % within Κλίση 7,4% 10,3% 1,5% 69,1% 11,8% 100,0% % within Τύπος 38,5% 14,6% 10,0% 47,0% 21,1% 32,5% κατολίσθησης % of Total 2,4% 3,3%,5% 22,5% 3,8% 32,5% >45 Count % within Κλίση 12,5% 18,8%,0% 65,6% 3,1% 100,0% % within Τύπος 30,8% 12,5%,0% 21,0% 2,6% 15,3% κατολίσθησης % of Total 1,9% 2,9%,0% 10,0%,5% 15,3% Total Count % within Κλίση 6,2% 23,0% 4,8% 47,8% 18,2% 100,0% % within Τύπος 100,0% 100,0% 100,0% 100,0% 100,0% 100,0% κατολίσθησης % of Total 6,2% 23,0% 4,8% 47,8% 18,2% 100,0% Εικόνα 3.5: Συσχετισμός του τύπου ολίσθησης με τον παράγοντα Κλίση [56]

64 Ο έλεγχος ανεξαρτησίας μεταξύ του «Τύπου κατολίσθησης» και της «Τεχνικογεωλογικής ενότητας» έδειξε ότι ο τύπος κατολίσθησης εξαρτάται από το είδος της τεχνικογεωλογικής ενότητας με χ 2 =77,9, df=24 και p=0,00<0,05 (Εικόνα3.6). Εικόνα 3.6: Συσχετισμός του τύπου κατολίσθησης με την Τεχνικογεωλογική Ενότητα Οι περισσότερες κατολισθήσεις εμφανίζονται στις αργιλικές μάργες (29,7%) αλλά και στα μαργαϊκά κροκαλοπαγή (18,7%) και τον φλύσχη (12,4%). Συγκρίνοντας τα ποσοστά αυτά με εκείνα που δίνουν οι Koukis and Ziourkas 1991, Koukis et al 1996, Sabatakakis et al 2013 για τη συχνότητα εμφάνισης κατολισθήσεων στον φλύσχη και τους Νεογενείς σχηματισμούς, με μεγαλύτερη εκείνη του φλύσχη, αν και υπερέχουν των άλλων σχηματισμών τα χαμηλότερα ποσοστά στον φλύσχη πιθανά να οφείλονται στη μικρή κάλυψη που καταλαμβάνει ο σχηματισμός στη περιοχή έρευνας σε σχέση με αυτή των Νεογενών. Οι περισσότερες κατολισθήσεις εμφανίζονται με τη μορφή ροής (ροές εδαφών, ροή κορημάτων, ξηρές ροές κορημάτων) και ποσοστό 47,8% ενώ ακολουθούν οι περιστροφικές ολισθήσεις με ποσοστό 23% και στη συνέχεια οι σύνθετες με 18,2%. Οι περισσότερες περιστροφικές κατολισθήσεις σημειώνονται στο σχηματισμό των αργιλικών μαργών (11% στο σύνολο των 209 καταγραφών) ενώ στο φλύσχη εμφανίζονται με ποσοστό 3,8% στο σύνολο των κατολισθήσεων. Οι ροές εμφανίζουν μεγαλύτερη συχνότητα στον σχηματισμό των ασβεστολίθων με ποσοστό 15,8% στο σύνολο των καταγραφών. Ειδικά για τις σύνθετες κατολισθήσεις τα το 6,7% του συνόλου τους σημειώνεται στις αργιλικές μάργες, το 4,3% [57]

65 στον φλύσχη και 2,4% στις πρόσφατες αποθέσεις, με μικρότερα ποσοστά να αντιστοιχούν στους υπόλοιπους σχηματισμούς (Πίνακας 3.4). Πίνακας 3.4: Τεχνικογεωλογική ενότητα * Τύπος κατολίσθησης Crosstabulation Τύπος κατολίσθησης Total Καταπτώσεις Περιστροφ. Μεταθ. Ροή Σύνθετη ολίσθηση ολίσθηση Τεχνικογεωλ. Πρόσφατες Count ενότητα αποθέσεις % within Τεχνικ. ενότητα,0% 27,3%,0% 27,3% 45,5% 100,0% % within Τύπος,0% 6,3%,0% 3,0% 13,2% 5,3% κατολίσθησης % of Total,0% 1,4%,0% 1,4% 2,4% 5,3% Διλλουβιακοί Count σχηματισμοί % within Τεχνικ.ενότητα 22,7% 18,2% 18,2% 22,7% 18,2% 100,0% % within Τύπος 38,5% 8,3% 40,0% 5,0% 10,5% 10,5% κατολίσθησης % of Total 2,4% 1,9% 1,9% 2,4% 1,9% 10,5% Μαργαϊκά Count κροκαλοπαγή % within Τεχνικ.ενότητα 10,3% 23,1% 2,6% 61,5% 2,6% 100,0% % within Τύπος 30,8% 18,8% 10,0% 24,0% 2,6% 18,7% κατολίσθησης % of Total 1,9% 4,3%,5% 11,5%,5% 18,7% Αργιλικές Count Μάργες % within 1,6% 37,1% 3,2% 35,5% 22,6% 100,0% Τεχνικ.ενότητα % within Τύπος 7,7% 47,9% 20,0% 22,0% 36,8% 29,7% κατολίσθησης % of Total,5% 11,0% 1,0% 10,5% 6,7% 29,7% Φλύσχης Count % within Τεχνικ.ενότητα,0% 30,8% 3,8% 30,8% 34,6% 100,0% % within Τύπος,0% 16,7% 10,0% 8,0% 23,7% 12,4% κατολίσθησης % of Total,0% 3,8%,5% 3,8% 4,3% 12,4% Σχίστες- Count Κερατόλιθοι- % within,0%,0% 12,5% 62,5% 25,0% 100,0% Ψαμμίτες Τεχνικ.ενότητα % within Τύπος,0%,0% 10,0% 5,0% 5,3% 3,8% κατολίσθησης % of Total,0%,0%,5% 2,4% 1,0% 3,8% Ασβεστόλιθοι Count % within 7,3% 2,4% 2,4% 80,5% 7,3% 100,0% Τεχνικ.ενότητα % within Τύπος 23,1% 2,1% 10,0% 33,0% 7,9% 19,6% κατολίσθησης % of Total 1,4%,5%,5% 15,8% 1,4% 19,6% Total Count % within 6,2% 23,0% 4,8% 47,8% 18,2% 100,0% Τεχνικ.ενότητα % within Τύπος 100,0% 100,0% 100,0% 100,0 100,0% 100,0% κατολίσθησης % % of Total 6,2% 23,0% 4,8% 47,8% 18,2% 100,0% [58]

66 Ο έλεγχος ανεξαρτησίας για τις Χρήσεις γης δεν πραγματοποιείται με επιτυχία καθώς οι καταγραφές διαχέονται σε όλες τις κατηγορίες που εμφανίζονται στην περιοχή και ο αριθμός τους δεν επαρκεί για την εφαρμογή του κριτηρίου. Βάσει αυτών στο διάγραμμα της Εικόνας 3.7 η αυξημένη συχνότητα των ροών στη κατηγορία «Μεταβατικές και θαμνώδεις εκτάσεις» θεωρείται τυχαία και δεν σημαίνει ότι οι ροές εμφανίζονται συστηματικά σε αυτή την κατηγορία. Εικόνα 3.7: Συσχετισμός του τύπου κατολίσθησης με τις Χρήσεις Γης Εικόνα 3.8: Συσχετισμός του τύπου κατολίσθησης με το Υψόμετρο [59]

67 Ο συσχετισμός του τύπου μετακίνησης με το υψόμετρο βάση του κριτηρίου δείχνει ότι ο τύπος είναι ανεξάρτητος από το υψόμετρο με χ 2 =18,6 df=12 και p=0,099>0,005. Παρόλα αυτά το 38,3% σημειώνεται σε υψόμετρα m (Εικόνα 3.8). Το εμβαδό μίας κατολίσθησης όπως ήδη έχει αναφερθεί διαδραματίζει σημαντικό ρόλο στην απόδοση της επικινδυνότητας προσδιορίζοντας το μέγεθος της και ως εκ τούτου το πόσο καταστρεπτική είναι. Η γραφική αναπαράσταση της κατανομής των κατολισθήσεων συσχετίζοντας το είδος της κατολίσθησης με το εμβαδό τους μπορεί να γίνει με τη χρήση θηκογράμματος (Εικόνα 3.9). Σύνθετη Ροή Περιστροφική ολίσθηση Μεταθετική ολίσθηση Καταπτώσεις Εικόνα 3.9: Κατανομές εμβαδού σε σχέση με τον τύπο ολίσθησης με τη μορφή θηκογράμματος. Το κάθε θηκόγραμμα περιλαμβάνει το 50 τις εκατό του συνόλου του δείγματος της κάθε κατηγορίας Προκύπτει με αυτό τον τρόπο, μία σειρά συμπερασμάτων για το κάθε είδος κατολίσθησης αλλά και το σύνολο αυτών: 1. Οι σύνθετες κατολισθήσεις εμφανίζουν το μέγιστο εύρος τιμών με τιμή ελάχιστου εμβαδού τα 0,0002 km 2 και μέγιστη τα 2,50463 km 2. Το 50% του δείγματος συγκεντρώνεται σε τιμές εμβαδού 0, , km 2. Η τιμή της διαμέσου είναι 0, km 2. 0, ,0001 0,001 0,01 0, Εμβαδό (km 2 ) 2. Οι καταπτώσεις όπως αναμένεται καταλαμβάνουν τα μικρότερα εμβαδά μεταξύ 0, ,02295 km 2, με το 50% του δείγματος να συγκεντρώνεται σε τιμές εμβαδού 0, ,00228 km 2. Η τιμή της διαμέσου είναι 0,00048 km 2. [60]

68 3. Οι ροές καταλαμβάνουν τιμές μεταξύ 0, ,09518 km 2, με το 50% του δείγματος να συγκεντρώνεται σε τιμές εμβαδού 0, , km 2. Η τιμή της διαμέσου είναι 0, km Οι περιστροφικές ολισθήσεις εμφανίζονται με εμβαδά μεταξύ 0, ,01014 km 2, με το 50% του δείγματος να συγκεντρώνεται σε τιμές εμβαδού 0, ,00393 km 2. Η τιμή της διαμέσου είναι 0, km Οι μεταθετικές ολισθήσεις όσο αφορά το εμβαδό μοιάζουν στη κατανομή τους με τις ροές με ελάχιστη τιμή 0,00031 km 2 και μέγιστη 0,05456 km 2. Το 50% του δείγματος συγκεντρώνεται σε τιμές μεταξύ 0, , km 2. Η τιμή της διαμέσου είναι 0, km Συμπερασματικά προκύπτει ότι περισσότερες κατολισθήσεις γενικά συγκεντρώνονται σε τιμές εμβαδού μεταξύ 0,001 και 0,01 km 2. Επίσης, οι καταπτώσεις εμφανίζουν τα μικρότερα εμβαδά, ενώ οι σύνθετες και εν συνεχεία οι μεταθετικές ολισθήσεις εμφανίζονται με μεγαλύτερες εκτάσεις. [61]

69 [62]

70 4. ΠΕΡΙΟΧΗ ΜΕΛΕΤΗΣ 4.1. Γενικά Χαρακτηριστικά Η περιοχή έρευνας εκτείνεται κατά μήκος των βόρειων ακτών της Πελοποννήσου και προς την ενδοχώρα αυτής, ενώ παράλληλα αποτελεί τμήμα των νότιων περιθωρίων της Κορινθιακής τάφρου. Ως εκ τούτου, χαρακτηρίζεται σαν περιοχή ιδιαίτερου ενδιαφέροντος τόσο από πλευράς γεωλογικών - τεχνικογεωλογικών συνθηκών όσο και εξαιτεία της έντονης τεκτονικής δραστηριότητας. Ο συνδυασμός των συνθηκών αυτών οδηγεί στη διαμόρφωση μιας περιοχής χαρακτηριστικών μεταβολών του αναγλύφου, ικανών να φιλοξενήσουν φαινόμενα κατολισθήσεων. Το γεγονός αυτό επιβεβαιώνεται από έναν αρκετά μεγάλο αριθμό εργασιών που έχουν γίνει για τη συγκεκριμένη περιοχή και αφορούν τόσο χερσαίες (Koukouvelas and Doutsos 1997, Koukis et al 2009, Rozos et al 2011, Polykretis et al 2015, Sabatakakis et al 2015, Tsiambaos et al 2015) όσο και υποθαλάσσιες (Heezen et al 1966, Ferentinos et al 1988, Papatheodorou and Ferentinos 1997, Ferentinos et al 2015, Beckers et al 2016) κατολισθήσεις. Η περιοχή εντάσσεται στην τάφρο του Κορινθιακού κόλπου η οποία είναι μια επιμήκης ημίκλειστη θαλάσσια λεκάνη που εκτείνεται από το στενό του Ρίου στα Δυτικά μέχρι την ακτή των Αλκυονίδων στα ανατολικά. Αποτελεί την κυριότερη εγκάρσια νεοτεκτονική δομή του Ελληνικού τόξου συνδυάζοντας την ανάπτυξη ενεργών ρηγμάτων που οριοθετούν τις νότιες ακτές του, κατά μήκος της βόρειας Πελοποννήσου και την έντονη σεισμικότητα, η οποία παρατηρείται από την αρχαιότητα μέχρι και σήμερα (Εικόνα 4.1). Εικόνα 4.1: Γενικός τεκτονικός χάρτης της Kορινθιακής Τάφρου στον οποίο αποτυπώνονται τα κυριότερα ρήγματα (Bell et al 2009) [63]

71 Δύο από τις πλέον χαρακτηριστικές κατολισθαίνουσες ζώνες στη περιοχή έρευνας που σχετίζονται με τα ρήγματα που διαμορφώνουν τη Κορινθιακή τάφρο είναι αυτές της Παναγοπούλας και του Πλατάνου. Και οι δύο περιοχές θεωρούνται «Ενεργές» κατολισθήσεις σύμφωνα με παλαιότερες και πρόσφατες μετρήσεις αποκλισιομέτρων (Kavoura et al 2016b, Kavoura et al 2016c) στο χερσαίο τμήμα (Ερευνητικό Πρόγραμμα ΘΑΛΗΣ - Landslide Vulnerability Model - LAVMO, ) (Sykioti et al 2014). Επίσης, για την περιοχή του Πλατάνου καταγράφονται σημαντικές παράκτιες-υποθαλάσσιες κατολισθήσεις που επεκτείνονται στα απότομα υποθαλάσσια πρανή του Κορινθιακού Κόλπου (Ferentinos et al 1988, Στεφάτος 2005)(Εικόνα 4.2). Εικόνα 4.2: Σχηματική αναπαράσταση παράκτιων-υποθαλάσσιων κατολισθήσεων στην περιοχή του Πλατάνου μεταξύ των ποταμών Πούντας και Κράθυς (Ferentinos et al 1988). Εικόνα 4.3: Σεισμική τομή air-gun, κάθετα, στην υποθαλάσσια πλαγιά μεταξύ του χωριού Πλάτανος και της Ακράτας. Στην τομή επισημαίνονται τα ρήγματα Ακράτα (AKR) και Ελίκη (ELI), που διαμορφώνουν την υποθαλάσσια πλαγιά. Βαρυτικές κατολισθήσεις μαζών φαίνονται να επηρεάζουν την πλαγιά σε όλο της το ύψος (Στεφάτος 2005) [64]

72 Ο Πλάτανος είναι μια περιοχή η οποία υφίσταται το τεκτονικό καθεστώς των νότιων ακτών του Κορινθιακού κόλπου, που χαρακτηρίζεται από κατακόρυφες ανοδικές κινήσεις, όπως διαπιστώνεται από ανυψωμένες Ολοκαινικές θαλάσσιες αποθέσεις. Μεταξύ της παραλίας του Πλατάνου και της Ακράτας η κλίση του πυθμένα καθορίζεται από μια σειρά ρηγμάτων τα οποία μετατοπίζουν τον πυθμένα σε βάθος 600m (Στεφάτος 2005) (Εικόνα 4.3). Η κατολισθαίνουσα ζώνη της Παναγοπούλας επηρεάζεται σαφώς από τη μορφολογία που διαμορφώνει ένα κανονικό ρήγμα στην κατάντη αυτής περιοχή (Andronopoulos 1982, Koukis et al 2009, Sabatakakis et al 2015). Το κανονικό αυτό ρήγμα που αναπτύσσεται με διεύθυνση Α Δ περίπου κατά μήκος της Νέας Εθνικής Οδού, αποτελεί την προέκταση της ρηξιγενούς ζώνης του Ψαθόπυργου (ή Ροδινής) προς τα ανατολικά (Εικόνα 4.4) (Koukouvelas and Doutsos 1997, Flotté et al 2005). Εικόνα 4.4: Η προέκταση του ρήγματος της Ροδινής τέμνει εγκάρσια την κατολισθαίνουσα ζώνη της Παναγοπούλας (Koukouvelas and Doutsos 1997) Γίνεται σαφές πώς τόσο οι γεωλογικές συνθήκες της περιοχής όσο και το τεκτονικόνεοτεκτονικό καθεστώς που επικρατεί, τα οποία αναλύονται στη συνέχεια, διαμορφώνουν το πλαίσιο των συνθηκών εκείνων που ευνοούν την εμφάνιση κατολισθήσεων. Αυτό γίνεται έμμεσα με βάση τη γεωμορφολογία που δημιουργείται (γεωλογία και τεκτονική) και άμεσα με την ενεργοποίηση ρηγμάτων και την πρόκληση σεισμών (νεοτεκτονική). Ιδιαίτερη σημασία πρέπει να δοθεί στο γεγονός ότι κατά μήκος της περιοχής που μελετάται εδράζεται και ένας από τους βασικούς οδικούς και σιδηροδρομικούς άξονες της χώρας που θεωρούνται δύο από τα μεγαλύτερα γραμμικά τεχνικά έργα που έχουν κατασκευαστεί στην Ελλάδα. Το γεγονός ότι τουλάχιστον δύο ενεργά ρήγματα που έχουν προκαλέσει ισχυρές [65]

73 δονήσεις (Μ 6) τη σύγχρονη εποχή, βρίσκονται στη στενή γειτονιά των έργων (Rondoyanni et al 2013), προξενεί το ενδιαφέρον περαιτέρω μελέτης σχετικά με θέματα Τεχνικής Γεωλογίας, πόσο μάλλον την εκτίμηση της επικινδυνότητας φυσικών φαινομένων όπως είναι οι κατολισθήσεις και οι σεισμοί Γεωλογία Η περιοχή έρευνας σύμφωνα με το γεωτεκτονικό χάρτη της Ελλάδας εντάσσεται στη ζώνη Ωλονού-Πίνδου (Εικόνα 4.5). Όσον αφορά την περιοχή έρευνας, οι σχηματισμοί της ζώνης Ωλονού Πίνδου που συναντώνται είναι κατά βάση οι Κερατόλιθοι, οι Κρητιδικοί Ασβεστόλιθοι και ο Φλύσχης. Περιοχή έρευνας Εικόνα 4.5: Γεωτεκτονικός χάρτης Ελλάδας στον οποίο διακρίνεται η ζώνη Ωλονού-Πίνδου (IV) (τροποποιημένος, I.G.M.E.- Bordovas and Rondoyanni 1983) [66]

74 Η ζώνη της Πίνδου αποτελεί μία Μεσοζωική ακολουθία ανθρακικών και πυριτικών ιζημάτων βαθιάς θάλασσας, το πάχος των οποίων δεν ξεπερνά τα 1050m (Doutsos et al 2000). Επί των Μεσοζωικών σχηματισμών υπέρκεινται η ακολουθία του Φλύσχη (Παλαιόκαινο-Ολιγόκαινο). Συγκεκριμένα η στρωματογραφική διάρθρωση της ζώνης περιγράφεται ως εξής: Μεσοζωικός αιώνας Μέσο Τριαδικό: Ο σχηματισμός του «κλαστικού Τριαδικού» αποτελεί τη παλαιότερη ακολουθία των ιζημάτων της ζώνης αποτελούμενο από λέπτο έως μέσο κοκκώδεις ψαμμίτες με παρεμβολές πηλιτικών και αργιλικών στρωμάτων. Μέγιστο ορατό πάχος τα 100m. Ανώτερο Τριαδικό: Ο σχηματισμός των «Ασβεστολίθων Δρυμού» αναπτύσσεται πάνω από το κλαστικό Τριαδικό και αποτελείται από τουρβιδιτικούς και ημιπελαγικούς ασβεστολίθους με τοπικές παρεμβολές κερατολίθων και πράσινων πηλιτών. Η ηλικία του είναι Ανώτερο Τριαδικό (Κάρνιο) Κατώτερο Ιουρασικό (Λιάσιο) και το μέγιστο πάχος του σχηματισμού υπολογίζεται στα 300m. Ανώτερο Ιουρασικό-Κατώτερο Κρητιδικό: Επικρατεί ο σχηματισμός των «Ραδιολαριτών», ο οποίος αποτελείται από τρεις ενότητες α) στη βάση τους Πηλίτες Καστελίου, που είναι πολύχρωμοι πηλιτικοί ορίζοντες με παρεμβολές μικρού πάχους ασβεστολίθων και κερατολίθων, β) ανώτερα αυτών τους Κερατολίθους, διάφορες φάσεις κερατολίθων και γ) ο ανώτερος ορίζοντας των Ασβεστολίθων με Calpionella, όπου επικρατούν ροδόχρουν ασβεστόλιθοι. Κατώτερο Κρητιδικό: Η εμφάνιση του πρώτου Φλύσχη με εναλλαγές ψαμμιτών και αργίλων με παρεμβολές μαργαϊκών, ωολιθικών ασβεστολίθων και κερατολίθων μέγιστου πάχους τα 100m. Ανώτερο Κρητιδικό: Ο σχηματισμός των «Λεπτοπλακωδών Ασβεστολίθων» που δομείται από πελαγικούς ασβεστολίθους με κονδύλους και ενστρώσεις πυριτολίθων. Οι ασβεστόλιθοι εμφανίζονται έντονα τεκτονισμένοι και διακλασμένοι με πάχος στρώσης έως 30cm και χρώμα υπόλευκο έως ερυθρωπό. Το πάχος τους είναι γύρω στα 400m. Ανώτατο Κρητιδικό: Μεταβατικά προς τον Φλύσχη στρώματα εναλλαγών μαργαϊκών ασβεστολίθων, μικρολατυποπαγών ασβεστολίθων, μαργών και ψαμμιτών και κατά τόπους παρεμβολές κερατολίθων πλούσιων σε οργανικό υλικό. Το πάχος δεν ξεπερνά τα 100m. [67]

75 Καινοζωικός αιώνας Παλαιογενές (Παλαιόκαινο-Ηώκαινο): Ο σχηματισμός του «Πινδικού Φλύσχη» που αποτελεί μία συνορογενετική κλαστική ακολουθία τουρβιδιτών με εναλλαγές ψαμμιτών, αργίλων και πηλιτών. Το πάχος του κυμαίνεται από μερικές δεκάδες μέτρα στα δυτικότερα τμήματα της ζώνης έως τα 3-4 km στα ανατολικά. Στη μεγαλύτερη έκτασή της η περιοχή καλύπτεται από σχηματισμούς του Νεογενούς και του Τεταρτογενούς (Εικόνα 4.6) (Doutsos et al 1988, Zelilidis and Kontopoulos 1996, Zelilidis 2000, Poulimenos 2000, Stefatos et al 2002, Backert et al 2010). Εικόνα 4.6: Γεωλογικός χάρτης βόρειας Πελοποννήσου που παρουσιάζει την κατανομή των Νεογενών και Τεταρτογενών σχηματισμών (Stefatos et al 2002) Η διάνοιξη της Κορινθιακής Τάφρου ξεκινάει συστηματικά στο Ανώτερο Πλειόκαινο στην οπισθοχώρα του Ελληνικού Τόξου (Jackson et al 1982). Κατά τη φάση αυτή (Κ. Πλειστόκαινο - Αν. Πλειόκαινο) οι επιμέρους λεκάνες που δημιουργούνται πληρώνονται με λιμναίες και λιμνοθαλάσσιες αποθέσεις, ενώ ασύμφωνα αυτών ακολουθεί η ιζηματογένεση του Τεταρτογενούς (Πλειστόκαινο) με την απόθεση αδρόκοκκων κυρίως σχηματισμών, όπως δελταϊκών και αλλουβιακών ριπιδίων αλλά και θαλάσσιων αποθέσεων (Doutsos and Piper 1990, Zelilidis and Kontopoulos 1996, Poulimenos 2000, Τρίκολας κα 2004). Η φάση αυτή συνδέεται με την ενεργοποίηση λιστρικών κανονικών ρηγμάτων που προκαλούν τη γενικότερη ανύψωση των νότιων περιθωρίων της τάφρου και διαδέχονται τη διαδικασία της βύθισης και τα αντίστοιχα περιβάλλοντα ιζηματογένεσης (Zelilidis 2000). [68]

76 Οι σχηματισμοί που αντιστοιχούν στα διάφορα περιβάλλοντα ιζηματογένεσης περιγράφονται στη συνέχεια μετά τη σύνθεση των περιγραφών της αντίστοιχης βιβλιογραφίας για τη περιοχή έρευνας (Doutsos et al 1988, Poulimenos et al 1993, Zelilidis and Kontopoulos 1996, Zelilidis 2000). Ο Zelilidis 2000 αναγνωρίζει συνοπτικά, τους σχηματισμούς των κροκαλοπαγών, τους ψαμμίτες, τους ιλυολίθους, τις θαλάσσιες αναβαθμίδες και τις πρόσφατες αλλουβιακές αποθέσεις (Εικόνα 4.7). Νεογενές Ανώτερο Πλειόκαινο - Κατώτερο Πλειστόκαινο: Η κατώτερη φάση περιλαμβάνει αμμούχες μάργες με ψαμμιτικές ενστρώσεις. Κατά τόπους εντοπίζονται εμφανίσεις με ενστρώσεις ψηφιδοπαγών. Αντιστοιχούν σε λιμναίο-λιμνοθαλάσσιο περιβάλλον ιζηματογένεσης. Η ανώτερη φάση αντιστοιχεί σε κροκαλοπαγή και μάργες με ψαμμιτικές ενστρώσεις και συνδέεται με ποτάμιο περιβάλλον ιζηματογένεσης. Τεταρτογενές Πλειστόκαινο: Εμφανίζεται σε τρείς φάσεις α) Κροκαλοπαγή που αντιστοιχούν σε δελταϊκά ριπίδια τύπου Gilbert, β) Συνεκτικά κροκαλοπαγή που αντιστοιχούν σε αποθέσεις αλλουβιακού ριπιδίου (Διλουβιακές αποθέσεις) και γ) Θαλάσσιες αναβαθμίδες Ολόκαινο: Συνίσταται από α) Αλλουβιακές χαλαρές αποθέσεις, β) Πλευρικά κορήματα και κώνους κορημάτων γ) Μανδύα αποσάθρωσης Εικόνα 4.7: Γεωλογικός χάρτης του βορειότερου τμήματος της Πελοποννήσου που αποτυπώνει την κατανομή των Πλειο-Πλειστοκαινικών ιζημάτων (Zelilidis 2000) [69]

77 Τεκτονική Τα στρώματα της ζώνης της Πίνδου χαρακτηρίζονται από την επίδραση εφαπτομενικών τεκτονικών κινήσεων με διεύθυνση Α Δ στο τέλος του Μειοκαίνου που προκάλεσαν την προς τα δυτικά επώθηση της ζώνης υπό μορφή καλύμματος πάνω στη ζώνη Γαββρόβου Τρίπολης και ταυτόχρονα λεπίωση των στρωμάτων της (Doutsos et al 2000). Κατά το Κατώτερο Πλειόκαινο ξεκινάει η γενικότερη φάση εφελκυσμού στην περιοχή με τη σταδιακή δημιουργία των κόλπων του Ρίου αρχικά και στη συνέχεια του Κορινθιακού και της Πάτρας, και της εξέλιξη της ρηξιγενούς Κορινθιακής τάφρου, με τη δημιουργία κανονικών ρηγμάτων με διευθύνσεις ΔΒΔ-ΑΝΑ και ΑΒΑ-ΔΝΔ και με μεγάλα επιφανειακά ίχνη (Doutsos and Piper 1990, Koukouvelas and Doutsos 1996, Stefatos et al 2002). Ένας μεγάλος αριθμός υποθαλάσσιων (Heezen et al 1965, Ferentinos et al 1988, Papatheodorou and Ferentinos 1997, Stefatos et al 2002, Bell et al 2009, Beckers et al 2015) και χερσαίων ερευνών (Doutsos et al 1988, Doutsos and Piper 1990, Doutsos and Poulimenos 1992, Roberts and Koukouvelas 1996, Zelilidis 2000, Doutsos and Kokkalas 2001, Koukouvelas et al 2001, Palyvos et al 2005, Ford et al 2013) αναγνωρίζει επάλληλα κανονικά ρήγματα, κυρίως λιστρικής γεωμετρίας, που διαμορφώνουν μία ασύμμετρη ρηξιγενή τάφρο με διαφορετικούς ρυθμούς κίνησης από Δύση προς Ανατολή και στα βόρεια και νότια περιθώριά της. Ένα δευτερεύον σύστημα ρηγμάτων ΒΒΑ διεύθυνσης (ρήγματα μεταφοράς) αναγνωρίζεται στη περιοχή διαμορφώνοντας μικρότερες υπολεκάνες (Doutsos and Poulimenos 1992, Zelilidis and Kontopoulos 1996, Zelilidis 2000) (Εικόνα 4.8). Εικόνα 4.8: Απόσπασμα χάρτη της υπολεκάνης του Αιγίου η οποία διαμορφώνεται από το συνδυασμό δύο διαφορετικών συστημάτων ρηγμάτων (Zelilidis and Kontopoulos 1996) [70]

78 Η περιοχή του Κορινθιακού κόλπου είναι μία από τις πιο τεκτονικά ενεργές και με μεγάλο ρυθμό διαστολής με διεύθυνση Β-Ν (6 15 mm/έτος) με τα χαρακτηριστικά της επιφάνειας να σχετίζονται σαφώς με τη σεισμική δραστηριότητα (Kokkalas and Koukouvelas 2005). Επιπρόσθετα, ανοδικές κινήσεις που έχουν εκτιμηθεί για την ευρύτερη περιοχή είναι της τάξης των 4,4 mm/έτος (Zelilidis 2000). Όπως αναφέρθηκε, ο Κορινθιακός Κόλπος υφίστανται διαστολή με διεύθυνση Β-Ν και η πλειονότητα αυτής της διαστολής συνδέεται με την ανάπτυξη ενεργών ρηγμάτων το τυπικό μήκος των οποίων κυμαίνεται από 10 μέχρι 40 km (Jackson et al 1982, Roberts and Koukouvelas 1996, Doutsos and Kokkalas 2001). Τα ρήγματα παρουσιάζουν κατάτμηση κατά μήκος τους με επιμέρους τμήματα μικρότερα των 10 km σε μήκος. Αυτή η τμηματοποίηση είναι η κυρίαρχη γεωμετρία των ρηγμάτων του Κόλπου (Koukouvelas and Doutsos 1996). Τα πιο γνωστά ρήγματα στο δυτικό Κορινθιακό κόλπο είναι (Εικόνα 4.1): Το ρήγμα της Ακράτας, είναι το μεγαλύτερο σε μήκος, παρουσιάζει ένα ρηξιγενές πρανές της τάξης των 280m και το άλμα του είναι μεγαλύτερο από την σεισμική διείσδυση (>440m). Η κλίση του ρήγματος κυμαίνεται μεταξύ 22 ο - 30 ο (Εικόνα 4.3). Η ρηξιγενής ζώνη του Ψαθόπυργου (ή Ροδινής) προς τα ανατολικά (Εικόνα 4.4) με τεκτονικά ενεργά κανονικά ρήγματα ληστρικής γεωμετρίας και με διεύθυνση Α Δ (Koukouvelas and Doutsos 1997, Flotté et al 2005). Το ρήγμα της Ελίκης, η δραστηριοποίηση του οποίου είχε σαν αποτέλεσμα το σεισμό των 6.7 R το 1861 (Εικόνα 4.9). Το ρήγμα της Ελίκης είναι επίσης κατά πάσα πιθανότητα υπεύθυνο για τον πολύ ισχυρό σεισμό των 7.3R το 373 π.χ., ο οποίος κατέστρεψε την πόλη της Ελίκης και προκάλεσε πιθανή καθίζηση του εδάφους τουλάχιστον κατά 3m. Το ρήγμα της Ελίκης διαιρείται σε δύο εμφανή Α - Δ διεύθυνσης επιμέρους τμήματα. Το δυτικό τμήμα έχει μήκος 9 km και το ανατολικό 13 km (Koukouvelas et al 2001). Οι μορφολογικές και οι τεκτονικές διαφορές επηρεάζουν το τοπίο και τη δομή των δύο τμημάτων του ρήγματος και μερικές από αυτές έχουν χαρακτηριστικό ενδιαφέρον για την κατανόηση της εξέλιξης τους, τη σεισμική δραστηριότητα και το ρόλο τους στην επίδραση της ροής του ποταμού. Η ανύψωση της βάσης του ρήγματος διαφέρει σημαντικά στο δυτικό τμήμα, με μέγιστο ύψος τα 485 m, ενώ στο ανατολικό τμήμα το μέγιστο ύψος είναι 721 m. Το πλάτος της ζώνης του ρήγματος αυξάνεται από 100 m στο δυτικό τμήμα του ρήγματος της Ελίκης σε περίπου [71]

79 400 m στο ανατολικό τμήμα του ρήγματος της Ελίκης. Το δυτικό ρήγμα της Ελίκης μετατοπίζει για περισσότερο από 5,5 km του μήκους του Κρητιδικούς ασβεστόλιθους και Ιουρασικούς κερατόλιθους στη βάση του, γεγονός που υποδηλώνει μεγαλύτερη μετατόπιση από το ανατολικό τμήμα της Ελίκης, στο οποίο βρίσκονται κυρίως Νεογενή δελταϊκά ιζήματα. Τα δύο τμήματα του ρήγματος κλίνουν προς Βορρά και έτσι μεταξύ των δύο τμημάτων σχηματίζεται μια ζώνη μετασχηματισμού, η οποία ονομάζεται «ζώνη επικάλυψης της Ελίκης». Η τοπογραφία της ζώνης επικάλυψης της Ελίκης περιλαμβάνει μια δομή ράμπας η οποία ταξινομείται ως μία «προσεγγιστική σύνθετη ζώνη μετασχηματισμού» (Morley et al 1999). Εικόνα 4.9: Τεκτονικός χάρτης που απεικονίζει τα ρήγματα και τις δομές που σχετίζονται με τον σεισμό της Ελίκης το 1861 και το σεισμό του Αιγίου1995 (Koukouvelas and Kokkalas 2001) Το ρήγμα του Αιγίου, η ενεργοποίηση του οποίου είχε σαν αποτέλεσμα το σεισμό των 6.1 R του 1995 (Εικόνα 4.9). [72]

80 Μετεωρολογικά Δεδομένα Τα μετεωρολογικά δεδομένα γενικά αποτελούν το σύνολο των μετρήσεων συνθηκών της ατμόσφαιρας λίγα εκατοστά από την επιφάνεια του εδάφους και επί αυτής, τα οποία καταγράφονται από ένα δίκτυο μετεωρολογικών σταθμών. Στην Ελλάδα τέτοια δεδομένα προέρχονται από φορείς όπως το ΥΠΕΧΩΔΕ, η ΔΕΗ, η ΕΜΥ, το Υπουργείο Γεωργίας και το Εθνικό Αστεροσκοπείο Αθηνών. Αξίζει να σημειωθεί ότι παράλληλα με τους επίσημους σταθμούς που διαχειρίζονται οι δημόσιοι σταθμοί, υπάρχει και ένας μεγάλος αριθμός ιδιωτικών σταθμών ανά την Ελλάδα real-time δεδομένων ή όχι. Τα δεδομένα που μπορεί να δώσει ένας μετεωρολογικός σταθμός είναι το ύψος βροχής, η υγρασία αέρα, η θερμοκρασία, η διεύθυνση και ένταση ανέμου, το ύψος χιόνος, η διάρκεια ή και η ένταση κάποιου βροχομετρικού γεγονότος κα. Στην παρούσα διδακτορική διατριβή, έμφαση δίνεται στη διάθεση και επεξεργασία χρονοσειρών βροχόπτωσης με σκοπό: α) τη χωρική βάση δεδομένων, β) τη δημιουργία βροχομετρικών χαρτών (μέσης μηνιαίας, ετήσιας και μέσης ετήσιας βροχόπτωσης, γ) τον υπολογισμό διάρκειας και έντασης βροχόπτωσης συγκεκριμένων βροχομετρικών γεγονότων. Η διαδικασία συλλογής και επεξεργασίας, καθώς και τα αποτελέσματα αυτής αναλύονται στις επόμενες ενότητες. Όσον αφορά την κατανομή των βροχοπτώσεων στην Ελλάδα, τα μεγαλύτερα ύψη βροχής σημειώνονται στις ορεινές και δυτικές περιοχές της χώρας με σαφή μείωση προς τα ανατολικά. Το γεγονός αυτό αναδεικνύει το ρόλο που παίζει το ανάγλυφο στην κατανομή της βροχόπτωσης. Επιπρόσθετα, η παρατηρούμενη αύξηση του ύψους βροχής στις δυτικές περιοχές αποδίδεται στις υφέσεις της Μεσογείου που ακολουθώντας χαρακτηριστικές τροχιές, συνήθως από Δύση προς Ανατολή, συναντούν πρώτα τις περιοχές αυτές και αφήνουν εκεί τη μεγαλύτερη ποσότητα υετού που μεταφέρουν, κατά την προσπάθεια να υπερβούν τον ορεινό όγκο της οροσειράς της Πίνδου που εκτείνεται από Βορρά προς Νότο (ομβροπλευρά). Ειδικά για την Πελοπόννησο, η παρακολούθηση χρονοσειρών δεδομένων μεγάλης περιόδου καταλήγει στο συμπέρασμα ότι, το ανατολικό της τμήμα χαρακτηρίζεται από μικρές με μεσαίες τιμές του ύψους βροχής, ενώ στη δυτική και την ορεινή Πελοπόννησο παρατηρούνται μεσαίες με υψηλές τιμές του μέσου ύψους ετήσιας βροχόπτωσης Διαθέσιμα Μετεωρολογικά Δεδομένα Για τον σκοπό της έρευνας χρησιμοποιήθηκαν συνολικά 22 μετεωρολογικοί σταθμοί του νομού Αχαΐας της ευρύτερης περιφέρειας της περιοχής έρευνας (Πίνακας 4.1). Οι σταθμοί αυτοί διαθέτουν χρονοσειρές βροχομετρικών δεδομένων με βήμα ημερήσιο ή μηνιαίο [73]

81 (Εικόνα 4.10) με το πρόβλημα να έγκειται στο γεγονός ότι δεν λειτουργούν ή δεν λειτούργησαν μεταξύ τους σύγχρονα με αποτέλεσμα να μην αποδίδεται με τον καλύτερο δυνατό τρόπο η κατανομή των βροχοπτώσεων για μία ιδιαίτερα μεγάλη σειρά ετών. Συνολικά 9 από τους σταθμούς λειτουργούν συστηματικά στη περιοχή ενδιαφέροντος από το 2013 έως και σήμερα με διάθεση δεδομένων πραγματικού χρόνου και πλήρεις χρονοσειρές. Πρόσφατα (Ιούνιος 2015) εγκαταστάθηκε ένας επιπλέον βροχομετρικός σταθμός εντός της περιοχής έρευνας και συγκεκριμένα στη θέση Παναγοπούλα. Η εγκατάσταση έγινε στο πλαίσιο του Ερευνητικού Προγράμματος LANDSLIDE -Risk assessment model for disaster prevention and mitigation, και η θέση του βρίσκεται πλησίον της κατολισθάινουσας ζώνης της Παναγοπούλας. Ο σταθμός έχει ενταχθεί στο επίσημο δίκτυο μετεωρολογικών σταθμών του Εθνικού Αστεροσκοπείου Αθηνών και τα δεδομένα δίνονται σε πραγματικό χρόνο στην ιστοσελίδα Πίνακας 4.1: Στοιχεία μετεωρολογικών σταθμών που χρησιμοποιήθηκαν A/A Σταθμός Κωδικός Περίοδος Χ Υ Δεδομένα Σταθμού Δεδομένων 1 Ρίο LGH , Ημερήσια σήμερα 2 Δερβένι Κορινθίας LGV Ημερησία σήμερα 3 Πάτρα LG Ημερήσια σήμερα Μηνιαία Πάτρα (ΚΕΧΤ) Ιδιωτικός Ημερήσια σήμερα 5 Αίγιο , Ημερήσια Πανεπιστήμιο Πατρών LG2E (ΕΑΑ) Ημερήσια σήμερα 7 Ακράτα , Ημερήσια Ρωμανός LGT9 (ΕΑΑ) , Ημερήσια σήμερα 9 Κάτω Βλασία LGP7 (ΕΑΑ) , Ημερήσια σήμερα 10 Κάτω Βλασία ΔΕΗ , Μηνιαία Καλάβρυτα LGV7 (ΕΑΑ) , Ημερήσια σήμερα ΕΜΥ Μηνιαία Δροσάτο ΥΠΕΧΩΔΕ , Ημερήσια Παναχαϊκό LGV6 (ΕΑΑ) Ημερήσια σήμερα 14 Καστρίτσι LG0C (ΕΑΑ) Ημερήσια σήμερα 15 Κάτω Ζαχλωρού ΥΠΕΧΩΔΕ Ημερήσια Κερπίνη ΔΕΗ Μηνιαία Κούτελη ΔΕΗ Μηνιαία Λεόντιο ΔΕΗ Μηνιαία Μελίσσια ΔΕΗ Μηνιαία Περιθώριο ΔΕΗ Μηνιαία Κρήνη ΔΕΗ Μηνιαία Μοίρα ΔΕΗ Μηνιαία Παναγοπούλα LG2E(ΕΑΑ) Ημερήσια 2015-σήμερα [74]

82 Οι πιο σύγχρονοι σταθμοί ανήκουν στο δίκτυο του Εθνικού Αστεροσκοπείου Αθηνών(ΕΑΑ) και τα δεδομένα είναι διαθέσιμα στην επίσημη ιστοσελίδα Ένας μεγάλος αριθμός δεδομένων αρχείου, σταθμών της Εθνικής Μετεωρολογικής Υπηρεσίας, του ΥΠΕΧΩΔΕ και της ΔΕΗ, παρέχεται από την Εθνική Τράπεζα Υδρολογικής και Μετεωρολογικής Πληροφορίας στον ιστοχώρο Σήμερα, τα δεδομένα σταθμών που ανήκουν στη ΔΕΗ γίνονται διαθέσιμα μετά από αίτηση στο φορέα, ενώ οι σταθμοί της Εθνικής Μετεωρολογικής Υπηρεσίας (ΕΜΥ) έχουν πλέον ενσωματωθεί στο δίκτυο του ΕΑΑ. Τέλος, υπάρχουν κάποιοι ιδιωτικοί μετεωρολογικοί σταθμοί που διαθέτουν δεδομένα πραγματικού χρόνου (real time stations) τα δεδομένα των οποίων υπάρχουν ελεύθερα στο διαδίκτυο. Εικόνα 4.10: Χάρτης μετεωρολογικών σταθμών ευρύτερης περιοχής έρευνας Τα βροχομετρικά δεδομένα των σταθμών συλλέχτηκαν, αρχειοθετήθηκαν και επεξεργάστηκαν αναλόγως με σκοπό: α) τόσο τη δημιουργία βροχομετρικών χαρτών μέσης ετήσιας, μέσης μηνιαίας ή ετήσιας βροχόπτωσης για τη περιοχή έρευνας, β) τη δημιουργία επί μέρους βροχομετρικών χαρτών για συγκεκριμένες χρονικές περιόδους του παρελθόντος, και δ) τον προσδιορισμό της διάρκειας και έντασης επιλεγμένων γεγονότων βροχόπτωσης που σχετίζονται με την εμφάνιση κατολισθήσεων. Πριν την οποιαδήποτε επεξεργασία, τα δεδομένα ελέγχονται ως προς την ομοιογένειά τους. Για να είναι ομοιογενείς οι βροχομετρικές παρατηρήσεις των σταθμών, θα πρέπει οι [75]

83 παράγοντες (όπως αντικατάσταση ενός οργάνου, αλλαγή της θέσης του ή της μεθόδου παρατήρησης κ.τ.λ.) που επιδρούν στην μέτρηση τους να είναι αμετάβλητοι. Για τον έλεγχο αξιοπιστίας των βροχομετρικών δεδομένων εφαρμόζεται η μέθοδος της διπλής αθροιστικής καμπύλης (Βουδούρης 1995, Κατσάνου 2012). Σύμφωνα με τη μέθοδο αυτή, τα ετήσια αθροιστικά ύψη βροχόπτωσης ενός σταθμού συγκρίνονται με τα αντίστοιχα ετήσια αθροιστικά ύψη ενός σταθμού αναφοράς ή ενός συνόλου γειτονικών σταθμών για τους οποίους διατίθενται ομοιογενείς παρατηρήσεις. Κάποια αλλαγή που οφείλεται σε μετεωρολογικά αίτια θα επηρέαζε με όμοιο περίπου τρόπο όλους τους σταθμούς και η ευθεία των δύο αθροιστικών τιμών θα είναι μία ευθεία γραμμή. Σημαντική αλλαγή στην κλίση της καμπύλης που προκύπτει, υποδηλώνει ανομοιογένεια των παρατηρήσεων και θα πρέπει να διορθωθούν. Η διόρθωση γίνεται με πολλαπλασιασμό των αρχικών δεδομένων, που ελέγχονται, με τον λόγο των κλίσεων των δύο τμημάτων της αθροιστικής καμπύλης. Εικόνα 4.11: Διπλές αθροιστικές καμπύλες ετήσιων τιμών βροχόπτωσης αντιπροσωπευτικών σταθμών της περιοχής έρευνας [76]

84 Στη προκειμένη περίπτωση λόγω απουσίας σταθμού αναφοράς έγινε σύγκριση όλων των σταθμών μεταξύ τους, σε επιμέρους χρονικές περιόδους ανάλογα με το διάστημα που έδινε ο κάθε σταθμός δεδομένα. Συνολικά οι περίοδοι καλύπτουν το διάστημα Μετά τον έλεγχο με τον σχεδιασμό διπλών αθροιστικών καμπυλών η ομοιογένεια κρίνεται ικανοποιητική, καθώς τα βροχομετρικά δεδομένα τοποθετούνται σε γραμμική διάταξη (Εικόνα 4.11). Στο Παράρτημα 2 παρατίθενται το σύνολο των ελέγχων ομοιογένειας των βροχομετρικών δεδομένων Χωρική κατανομή Βροχοπτώσεων Η ύπαρξη ενός διευρυμένου δικτύου βροχομετρικών σταθμών σε μία περιοχή ευνοεί στην ολοκληρωμένη εικόνα για το ύψος βροχής που φτάνει σε μία περιοχή βασιζόμενοι στη λογική ότι η ποσότητα των κατακρημνισμάτων που φτάνει στην επιφάνεια της Γης δεν είναι σημειακή, στη θέση του σταθμού, αλλά υπάρχει γύρω από αυτόν μία ζώνη επιρροής. Παρόλα αυτά, υπάρχει η ανάγκη εκτίμησης του ύψους βροχής που φτάνει σε μία περιοχή η οποία δεν φιλοξενεί κάποιο βροχομετρικό σταθμό για μία συγκεκριμένη περίοδο (πχ Δεκέμβριος 1990) ή για μία πιο γενικευμένη χρονική περίοδο (πχ μέση ετήσια βροχόπτωση για την περίοδο ), δηλαδή να προκύψει η χωρική κατανομή της βροχόπτωσης για την περίοδο αυτή. Το πρόβλημα αυτό έρχεται να λύσει η διαδικασία της χωρικής παρεμβολής, μέσω της οποίας γίνεται η εκτίμηση-πρόβλεψη της τιμής ενός χαρακτηριστικού (βροχόπτωση) σε σημεία (τυχαίες χωρικές θέσεις) που δεν ανήκουν στο δείγμα (περιοχή έρευνας), βάση μετρήσεων σε σημεία που ανήκουν στο δείγμα (βροχομετρικοί σταθμοί). Υπάρχουν διάφορες μεθοδολογίες εκτίμησης της χωρικής κατανομής των βροχοπτώσεων στον κλάδο της Υδρολογίας, όπως τα πολύγωνα Thiessen, οι ισοϋέτιες καμπύλες και η βροχοβαθμίδα. Ευρείας εφαρμογής μεθοδολογίες χωρικής παρεμβολής αποτελούν η μέθοδος Σταθμισμένης Αντίστροφης απόστασης (Inverse Distance Weighting - IDW) και η μέθοδος Kriging. Μέθοδος πολυγώνων Thiessen Η μέθοδος αυτή χωρίζει την περιοχή έρευνας σε επιμέρους περιοχές τα όρια των οποίων προκύπτουν από τις μεσοκαθέτους των ευθειών που ενώνουν γειτονικούς σταθμούς. Χαρακτηριστικό των περιοχών που δημιουργούνται είναι ότι περιλαμβάνουν όλα τα κοντινά σημεία στον σταθμό που περικλείεται στη περιοχή αυτή (Εικόνα 4.12). Η παραδοχή που γίνεται είναι ότι κάθε σημείο εντός της κάθε υπο-περιοχής δέχεται το ίδιο ύψος βροχής με τον πλησιέστερο προς αυτό σταθμό. Εφαρμόζεται με επιτυχία σε περιοχές με ήπιο [77]

85 ανάγλυφο, ενώ βασικό μειονέκτημα είναι ότι σε γειτονικά σημεία εκατέρωθεν μίας ευθείας που διαχωρίζει δύο περιοχές μπορεί να αντιστοιχίσει πολύ διαφορετικά ύψη βροχής. Εικόνα 4.12: Γραφική απεικόνιση του τρόπου σχεδιασμού των πολυγώνων Thiessen Η εφαρμογή της μεθόδου στη περιοχή έρευνας (Εικόνα 4.13), δεν εφαρμόζεται με απόλυτη επιτυχία καθώς αγνοεί τις υψομετρικές μεταβολές (δεν λαμβάνεται υπόψη ο παράγοντας υψόμετρο στη μέθοδο) επομένως ούτε και τους υδροκρίτες, με αποτέλεσμα γειτονικά σημεία να έχουν πολύ διαφορετικές τιμές ύψους βροχής. Βάση του ίδιου χάρτη τα μεγαλύτερα ύψη βροχής εντοπίζονται στο δυτικό τμήμα της Αχαΐας με εξασθένιση προς τα ανατολικά, ενώ παράλληλα παρατηρούνται μικρότερα ύψη στις παραθαλάσσιες περιοχές απ ότι σε πιο νότιες ηπειρωτικές. Εικόνα 4.13: Χάρτης κατανομής μέσης ετήσιας βροχόπτωσης με τη μέθοδο Thiessen [78]

86 Μέθοδος ισοϋετών καμπυλών Στη μέθοδο αυτή τα ύψη βροχής λειτουργούν όπως τα τοπογραφικά υψόμετρα στον σχεδιασμό ισοϋψών καμπυλών και σχεδιάζονται οι ισοϋετείς καμπύλες κατά μήκος των οποίων αντιστοιχούν ίσες τιμές βροχόπτωσης (Εικόνα 4.14). Η μέθοδος αυτή μπορεί να δώσει ακριβέστερα αποτελέσματα, σε σχέση με την μέθοδο Thiessen, όταν υπάρχουν επαρκείς πληροφορίες για την κατανομή της βροχής. Εικόνα 4.14: Γραφική απεικόνιση σχεδίασης ισοϋετών καμπυλών Η εφαρμογή της μεθόδου στη περιοχή έρευνας φαίνεται να αποδίδει με καλύτερο τρόπο την κατανομή της βροχόπτωσης σε σχέση με τα πολύγωνα Thiessen (Εικόνα 4.15), δίνοντας την ιδέα της πρόβλεψης των υψών βροχής μεταξύ των καμπυλών που σχεδιάζονται. Εικόνα 4.15: Χάρτης κατανομής μέσης ετήσιας βροχόπτωσης με τη μέθοδο ισοϋετών καμπυλών [79]

87 Παρατηρείται πύκνωση των καμπυλών γύρω από τον ορεινό όγκο του Παναχαϊκού Όρους που ερμηνεύεται σαν αύξηση του ποσού βροχής με αύξηση του υψομέτρου και αραίωση αυτών προς τα ανατολικά που ερμηνεύεται σαν ελάττωση των κατακρημνισμάτων προς την ανατολή και όχι απαραίτητα με τη μείωση του υψομέτρου. Μέθοδος σταθμισμένης Αντίστροφης Απόστασης (Inverse Distance Weighting- IDW) Κατά τη μέθοδο Σταθμισμένης Αντίστροφης απόστασης (IDW), η πρόβλεψη μίας τιμής σε ένα σημείο στηρίζεται στα υπάρχοντα δεδομένα σημείων που βρίσκονται στην άμεση γειτονιά του. Επειδή συμβαίνει αυτό, πλεονέκτημα είναι ότι καθώς τα δεδομένα προέρχονται από σημεία περιοχών κοντά στο σημείο πρόβλεψης, εμπεριέχουν χαρακτηριστικά των γειτονικών αυτών περιοχών. Μειονέκτημα αποτελεί ο ορισμός της περιοχής γύρω από το σημείο, στην οποία θα αναζητηθούν δεδομένα. Η φιλοσοφία της μεθόδου είναι ότι η τιμή μίας μεταβλητής x σε ένα σημείο στο οποίο δεν υπάρχουν μετρήσεις της μεταβλητής, είναι ένας μέσος όρος των σημείων που έχουν μετρήσεις και βρίσκονται εντός της γειτονικής περιοχής του υπό εξέταση σημείου. Συγκεκριμένα θεωρεί ότι είναι ο σταθμισμένος (βάσει του αντιστρόφου τετραγώνου της απόστασης) μέσος όρος των μετρήσεων. Εικόνα 4.16: Χάρτης κατανομής μέσης ετήσιας βροχόπτωσης με τη μέθοδο IDW [80]

88 Ο σχεδιασμός βροχομετρικού χάρτη με αυτή τη μέθοδο αγνοεί τις μορφολογικές ιδιαιτερότητες της περιοχής, καθώς και τη γεωγραφική σχέση των σταθμών, λαμβάνοντας υπόψη μόνο τις σχετικές αποστάσεις μεταξύ των σταθμών. Ωστόσο, δίνει πολύ καλύτερα αποτελέσματα από τις δύο προηγούμενες μεθόδους, αφού η πρόβλεψη βροχόπτωσης για ένα σημείο λαμβάνει υπόψη δεδομένα βροχόπτωσης από γειτονικές περιοχές δίνοντας έναν σταθμισμένο μέσο όρο. Ο βροχομετρικός χάρτης της περιοχής έρευνας που προέκυψε μετά από εφαρμογή της μεθόδου εκφράζει την μέση ετήσια βροχόπτωση για διάστημα 59 συνεχών ετών (Εικόνα 4.16). Για τον σκοπό αυτόν, κατασκευάστηκαν πάνω από 50 διαφορετικοί βροχομετρικοί χάρτες της περιοχής με χρήση της μεθόδου και εν συνεχεία υπολογίστηκε χωρικά ο μέσος όρος όλων αυτών. Οι χάρτες αυτοί θα χρησιμοποιηθούν επίσης στον χρονικό προσδιορισμό βροχοπτώσεων με κατολισθήσεις που σημειώθηκαν συγκεκριμένη χρονική περίοδο. Εικόνα 4.17: Χάρτης κατανομής μέσης ετήσιας βροχόπτωσης με τη μέθοδο IDW και υπέρθεση των αντίστοιχων ισοϋετών καμπυλών Ο χάρτης αυτής της μεθόδου επιλέχτηκε ως ο καλύτερος στην απόδοση την χωρικής κατανομής της βροχόπτωσης συγκρίνοντάς τον με τους άλλους δύο, διότι υπολογίζεται το ύψος βροχόπτωσης με κάθε ένα σημείο της περιοχής που εξετάζεται μέσω της χωρικής παρεμβολής. Σε αντίθεση έτσι με τις άλλες δύο μεθόδους δεν δημιουργούνται ζώνες με ίδιο ύψος βροχόπτωσης αλλά κάθε pixel (5Χ5m) χαρακτηρίζεται από ένα συγκεκριμένο ύψος [81]

89 βροχόπτωσης. Στον χάρτη της Εικόνας 4.17 γίνεται συνδυασμός των μεθόδων ισοϋετών καμπυλών και IDW για την ευκολότερη παρακολούθηση της μεταβολής του ύψους της βροχόπτωσης. Εξίσωση Βροχοβαθμίδας Η βροχοβαθμίδα περιγράφει τη σχέση που υπάρχει μεταξύ υψομέτρου και ύψους βροχόπτωσης και εκφράζει τη μεταβολή του ύψους βροχής ανά μονάδα υψομέτρου (mm/m). Για τον υπολογισμό της απαιτούνται τα υψόμετρα των βροχομετρικών σταθμών και τα αντίστοιχα σε αυτούς ύψη βροχής. Δέχεται, ότι το ύψος της βροχόπτωσης μεταβάλλεται γραμμικά με το υψόμετρο και εκφράζεται από την εξίσωση της ευθείας η κλίση της ευθείας α δίνει την βροχοβαθμίδα, το y αντιπροσωπεύει το ύψος της βροχής σε υψόμετρο x, ενώ το b είναι το ύψος βροχής σε απόλυτο υψόμετρο μηδέν (0) δηλαδή στην επιφάνεια της θάλασσας. Στη βιβλιογραφία αναφέρεται ότι η αύξηση των κατακρημνισμάτων με το υψόμετρο είναι φαινομενική και οφείλεται στη ύπαρξη θετικής συσχέτισης μεταξύ του υψομέτρου των σταθμών και του αναγλύφου της γύρω από το σταθμό περιοχής (Gouvas and Sakellariou 2004, Γκούβας et al 2007, Gouvas et al 2009). Για το λόγο αυτό πραγματοποιήθηκε στατιστική ανάλυση στο λογισμικό SPSS Statistics 17.0, σε δεδομένα 10 τυχαίων βροχομετρικών σταθμών της περιοχής ώστε να εξακριβωθεί σε τι βαθμό επηρεάζεται το ύψος της βροχόπτωσης από το υψόμετρο και σε τι βαθμό από άλλους παράγοντες που έχουν να κάνουν κυρίως με τη μορφολογία του εδάφους, τη γεωγραφική θέση κα. Ερμηνεύοντας τα αποτελέσματα, ο συντελεστής Pearson ή συντελεστής συσχέτισης (r=0,816) δηλώνει ότι υπάρχει εξαιρετικά ισχυρή σχέση μεταξύ υψομέτρου-βροχόπτωσης και στατιστικά μεγάλη συνάφεια (p<1 ). Επίσης ο συντελεστής r 2 ή συντελεστής προσδιορισμού (r 2 =0,665) δηλώνει ότι εάν είναι γνωστό το υψόμετρο μπορεί να ερμηνευτεί κατά 66,5% το ύψος της βροχόπτωσης (Πίνακας 4.2). Επομένως, βγαίνει το συμπέρασμα ότι το υψόμετρο αποτελεί καθοριστικό παράγοντα στην εκτίμηση της βροχόπτωσης, αλλά με επιφύλαξη ότι η βροχόπτωση εξαρτάται από επιπλέον παράγοντες. Διαπιστώνεται ότι, η συγκεκριμένη μέθοδος σε σχέση με τις προηγούμενες λαμβάνει υπ όψη το υψόμετρο αλλά αγνοεί τη γεωγραφική θέση των σταθμών. Για τη συγκεκριμένη περιοχή έρευνας είναι γνωστό ότι τα κατακρημνίσματα που δέχεται το δυτικό τμήμα λόγω γεωγραφικής θέσης είναι μεγαλύτερα απ ότι το ανατολικό κάτι που δεν συνυπολογίζεται στην εκτίμηση - πρόβλεψη της βροχόπτωσης για περιοχές που δεν υπάρχουν στοιχεία. Βάση αυτού η [82]

90 γεωγραφική θέση μπορεί να είναι ένας από τους παράγοντες που επηρεάζει τον συντελεστή r 2. Πίνακας 4.2: Συγκεντρωτικά αποτελέσματα μοντέλου Model R R Square Adjusted R Square Std. Error of the Estimate 1 0,816 0,665 0, ,85458 Κατά τη χρήση της βροχοβαθμίδας (απλή γραμμική παλινδρόμηση μεταξύ υψομέτρου και ύψους βροχόπτωσης) για τον προσδιορισμό των κατακρημνισμάτων μιας περιοχής που περιλαμβάνει βροχομετρικούς σταθμούς γίνεται καλύτερη συσχέτιση του ύψους των κατακρημνισμάτων με το μέσο υψόμετρο της περιοχής, της τάξης κάποιων χιλιομέτρων, παρά με τα απόλυτα υψόμετρα των σταθμών (Johansson and Chen 2003, Hill et al 1981). Στην κατεύθυνση αυτή μπορεί να χρησιμοποιηθεί το υψόμετρο που προκύπτει: α) Χρησιμοποιώντας κάναβο (grid) διάφορων εκτάσεων της κλίμακας του χιλιομέτρου. Στην πράξη προτείνεται κάναβος 4X4km 2 ή 12X12km 2 γύρω από τον κάθε μετεωρολογικό σταθμό (Johansson and Chen 2003). Β) Χρησιμοποιώντας μία εμπειρική σχέση έκφρασης του αναγλύφου γύρω από κάθε σταθμό (Gouvas and Sakellariou 2004, Gouvas et al 2009) η οποία στηρίζεται στην έννοια της ζώνης επιρροής (buffer zone): Ζ Ζ2 Ζ5/3.5) (31) όπου Ζ 2 = το μεγαλύτερο υψόμετρο του εδάφους (m) σε απόσταση έως 2 km από το σταθμό και Ζ 5 = το μεγαλύτερο υψόμετρο του εδάφους (m) σε απόσταση μεταξύ 2 και 5 km από το σταθμό. Πίνακας 4.3: Μετεωρολογικοί σταθμοί ανά περιοχή Θέση Σταθμός Χ Υ Μέση Ετήσια Βροχόπτωση (mm) Ρίο ,60 Πάτρα ,43 Ανατολικοί Δυτικοί Πάτρα (ΚΕΧΤ) ,83 Πανεπιστήμιο Πατρών ,10 Παναχαΐκό ,00 Ρωμανός ,27 Δερβένι Κορινθίας ,60 Αίγιο ,50 Κάτω Βλασία ,97 Καλάβρυτα ,80 [83]

91 Για τον προσδιορισμό της βροχοβαθμίδας για την περιοχή έρευνας χρησιμοποιήθηκαν οι σταθμοί που δίνουν ημερήσια δεδομένα για την περίοδο και διαχωρίστηκαν βάσει της γεωγραφικής τους θέσης σε δυτικούς και ανατολικούς (Πίνακας 4.3). Υπολογίστηκε με αυτόν τον τρόπο η βροχοβαθμίδα που αναφέρεται στο δυτικό τμήμα της Αχαΐας και η βροχοβαθμίδα που αναφέρεται στο ανατολικό, καθώς και η μέση τιμή αυτών των δύο που δίνει μία γενικότερη εικόνα για την περιοχή. Ύψος βροχόπτωσης (mm) y = 0,4782x + 742,57 R² = 0,9542 y = 0,6884x + 372,79 R² = 0,9002 y = 0,5044x + 619,08 R² = 0, Υψόμετρο (m) Δυτικοί Σταθμοί Βροχοβαθμίδα δυτικής περιοχής Ανατολικοί Σταθμοί Βροχοβαθμίδα ανατολικής περιοχής Γραμμική (Βροχοβαθμίδα δυτικής περιοχής) Γραμμική (Βροχοβαθμίδα ανατολικής περιοχής) Εικόνα 4.18: Υπολογισμός εξίσωσης βροχοβαθμίδας βάσει των απόλυτων υψομέτρων των σταθμών Ύψος βροχόπτωσης (mm) y = 0,3567x + 636,65 R² = 0,7961 y = 0,3551x + 575,19 R² = 0,7406 y = 0,2177x + 496,8 R² = 0, Υψόμετρο (m) Δυτικοί σταθμοί Βροχοβαθμίδα δυτικής περιοχής Ανατολικοί σταθμοί Βροχοβαθμίδα ανατολικής περιοχής Γραμμική (Βροχοβαθμίδα δυτικής περιοχής) Γραμμική (Βροχοβαθμίδα ανατολικής περιοχής) Γραμμική (Γενική εξίσωση βροχοβαθμίδας) Εικόνα 4.19: Υπολογισμός εξίσωσης βροχοβαθμίδας βάση των χαρακτηριστικών υψομέτρων των γειτονικών περιοχών των σταθμών Χρησιμοποιήθηκε για τον υπολογισμό μία φορά το απόλυτο υψόμετρο του κάθε σταθμού (Εικόνα 4.18) και μία δεύτερη το σχετικό υψόμετρο που χαρακτηρίζει την περιοχή του κάθε σταθμού (Εικόνα 4.19). Χρησιμοποιώντας τα απόλυτα υψόμετρα η βροχοβαθμίδα για το δυτικό τμήμα υπολογίζεται σε y = 0,4782x + 742,57 και για το ανατολικό y = 0,6884x + 372,79 με συντελεστές συσχέτισης > 0,9. Αντίστοιχα, χρησιμοποιώντας τα υψόμετρα στη κοντινή γειτονιά των σταθμών η βροχοβαθμίδα για το δυτικό τμήμα υπολογίζεται σε y = 0,3567x + 636,65 και για το ανατολικό y = 0,2177x + 496,8, με συντελεστές συσχέτισης >0,7. Για το σύνολο των σταθμών ανεξάρτητα τη γεωγραφικής τους θέσης και χρησιμοποιώντας τις σχέσεις που προέκυψαν για τη βροχοβαθμίδα (Εικόνα 4.18 και Εικόνα 4.19) κατασκευάστηκαν δύο βροχομετρικοί χάρτες μέσης ετήσιας βροχόπτωσης ένας για την [84]

92 κάθε προσέγγιση. Για την περίπτωση υπολογισμού της βροχοβαθμίδας βάση του απόλυτου υψομέτρου των σταθμών η εξίσωση προσαρμόζεται ως y = 0,5044x + 619,08 (Εικόνα 4.20). Εικόνα 4.20: Βροχομετρικός χάρτης μέσης ετήσιας βροχόπτωσης με χρήση της βροχοβαθμίδας απόλυτων υψομέτρων σταθμών Εικόνα 4.21: Βροχομετρικός χάρτης μέσης ετήσιας βροχόπτωσης με χρήση της βροχοβαθμίδας βάση του υψομέτρου της ευρύτερης περιοχής των σταθμών [85]

93 Για την περίπτωση υπολογισμού της βροχοβαθμίδας βάση μέσου υψομέτρου της ευρύτερης περιοχής του κάθε σταθμού η εξίσωση προσαρμόζεται ως y = 0,3551x + 575,19 (Εικόνα 4.21). Συμπερασματικά, αναφέρεται ότι χρησιμοποιήθηκαν τέσσερις μέθοδοι για την απόδοση της χωρικής κατανομής του ύψους βροχόπτωσης α) ισοϋέτιες καμπύλες, β) πολύγωνα Thiessen, β) χωρική παρεμβολή με τη μέθοδο ισοσταθμισμένης αντίστροφης απόστασης (IDW) και δ) εξίσωση βροχοβαθμίδας. Τα δεδομένα αφορούν τη μέση ετήσια βροχόπτωση της περιόδου Τελικά, επιλέχτηκε η μέθοδος της χωρικής παρεμβολής για την έκφραση της χωρικής κατανομής της βροχόπτωσης στην περιοχή έρευνας (Εικόνα 4.16). Η μέθοδος αυτή, σε σχέση με τη μέθοδο ισοϋετών και τη μέθοδο Thiessen, υπερτερεί στο γεγονός ότι υπολογίζει το ύψος βροχόπτωσης βάσει του ύψους βροχής γειτονικών σε ένα σημείο περιοχών, δίνοντας με αυτόν τον τρόπο μία τιμή βροχόπτωσης για κάθε pixel (5Χ5m) της περιοχής έρευνας. Η εξίσωση της βροχοβαθμίδας δεν επιλέχτηκε στη προκειμένη περίπτωση, καθώς η σχέση που συνδέει το ύψος βροχής με το υψόμετρο ερμηνεύει τη βροχόπτωση κατά 66%, αλλά επίσης και λόγω του ότι η διακύμανση των μέσων τιμών βροχόπτωσης από δυτικά προς τα ανατολικά είναι μεγάλη με αποτέλεσμα να είναι δύσκολο να εφαρμοστεί μία ενιαία σχέση βροχοβαθμίδας καθολικά για όλη την έκταση της περιοχής έρευνας Σεισμολογικά Δεδομένα Η περιοχή έρευνας χαρακτηρίζεται από την έντονη ενεργό τεκτονική της Κορινθιακής Τάφρου με ρήγματα ικανά να δώσουν ισχυρούς σεισμούς. Αυτό διαπιστώνεται κατά την αναδρομή σε ιστορικούς καταλόγους σεισμών, σύγχρονους ή παλιότερους. Τα ιστορικά αρχεία σεισμών είναι πολύ σημαντικά στη μελέτη της σεισμικότητας μίας περιοχής και τη σύνδεση συνοδών φαινομένων όπως οι κατολισθήσεις με σεισμικά γεγονότα. Στην Ελλάδα υπάρχει πολυάριθμη βιβλιογραφία σχετική με την οργάνωση ιστορικών αρχείων σεισμών (Makropoulos and Burton 1981, Makropoulos et al 1989, Ambraseys and Jackson 1990, Ambraseys and Jackson 1997, Papazachos and Papazachou 1997, Engdahl et al 1998, Papazachos et al 2010). Η δυσκολία στη χρήση τέτοιων αρχείων έχει να κάνει με την απόδοση ενός σεισμικού γεγονότος όσον αφορά την κλίμακα. Οι Burton et al 2004, προτείνουν μία σειρά από μαθηματικούς μετασχηματισμούς για τη μετάβαση από μια σεισμική κλίμακα σε κάποια άλλη. Το τελευταίο μεγάλο σεισμικό γεγονός αποτέλεσε ο σεισμός του Αιγίου στις 15 Ιουνίου 1995 με μέγεθος. Μs=6.2. Έκτοτε, η σεισμική δραστηριότητα ήταν μεσαία έως υψηλή μέσα [86]

94 στη περιοχή της Κορινθιακής τάφρου, ενώ δεν έχει σημειωθεί από τότε κανένας σεισμός Μ s >6 εντός αυτής (Ganas et al 2013). Στον χάρτη της Εικόνας 4.22 οι Sokos et al 2016, συγκεντρώνουν σεισμούς μεγέθους Mw 6 που σημειώθηκαν στη περιοχή του Κορινθιακού Κόλπου και γύρω από αυτή τα τελευταία 100 χρόνια. Προσδιορίζεται επίσης η σεισμική επικινδυνότητα μέσω της οριζόντιας σεισμικής επιτάχυνσης του εδάφους (peak ground acceleration - PGA) για περίοδο επαναφοράς 475 χρόνια (Woessner et al 2015). Σύμφωνα με αυτό η περιοχή έρευνας εντάσσεται στο διάστημα 0.4<g<0.55. Εικόνα 4.22: Αποτύπωση των ρηγμάτων και των σεισμών μεγαλύτερων των 6 Mw, καθώς επίσης και της χωρικής κατανομής της εδαφικής σεισμικής επιτάχυνσης με περίοδο επαναφοράς 475 χρόνια (Sokos et al 2016) Επίσης, σύμφωνα με τον Ε.Α.Κ-2000 (Ελληνικός Αντισεισμικός Κανονινισμός-2000) και την νεότερη ενημέρωση του το 2003, η περιοχή κατατάσσεται στη ζώνη επικινδυνότητας ΙΙ, με σεισμική επιτάχυνση Α=0.24g (Α =α * g, με α συντελεστή σεισμικής επιτάχυνσης και g επιτάχυνση βαρύτητας (Εικόνα 4.23). Γενικότερα, ο Αντισεισμικός Κανονισμός κάθε χώρας είναι το νομικό κείμενο που περιέχει το σύνολο των κανόνων που καθορίζουν τις ελάχιστες απαιτήσεις για το σχεδιασμό [87]

95 αντισεισμικών κατασκευών. Οι τιμές σεισμικών επιταχύνσεων του εδάφους εκτιμάται σύμφωνα με τα σεισμολογικά δεδομένα ότι έχουν πιθανότητα υπέρβασης 10% στα 50 χρόνια. Εικόνα 4.23: Χάρτης ζωνών σεισμικής επικινδυνότητας της Ελλάδας (ΟΑΣΠ). Ζώνη Ι (α=0.16), Ζώνη ΙΙ (α=0.24) και Ζώνη ΙΙΙ (α=0.36) Στην περιοχή έρευνας δεν υπάρχουν επίσημες καταγραφές κατολισθήσεων που σχετίζονται με σεισμικά γεγονότα. Παρόλα αυτά στην ευρύτερη περιοχή μία σειρά γνωστών κατολισθήσεων έχουν συνδεθεί με κάποια ισχυρά σεισμικά γεγονότα. Το πλέον πρόσφατο γεγονός αποτελεί ο σεισμός της Μόβρης τον Ιούνιο του 2008 με μέγεθος Mw=6.2 κατά τον οποίο εκδηλώθηκαν καταπτώσεις βράχων από το όρος Σκόλις και αποτέλεσαν απειλή για τον οικισμό Σαντομέρι (Koukouvelas et al 2008, Lainas et al 2010, Papathanasiou 2012, Koukouvelas et al 2015). Επίσης, σε ισχυρά σεισμικά γεγονότα που σημειώθηκαν πριν το 1900 αποδίδονται οι κατολισθήσεις της Σεργούλας και του Μαραθιά στα βόρεια παράλια του Κορινθιακού (Galousi et al 2007). Τέλος, σημειώνεται ότι σύνδεση με σεισμικό γεγονός που έχει γίνει για στην περιοχή έρευνας, αφορά την κατολίσθηση της Παναγοπούλας. Η μακροχρόνια συνεχής ενόργανη παρακολούθηση των μικρομετακινήσεων στον πόδα της κατολισθαίνουσας ζώνης με χρήση αποκλισιομέτρου έδειξε μία έντονη μεταβολή του ρυθμού κίνησης μετά τον σεισμό του Αιγίου (M w =6.2) τον Ιούνιο του 1995 (Koukis et al 2009). Παρόλα αυτά, οι Φυτρολάκης και Αντωνιάδης 1974, αναφέρουν ειδικά για την περιοχή της Παναγοπούλας ότι λόγω ύπαρξης κατοπτρικών επιφανειών ρηγμάτων και τις κλίσεις του πρανούς, ολισθήσεις μπορούν να λάβουν χώρα κάτω από την επίδραση κάποιου σεισμικού γεγονότος. [88]

96 5. ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΕΠΙΔΕΚΤΙΚΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΕΩΝ 5.1. Μεθοδολογία Στο κεφάλαιο αυτό αναλύεται η διαδικασία εκτίμησης της επιδεκτικότητας και της επικινδυνότητας των κατολισθήσεων στην περιοχή έρευνας ακολουθώντας την πορεία διαδικασιών που απαιτείται, έχοντας σαν στόχο τη διαχείριση του κινδύνου των κατολισθήσεων. Ξεκινώντας από ένα αρχείο απογραφής κατολισθήσεων, γίνεται η επιλογή των παραγόντων που συμβάλλουν στην εκδήλωση των κατολισθήσεων και τέλος ο προσδιορισμός της επιδεκτικότητας της περιοχής σε κατολισθήσεις. Με τον προσδιορισμό της επιδεκτικότητας, άρα της χωρικής κατανομής του κινδύνου, το επόμενο στάδιο περιλαμβάνει την εκτίμηση της επικινδυνότητας των κατολισθήσεων, δηλαδή της πιθανότητας εμφάνισης σε κάποιο συγκεκριμένο χρονικό διάστημα το οποίο μπορεί να καθορίζεται με τη εμφάνιση κάποιου εξωτερικού παράγοντα που προκαλεί τις κατολισθήσεις. Σύμφωνα με αυτό, η εκτίμηση της επικινδυνότητας αφορά σε διαφορετικά σενάρια συνθηκών και ως εκ τούτου μπορούν να γίνουν επάλληλες δοκιμές για τα διάφορα σενάρια και οι αντίστοιχοι χάρτες τους. Στη παρούσα διατριβή δοκιμάζονται οι διάφορες τεχνικές διμεταβλητής ανάλυσης, προσδιορισμού της επιδεκτικότητας των κατολισθήσεων στη περιοχή έρευνας και συγκρίνονται μεταξύ τους ως προς το πόσο αντιπροσωπευτικά είναι τα αποτελέσματα που δίνουν. Επίσης, δοκιμάζονται ως προς την ικανότητά τους να προβλέψουν σωστά τις περιοχές που δύναται να εκδηλώσουν κατολισθήσεις, με τη διαδικασία της επαλήθευσης του μοντέλου (validation). Στη συνέχεια γίνεται η μετάβαση από την επιδεκτικότητα των κατολισθήσεων στην επικινδυνότητα αυτών, μέσω της σχέσης όπως αυτή αναλύθηκε στην αντίστοιχη ενότητα (Ενότητα 2.3.2). Τα σενάρια εκδήλωσης κατολισθήσεων στην προκειμένη περίπτωση έχουν να κάνουν με γεγονότα έντονων βροχοπτώσεων και κρίσιμων σεισμικών επιταχύνσεων που μπορούν να οδηγήσουν σε αστοχία. Ο συνδυασμός των παραπάνω θα οδηγήσει σε ένα ολοκληρωμένο μοντέλο προσδιορισμού και διαστασιολόγησης του κινδύνου και θα αποτελέσει ένα αρχικό στάδιο της διαδικασίας διαχείρισης κατολισθήσεων, σαν οδηγός στην πρόληψη και αντιμετώπιση του κινδύνου σε τοπικό επίπεδο αλλά και σε επίπεδο περιφέρειας, λειτουργώντας σαν πρωταρχικό σύστημα έγκαιρης προειδοποίησης (preliminary early warning system). [89]

97 5.2. Επιλογή Παραγόντων Οι παράγοντες που επιλέχτηκαν να χρησιμοποιηθούν για την ανάπτυξη του μοντέλου επιδεκτικότητας είναι μερικοί από τους πολλούς που αναφέρονται στη διεθνή βιβλιογραφία για το σκοπό αυτό. Η απόφαση για την επιλογή των συγκεκριμένων παραγόντων στηρίχτηκε: α) στην ευχέρεια πρόσβασης στις διάφορες πηγές πληροφόρησης, β) στη σπουδαιότητα των ήδη χρησιμοποιούμενων παραγόντων, όπως κρίνεται από τους διάφορους ερευνητές, και γ) στην ιδέα εύκολα διαχειρίσιμων δεδομένων που θα μπορούσαν να διατεθούν σε ευρεία κλίμακα, δίνοντας τη δυνατότητα εφαρμογής του μοντέλου και σε άλλες περιοχές. Βάση των παραπάνω οι παράγοντες που επιλέχτηκαν είναι οι εξής: 1) Λιθολογία, βασίζεται σε Τεχνικογεωλογική χαρτογράφηση, Κλίμακα 1: ) Υψόμετρο, υπολογίζεται από το Ψηφιακό Μοντέλο Επιφανείας (DSM) με μέγεθος εικονοστοιχείου 5Χ5m 3) Κλίση, με χρήση Χάρτη Κλίσεων με μέγεθος εικονοστοιχείου 5Χ5m 4) Χρήσεις Γης, θεματικό επίπεδο Land Corine 2000, Κλίμακα 1: ) Ύψος βροχόπτωσης, με χρήση Βροχομετρικού Χάρτη Μέσης Ετήσιας Βροχόπτωσης, με μέγεθος εικονοστοιχείου 5Χ5m Για τη διαχείριση των δεδομένων αυτών στην εκτίμηση της επιδεκτικότητας απαιτείται η ταξινόμησή τους σε κλάσεις (εάν πρόκειται για συνεχείς τιμές) ή κατηγορίες (εάν πρόκειται για περιγραφικά δεδομένα). Στις περιπτώσεις όπου μία παράμετρος εκφράζεται σαν αριθμός θα πρέπει να προσδιοριστούν κλάσεις στις οποίες ταξινομούνται οι τιμές των παραμέτρων. Η επιλογή των κλάσεων μπορεί να γίνει με διάφορους τρόπους και εξαρτάται κάθε φορά από τις ανάγκες της έρευνας ή την κρίση του ερευνητή, αλλά και προδιαγραφές και κανόνες που μπορεί να τις καθορίζουν. Στη συνέχεια αναλύεται ο κάθε παράγοντας ξεχωριστά. Λιθολογία Για την εκτίμηση της επιδεκτικότητας ένας βασικός παράγοντας που λαμβάνεται υπόψη είναι το γεωλογικό υπόβαθρο ανάλογα με την κλίμακα που δοκιμάζεται στο μοντέλο. Στη προκειμένη περίπτωση χρησιμοποιείται σαν υπόβαθρο ένας απλοποιημένος Τεχνικογεωλογικός χάρτης της περιοχής μελέτης κλίμακας 1: ο οποίος στην αρχική του μορφή συντάχθηκε από τον Rozos (1989), ενώ τροποποιήθηκε πρόσφατα από τους Chousianitis et al (2016) και πήρε την τελική του μορφή στην παρούσα διατριβή (Εικόνα 5.1). Αναγνωρίζονται εννέα (9) γενικευμένες τεχνικογεωλογικές ενότητες οι οποίες [90]

98 περιγράφουν τους εδαφικούς και βραχώδεις σχηματισμούς ενώ χαρακτηρίζονται από ενδεικτικές παραμέτρους διατμητικής αντοχής (Πίνακας 5.1). Εικόνα 5.1: Τεχνικογεωλογικός χάρτης περιοχής έρευνας κλίμακα 1: Οι γεωτεχνικές παράμετροι για την κάθε γεωτεχνική ενότητα εκτιμήθηκαν μετά από εκτενή αξιολόγηση γεωτεχνικών δεδομένων που περιλαμβάνει: α) τη συλλογή ενός μεγάλου αριθμού αποτελεσμάτων εργαστηριακών δοκιμών σε αδιατάρακτα εδαφικά δείγματα (οι παράμετροι διατμητικής αντοχής σε όρους ενεργών τάσεων που έχουν χρησιμοποιηθεί σε αναλύσεις ευστάθειας, ανακτήθηκαν ώστε να καθοριστεί το εύρος των τιμών και να εκτιμηθούν οι μέσες πλέον αντιπροσωπευτικές τιμές που θα προσομοιάζουν ένα παρόμοιο καθεστώς τάσεων στο πεδίο), β) συστήματα ταξινόμησης βραχομάζας RMR και GSI για έντονα κερματισμένη και διερρηγμένη βραχόμαζα, θεωρώντας ότι οι σχηματισμοί συμπεριφέρονται ισότροπα, γ) τα χαρακτηριστικά διατμητικής αντοχής που προκύπτουν από αντίστροφες αναλύσεις σε επιλεγμένα πρανή σε συγκεκριμένο μηχανισμό ολίσθησης, ειδικά για τους σχηματισμούς του φλύσχη, και δ) η πολυετής εμπειρία που έχει το Εργαστήριο Τεχνικής Γεωλογίας στο σχεδιασμό και κατασκευή τεχνικών έργων (ορύγματα και πρανή) στην περιοχή έρευνας. [91]

99 Πίνακας 5.1: Γεωτεχνικές παράμετροι που αντιστοιχούν σε κάθε τεχνικογεωλογική ενότητα που αναφέρεται στη περιοχή μελέτης (Chousianitis et al 2016) Κλάση Ενότητα Περιγραφή 1 Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις (Ι) Ποτάμιες αποθέσεις, χαλίκια με άμμο (GM, GP-GM, GW-GM, GC) κροκάλες και ιλυώδεις άμμοι (SM, SM-SC) Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων (ΙΙ) Διλλουβιακοί, χονδρόκοκκοι σχηματισμοί (ΙΙΙ) Διλλουβιακοί, σχηματισμοί μικτών φάσεων (ΙV) Μαργαϊκά κροκαλοπαγή (V) Αργιλικές μάργες (VI) 7 Φλύσχης (VII) 8 Ασβεστόλιθοι (VIII) 9 Πρόσφατες αλλουβιακές αποθέσεις, καστανού τεφροκάστανου χρώματος άργιλοι (CL, CH) και ιλύες (ML, ML-CL) με ενστρώσεις αμμοϊλύων (SM, SM-SC) Παλαιοί αλλουβιακοί-διλλουβιακοί σχηματισμοί, καστανά-καστανέρυθρα πυκνά αμμώδη και αρχιλώδη χαλίκια (GW-GM, GC) με κροκάλες - χαλαρά κροκαλοπαγή Παλαιοί διλλουβιακοί σχηματισμοί, καστανές, καστανέρυθρες έως τεφροκάστανες ιλύες και αμμώδεις άργιλοι (CL, CH, ML), με ενστρώσεις άμμων, αργιλοϊλυωδών άμμων, ιλυωδών άμμων και χαλικιών με άργιλο (GW-GM, GC, SM) Πλειστοκαινικά πολύ ασθενή στη διάβρωση κροκαλοπαγή με αποστρογγυλεμένα - στρογγυλεμένα χαλίκια και κροκάλες(ασβεστολιθικής, ψαμμιτικής και κερατολιθικής προέλευσης) με αργιλικό-μαργαϊκό συνδετικό υλικό. Πλειο-Πλειστοκαινικά ποτάμια και ποταμολιμναία ιζήματα, που περιέχουν έναν κατώτερο ορίζοντα μελανώντεφρών στιφρών ιλυωδών μαργών με πυκνές αμμοϊλύες (CL,CH, CL ML, ML, SM) και έναν ανώτερο ορίζοντα καστανών-κίτρινων στιφρών αργιλικών μαργών με πυκνές αμμοϊλύες (CL, ML, SM) Εναλλαγές στρωμάτων ψαμμιτών και αργιλικών σχηματισμών. Βραχομάζα έντονα αποσυνθεμένη και διερρηγμένη ζώνη αποσάθρωσης σχηματισμών της ζώνης Πίνδου πάχους αρκετών μέτρων Κρητιδικοί λεπτοστρωματώδεις ασβεστόλιθοι. Βραχομάζα διαταραγμένηκερματισμένη. Σχίστες, ψαμμίτες και κερατόλιθοι. Βραχομάζα έντονα αποσυνθεμένη και διερρηγμένη Σχίστες-Ψαμμίτες- Κερατόλιθοι (IX) [92]

100 Υψόμετρο Τα υψόμετρα προήλθαν από το υψηλής ακρίβειας (5Χ5m) Ψηφιακό Μοντέλο Επιφανείας (Digital Surface Model-DSM) του Εθνικού Κτηματολογίου. Το μέγιστο υψόμετρο που παρατηρείται στη περιοχή μελέτης είναι 1786m ενώ το ελάχιστο 0m, στο ύψος της θάλασσας. Το μέσο υψόμετρο της περιοχής είναι της τάξης 541,46m με τυπική απόκλιση 395,39m (Εικόνα 5.2). Για τον σκοπό των αναλύσεων επιδεκτικότητας ήταν αναγκαία η δημιουργία κλάσεων υψομέτρου που θα καλύπτει όλη την περιοχή μελέτης. Εικόνα 5.2 : Υψομετρικός χάρτης περιοχής έρευνας Κατά την Ελληνική στατιστική Αρχή οι υψομετρικές ζώνες της Ελλάδας είναι οι εξής: Πεδινή (0-400m), Ημιορεινή ( m) και Ορεινή (>600m). Η κατηγοριοποίηση αυτή κρίθηκε πολύ αδρή και επιλέχτηκε η κατηγοριοποίηση που χρησιμοποιεί η Διεύθυνση Πολιτικής Προστασίας και η Εθνική Μετεωρολογική Υπηρεσία (Ε.Μ.Υ) για την έκδοση δελτίων Επικίνδυνων Καιρικών Φαινομένων (Πίνακας 5.2) όπως προβλέπεται στον καθορισμό ζωνών υψομέτρου σύμφωνα με το Φ.970/ΑΔ:7753/Σ1863/ της Ε.Μ.Υ. [93]

101 Πίνακας 5.2: Υψομετρικές κλάσεις Ε.Μ.Υ Αριθμός κλάσης Ζώνη Εύρος Ζώνης 1 Πεδινή 0-300m 2 Λοφώδης m 3 Ημιορεινή m 4 Ορεινή >900m Η Ε.Μ.Υ. είναι ο επίσημος φορέας πρόγνωσης καιρικών φαινομένων και έκδοσης: α) καθημερινών δελτίων πρόγνωσης καιρικών φαινομένων, β) Έκτακτων Δελτίων Επιδείνωσης Καιρού (ΕΔΕΚ) και γ) Έκτακτων δελτίων Πρόγνωσης Επικίνδυνων Καιρικών Φαινομένων (ΕΔΠΕΚΦ) τα οποία προσδιορίζουν χωρικά και χρονικά την εξέλιξη των καιρικών φαινομένων (Φ.595/ΑΔ.741/Σ.143/ ). Σύμφωνα με τα παραπάνω μπορεί να αντιστοιχηθεί κάθε πρόβλεψη σε γνωστές θέσεις υψομέτρου που κρίνονται από το μοντέλο επιδεκτικές σε φαινόμενα κατολισθήσεων. Με τον τρόπο αυτό θα μπορούσε να υπάρξει άμεση σύνδεση σαν προειδοποίηση στην εκδήλωση κατολισθήσεων μετά τον ορισμό των κρίσιμων υψών βροχόπτωσης που λειτουργούν σαν έναυσμα κατολισθήσεων. Κλίση Ο παράγοντας κλίση αναφέρεται στην τοπογραφική κλίση του πρανούς της κατολίσθησης που υπολογίστηκε χρησιμοποιώντας Ψηφιακό Μοντέλο Επιφανείας (Digital Surface Model- DSM) του Εθνικού Κτηματολογίου με ανάλυση 5Χ5 m. Η κάθε κατολίσθηση αποτυπώνεται σαν σημείο αλλά και σαν μία έκταση που οριοθετεί την περιοχή που κατολισθαίνει ξεκινώντας από την στέψη της ολίσθησης μέχρι και τον πόδα αυτής. Μία απλή κατανομή της συχνότητας εμφάνισης κλίσεων (Εικόνα 5.3) δείχνει πως η μέση τιμή της κλίσης του δείγματος των 209 κατολισθήσεων είναι 29,7 ο με τον μέσο του δείγματος να τοποθετείται στην κλίση 29,5 ο. Η τυπική απόκλιση είναι της τάξης των 13,44 ο. Οι κλάσεις που επιλέχθηκαν έχουν σταθερό εύρος 15 ο δηλαδή 0-15, 15-30, 30-45, και >60 ο. Η επιλογή τους στηρίζεται α) στην τυπική απόκλιση που υπολογίστηκε αλλά και στη μέγιστη κλίση (65,9 ο ), β) στα όρια διαμόρφωσης κλίσης πρανών που προτείνονται στην Ελληνική Τεχνική Προδιαγραφή ΕΛΟΤ ΤΠ (ΦΕΚ2221/ ), γ)στο γεγονός οι κλίσεις κατανέμονται κανονικά στις πέντε κλάσεις που προκύπτουν (Εικόνα 5.4) και δ) σε βιβλιογραφικές αναφορές (Moreiras 2005, Tsagaratos & Ilia 2016). [94]

102 Στατιστικά Μεγέθη Τιμές ( ο ) Μέσος όρος 29,72 Μέσος 29,50 Τυπική απόκλιση 13,44 Διακύμανση 180,63 Ελάχιστη κλίση 5,71 Μέγιστη κλίση 65,91 25% 18,49 Εκατοστημόρια 50% 29,50 75% 39,94 Εικόνα 5.3: Ιστόγραμμα κατανομής συχνότητας εμφάνισης κλίσεων Εικόνα 5.4: Χάρτης κλίσεων περιοχής έρευνας [95]

103 Έχοντας την οριοθέτηση της κάθε κατολίσθησης στο χώρο και με τη χρήση του χάρτη κλίσεων υπολογίστηκε επίσης η μέση τιμή της κλίσης για την έκταση της κάθε κατολίσθησης. Έτσι, η μέση κλίση της έκτασης μίας κατολίσθησης υπολογίστηκε σε 29,08 ο με μέγιστη τιμή τις 58 ο και ελάχιστη τις 6,33 ο με τυπική απόκλιση 11,25 ο (Εικόνα 5.5). Στατιστικά Μεγέθη Τιμές ( ο ) Μέσος όρος 29,09 Τυπική απόκλιση 11,25 Διακύμανση 126,48 Ελάχιστη τιμή 6,33 Μέγιστη τιμή 58,00 25% 18,74 Εκατοστημόρια 50% 29,00 75% 37,69 Εικόνα 5.5: Ιστόγραμμα κατανομής συχνότητας εμφάνισης μέσης κλίσης της έκτασης κατολίσθησης Συγκρίνοντας τα δύο μεγέθη κλίσεων φαίνεται πως δεν υπάρχει σημαντική διαφοροποίηση στις τιμές μεταξύ ο, όμως για μικρότερες και κυρίως για μεγαλύτερες κλίσεις >45 ο το ποσοστό εμφάνισης κατολισθήσεων βάση έκτασης είναι περιορισμένο, ενώ δεν υπάρχει έκταση που η κλίση της να ξεπερνάει τις 58 ο. Χρήσεις γης Η ταξινόμηση των χρήσεων γης έγινε με βάση το σχέδιο Corine Land Cover 2000, το οποίο αποτελεί μέρος της Πανευρωπαϊκής βάσης δεδομένων χρήσεων γης. Το πρόγραμμα αυτό περιλαμβάνει τη χαρτογράφηση των χρήσεων/κάλυψης γης διάφορων ευρωπαϊκών χωρών (μεταξύ των οποίων και η Ελλάδα) σε κλίμακα 1: Στην περιοχή έρευνας αναγνωρίζονται συνολικά 14 κατηγορίες κάλυψης γης (Εικόνα 5.6) εκ των οποίων οι 13 φαίνεται να φέρουν κατολισθήσεις, σύμφωνα με τις αναλύσεις της Εικόνας 3.7 (Ενότητα 3.2.2) (Πίνακας 5.3), η κατηγορία «Διακεκομμένη Δόμηση» δεν εμφανίζει καμία κατολίσθηση. Οι κλάσεις που χρησιμοποιούνται αφορούν το 3ο επίπεδο πληροφορίας που ενσωματώνει το Land Corine 2000 (Πίνακας 5.4). [96]

104 Εικόνα 5.6: Χάρτης Χρήσεων γης περιοχής έρευνας Πίνακας 5.3: Οι κλάσεις χρήσης γης της περιοχής έρευνας Κλάση Χρήση γης 11 Αμπελώνες 20 Απογυμνωμένοι βράχοι 8 Δάσος κωνοφόρων 14 Δάσος πλατύφυλλων 15 Εκτάσεις με αραιή βλάστηση 6 Ελαιώνες 13 Φυσικοί βοσκότοποι 2 Γεωργία με σημαντικές εκτάσεις φυσικής βλάστησης 7 Μεταβατικές και θαμνώδεις εκτάσεις 10 Μικτό δάσος 3 Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς 4 Σύνθετα συστήματα καλλιέργειας 12 Σκληροφυλλική βλάστηση 13 Διάφορα (Διακεκομμένη δόμηση) [97]

105 Πίνακας 5.4: Ονοματολογία Land Corine ανά επίπεδο πληροφόρησης 1ο επίπεδο 2 ο επίπεδο 3ο επίπεδο Κωδ. 1. ΤΕΧΝΗΤΕΣ ΕΠΙΦΑΝΕΙΕΣ 2. ΓΕΩΡΓΙΚΕΣ ΠΕΡΙΟΧΕΣ 3. ΔΑΣΗ ΚΑΙ ΗΜΙΦΥΣΙΚΕΣ ΠΕΡΙΟΧΕΣ 4. ΥΓΡΟΤΟΠΟΙ 5. ΥΔΑΤΙΝΕΣ ΕΠΙΦΑΝΕΙΕΣ 1.1ΑΣΤΙΚΟΣ ΙΣΤΟΣ 1.2 ΒΙΟΜΗΧΑΝΙΚΕΣ- ΕΜΠΟΡΙΚΕΣ ΖΩΝΕΣ ΚΑΙ ΔΙΚΤΥΑ ΜΕΤΑΦΟΡΩΝ 1.3ΟΡΥΧΕΙΑ, ΧΩΡΟΙ ΑΠΟΡΡΙΨΕΩΣ ΑΠΟΡΡΙΜΜΑΤΩΝ ΚΑΙ ΧΩΡΟΙ ΟΙΚΟΔΟΜΗΣΗΣ Συνεχής αστικός ιστός Ασυνεχής αστικός ιστός Βιομηχανικές και εμπορικές ζώνες Οδικά και σιδηροδρομικά δίκτυα Ζώνες λιμένων Αεροδρόμια Χώροι εξορύξεως ορυκτών Χώροι απορρίψεως απορριμμάτων Χώροι οικοδόμησης 1.4ΤΕΧΝΗΤΕΣ ΜΗ ΓΕΩΡΓΙΚΕΣ Περιοχές αστικού πρασίνου ΖΩΝΕΣ ΠΡΑΣΙΝΟΥ Εγκαταστάσεις αθλητισμού και αναψυχής 2.1ΑΡΩΣΙΜΗ ΓΗ Μη αρδευόμενη αρόσιμη γη Μόνιμα αρδευόμενη γη Ορυζώνες 2.2ΜΟΝΙΜΕΣ ΚΑΛΛΙΕΡΓΕΙΕΣ Αμπελώνες Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς Ελαιώνες 2.3ΛΙΒΑΔΙΑ Λιβάδια ΕΤΕΡΟΓΕΝΕΙΣ ΓΕΩΡΓΙΚΕΣ ΠΕΡΙΟΧΕΣ 3.1ΔΑΣΗ 3.2ΣΥΝΔΥΑΣΜΟΙ ΘΑΜΝΩΔΟΥΣ Η/ΚΑΙ ΠΟΩΔΟΥΣ ΒΛΑΣΤΗΣΗΣ 3.3ΑΝΟΙΧΤΟΙ ΧΩΡΟΙ ΜΕ ΛΙΓΗ Ή ΚΑΘΟΛΟΥ ΒΛΑΣΤΗΣΗ Ετήσιες καλλιέργειες που σχετίζονται με μόνιμες καλλιέργειες Σύνθετες καλλιέργειες Γη που χρησιμοποιείται κυρίως για γεωργία μαζί με σημαντικά τμήματα φυσικής βλάστησης Γεωργο-δασικές περιοχές Δάσος πλατύφυλλων Δάσος κωνοφόρων Μικτό δάσος Φυσικοί βοσκότοποι Θάμνοι και χερσότοποι Σκληροφυλλική βλάστηση Μεταβατικές δασώδεις και θαμνώδεις εκτάσεις Παραλίες, αμμόλοφοι, αμμουδιές Απογυμνωμένοι βράχοι Εκτάσεις με αραιή βλάστηση Αποτεφρωμένες εκτάσεις Παγετώνες και αέναο χιόνι 4.1ΥΓΡΟΤΟΠΟΙ ΕΝΔΟΧΩΡΑΣ Βάλτοι στην ενδοχώρα Τυρφώνες 4.2ΠΑΡΑΘΑΛΑΣΣΙΟΙ ΥΓΡΟΤΟΠΟΙ 5.1ΧΕΡΣΑΙΑ ΥΔΑΤΑ 5.2ΘΑΛΑΣΣΙΑ ΥΔΑΤΑ Παραθαλάσσιοι βάλτοι Αλυκές Ζώνες που καλύπτονται από παλιρροιακά ύδατα Υδατορέμματα Επιφάνειες στάσιμου ύδατος Παράκτιες λιμνοθάλασσες Εκβολές ποταμών Θάλασσες και ωκεανοί [98]

106 Ύψος βροχόπτωσης Χρησιμοποιώντας τα βροχομετρικά δεδομένα των μετεωρολογικών σταθμών της ευρύτερης περιοχής και κατά τη διαδικασία που περιγράφηκε στη Παράγραφο για τη μέθοδο IDW, σχεδιάστηκε ο βροχομετρικός χάρτης μέση ετήσιας βροχόπτωσης για τη περίοδο στην περιοχή έρευνας. Βάσει των τιμών βροχόπτωσης που προκύπτουν από την εφαρμογή της μεθόδου σε περιβάλλον GIS, το μέγιστο ύψος βροχόπτωσης που παρατηρείται είναι 1090,4 mm ενώ το ελάχιστο 776,3 mm με μέση διακύμανση τα 65,8 mm. Το μέσο ύψος βροχόπτωσης που χαρακτηρίζει τη περιοχή είναι 939 mm. Εικόνα 5.7: Κατανομή μέσης ετήσιας βροχόπτωσης για 106 θέσεις κατολισθήσεων Σε ένα δείγμα 106 κατολισθήσεων της περιοχής έρευνας με γνωστά το έτος εκδήλωσης τους και το ετήσιο ύψος βροχής που δέχτηκαν, τα αντίστοιχα στατιστικά μεγέθη για τη βροχόπτωση δίνουν μέγιστη τιμή 1818 mm, ελάχιστη 280 mm, μέση τιμή 1026 mm και διακύμανση τα 288 mm (Εικόνα 5.7). Συγκρίνοντας αυτά τα στατιστικά μεγέθη και κυρίως τις τιμές διακύμανσης 65,8 mm και 288mm επιλέγεται το εύρος της κάθε κλάσης βροχόπτωσης να είναι 150 mm. Βάσει αυτών, έγινε η ταξινόμηση της βροχόπτωσης σε πέντε (5) κλάσεις: <750 mm, mm, mm, mm και >1200 mm (Εικόνα 5.8). [99]

107 Εικόνα 5.8: Βροχομετρικός χάρτης μέσης ετήσιας βροχόπτωσης της περιοχής έρευνας 5.3. Εκτίμηση επιδεκτικότητας κατολισθήσεων Στην ενότητα αυτή εφαρμόζονται οι τεχνικές διμεταβλητής ανάλυσης: α) του Λόγου Συχνοτήτων (FR), β) της Σχετικής Συχνότητας Κατολισθήσεων (LRF), γ) του Στατιστικού Δείκτη (SI), δ) του Λόγου Πιθανοφάνειας (LR) και ε) της Μεθόδου Βαρύτητας των Ενδείξεων (WoE). Όλα τα μοντέλα δοκιμάζονται σε 7 διαφορετικά Σενάρια συνδυασμού των πέντε επιλεγμένων προπαρασκευαστικών παραγόντων. Έτσι στο Σενάριο 1 συμμετέχουν και οι 5 παράγοντες, στο Σενάριο 2 όλοι οι παράγοντες εκτός των Χρήσεων γης, στο Σενάριο 3 δεν συμμετέχει το Υψόμετρο, στο Σενάριο 4 δεν συμμετέχει η Λιθολογία, στο Σενάριο 5 δεν συμμετέχει η Βροχόπτωση, στο Σενάριο 6 δεν συμμετέχει η κλίση και στο Σενάριο 7 συμμετέχουν μόνο οι παράγοντες Κλίση, Λιθολογία και Βροχόπτωση. Το κάθε μοντέλο ελέγχεται ως προς την ικανότητα του να ταξινομεί με τρόπο ικανοποιητικό τις γνωστές θέσεις κατολισθήσεων στις διάφορες κατηγορίες-ζώνες επιδεκτικότητας (success rate), αλλά και την ικανότητά του να προβλέψει σωστά περιοχές που μπορούν να εμφανίσουν κατολισθήσεις με τη χρήση ενός ανεξάρτητου σετ νεότερων κατολισθήσεων (prediction rate). Τέλος, γίνεται η σύγκριση μεταξύ των μοντέλων ώστε να επιλεγεί το πλέον [100]

108 κατάλληλο που θα αποδώσει με τον καλύτερο τρόπο την επιδεκτικότητα της περιοχής σε κατολισθήσεις Λόγος Συχνοτήτων (FR) & Σχετική Συχνότητα Κατολισθήσεων (LRF) Εφαρμογή μεθόδων Για την εφαρμογή των μεθόδων εκτίμησης της επιδεκτικότητας με τη χρήση του Λόγου Συχνοτήτων (FR) και της Σχετικής Συχνότητας Κατολισθήσεων (LRF) απαιτείται η κατασκευή πίνακα που θα συγκεντρώνει τις τιμές των ενδιάμεσων μεγεθών που χρησιμοποιούνται για τον υπολογισμό του κάθε δείκτη ανά κλάση του κάθε παράγοντα (Πίνακας 5.5). Τα αντίστοιχα ραβδογράμματα (Εικόνα 5.9) που προκύπτουν ανά παράγοντα μπορούν να συσχετίσουν τους δύο δείκτες αλλά και τις % συχνότητες εμφάνισης κατολισθήσεων για την κάθε κλάση του κάθε παράγοντα. Στα διαγράμματα αυτά προβάλλεται ταυτόχρονα και η επί τις εκατό έκταση των κατολισθήσεων που αντιστοιχεί στην κάθε κλάση. Γενικά, οι δύο μέθοδοι φαίνεται να ακολουθούν η μία την άλλη συγκρίνοντας τα αποτελέσματα που δίνουν για τις κλάσεις όλων των παραγόντων. Όσον αφορά τον συντελεστή FR τιμές μικρότερες της μονάδας (FR<1) δηλώνουν ασθενή σχέση μεταξύ κατολίσθησης και κλάσης του παράγοντα που εξετάζεται, ενώ τιμές μεγαλύτερες της μονάδας (FR>1) ισχυρή σχέση. Οι περισσότερες κατολισθήσεις εμφανίζονται σε κλίσεις ο. Οι πλέον επιδεκτικές σε κατολισθήσεις κλίσεις είναι αυτές μεταξύ 45 ο -60 ο με τιμή (FR=4,4, LRF=0,51) και ακολουθεί η κλάση των 30 ο -45 ο. Όσον αφορά τη Λιθολογία o σχηματισμός του Φλύσχη αναδεικνύεται ως ο πλέον επιδεκτικός (FR=2,1, LRF=0,23) ενώ ακολουθεί ο σχηματισμός των Σχιστών-ψαμμιτώνκερατολίθων και στη συνέχεια ο σχηματισμός των αργιλικών μαργών. Ο μεγαλύτερος αριθμός κατολισθήσεων (62) σημειώνεται στις αργιλικές μάργες σε ποσοστό 79% επί του συνόλου. Στον παράγοντα Χρήσεις γης η μέγιστη τιμή για τις δύο μεθόδους εντοπίζεται στην κλάση «Εκτάσεις με αραιή βλάστηση». Παρόλα αυτά, οι περισσότερες κατολισθήσεις φαίνεται να σημειώνονται σε μεταβατικές και θαμνώδεις εκτάσεις (59 κατολισθήσεις ή 28% των περιπτώσεων) και σε περιοχές που χαρακτηρίζονται από γεωργία με σημαντικές εκτάσεις φυσικής βλάστησης (51 κατολισθήσεις ή το 24% των κατολισθήσεων). Η τελευταία κατηγορία παρουσιάζει τις δεύτερες σε σειρά μεγαλύτερες τιμές των δύο δεικτών (FR=2, LRF=0,11). [101]

109 Τα υψόμετρα μεταξύ m και m που αντιστοιχούν στις λοφώδεις και ημιορεινές περιοχές έχουν ισχυρές σχέσεις με φαινόμενα κατολισθήσεων (FR=1,3, LRF=0,33) ενώ επίσης το 38% των κατολισθήσεων εμφανίζεται σε λοφώδεις περιοχές. Ενδιαφέρον παρουσιάζουν οι τιμές που αντιστοιχούν στις διάφορες κλάσεις μέσης ετήσιας βροχόπτωσης. Είναι γενικά αποδεκτό ότι οι βροχοπτώσεις αποτελούν έναν από τους σημαντικότερους παράγοντες εναύσματος και αμέσως μπορεί να βγει το συμπέρασμα ότι περιοχές που δέχονται τα μεγαλύτερα ύψη βροχοπτώσεις ή θα εμφανίζουν τις περισσότερες κατολισθήσεις ή θα είναι πολύ επιδεκτικά σε αυτές. Σύμφωνα με τα αποτελέσματα των δύο μοντέλων, όσο αυξάνεται το ύψος βροχόπτωσης δυναμώνει και η σχέση με φαινόμενα κατολισθήσεων. Παρόλα αυτά, οι περισσότερες κατολισθήσεις έχουν σημειωθεί σε εκτάσεις με μέση ετήσια βροχόπτωση mm που αντιστοιχούν στο ποσοστό 69% του συνόλου των περιπτώσεων. Όπως ήδη έχει αναφερθεί, τα ύψη βροχόπτωσης αντιστοιχούν στη μέση ετήσια βροχόπτωση που δέχεται το κάθε σημείο κατολίσθησης για μία σειρά ετών και δεν συνδέεται με το καθεστώς βροχόπτωσης κατά την ενεργοποίηση της, ούτε στο ύψος βροχής που δέχτηκε το σημείο αυτό το ίδιο έτος. Βάση του Πίνακα 5.5 και τη χρήση του Δείκτη Επιδεκτικότητας Κατολισθήσεων LSI και την Εξίσωση (1) σε περιβάλλον GIS υπολογίστηκαν και σχεδιάστηκαν οι διάφοροι χάρτες Επιδεκτικότητας για διάφορους συνδυασμούς παραγόντων που θα συμμετάσχουν στο τελικό μοντέλο εκτίμησης με χρήση του FR (Εικόνα 5.10) και του LRF (Εικόνα 5.11). Το εύρος των τιμών του LSI για το μοντέλο FR είναι 1,4-12,7. Ο LSI για τη μέθοδο LRF παίρνει τιμές από 0,21 έως 1,63. Το εύρος του δείκτη LSI για τα διάφορα σενάρια μεταβάλλεται ανάλογα με το μοντέλο που χρησιμοποιείται και οι τιμές αυτές έχουν ποιοτικό χαρακτήρα. Όσο αυξάνεται η τιμή του LSI αυξάνεται και η επιδεκτικότητα. Έτσι, δεν μπορεί να γίνει σύγκριση των τιμών LSI που προέρχονται από εφαρμογή διαφορετικών μεθόδων. Η επιλογή των κλάσεων επιδεκτικότητας έγινε με τη χρήση των φυσικών διακοπών (natural breaks). Κατά τη μέθοδο φυσικών διακοπών (natural breaks), δημιουργούνται διαστήματα τιμών (κλάσεις) σύμφωνα με έναν αλγόριθμο που χρησιμοποιεί το μέσο όρο κάθε εύρους για να κατανείμει τα δεδομένα με τη μέγιστη δυνατή ομοιομορφία. Η κατανομή των δεδομένων γίνεται με τέτοιον τρόπο ώστε η μέση τιμή κάθε διαστήματος τιμών να είναι πλησιέστερα στις τιμές αυτού. Βεβαιώνεται έτσι, ότι τα διαστήματα τιμών θα αναπαριστώνται με τον καλύτερο δυνατό τρόπο από τους μέσους όρους τους και ότι οι τιμές των δεδομένων μεταξύ αυτών των διαστημάτων θα είναι αρκετά κοντά. [102]

110 Πίνακας 5.5: Συγκεντρωτικός πίνακας μεταβλητών του κάθε παράγοντα Παράγοντας Κλάση Κλάσεις Συχνότητα κατολισθήσεων (Οντότητες) Έκταση κατολισθήσεων (km 2 ) Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % Έκταση κλάσης (km 2 ) Έκταση κλάσης (CA)(%) 1 0 ο -15 ο 31 0, , ,16 34,2 0,4 0, ο -30 ο 77 2, , ,65 39,9 0,9 0,11 Κλίση (Θέσης) 3 30 ο -45 ο 67 0, , ,82 21,5 1,5 0,17 A 4 45 ο -60 ο 32 0, , ,63 3,5 4,4 0,51 5 >60 ο 2 0, ,22 1 3,78 0,7 1,4 0,16 SUM 209 4, , ο -15 ο 21 0, , ,16 34,2 0,3 0, ο -30 ο 88 3, , ,65 39,9 1,1 0,19 Κλίση 3 30 ο -45 ο 82 0, , ,82 21,5 1,8 0,32 (Έκτασης) B 4 45 ο -60 ο 18 0, , ,63 3,5 2,5 0,44 5 >60 ο 0 0, ,00 0 3,78 0,7 0,0 0,00 SUM 209 4, , ,8 1 1 Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων 5 0, , ,52 11,1 0,2 0,02 2 Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις 6 0, , ,56 3,5 0,8 0,09 Διλλουβιακοί, σχηματισμοί μικτών , , ,61 13,5 0,7 0,08 φάσεων Λιθολογία 4 Διλλουβιακοί, χονδρόκοκκοι σχηματισμοί 1 0, ,20 0 3,07 0,5 0,9 0,09 5 Μαργαϊκά κροκαλοπαγή 39 0, , ,27 18,6 1,0 0,11 6 Αργιλικές μάργες 62 3, , ,19 23,7 1,2 0,13 7 Φλύσχης 25 0, , ,31 5,8 2,1 0,22 8 Σχίστες-Ψαμμίτες-Κερατόλιθοι 9 0, , ,32 2,7 1,6 0,17 9 Ασβεστόλιθοι 41 0, , ,26 20,5 1,0 0,10 SUM 209 4, , , Αμπελώνες 19 0, , ,50 12,0 0,8 0,04 Χρήσεις Γης 20 Απογυμνωμένοι βράχοι ,69 0, Δάσος κωνοφόρων 28 0, , ,42 10,9 1,2 0,07 FR LRF [103]

111 Παράγοντας Κλάση Κλάσεις Συχνότητα κατολισθήσεων (Οντότητες) Έκταση κατολισθήσεων (km 2 ) Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % Έκταση κλάσης (km 2 ) Έκταση κλάσης (CA)(%) 14 Δάσος πλατύφυλλων 1 0, ,02 0 1,80 0,3 1,5 0,08 15 Εκτάσεις με αραιή βλάστηση 13 0, ,18 6 8,98 1,6 3,9 0,22 6 Ελαιώνες 7 0, , ,72 10,3 0,3 0,02 13 Φυσικοί βοσκότοποι 2 0, , ,25 3,8 0,3 0,01 2 Γεωργία με σημαντικές εκτάσεις φυσικής βλάστησης 51 0, , ,10 12,0 2,0 0,11 7 Μεταβατικές και θαμνώδεις εκτάσεις 59 2, , ,19 20,2 1,4 0,10 10 Μικτό δάσος 7 0, , ,88 4,8 0,7 0,04 3 Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς 2 0, , ,58 6,7 0,1 0,01 4 Σύνθετα συστήματα καλλιέργειας 6 0, , ,88 2,7 1,1 0,06 12 Σκληροφυλλική βλάστηση 14 0, , ,72 10,8 0,6 0,03 13 Διάφορα 0 0, , ,41 3,8 0,0 0,00 SUM 209 4, , , m (Πεδινή) 51 0, , , ,8 0,19 Υψόμετρο m (Λοφώδης) 80 0, , , ,3 0, m (Ημιορεινή) 54 0, , , ,3 0,33 4 >900m (Ορεινή) 24 2, , , ,6 0,15 SUM 209 4, , ,9 1 1 <750mm 0 0 0, ,0 0, mm 47 1, ,81 22,5 148, ,9 0,28 Βροχόπτωση mm 144 2, ,78 68,9 368, ,0 0, mm 18 0, ,41 8,6 44,22 8 1,1 0,37 5 >1200mm 0 0 0,00 0 0,00 0 0,0 0,00 SUM 209 4, , Πίνακας 5.5: Συνέχεια FR LRF [104]

112 α Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % LRF FR 10,0 1,0 LRF & FR 0,1 β Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % LRF FR 10,0 1,0 LRF & FR 0,1 0 γ Συχνότητα % Κλίση Α ( ο ) Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % LRF FR 0,0 10,0 1,0 0,1 LRF & FR 0 δ Συχνότητα % Κλίση Β ( ο ) Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % LRF FR 0,0 10,00 1,00 LRF& FR 0,10 ε Λιθολογία 0,0 στ Χρήσεις Γης 0,01 Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % LRF FR 10,0 1,0 LRF & FR Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων (LF) % LRF FR 10,0 1,0 LRF & FR Υψόμετρο (m) 0,1 Εικόνα 5.9: Συγκεντρωτικά διαγράμματα στατιστικών μεγεθών κατολισθήσεων ανά παράγοντα α) Κλίση (στο σημείο της κατολίσθησης), β) Κλίση (μέση κλίση περιοχής κατολίσθησης), γ) Λιθολογικές ενότητες, δ) Χρήσεις γης, ε) Υψόμετρο και στ) Ύψος βροχόπτωσης Βροχόπτωση (mm) 0,1 [105]

113 α β γ δ ε στ ζ Εικόνα 5.10: Χάρτες Επιδεκτικότητας βάση του FR, a) Χρήση όλων των παραγόντων, β) Αποκλεισμός των Χρήσεων γης, γ)αποκλεισμός του Υψομέτρου, δ) Αποκλεισμός της Λιθολογίας, ε) Αποκλεισμός της Βροχόπτωσης, στ) Αποκλεισμός της κλίσης και ζ) Χρήση των παραγόντων Λιθολογία-Βροχόπτωση-Κλίση [106]

114 α β γ δ ε στ ζ Εικόνα 5.11: Χάρτες Επιδεκτικότητας βάση του LRF, a) Χρήση όλων των παραγόντων, β) Αποκλεισμός των Χρήσεων γης, γ) Αποκλεισμός του Υψομέτρου, δ) Αποκλεισμός της Λιθολογίας, ε) Αποκλεισμός της Βροχόπτωσης, στ) Αποκλεισμός της κλίσης και ζ) Χρήση των παραγόντων Λιθολογία-Βροχόπτωση-Κλίση [107]

115 Η αξιοπιστία του μοντέλου ελέγχεται χρησιμοποιώντας τις γνωστές 209 θέσεις κατολισθήσεων. Ο έλεγχος γίνεται συνδυάζοντας τις θέσεις των κατολισθήσεων με τους χάρτες επιδεκτικότητας για τον σχεδιασμό καμπυλών επιτυχίας (success rates) (Κεφάλαιο 2.5). Ο έλεγχος γίνεται α) για την ικανότητα του μοντέλου να αντιστοιχεί σωστά τις γνωστές θέσεις κατολισθήσεων στο σωστό βαθμό επιδεκτικότητας, ROC καμπύλες, και β) την κατανομή των κατολισθήσεων στις περιοχές υψηλής επιδεκτικότητας. Οι καμπύλες ROC για τον δείκτη FR (Εικόνα 5.12α) και τον δείκτη LRF (Εικόνα 5.12β) κατασκευάστηκαν με τη χρήση του λογισμικού SPSS Statistics α β Εικόνα 5.12: Καμπύλες ελέγχου αξιοπιστίας ROC a) για το δείκτη FR και β) για το δείκτη LRF Κατά την εφαρμογή της μεθόδου δοκιμάζονται οι διάφοροι συνδυασμοί παραγόντων (Σενάρια 1-7) ώστε να επιλεγεί ο πλέον αντιπροσωπευτικός με βάση τα δεδομένα που δοκιμάζονται για την περιοχή μελέτης. Στη συγκεκριμένη περίπτωση, ένα δείγμα γνωστών θέσεων κατολισθήσεων και ένα ισάριθμο που απουσιάζουν οι κατολισθήσεις από τυχαία δειγματοληψία στην περιοχή μελέτης «δοκιμάζονται» και ελέγχεται η αξιοπιστία του μοντέλου που εφαρμόστηκε ως προς την ικανότητα σωστής αντιστοίχισης των σημείων του δείγματος στις κατάλληλες τιμές επιδεκτικότητας. Η κριτική ικανότητα του μοντέλου κρίνεται από την τιμή AUC (Κεφάλαιο 2.5), έτσι όσο αυξάνεται η τιμή του αυξάνεται και η ικανότητα μοντέλου να ταξινομήσει σωστά τις θέσεις με ή χωρίς κατολισθήσεις. Για το σκοπό αυτό, κατά την τυχαία δειγματοληψία επιλέχτηκαν 209 τυχαίες θέσεις (random) εντός της περιοχής έρευνας που δεν συμπίπτουν με τις γνωστές θέσεις κατολισθήσεων με τη βοήθεια του GIS και του εργαλείου Sample. Το δείγμα αυτών των θέσεων χρησιμοποιείται σε όλες τις περιπτώσεις που αναφέρεται στη επόμενα στάδια της διατριβής η διαδικασία της επαλήθευσης. [108]

116 Και για τα δύο μοντέλα FR και LRF, η τιμή AUC παίρνει τη μεγαλύτερη τιμή της στο Σενάριο 5 (Try 5) που δε συμμετέχει το ύψος βροχόπτωσης (μέση ετήσια βροχόπτωση), AUC=0,739 και AUC=0,721 για το FR και to LRF αντίστοιχα. Το δεύτερο κοινό πιο επιτυχημένο σενάριο προκύπτει από τη συμμετοχή όλων των παραγόντων, Σενάριο 1 (Try 1) με AUC=0,715 και AUC=0,676 για το FR και το LRF αντίστοιχα (Πίνακας 5.6). Πίνακας 5.6: Αποτελέσματα ROC ελέγχου FR LRF Σενάρια επιλογής μεταβλητών Area (AUC) Std. Error Area (AUC) Std. Error Try 1 - Total,715,025,676,026 Try 2 - Except "Landuse",672,026,633,027 Try 3 - Except "Elevation",709,025,677,026 Try 4 - Except "Geology",711,025,667,026 Try 5 - Except "Rainfall",739,024,721,025 Try 6 - Except "Slope",690,025,643,027 Try 7 - "Geology-Slope-Rainfall",664,026,625,027 Χρησιμοποιώντας το εύρος των τιμών επιδεκτικότητας (LSI) που υπολογίζει το κάθε μοντέλο ποιοτικά προσδιορίζονται περιοχές: α) πολύ χαμηλής επιδεκτικότητας, β) χαμηλής επιδεκτικότητας, γ) μεσαίας επιδεκτικότητας, δ) υψηλής επιδεκτικότητας και ε) πολύ υψηλής επιδεκτικότητας (Εικόνα 5.10 και Εικόνα 5.11). Η αντίστοιχη ποσοτική εκτίμηση ζωνών επιδεκτικότητας εκφράζεται με τις καμπύλες επιτυχίας όπου στον άξονα-x δίνεται ο βαθμός επιδεκτικότητας από τη μέγιστη στην ελάχιστη τιμή του και στον άξονα-y το αθροιστικό ποσοστό των κατολισθήσεων (στο σύνολο των 209 κατολισθήσεων) που αντιστοιχεί στην κάθε ζώνη επιδεκτικότητας. Πρακτικά, όλες οι τιμές επιδεκτικότητας που χαρακτηρίζουν την περιοχή έρευνας ταξινομούνται από τη μεγαλύτερη σε κλάσεις με τέτοιο τρόπο ώστε κάθε κλάση να εκφράζει το 5% της περιοχής. Με αυτόν τον τρόπο το 0% εκφράζει την υψηλότερη επιδεκτικότητα και το 100% τη χαμηλότερη που εμφανίζεται στη περιοχή (άξονας x), ενώ στη κάθε κλάση αντιστοιχίζεται το ποσοστό των κατολισθήσεων που παρατηρούνται και το οποίο τελικά εκφράζεται σαν αθροιστικό ποσοστό κατολισθήσεων (άξονας y) (Πίνακας 5.7). Έτσι για παράδειγμα, για το μοντέλο που χρησιμοποιεί το FR και το σενάριο όλων των παραγόντων, Σενάριο 1, η κλάση 10% της περιοχής έρευνας όπου η επιδεκτικότητα παίρνει τη μέγιστη τιμή της μπορούν να εξηγήσουν το 28% των κατολισθήσεων ενώ στο 20% των πιο επιδεκτικών περιοχών το 44% των περιπτώσεων (Εικόνα 5.13). Τα Σενάρια 1, 4 και 5 όπως και στη περίπτωση της ROC καμπύλης ερμηνεύουν εξίσου καλά τις εμφανίσεις [109]

117 κατολισθήσεων για τις διάφορες περιοχές βαθμού επιδεκτικότητας. Τα σενάρια 2 και 7 όπως και για τις καμπύλες ROC απορρίπτονται καθώς παρουσιάζουν αδυναμία στην πρόβλεψη των γνωστών θέσεων κατολισθήσεων. Πίνακας 5.7: Σχέση μεταξύ της κλάσης βαθμού επιδεκτικότητας και κατολισθήσεων μέσω αθροιστικού ποσοστού εμφάνισης για τη μεθοδολογία FR Κλάση βαθμού επιδεκτικότητας Σενάριο 1 Σενάριο 2 Σενάριο 3 Σενάριο 4 Σενάριο 5 Σενάριο 6 Σενάριο 7 0%-5% 15,31 11,96 14,83 14,35 18,18 15,79 12,44 5%-10% 27,75 21,53 30,14 18,18 31,10 26,32 20,10 10%-15 32,54 25,36 36,36 35,89 34,93 32,54 30,14 15%-20% 44,02 39,71 36,36 44,50 47,37 36,84 30,14 20%-25% 51,20 44,02 52,15 49,76 54,55 36,84 30,14 25%-30% 55,02 51,67 60,29 55,50 60,29 51,20 54,07 30%-35% 59,33 59,33 62,20 61,72 64,11 59,81 58,37 35%-40% 66,03 59,33 62,20 68,90 70,33 66,51 58,37 40%-45% 72,73 69,38 66,03 75,12 74,16 67,46 66,51 45%-50% 78,95 73,68 74,64 79,90 81,34 77,03 73,21 50%-55% 82,78 76,56 81,82 83,73 83,25 77,03 73,21 55%-60% 85,17 81,34 85,17 86,60 86,60 83,73 80,86 60%-65% 87,56 84,21 87,08 90,43 88,52 87,08 81,82 65%-70% 89,47 87,08 91,39 93,30 89,95 89,95 86,12 70%-75% 94,26 90,43 95,69 95,69 93,78 96,17 89,95 75%-80% 97,61 92,34 96,17 98,09 97,13 97,61 90,43 80%-85% 99,04 95,22 98,56 99,04 99,52 98,09 94,26 85%-90% 99,52 95,22 99,52 99,52 99,52 99,04 94,26 90%-95% 100,00 97,13 100,00 99,52 100,00 99,04 96,65 95%-100% 100,00 100,00 100,00 100,00 100,00 100,00 100,00 Cumulative landslides (%) TRY_1 TRY_2 TRY_3 TRY_4 TRY_5 TRY_6 TRY_ LSI rank % Εικόνα 5.13: Διάγραμμα αθροιστικής συχνότητας κατολισθήσεων σε σχέση με το βαθμό επιδεκτικότητας για τον FR [110]

118 Σύμφωνα με τα παραπάνω, το Σενάριο 1 που συμμετέχουν όλοι οι παράγοντες και το Σενάριο 5 που δεν συμμετέχει ο παράγοντας βροχόπτωσης είναι τα πλέον κατάλληλα στην εκτίμηση επιδεκτικότητας με τη χρήση του δείκτη FR. Ομοίως, η ίδια διαδικασία για την απόδοση της επιδεκτικότητας μέσω του δείκτη LRF ερμηνεύει με ικανοποιητικό τρόπο τις κατολισθήσεις για τα σενάρια 1, 3 και 5, με το Σενάριο 1 να μοιάζει σε μεγάλο βαθμό με το Σενάριο 5. Για το Σενάριο 3 για το 10% της περιοχής με τη μεγαλύτερη επιδεκτικότητα ερμηνεύεται το 25 % των κατολισθήσεων ενώ για την ίδια περιοχή επιδεκτικότητας τα σενάρια 1 και 5 το 24% και 30% των κατολισθήσεων αντίστοιχα. Στο 50% του βαθμού επιδεκτικότητας που αντιστοιχεί περίπου στης μέσης επιδεκτικότητας περιοχές έχουν ταξινομηθεί για το Σενάριο 3 το 70% των κατολισθήσεων και για το Σενάριο 5 το 78% αυτών (Εικόνα 5.14). Τα χειρότερα αποτελέσματα δίνει το σενάριο 7 όπως και στο μοντέλο του FR. Πίνακας 5.8: Σχέση μεταξύ της κλάσης βαθμού επιδεκτικότητας και κατολισθήσεων μέσω αθροιστικού ποσοστού εμφάνισης για τη μεθοδολογία LRF Κλάση βαθμού επιδεκτικότητας Σενάριο 1 Σενάριο 2 Σενάριο 3 Σενάριο 4 Σενάριο 5 Σενάριο 6 Σενάριο 7 0%-5% 17,22 11,00 14,83 13,88 23,92 14,83 10,05 5%-10% 24,40 20,57 25,36 21,53 30,14 21,05 18,66 10%-15 32,54 26,32 29,67 33,01 37,80 24,88 23,44 15%-20% 40,19 37,80 35,41 39,71 44,02 33,01 23,44 20%-25% 46,41 42,58 48,33 44,50 52,63 38,28 32,06 25%-30% 52,63 45,45 51,67 51,20 57,89 49,76 48,33 30%-35% 59,33 51,67 56,46 55,98 66,03 51,67 48,33 35%-40% 62,20 59,33 62,68 62,68 70,81 58,37 60,29 40%-45% 68,90 62,20 64,11 67,94 73,21 62,68 60,29 45%-50% 71,29 65,55 70,81 72,25 77,99 66,99 65,55 50%-55% 75,12 70,33 74,64 78,47 83,73 68,90 67,94 55%-60% 80,86 72,25 77,99 85,17 88,04 75,12 74,16 60%-65% 83,73 80,38 83,73 85,17 89,47 81,82 79,43 65%-70% 84,21 84,69 89,47 88,52 90,91 84,69 83,73 70%-75% 91,87 86,12 91,87 93,78 93,30 93,30 87,56 75%-80% 95,22 90,43 94,26 96,65 97,61 96,65 87,56 80%-85% 98,09 96,17 97,13 97,61 97,61 98,09 90,43 85%-90% 99,52 97,61 98,09 99,04 98,56 99,04 96,17 90%-95% 99,52 97,61 99,04 99,52 99,52 100,00 96,17 95%-100% 100,00 100,00 100,00 100,00 100,00 100,00 100,00 [111]

119 Cumulative landslides (%) LSI rank % Εικόνα 5.14: Διάγραμμα αθροιστικής συχνότητας κατολισθήσεων σε σχέση με το βαθμό επιδεκτικότητας για τον LRF Σύμφωνα με τα παραπάνω το Σενάριο 5 όπου δεν συμμετέχει ο παράγοντας βροχόπτωση ταξινομεί καλύτερα τις κατολισθήσεις και με παρόμοια επιτυχία το Σενάριο 1 που συμμετέχουν όλοι οι παράγοντες, το Σενάριο 3 που δεν συμμετέχει ο παράγοντας Υψόμετρο και το Σενάριο 4 όπου δεν συμμετέχει η Λιθολογία και είναι τα πλέον κατάλληλα στην εκτίμηση επιδεκτικότητας με τη χρήση του δείκτη LRF Επαλήθευση μεθόδων FR & LRF Έχοντας ξεχωρίσει τα πιθανά καλύτερα σενάρια πρόβλεψης επιδεκτικών περιοχών κατολισθήσεων και για τα δύο μοντέλα, FR και LRF, γίνεται η τελική επαλήθευση σε ένα ανεξάρτητο δείγμα κατολισθήσεων που δεν έχει χρησιμοποιηθεί κατά την εξάσκηση του μοντέλου. Επαναλαμβάνοντας τη διαδικασία και συγκρίνοντας τα αποτελέσματα του πρώτου σετ κατολισθήσεων (σετ εξάσκησης μοντέλου) και του δεύτερου σετ (σετ επαλήθευσης μοντέλου) επιλέγεται το τελικό σενάριο που αποδίδει ικανοποιητικά την επιδεκτικότητα στην περιοχή έρευνας. Ο έλεγχος ως προς την ικανότητα πρόβλεψης έγινε χρησιμοποιώντας το δεύτερο ανεξάρτητο δείγμα 29 κατολισθήσεων (Κεφάλαιο 3.1.8). Στο στάδιο αυτό ελέγχεται κατά πόσο οι ανεξάρτητες αυτές θέσεις κατολισθήσεων τοποθετούνται σωστά στις περιοχές που το μοντέλο ορίζει ως επιδεκτικές σε κατολισθήσεις. TRY_1 TRY_2 TRY_3 TRY_4 TRY_5 TRY_6 TRY_7 [112]

120 Cumulative landslides (%) FR-Try1-Set2 FR-Try2-Set2 FR-Try3-Set2 FR-Try4-Set2 FR-Try5-Set 2 FR-Try6-Set2 FR-Try7-Set LSI rank % Εικόνα 5.15: Καμπύλες ελέγχου ικανότητας πρόβλεψης με χρήση του σετ επαλήθευσης (FR) Συγκρίνοντας το διάγραμμα της Εικόνας 5.15 με αυτό της Εικόνας 5.13 για το FR διαπιστώνεται ότι όλα τα σενάρια λειτουργούν με τρόπο ανάλογο της ακρίβειας τους στην πρόβλεψη των νέων κατολισθήσεων με τρόπο ορθό. Η διαπίστωση αυτή προκύπτει από το γεγονός ότι για όλα τα σενάρια σε ίδιες περιοχές βαθμού επιδεκτικότητας και στα δύο διαγράμματα, το διάγραμμα πρόβλεψης ταξινομεί μεγαλύτερο αριθμό κατολισθήσεων δηλαδή οι καμπύλες του δεύτερου σετ επαλήθευσης βρίσκονται πάνω από αυτές του σετ εκπαίδευσης Cumulative landslides (%) FR - Set 1 FR - Set LSI rank % AUC=0,834 Εικόνα 5.16: Αθροιστικό διάγραμμα κατολισθήσεων με το βαθμό επιδεκτικότητας του σετ επαλήθευσης και η αντίστοιχη ROC καμπύλη για το FR [113]

121 Καταλληλότερο μέσω αυτής της διαδικασίας για την χρήση του FR κρίνεται το Σενάριο 1 στο οποίο συμμετέχουν όλοι οι παράγοντες καθώς προβλέπει και ταξινομεί με τον καλύτερο τρόπο τις νέες θέσεις κατολισθήσεων. Η καμπύλη ROC αποτυπώνει ξεκάθαρα την ικανότητα του μοντέλου να προβλέπει σωστά τις θέσεις των νέων κατολισθήσεων με AUC=0,834 (Εικόνα 5.16). Σύμφωνα με τα παραπάνω το μοντέλο FR αποτυπώνει με τον καλύτερο τρόπο την επιδεκτικότητα της περιοχής χρησιμοποιώντας και τους πέντε παράγοντες που προτείνονται, Σενάριο 1. Η ίδια διαδικασία ακολουθείται και για το μοντέλο LRF στο δεύτερο σετ κατολισθήσεων. Το διάγραμμα ελέγχου ικανότητας πρόβλεψης (Εικόνα 5.17) προβάλλεται ο τρόπος με τον οποίο κατανέμονται οι κατολισθήσεις του δεύτερου σετ στις διάφορες περιοχές επιδεκτικότητας όπως αυτές προτείνονται από το πρώτο σετ κατολισθήσεων (Εικόνα 5.14) Cumulative landslides (%) LRF-Try1-Set 2 LRF-Try2-Set2 LRF-Try3-Set2 LRF-Try4-Set2 LRF-try5-Set2 LRF-Try6-Set2 LRF-Try7-Set LSI rank % Εικόνα 5.17: Καμπύλες ελέγχου ικανότητας πρόβλεψης ROC για το LRF Από την σύγκριση των δύο διαγραμμάτων συμπεραίνεται ότι το Σενάριο 3 στο οποίο δεν συμμετέχει ο παράγοντας Υψόμετρο αποδίδει με πιο ρεαλιστικό τρόπο την επιδεκτικότητα της περιοχής σε κατολισθήσεις. Στην καμπύλη ROC η ικανότητα του μοντέλου να προβλέπει σωστά τις θέσεις των νέων κατολισθήσεων αποδίδεται με AUC=0,803 (Εικόνα 5.18). Σύμφωνα με τα παραπάνω το μοντέλο LRF συμπεριφέρεται με καλύτερο τρόπο στην περιοχή έρευνας για το Σενάριο 3 όπου δεν συμμετέχει το Υψόμετρο. [114]

122 Cumulative landslides (%) LRF-Try3-Set2 LRF-Tr3-Set LSI rank % AUC=0,803 Εικόνα 5.18: Αθροιστικό διάγραμμα κατολισθήσεων με τον βαθμός επιδεκτικότητας του σετ επαλήθευσης και η αντίστοιχη ROC καμπύλη για το LRF Συμπεράσματα μεθόδων FR & LRF Συμπερασματικά, αναφέρεται ότι τελικά η επιλογή του κατάλληλου Σεναρίου παραγόντων προκύπτει μετά από σύγκριση των αποτελεσμάτων ελέγχου αξιοπιστίας και ελέγχου πρόβλεψης. Έτσι σύμφωνα με αυτό, για το μοντέλο FR ο έλεγχος αξιοπιστίας προτείνει τα Σενάρια 1 και 5 ως τα καλύτερα για τον προσδιορισμό της επιδεκτικότητας, ενώ ο έλεγχος ικανότητας πρόβλεψης αναδεικνύει το Σενάριο 1 το οποίο και τελικά επιλέγεται ως το καταλληλότερο κατά τη χρήση της μεθόδου FR στον προσδιορισμό της επιδεκτικότητας. Επιπλέον, για το μοντέλο LRF, ο έλεγχος αξιοπιστίας παρουσιάζει τα Σενάρια 1, 3, 4 και 5 σαν τα πιο αξιόπιστα στην εκτίμηση της επιδεκτικότητας. Το Σενάριο 3 στη συνέχεια παρουσιάζει την καλύτερη ικανότητα πρόβλεψης νέων θέσεων κατολισθήσεων κατά τον αντίστοιχο έλεγχο. Βάση αυτών το Σενάριο 3 είναι αυτό που θεωρείται ότι προσδιορίζει τον βαθμό επιδεκτικότητας με τον καλύτερο τρόπο κατά την εφαρμογή της μεθόδου LRF Λόγος Πιθανοφάνειας (LR) Εφαρμογή μεθόδου Ο δείκτης LR στηρίζεται στις σχέσεις που παρατηρούνται μεταξύ της χωρικής κατανομής των κατολισθήσεων και του κάθε παράγοντα που συμμετέχει στο μοντέλο. Κατά την εφαρμογή της μεθόδου υπολογίζεται η σχέση του ποσοστού της έκτασης που καλύπτεται από κατολισθήσεις για μία κλάση ενός παράγοντα, σε σχέση με το ποσοστό εκείνο της έκτασης που δεν εμφανίζει κατολισθήσεις. Για τον υπολογισμό του (Κεφάλαιο 2.2.4) [115]

123 χρησιμοποιούνται τα ποσοστό της έκτασης που καλύπτονται από κατολισθήσεις και τα ποσοστά της έκτασης που δεν καλύπτονται από αυτές, και τα οποία αντιστοιχούν πρακτικά στην επί της εκατό έκταση των κατολισθήσεων μιας κλάσης ενός παράγοντα και στην επί της εκατό έκταση της κλάσης του ίδιου παράγοντα (Πίνακας 5.9). Το πρόβλημα που προκύπτει κατά την εφαρμογή υπολογισμών μεταξύ των επιφανειών των κατολισθήσεων είναι το γεγονός ότι η έκταση που καλύπτει μία κατολίσθηση μπορεί να συμπίπτει με πάνω από μία κατηγορία του κάθε παράγοντα, όπως για παράδειγμα η κατολίσθηση να συμβαίνει σε δύο διαφορετικούς σχηματισμούς ή δύο χρήσεις γης. Χρησιμοποιώντας έτσι την έκταση σε πραγματικές μονάδες μέτρησης (km 2 ) δημιουργούνται προβλήματα κατά τη διαδικασία υπολογισμών που έχουν να κάνουν με τα ποσοστά κάλυψης για κάθε επιμέρους κλάση και των αντίστοιχων εκτάσεων που καλύπτονται με κατολισθήσεις. Με σκοπό να προσπελαστεί το πρόβλημα, όλοι οι υπολογισμοί πραγματοποιήθηκαν χρησιμοποιώντας των αριθμό των εικονοστοιχείων (pixels) που αντιστοιχούν στην έκταση της κάθε κατολίσθησης, με το μέγεθος αυτού να είναι 5 Χ 5 μέτρα, προσεγγίζοντας με αυτόν τον τρόπο όσο το δυνατό πιο αντικειμενικά την έκταση που καλύπτεται από κατολισθήσεις ανά παράγοντα. Τα αντίστοιχα ραβδογράμματα (Εικόνα 5.19) που προκύπτουν ανά παράγοντα μπορούν να συσχετίσουν τις τιμές του δείκτη ανά κλάση του κάθε παράγοντα με τις αντίστοιχες % συχνότητες εμφάνισης κατολισθήσεων. Στα διαγράμματα αυτά προβάλλεται ταυτόχρονα και η επί τις εκατό έκταση των κατολισθήσεων που αντιστοιχεί στην κάθε κλάση. Γενικά, τιμές του δείκτη LR μικρότερες της μονάδας (LR<1) δηλώνουν ασθενή σχέση μεταξύ κατολίσθησης και κλάσης του παράγοντα που εξετάζεται, ενώ τιμές μεγαλύτερες της μονάδας (LR>1) ισχυρή σχέση. Οι περισσότερες κατολισθήσεις εμφανίζονται σε κλίσεις ο (37% του συνόλου). Οι πιο ισχυρές σχέσεις μεταξύ κατολισθήσεων και κλίσης εμφανίζονται για κλίσεις μεταξύ 45 ο -60 ο με τιμή (LR=1,4) και ακολουθεί η κλάση των 30 ο -45 ο (LR=1,27) ενώ για κλίσεις ο το LR=1,01. Όσον αφορά τη Λιθολογία οι Ασβεστόλιθοι με LR=2,96 σημειώνουν την πιο ισχυρή σχέση και ακολουθούν οι Σχίστες-ψαμμίτες-κερατόλιθοι LR=1,22 και στη συνέχεια ακολουθεί ο σχηματισμός του φλύσχη με LR=0,96. Ο μεγαλύτερος αριθμός κατολισθήσεων (62) σημειώνεται στις αργιλικές μάργες σε ποσοστό 79% επί του συνόλου και στους ασβεστολίθους (20%). [116]

124 Στον παράγοντα Χρήσεις γης η μέγιστη τιμή εντοπίζεται στην κλάση των απογυμνωμένων βράχων LR=29,09 και στις εκτάσεις με αραιή βλάστηση LR=9,96, ενώ ακολουθούν οι μεταβατικές και θαμνώδεις εκτάσεις με LR=1,94 όπου σημειώνονται και οι περισσότερες κατολισθήσεις (28% των περιπτώσεων). Οι ορεινές περιοχές >900m εμφανίζουν τη μεγαλύτερη τιμή του δείκτη LR=2,64. Με τη μείωση του υψομέτρου παρατηρείται και μείωση του δείκτη LR. Παρόλα αυτά οι πεδινές και οι λοφώδεις περιοχές (0-600m) σημειώνουν LR<1 που υποδηλώνει ασθενή σχέση του συσχετισμού εμφάνισης κατολισθήσεων με τα συγκεκριμένα υψόμετρα. Σχετικά με τη βροχόπτωση οι μεγαλύτερες τιμές του LR εμφανίζονται στα ύψη mm LR=1,25 και mm με LR=1,1. Για ύψη βροχής <900mm φαίνεται να υπάρχει ασθενής σχέση με τις κατολισθήσεις. Όπως προκύπτει από τα παραπάνω, ο δείκτης LR δεν ταυτίζεται απόλυτα με τους δείκτες FR και LRF. Οι διαφορές υπάρχουν λόγω του ότι στις δύο πρώτες περιπτώσεις υπολογίζεται η σχέση που υπάρχει μεταξύ της συχνότητας εμφάνισης κατολισθήσεων στην έκταση που καταλαμβάνει η κάθε κλάση του κάθε παράγοντα, ενώ στην περίπτωση του LR οι υπολογισμοί γίνονται αποκλειστικά μεταξύ των εκτάσεων που καλύπτονται και των εκτάσεων που δεν καλύπτονται από κατολισθήσεις. Σε αυτή την περίπτωση, η χωρική κατανομή των εκάστοτε εκτάσεων (έκταση κατολισθήσεων και έκταση κλάσης του παράγοντα που τις περιέχει) παίζει σπουδαίο ρόλο και δεν κάνει ξεκάθαρη τη σχέση που συνδέει έναν παράγοντα με την εμφάνιση μίας κατολίσθησης, αλλά συνδέει την επιδεκτικότητα με το πόσο εκτεταμένες μπορεί να είναι οι κατολισθήσεις. Έτσι, αν σε δύο κλάσεις ίδιας έκτασης παρατηρούνται πιο εκτεταμένες, όχι απαραίτητα περισσότερες σε αριθμό, κατολισθήσεις η κλάση αυτή θα εμφανίζει μεγαλύτερη τιμή LR από την άλλη η οποία μπορεί να εμφανίζει περισσότερες αλλά πιο περιορισμένες στο χώρο κατολισθήσεις. [117]

125 Πίνακας 5.9: Πίνακας προσδιορισμού δείκτη LR Παράγοντας Κλάση Κλάσεις Συχνότητα κατολισθήσεων (Οντότητες) Συχνότητα κατολισθήσεων % Έκταση κατολισθήσεων (pixels) Έκταση κατολισθήσεων (%) Έκταση κλάσης (pixels) Έκταση κλάσης (%) 1 0 ο -15 ο 31 14, , ,31 0, ο -30 ο 77 36, , ,93 1,01 Κλίση 3 30 ο -45 ο 67 32, , ,64 1, ο -60 ο 32 15, , ,44 1,40 5 >60 ο 2 1, , ,67 0,66 SUM Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων 5 2, , ,49 0,68 2 Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις 6 2, , ,16 0,17 3 Διλλουβιακοί, σχηματισμοί μικτών φάσεων 21 10,0 43 0, ,55 0,05 Λιθολογία Διλλουβιακοί, χονδρόκοκκοι 4 σχηματισμοί 1 0, , ,41 0,33 5 Μαργαϊκά κροκαλοπαγή 39 18, , ,61 0,19 6 Αργιλικές μάργες 62 29, , ,72 0,75 7 Φλύσχης 25 12, , ,76 0,96 8 Σχίστες-Ψαμμίτες-Κερατόλιθοι 9 4, , ,73 1,22 9 Ασβεστόλιθοι 41 19, , ,57 2,96 SUM Αμπελώνες 19 9, , ,06 0,33 20 Απογυμνωμένοι βράχοι 1 0, , ,12 29,09 8 Δάσος κωνοφόρων 28 13, , ,97 1,58 Χρήσεις Γης 14 Δάσος πλατύφυλλων 1 0,5 33 0, ,32 0,06 15 Εκτάσεις με αραιή βλάστηση 13 6, , ,60 9,96 6 Ελαιώνες 7 3, , ,31 0,06 13 Φυσικοί βοσκότοποι 2 1, , ,79 0,22 2 Γεωργία με σημαντικές εκτάσεις 51 24, , ,98 0,99 LR [118]

126 Παράγοντας Κλάση Κλάσεις Συχνότητα κατολισθήσεων (Οντότητες) Συχνότητα κατολισθήσεων % Έκταση κατολισθήσεων (pixels) Έκταση κατολισθήσεων (%) φυσικής βλάστησης 7 Μεταβατικές και θαμνώδεις εκτάσεις 58 27, , ,21 1,94 10 Μικτό δάσος 7 3, , ,80 0,04 3 Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς 2 1, , ,71 0,05 4 Σύνθετα συστήματα καλλιέργειας 6 2, , ,66 0,34 12 Σκληροφυλλική βλάστηση 14 6, , ,84 0,49 13 Διάφορα 0 0,0 0 0, ,61 0,00 SUM m (Πεδινή) 51 24, , ,43 0,25 Υψόμετρο m (Λοφώδης) 80 38, , ,76 0, m (Ημιορεινή) 54 25, , ,68 1,61 4 >900m (Ορεινή) 24 11, , ,12 2,64 SUM <750mm 0 0,0 0 0,00 0 0,00 0, mm 47 22, , ,43 0,34 Βροχόπτωση mm , , ,68 1, mm 18 8, , ,88 1,10 5 >1200mm 0 0,0 0 0,00 0 0,00 0,00 SUM Πίνακας 5.9: Συνέχεια Έκταση κλάσης (pixels) Έκταση κλάσης (%) LR [119]

127 α β Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων % LR 10, LR 1,0 Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων % LR 10,0 1,0 LR 0,1 γ Κλίση Α ( ο ) 0,1 δ Λιθολογία 0, Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων % LR 100, ,0 80 1,0 0,1 LR Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων % LR 100,0 10,0 1,0 LR Χρήσεις γης ε 0, Υψόμετρο 0,1 Συχνότητα % Έκταση κατολισθήσεων (%) Συχνότητα κατολισθήσεων % LR 100,0 10,0 1,0 LR Βροχόπτωση Εικόνα 5.19: Διαγράμματα σύγκρισης του δείκτη LR ανά παράγοντα α) Κλίση, β) Λιθολογικές ενότητες, γ) Χρήσεις γης, δ) Υψόμετρο και ε) Ύψος βροχόπτωσης Όπως και προηγουμένως (Κεφάλαιο ) με τη χρήση του Δείκτη Επιδεκτικότητας Κατολισθήσεων LSI (Εξίσωση 1) σε περιβάλλον GIS υπολογίστηκαν και σχεδιάστηκαν οι διάφοροι χάρτες Επιδεκτικότητας για διάφορους συνδυασμούς παραγόντων που θα συμμετάσχουν στο τελικό μοντέλο εκτίμησης με χρήση του LR (Εικόνα 5.20). Η επιλογή των κλάσεων έγινε και εδώ με τη χρήση των φυσικών διακοπών (natural breaks). Το εύρος των τιμών που παίρνει το LR είναι 0,69-37,34 και δεν πρέπει να γίνονται συγκρίσεις με τις τιμές με τιμές που προκύπτουν από διαφορετικά μοντέλα. 0,1 [120]

128 α β γ δ ε στ ζ Εικόνα 5.20: Χάρτες Επιδεκτικότητας βάση του LR, a) Χρήση όλων των παραγόντων, β) Αποκλεισμός των Χρήσεων γης, γ) Αποκλεισμός του Υψομέτρου, δ) Αποκλεισμός της Λιθολογίας, ε) Αποκλεισμός της Βροχόπτωσης, στ) Αποκλεισμός της κλίσης και ζ) Χρήση των παραγόντων Λιθολογία-Βροχόπτωση-Κλίση [121]

129 Εξετάζεται όπως προηγουμένως η αξιοπιστία του μοντέλου χρησιμοποιώντας τις γνωστές θέσεις κατολισθήσεων και ισάριθμο δείγμα τυχαίων θέσεων εντός της περιοχής έρευνας που δεν εμφανίζουν κατολισθήσεις, στην ικανότητα να τις αντιστοιχεί σωστά στο σωστό βαθμό επιδεκτικότητας. Οι ROC καμπύλες που προκύπτουν για τα 7 διαφορετικά σενάρια φαίνεται να υποστηρίζουν το μοντέλο καθώς όλες εμφανίζουν AUC>0,5 (Εικόνα 5.21). Εικόνα 5.21: Καμπύλες ελέγχου αξιοπιστίας ROC για το δείκτη LR Για το μοντέλο του LR, η τιμή του AUC παίρνει τη μεγαλύτερη τιμή της για το Σενάριο 3 (Try 3) όπου δε συμμετέχει το Υψόμετρο (AUC=0,636) σαν παράγοντας και ακολουθεί το Σενάριο 5 όπου δεν συμμετέχει η Βροχόπτωση μαζί με το Σενάριο 4 όπου δε συμμετέχει η Λιθολογία ((AUC=6,27 και AUC=0,625). Το χειρότερο σενάριο με AUC=0,588 είναι το Σενάριο 2 (Try 2) (Πίνακας 5.10). Πίνακας 5.10: Αποτελέσματα ROC ελέγχου Σενάρια επιλογής μεταβλητών LR Area (AUC) Std. Error Try 1 - Total,620,028 Try 2 - Except "Landuse",588,029 Try 3 - Except "Elevation",636,028 Try 4 - Except "Geology",625,028 Try 5 - Except "Rainfall",627,028 Try 6 - Except "Slope",606,029 Try 7 - "Geology-Slope-Rainfall",600,028 [122]

130 Συσχετίζοντας στη συνέχεια τον βαθμό επιδεκτικότητας με την κατανομή των κατολισθήσεων στις καμπύλες επιτυχίας προσδιορίζεται η ικανότητα του κάθε σεναρίου να ταξινομήσει καλά το μοντέλο τις θέσεις κατολισθήσεων στις κλάσεις επιδεκτικότητας που προκύπτουν (Πίνακας 5.11). Πίνακας 5.11: Σχέση μεταξύ της κλάσης βαθμού επιδεκτικότητας και κατολισθήσεων μέσω αθροιστικού ποσοστού εμφάνισης για τη μεθοδολογία LR Κλάση βαθμού επιδεκτικότητας Σενάριο 1 Σενάριο 2 Σενάριο 3 Σενάριο 4 Σενάριο 5 Σενάριο 6 Σενάριο 7 0%-5% 10,05 4,31 13,40 8,13 7,66 7,66 1,91 5%-10% 12,92 10,05 17,70 9,09 11,96 12,44 15,31 10%-15 18,18 11,96 21,05 15,79 17,70 16,27 16,75 15%-20% 20,10 19,62 25,84 19,62 20,10 19,62 19,14 20%-25% 24,88 21,53 29,67 27,27 26,79 25,36 28,23 25%-30% 29,67 27,27 36,84 38,76 29,67 27,75 36,36 30%-35% 39,23 35,41 40,19 43,54 39,23 36,84 37,80 35%-40% 45,93 40,67 53,11 50,24 44,02 46,89 45,93 40%-45% 55,02 47,85 59,81 54,07 55,50 48,80 57,89 45%-50% 60,29 51,67 65,55 59,81 61,72 59,33 62,20 50%-55% 66,03 61,24 69,86 69,86 70,81 64,11 62,20 55%-60% 74,16 72,25 77,99 75,60 77,51 71,29 69,38 60%-65% 82,30 75,60 82,78 83,73 83,73 80,38 69,38 65%-70% 88,04 77,51 89,00 88,04 89,95 86,60 78,47 70%-75% 93,30 84,21 92,34 91,87 93,30 89,95 86,12 75%-80% 96,17 89,47 97,13 97,13 96,65 94,26 86,60 80%-85% 98,09 91,87 98,09 97,61 97,61 97,13 91,87 85%-90% 98,56 93,78 98,56 99,04 99,04 98,56 93,78 90%-95% 99,04 99,04 99,04 99,04 100,00 99,04 98,56 95%-100% 100,00 100,00 100,00 100,00 100,00 100,00 100,00 Έτσι για παράδειγμα, τα περισσότερα σενάρια ταξινομούν το 10-12% των περιπτώσεων κατολισθήσεων μέσα στο 10% των υψηλότερων βαθμών επιδεκτικότητας κάτι που δηλώνει αδυναμία στη πρόβλεψη κατολισθήσεων σε περιοχές υψηλής επιδεκτικότητας όπως αυτές τις ορίζει το μοντέλο. Όλα τα σενάρια ταξινομούν περίπου το 30% των κατολισθήσεων σε περιοχές μεσαίου, υψηλού ή πολύ υψηλού βαθμού επιδεκτικότητας με το σενάριο 3 να φτάνει το 65% των κατολισθήσεων στο 50% βαθμού επιδεκτικότητας (Εικόνα 5.22). Παρόλα αυτά όλα τα σενάρια παρουσιάζουν μικρές διαφοροποιήσεις μεταξύ τους. Τα σενάρια 2 και 7 όπως και για τις καμπύλες ROC δεν παρουσιάζουν σαφή εικόνα στην πρόβλεψη των γνωστών θέσεων κατολισθήσεων. Σύμφωνα με τα παραπάνω, το Σενάριο 3 ταξινομεί καλύτερα τις κατολισθήσεις στις περιοχές υψηλότερου βαθμού επιδεκτικότητας, ενώ σε περιοχές χαμηλότερης [123]

131 επιδεκτικότητας συμπεριφέρεται όμοια με το Σενάριο 4 στο οποίο δε συμμετέχει η Λιθολογία. Cumulative landslides (%) LSI rank % Εικόνα 5.22: Διάγραμμα αθροιστικής συχνότητας κατολισθήσεων σε σχέση με το βαθμό επιδεκτικότητας για τον LR Επαλήθευση μεθόδου LR Στη συνέχεια γίνεται ο έλεγχος ως προς την ικανότητα πρόβλεψης χρησιμοποιώντας το δεύτερο ανεξάρτητο δείγμα κατολισθήσεων. Στο στάδιο αυτό ελέγχεται κατά πόσο οι αυτές οι 29 ανεξάρτητες θέσεις κατολισθήσεων τοποθετούνται σωστά στις περιοχές που το μοντέλο ορίζει ως επιδεκτικές σε κατολισθήσεις TRY_1 TRY_2 TRY_3 TRY_4 TRY_5 TRY_6 TRY_7 Cumulative landslides (%) LR-Try1-Set 2 LR-Try2-Set2 LR-Try3-Set2 LR-Try4-Set2 LR-try5-Set2 LR-Try6-Set2 LR-Try7-Set LSI rank % Εικόνα 5.23: Καμπύλη ελέγχου ικανότητας πρόβλεψης του μοντέλου LR [124]

132 Συγκρίνοντας το διάγραμμα της Εικόνας 5.22 και Εικόνας 5.23 για το LR, παρατηρείται μία ταύτιση στα αποτελέσματά τους με το Σενάριο 4 να διαφέρει σημαντικά από τα υπόλοιπα στην ικανότητά του να ταξινομεί τις κατολισθήσεις στις περιοχές όπου χαρακτηρίζονται από υψηλό βαθμό επιδεκτικότητας. Η καμπύλη ROC αποτυπώνει οριακά την ικανότητα του μοντέλου να προβλέπει σωστά τις θέσεις των νέων κατολισθήσεων με AUC=0,638 (Εικόνα 5.24) παραμένοντας όμως το Σενάριο 4 να εκτιμά καλύτερα την επιδεκτικότητα στην περιοχή έρευνας Cumulative landslides (%) LR-Try4-Set2 LR-Tr4-Set LSI rank % AUC=0,638 Εικόνα 5.24: Καμπύλη ελέγχου ικανότητας πρόβλεψης ROC για το LR Συμπεράσματα μεθόδου LR Σημαντικό συμπέρασμα που προκύπτει κατά την εφαρμογή της μεθόδου είναι το γεγονός ότι, ο δείκτης LR εξαρτάται βασικά από την έκταση της κατολίσθησης και όχι από τον αριθμό αυτών. Στο στάδιο της διαδικασίας ελέγχου της αξιοπιστίας του μοντέλου, τα σενάρια 3, 4 και 5 αποδίδουν ικανοποιητικά την επιδεκτικότητα στην περιοχή έρευνας. Μετά την εφαρμογή του ελέγχου ικανότητας πρόβλεψης χρησιμοποιώντας το ανεξάρτητο σετ κατολισθήσεων, το Σενάριο 4 φαίνεται να υπερέχει των άλλων δύο ως προς την ικανότητα πρόβλεψης. Σύμφωνα με αυτά τελικά επιλέγεται το Σενάριο 4 (απουσία Λιθολογίας) ως το πλέον ικανό να προσδιορίσει την επιδεκτικότητα των κατολισθήσεων στην περιοχή έρευνας με τη μέθοδο του LR. [125]

133 Στατιστικός Δείκτης (SI) Εφαρμογή μεθόδου SI Ο Στατιστικός Δείκτης SI αποδίδει σε κάθε παράμετρο-μεταβλητή που συμμετέχει στο μοντέλο εκτίμησης της επιδεκτικότητας ένα βάρος το οποίο ορίζεται από τον φυσικό λογάριθμο του λόγου της πυκνότητας των κατολισθήσεων σε μία κλάση προς την πυκνότητα των κατολισθήσεων σε όλη την έκταση που εξετάζεται. Η πυκνότητα εκφράζεται μέσω της έκτασης και υπολογίζεται σε περιβάλλον GIS χρησιμοποιώντας των αριθμό των εικονοστοιχείων που αντιστοιχούν σε κάθε έκταση που χρησιμοποιείται (Πίνακας 5.12). Σε αντίθεση με τον δείκτη LR που χρησιμοποιεί τα ποσοστά κάλυψης περιοχών με κατολισθήσεις και περιοχών χωρίς κατολισθήσεις, ο δείκτης SI χρησιμοποιεί απ ευθείας τις αντίστοιχες εκτάσεις, ενώ τα βάρη δηλώνουν τον βαθμό συσχέτισής του με την εμφάνιση κατολισθήσεων μέσω θετικών ή αρνητικών τιμών. Έτσι, η τιμή του βάρους W i (Κεφάλαιο 2.2.4) παίρνει θετικό πρόσημο όταν η πυκνότητα των κατολισθήσεων είναι μεγαλύτερη από την κανονική και αρνητικό όταν είναι μικρότερη. Τα αντίστοιχα ραβδογράμματα (Εικόνα 5.25) αποτυπώνουν γραφικά τη διακύμανση μεταξύ των τιμών του δείκτη. Ειδικότερα για τον παράγοντα Κλίση, κλίσεις μεταξύ 30 ο -60 ο παρουσιάζουν θετική συσχέτιση με την εμφάνιση κατολισθήσεων, με το Wi να αυξάνεται όσο αυξάνεται η κλίση έτσι για κλίσεις 15 ο -30 ο W=0,01, για κλίσεις 30 ο -45 ο W=0,24 και για κλίσεις 45 ο -60 ο W=0,34. Για τη Λιθολογία τη μεγαλύτερη τιμή του δείκτη LR παίρνει ο σχηματισμός των ασβεστολίθων (W=1,09) και ακολουθεί ο σχηματισμός των Σχιστών-Ψαμμιτών-Κερατολίθων (W=0,2) ενώ με τιμή W 0 ακολουθεί ο σχηματισμός του Φλύσχη. Η μεγαλύτερη αρνητική συσχέτιση με κατολισθήσεις αποτυπώνεται στον σχηματισμό των Διλλουβιακών σχηματισμών μικτών φάσεων (W=-3,01). Στον παράγοντα Χρήσεις την ισχυρότερη σχέση με τις κατολισθήσεις παρουσιάζουν οι εκτάσεις με αραιή βλάστηση και W=2,3 και ακολουθούν οι μεταβατικές και θαμνώδεις εκτάσεις με W=0,66 και τα δάση κωνοφόρων με W=0,46. Οι περιοχές απογυμνωμένων βράχων και οι γεωργικές περιοχές με σημαντικές εκτάσεις φυσικής βλάστησης παίρνουν τιμή ίση με το μηδέν (W=0). Τα υψόμετρα >900m που αντιστοιχούν σε ορεινές περιοχές έχουν την υψηλότερη τιμή του LR (W=0,97) και στη συνέχεια οι λοφώδεις περιοχές με υψόμετρα m με W=0,48. [126]

134 Πίνακας 5.12: Πίνακας προσδιορισμού δείκτη SI Παράγοντας Κλάση Κλάσεις [127] Συχνότητα κατολισθήσεων (Οντότητες) Έκταση κατολισθήσεων (pixels) Έκταση κλάσης (pixels) 1 0 ο -15 ο , ο -30 ο ,01 Κλίση 3 30 ο -45 ο , ο -60 ο ,34 5 >60 ο ,41 SUM Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων ,38 2 Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις ,76 3 Διλλουβιακοί, σχηματισμοί μικτών φάσεων ,01 Λιθολογία Διλλουβιακοί, χονδρόκοκκοι 4 σχηματισμοί ,10 5 Μαργαϊκά κροκαλοπαγή ,65 6 Αργιλικές μάργες ,29 7 Φλύσχης ,04 8 Σχίστες-Ψαμμίτες-Κερατόλιθοι ,20 9 Ασβεστόλιθοι ,09 SUM Αμπελώνες ,11 20 Απογυμνωμένοι βράχοι ,00 8 Δάσος κωνοφόρων ,46 14 Δάσος πλατύφυλλων ,75 15 Εκτάσεις με αραιή βλάστηση ,30 6 Ελαιώνες ,80 13 Φυσικοί βοσκότοποι ,52 Χρήσεις Γης 2 Γεωργία με σημαντικές εκτάσεις φυσικής βλάστησης ,01 7 Μεταβατικές και θαμνώδεις εκτάσεις ,66 10 Μικτό δάσος ,28 3 Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς ,08 4 Σύνθετα συστήματα καλλιέργειας ,07 12 Σκληροφυλλική βλάστηση ,72 13 Διάφορα ,00 SUM m (Πεδινή) ,39 Υψόμετρο m (Λοφώδης) , m (Ημιορεινή) ,48 4 >900m (Ορεινή) ,97 SUM <750mm , mm ,07 Βροχόπτωση mm , mm ,10 5 >1200mm ,00 SUM W i

135 α 3,0 2,0 1,0 Wi 0,0-1,0-2,0-3,0 γ 3,0 2,0 Wi 1,0 0,0-1,0-2,0-3,0 β ,0 2,0 Wi 1,0 0,0-1,0-2,0 Κλίση Α ( ο -3,0 ) δ ,0 2,0 Wi 1,0 0,0-1,0-2,0-3,0 Χρήσεις γης Λιθολογία Υψόμετρο ε 1, Wi 0,0-1,0 Βροχόπτωση Εικόνα 5.25: Διαγράμματα σύγκρισης του δείκτη LR ανά παράγοντα α) Κλίση, β) Λιθολογικές ενότητες, γ) Χρήσεις γης, δ) Υψόμετρο και ε) Ύψος βροχόπτωσης Τέλος, όσο αφορά τις κλάσεις βροχόπτωσης η μεσαία κλάση με ύψη βροχής μεταξύ mm σημειώνει την πιο ισχυρή σχέση με τις κατολισθήσεις και W=0,23. Ακολουθεί στη συνέχεια με W=0,1 η κλάση mm, ενώ αρνητική συσχέτιση παρουσιάζουν τα ύψη βροχής <900mm. Με τη χρήση του Δείκτη Επιδεκτικότητας Κατολισθήσεων LSI σε περιβάλλον GIS υπολογίστηκαν και σχεδιάστηκαν οι διάφοροι χάρτες Επιδεκτικότητας για διάφορους συνδυασμούς παραγόντων που θα συμμετάσχουν στο τελικό μοντέλο εκτίμησης με χρήση των βαρών W που χαρακτηρίζουν τον δείκτη SI χρησιμοποιώντας την Εξίσωση (1)(Εικόνα 5.26). [128]

136 α β γ δ ε στ ζ Εικόνα 5.26: Χάρτες Επιδεκτικότητας βάση του SI, a) Χρήση όλων των παραγόντων, β) Αποκλεισμός των Χρήσεων γης, γ) Αποκλεισμός του Υψομέτρου, δ) Αποκλεισμός της Λιθολογίας, ε) Αποκλεισμός της Βροχόπτωσης, στ) Αποκλεισμός της κλίσης και ζ) Χρήση των παραγόντων Λιθολογία-Βροχόπτωση-Κλίση [129]

137 Η επιλογή των κλάσεων έγινε όπως και στις προηγούμενες εφαρμογές με τη χρήση των φυσικών διακοπών (natural breaks). Από τους χάρτες που προκύπτουν παρατηρείται γενικά ότι όταν ο LSI παίρνει τιμές κοντά στο μηδέν και μεγαλύτερες αυτού οι περιοχές κρίνονται ως επιδεκτικές σε κατολισθήσεις, ενώ στη μεγαλύτερη έκτασή τους οι χάρτες παρουσιάζουν όμοια συμπεριφορά στην εκτίμηση της επιδεκτικότητας για τα διάφορα σενάρια. Οι τιμές του LSI κυμαίνονται μεταξύ -7,72-4,93. Εικόνα 5.27: Καμπύλες ελέγχου αξιοπιστίας ROC για το δείκτη SI Πίνακας 5.13: Αποτελέσματα ROC ελέγχου Σενάρια επιλογής μεταβλητών SI Area (AUC) Std. Error Try 1 - Total,634,028 Try 2 - Except "Landuse",590,029 Try 3 - Except "Elevation",667,027 Try 4 - Except "Geology",629,028 Try 5 - Except "Rainfall",636,028 Try 6 - Except "Slope",624,028 Try 7 - "Geology-Slope-Rainfall",610,028 [130]

138 Οι καμπύλες ROC που σχεδιάζονται στη συνέχεια (Εικόνα 5.27) δείχνουν το Σενάριο 3 έχει την καλύτερη ικανότητα πρόβλεψης με AUC=0,667 στο οποίο δεν συμμετέχει ο παράγοντας Υψόμετρο ενώ ακολουθεί το Σενάριο 5 με απουσία του παράγοντα Βροχόπτωση με AUC=0,636 αλλά και το Σενάριο 1 με AUC=0,634. Οι λιγότερο αξιόπιστες προβλέψεις γίνονται για το Σενάριο 2 με AUC=0,590. Παρόλα αυτά όλα τα αποτελέσματα ελέγχου αξιοπιστίας των σεναρίων εμφανίζουν AUC>0,5 (Πίνακας 5.13). Οι αντίστοιχες καμπύλες ελέγχου ταξινόμησης των γνωστών θέσεων κατολισθήσεων (πρώτο σετ εκπαίδευσης) στις περιοχές που ορίζονται από το βαθμό επιδεκτικότητας που τις χαρακτηρίζει, ακολουθούν τις αντίστοιχες ROC καμπύλες (Εικόνα 5.28) Cumulative landslides (%) TRY_1 TRY_2 TRY_3 TRY_4 TRY_5 TRY_6 TRY_ LSI rank % Εικόνα 5.28: Διάγραμμα αθροιστικής συχνότητας κατολισθήσεων σε σχέση με το βαθμό επιδεκτικότητας για τον SI Στο 10% των υψηλότερων τιμών επιδεκτικότητας που σημειώνονται στην περιοχή έρευνας το Σενάριο 3 κατατάσσει το 17% των κατολισθήσεων και το Σενάριο 7 το 15% ενώ τα υπόλοιπα σενάρια ποσοστό κατολισθήσεων περίπου στο 10%. Στο 50% του βαθμού επιδεκτικότητας το Σενάριο 3 ερμηνεύει περίπου το 65% των κατολισθήσεων το Σενάριο 7 το 62% και το Σενάριο 1 το 60%. Το Σενάριο 3 διατηρεί μία σταθερή τάση στην απόδοση των κατολισθήσεων στις διάφορες περιοχές βαθμού επιδεκτικότητας. Σημειώνεται γενικά η συμπεριφορά των σεναρίων να ακολουθεί αυτή του μοντέλου με χρήση του δείκτη LR αλλά με υψηλότερη επιτυχία πρόβλεψης στην κάθε κλάση επιδεκτικότητας της τάξης του 10% (Πίνακας 5.14). Και εδώ όμοια με το μοντέλο LR (Κεφάλαιο 5.3.2) η εκτίμηση της επιδεκτικότητας συνδέεται αποκλειστικά με τις εκτάσεις των κατολισθήσεων και των [131]

139 κλάσεων των παραγόντων οι οποίοι συμμετέχουν στο μοντέλο γι αυτόν τον λόγο υπάρχουν και ομοιότητες στη συμπεριφορά του μοντέλου SI με το μοντέλο LR. Πίνακας 5.14: Σχέση μεταξύ της κλάσης βαθμού επιδεκτικότητας και κατολισθήσεων μέσω αθροιστικού ποσοστού εμφάνισης για τη μεθοδολογία SI Κλάση βαθμού επιδεκτικότητας Σενάριο 1 Σενάριο 2 Σενάριο 3 Σενάριο 4 Σενάριο 5 Σενάριο 6 Σενάριο 7 0%-5% 10,05 4,31 13,40 8,13 7,66 7,66 1,91 5%-10% 12,92 10,05 17,70 9,09 11,96 12,44 15,31 10%-15 18,18 11,96 21,05 15,79 17,70 16,27 16,75 15%-20% 20,10 19,62 25,84 19,62 20,10 19,62 18,66 20%-25% 24,88 21,53 29,67 27,27 26,79 25,36 27,75 25%-30% 29,67 27,27 36,84 38,76 29,67 27,75 36,36 30%-35% 39,23 35,41 40,19 43,54 39,23 36,84 37,80 35%-40% 45,93 40,67 53,11 50,24 44,02 46,89 45,93 40%-45% 55,02 47,85 59,81 54,07 55,50 48,80 57,89 45%-50% 60,29 51,67 65,55 59,81 61,72 59,33 62,20 50%-55% 66,03 61,24 69,86 69,86 70,81 64,11 62,20 55%-60% 74,16 72,25 77,99 75,60 77,51 71,29 69,38 60%-65% 82,30 75,60 82,78 83,73 83,73 80,38 69,38 65%-70% 88,04 77,51 89,00 88,04 89,95 86,60 78,47 70%-75% 93,30 84,21 92,34 91,87 93,30 89,95 86,12 75%-80% 96,17 89,47 97,13 97,13 96,65 94,26 86,60 80%-85% 98,09 91,87 98,09 97,61 97,61 97,13 91,87 85%-90% 98,56 93,78 98,56 99,04 99,04 98,56 93,78 90%-95% 99,04 99,04 99,04 99,04 100,00 99,04 98,56 95%-100% 100,00 100,00 100,00 100,00 100,00 100,00 100, Επαλήθευση μεθόδου SI Για το ανεξάρτητο δείγμα κατολισθήσεων και την εφαρμογή των επτά σεναρίων διαπιστώνεται αδυναμία ταξινόμησης στις περιοχές υψηλού βαθμού επιδεκτικότητας σε όλα τα σενάρια με μία μικρή υπεροχή του Σεναρίου 3 (Εικόνα 5.29). Το σενάριο που φαίνεται να συμπεριφέρεται όμοια με το πρώτο σετ κατολισθήσεων είναι αυτό που δεν συμμετέχει ο παράγοντας Υψόμετρο, δηλαδή το Σενάριο 3, για το οποίο υπολογίζεται AUC=0,718 στο σετ επαλήθευσης (Εικόνα 5.30). Παρόλα αυτά παρατηρείται κάποια υστέρηση στην πρόβλεψη κατολισθήσεων στις περιοχές υψηλής επιδεκτικότητας που έχει ορίσει το μοντέλο. [132]

140 Cumulative landslides (%) SI-Try1-Set 2 SI-Try2-Set2 SI-Try3-Set2 SI-Try4-Set2 SI-try5-Set2 SI-Try6-Set2 SI-Try7-Set LSI rank % Εικόνα 5.29: Καμπύλη ελέγχου ικανότητας πρόβλεψης ROC του μοντέλου SI Cumulative landslides (%) SI-Try3-Set2 SI-Tr3-Set LSI rank % AUC=0,718 Εικόνα 5.30: Καμπύλη ελέγχου ικανότητας πρόβλεψης ROC για το SI Συμπεράσματα μεθόδου SI Όπως ήδη αναφέρθηκε ομοιότητες με το μοντέλο LR στηρίζονται στο γεγονός ότι χρησιμοποιούνται οι εκτάσεις των κατολισθήσεων και των κλάσεων και από το μοντέλο SI. Ως ικανά Σενάρια να εκφράσουν την επιδεκτικότητα με χρήση του μοντέλου SI μετά τους ελέγχους αξιοπιστίας φαίνεται να είναι τα Σενάρια 3, 5 και 1. Μέτα τους ελέγχους ικανότητας πρόβλεψης το Σενάριο 3 ακολουθεί μία σταθερή τάση στην απόδοση των κατολισθήσεων στις διάφορες περιοχές βαθμού επιδεκτικότητας, ακολουθώντας τους ελέγχους αξιοπιστίας. Βάσει των παραπάνω, το Σενάριο 3 στο οποίο δεν συμμετέχει ο [133]

141 παράγοντας Υψόμετρο, μπορεί να χρησιμοποιηθεί στο δείκτη SI για την απόδοση της επιδεκτικότητας στην περιοχή έρευνας Μέθοδος βαρύτητας των ενδείξεων (WoE) Εφαρμογή μεθόδου WoE Η τελευταία μέθοδος προσδιορισμού της επιδεκτικότητας που χρησιμοποιείται είναι η μέθοδος βαρύτητας ενδείξεων ή Weights of Evidence (WoE). Όσον αφορά την επιστήμη της Γεωλογίας η μέθοδος αυτή έχει χρησιμοποιηθεί, εκτός των κατολισθήσεων, ευρύτατα στη χαρτογράφηση πιθανών κοιτασμάτων (mineral potential mapping) χρησιμοποιώντας θέσεις που συνδέονται με βάσεις δεδομένων γεωχημικών αναλύσεων και άλλα θεματικά επίπεδα όπως το γεωλογικό υπόβαθρο, την απόσταση από τεκτονικές γραμμές, τους άξονες πτυχών κα (Bonham-Carter et al 1988, Agterberg et al 1993, Carranza 2004, Lee et al 2012). Για τη χαρτογράφηση της επιδεκτικότητας η WoE υπολογίζει κάποιο βάρος για τον κάθε παράγοντα που συμμετέχει στη διαδικασία, λαμβάνοντας υπόψη την παρουσία ή την απουσία του μέσα στην περιοχή που εξετάζεται. Όπως έχει ήδη περιγραφεί στο Κεφάλαιο η θεωρία του Bayes και της WoE, αναφέρει τις έννοιες της αρχικής πιθανότητας P prior και της μεταγενέστερης πιθανότητας P post. Η μετάβαση από τη μία στην άλλη γίνεται μέσω των βαρών W + και W - που δηλώνουν αντίστοιχα την παρουσία ή την απουσία κάποιου παράγοντα ή κλάσης αυτού. Η βασική προϋπόθεση που θέτει το μοντέλο για τη μετάβαση από την P prior στην P post, είναι η ανεξαρτησία των παραγόντων που χρησιμοποιούνται. Εδώ, η ανεξαρτησία ελέγχεται με τη χρήση του τεστ ανεξαρτησίας χ 2 καθώς οι όλοι παράγοντες που χρησιμοποιούνται είναι περιγραφικοί. Κατά τη χρήση του χ 2 ελέγχεται η υπόθεση ότι δύο μεταβλητές είναι ανεξάρτητες δηλαδή ότι η μία δεν έχει κάποια επίδραση στην άλλη. Στο πρώτο στάδιο της διαδικασίας υπολογίζονται τα βάρη W + και W - για την κάθε κλάση του κάθε παράγοντα χρησιμοποιώντας τις γνωστές θέσεις κατολισθήσεων. Στον υπολογισμό των δύο βαρών αναγνωρίζονται οι σχέσεις που υπάρχουν μεταξύ των εμφανίσεων ή όχι κατολισθήσεων εντός της περιοχής που εξετάζεται και εντός της έκτασης που καταλαμβάνει η κάθε κλάση. Στο σημείο αυτό πρέπει να σημειωθεί πώς κατά την εφαρμογή της μεθόδου, η έκταση της περιοχής και ως εκ τούτου και των κλάσεων ανάγεται σε αριθμό εικονοστοιχείων (pixel). Οι κατολισθήσεις επίσης χρησιμοποιούνται σαν οντότητες κάθε μία από τις οποίες αντιστοιχεί σε ένα εικονοστοιχείο. Εκτός από τα βάρη W + και W - που δηλώνουν την παρουσία ή την απουσία του παράγοντα στην κατολίσθηση, υπολογίζεται η διακύμανση αυτών S 2 (W + ) και S 2 (W - ), το W c ως η διαφορά των δύο βαρών για την απόδοση της τελικής σπουδαιότητας στην κάθε κλάση, η τυπική απόκλιση του W c [134]

142 και η student τιμή του W c (t-test value) σαν τεστ εμπιστοσύνης της σπουδαιότητας του αποτελέσματος για την κάθε κλάση. Τα μεγέθη αυτά συγκεντρώνονται στον Πίνακα 5.15 και στα ραβδογράμματα της Εικόνας Η σχέση των κατολισθήσεων με του παράγοντες που τις επηρεάζουν έχει ως εξής: Στην περίπτωση της κλίσης, για κλίσεις από 15 ο έως 60 ο όσο αυξάνεται η κλίση αυξάνεται και η επιδεκτικότητα σε κατολισθήσεις και συγκεκριμένα στις 15 ο W c =0,85 και στις 60 ο W c =2,34. Για κλίσεις <15 ο W c =-0,17 που μεταφράζεται σαν αρνητική συσχέτιση των κατολισθήσεων με την κλάση. α β 3, , ,0 2,0 Wc 1,0 0,0-1,0-2,0-3,0 γ Κλίση ( ο ) Wc W+ W- Wc 1,0 0,0-1,0-2,0-3,0 δ Λιθολογία Wc W+ W- 3, , ,0 2,0 Wc 1,0 0,0-1,0-2,0-3,0 Χρήσεις γης Wc W+ W- Wc 1,0 0,0-1,0-2,0-3,0 Υψόμετρο Wc W+ W- ε 3,0 2,0 Wc 1,0 0,0-1,0-2,0-3, Wc W+ W- Βροχόπτωση Εικόνα 5.31: Διαγράμματα σύγκρισης του δείκτη WoE ανά παράγοντα α) Κλίση, β) Λιθολογικές ενότητες, γ) Χρήσεις γης, δ) Υψόμετρο και ε) Ύψος βροχόπτωσης [135]

143 Πίνακας 5.15: Πίνακας προσδιορισμού δείκτη WoE Παράγοντας Κλάση Κλάσεις Συχνότητα κατολισθήσεων (Οντότητες) Έκταση κατολισθήσεων (pixels) Έκταση κλάσης (pixels) W + W - S 2 (W + ) S 2 (W - ) W c 1 0 ο -15 ο ,15 0,03 0,0323 0,0056-0,17 0,19-0, ο -30 ο ,61-0,24 0,0130 0,0076 0,85 0,14 5,92 Κλίση 3 30 ο -45 ο ,09-0,27 0,0149 0,0070 1,36 0,15 9, ο -60 ο ,19-0,15 0,0313 0,0056 2,34 0,19 12,16 5 >60 ο ,04-0,01 0,5000 0,0048 1,05 0,71 1,48 SUM Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων ,32-0,01 0,200 0,005 0,32 0,45 0,71 2 Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις ,66 0,03 0,167 0,005-0,69 0,41-1,67 3 Διλλουβιακοί, σχηματισμοί μικτών φάσεων ,60-0,10 0,048 0,005 3,71 0,23 16,11 Λιθολογία Διλλουβιακοί, χονδρόκοκκοι 4 σχηματισμοί ,64 0,06 1,000 0,005-2,70 1,00-2,70 5 Μαργαϊκά κροκαλοπαγή ,70-0,11 0,026 0,006 0,80 0,18 4,53 6 Αργιλικές μάργες ,92-0,23 0,016 0,007 1,14 0,15 7,54 7 Φλύσχης ,42-0,10 0,040 0,005 1,52 0,21 7,14 8 Σχίστες-Ψαμμίτες-Κερατόλιθοι ,15-0,03 0,111 0,005 1,18 0,34 3,46 9 Ασβεστόλιθοι ,65-0,11 0,024 0,006 0,76 0,17 4,34 SUM Αμπελώνες ,41-0,03 0,053 0,005 0,44 0,24 1,85 20 Απογυμνωμένοι βράχοι ,05 0,00 1,000 0,005 2,06 1,00 2,05 8 Δάσος κωνοφόρων ,89-0,09 0,036 0,006 0,98 0,20 4,83 Χρήσεις Γης 14 Δάσος πλατύφυλλων ,09 0,00 1,000 0,005 1,09 1,00 1,09 15 Εκτάσεις με αραιή βλάστηση ,05-0,06 0,077 0,005 2,11 0,29 7,35 6 Ελαιώνες ,43 0,02 0,143 0,005-0,45 0,38-1,17 13 Φυσικοί βοσκότοποι ,68 0,01 0,500 0,005-0,69 0,71-0,98 2 Γεωργία με σημαντικές ,40-0,22 0,020 0,006 1,62 0,16 10,07 S(W c) t test value [136]

144 Παράγοντας Κλάση Κλάσεις Συχνότητα κατολισθήσεων (Οντότητες) Έκταση κατολισθήσεων (pixels) Έκταση κλάσης (pixels) W + W - S 2 (W + ) S 2 (W - ) W c εκτάσεις φυσικής βλάστησης 7 Μεταβατικές και θαμνώδεις εκτάσεις ,01-0,22 0,017 0,007 1,23 0,15 7,95 10 Μικτό δάσος ,33-0,01 0,143 0,005 0,34 0,38 0,89 3 Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς ,25 0,02 0,500 0,005-1,28 0,71-1,80 4 Σύνθετα συστήματα καλλιέργειας ,77-0,02 0,167 0,005 0,79 0,41 1,90 12 Σκληροφυλλική βλάστηση ,21-0,01 0,071 0,005 0,22 0,28 0,81 13 Διάφορα ,00 0,02 0,000 0,005 0,00 0,07 0,00 SUM m (Πεδινή) ,41-0,10 0,020 0,006 0,51 0,16 3,18 Υψόμετρο m (Λοφώδης) ,98-0,33 0,013 0,008 1,31 0,14 9, m (Ημιορεινή) ,97-0,20 0,019 0,006 1,16 0,16 7,34 4 >900m (Ορεινή) ,18-0,02 0,042 0,005 0,20 0,22 0,94 SUM <750mm ,00-0, mm ,53-0,11 0,021 0,006 0,64 0,17 3,89 Βροχόπτωση mm ,74-0,77 0,007 0,015 1,51 0,15 10, mm ,78-0,05 0,056 0,005 0,83 0,25 3,37 5 >1200mm ,00-0, SUM Πίνακας 5.15: Συνέχεια S(W c) t test value [137]

145 Για τη λιθολογία, η μεγαλύτερη τιμή του W c δίνεται στον σχηματισμό των διλλουβιακών σχηματισμών μικτών φάσεων (3,71), ακολουθεί ο σχηματισμός του Φλύσχη με W c =1,52 των Σχιστών-Ψαμμιτών-Κερατολίθων (W c =1,18) και των αργιλικών μαργών (W c =1,14). Αρνητική συσχέτιση παρουσιάζουν οι χονδρόκοκκοι διλλουβιακοί σχηματισμοί και οι πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις με W c <0. Σχετικά με τον παράγοντα των χρήσεων γης πιο επιδεκτικές χαρακτηρίζονται οι εκτάσεις με αραιή βλάστηση (W c =2,11) οι περιοχές των απογυμνωμένων βράχων (W c =2,06) και οι γεωργικές περιοχές με σημαντικές εκτάσεις φυσικής βλάστησης. Σημαντικά αρνητική σχέση με την εκδήλωση κατολισθήσεων, εμφανίζουν οι εκτάσεις με οπωροφόρα δέντρα και σαρκώδεις καρπούς, ενώ επίσης W c <0 υπολογίζεται για τους ελαιώνες και τους φυσικούς βοσκότοπους. Υψόμετρα που χαρακτηρίζουν λοφώδη μία περιοχή εμφανίζουν τη μεγαλύτερη συσχέτιση με W c =1,31 και στη συνέχεια οι ημιορεινές περιοχές και W c =1,16. Τέλος όσον αφορά τον παράγοντα βροχόπτωση η κλάση mm παρουσιάζει την υψηλότερη τιμή W c =1,51 και αυτή με ύψη mm η αμέσως επόμενη με W c =0,83. Το επόμενο στάδιο είναι ο έλεγχος της ανεξαρτησίας των παραγόντων με σκοπό να επιλεγούν οι σωστοί παράγοντες για την κατασκευή του χάρτη επιδεκτικότητας. Ο έλεγχος γίνεται μέσω της χρήση του χ 2 σε ζεύγη παραγόντων, δηλαδή ανά δύο παράγοντες, εκτελώντας συνολικά 10 τέτοιους ελέγχους με πίνακες συνάφειας (contingency tables). Ο έλεγχος της ανεξαρτησίας των παραγόντων πραγματοποιήθηκε για 95% επίπεδο σημαντικότητας και 1 βαθμό ελευθερίας (df). Όλοι οι παράγοντες μετατράπηκαν σε δυαδική μορφή (παρουσία ή απουσία κατολισθήσεων) βάση του W c που υπολογίστηκε για την κάθε κλάση. Όταν W c >0 αποτυπώνεται σαν παρουσία στην κατολίσθηση και όταν W c <0 απουσία. Η τιμή χ 2 κάθε ζεύγους παραγόντων συγκρίνεται με τη θεωρητική στατιστική τιμή (tabulated value) για 1 βαθμό ελευθερίας και 95% (3,84). Τιμές χ 2 μικρότερες της συγκεκριμένης αυτής τιμής προτείνουν ότι τα ζεύγη είναι μεταξύ τους ανεξάρτητα. Διαφορετικά, αν το p-value, δηλαδή το επίπεδο σημαντικότητας για το x 2 test > 0,05 δεν απορρίπτεται η αρχική υπόθεση της ανεξαρτησίας των παραγόντων και οι παράγοντες θεωρούνται ανεξάρτητοι μεταξύ τους (Πίνακας 5.16). Βάση των αποτελεσμάτων του τεστ ανεξαρτησίας οι παράγοντες χαρακτηρίζονται ως ανεξάρτητοι μεταξύ τους. Ως εκ τούτου στα σενάρια τα οποία θα δοκιμαστεί η μέθοδος WoE μπορούν να συμμετέχουν όλοι οι παράγοντες χωρίς να δημιουργείται πρόβλημα [138]

146 στατιστικής συνάφειας, επομένως ισχύουν και εδώ τα επτά σενάρια που πραγματοποιήθηκαν και για τους άλλους δείκτες. Πίνακας 5.16: Πίνακας συνάφειας με τις τιμές ελέγχου ανεξαρτησίας χ 2 και τις πιθανότητές τους Κλίση Λιθολογία Υψόμετρο Χρήσεις γης Βροχόπτωση Κλίση 2,694 0,346 3,449 2,506 Λιθολογία 0,027 2,127 0,075 Υψόμετρο 0,645 0,624 Χρήσεις γης 0,770 Βροχόπτωση p Κλίση 0,101 0,556 0,063 0,113 Λιθολογία 0,869 0,145 0,784 Υψόμετρο 0,422 0,430 Χρήσεις γης 0,380 Βροχόπτωση χ 2 Οι χάρτες επιδεκτικότητας προκύπτουν από τον δείκτη LSI χρησιμοποιώντας την τιμή του W c κάθε κλάσης (W c =W + -W - ). Σε περιβάλλον GIS υπολογίζεται η επιδεκτικότητα για κάθε ένα από τα επτά σενάρια συμμετοχής των παραγόντων με χρήση της Εξίσωσης (1) και των τιμών W c. Η επιλογή των κλάσεων στη συνέχεια έγινε σύμφωνα με διαδικασία των φυσικών επιλογών (natural breaks). Η επιδεκτικότητα εκφράζεται και εδώ μέσω πέντε κλάσεων όπου μικρότερες τιμές LSI αντιστοιχούν σε χαμηλή επιδεκτικότητα και όσο αυξάνεται η τιμή του η επιδεκτικότητα αυξάνεται. Η κλάση με τις χαμηλότερες τιμές LSI περιγράφεται σαν περιοχές πολύ χαμηλής επιδεκτικότητας και ενώ οι μέγιστες τιμές περιγράφονται από την κλάση πολύ υψηλής επιδεκτικότητας (Εικόνα 5.32). Το εύρος των τιμών που παίρνει ο δείκτης LSI κατά την εφαρμογή του μοντέλου WoE είναι -3,64-9,91 και αφορά τη συγκεκριμένη περιοχή έρευνας και τα συγκεκριμένα σενάρια που δοκιμάζονται. [139]

147 α β γ δ ε στ ζ Εικόνα 5.32: Χάρτες Επιδεκτικότητας βάση του WoE, a) Χρήση όλων των παραγόντων, β) Αποκλεισμός των Χρήσεων γης, γ) Αποκλεισμός του Υψομέτρου, δ) Αποκλεισμός της Λιθολογίας, ε) Αποκλεισμός της Βροχόπτωσης, στ) Αποκλεισμός της κλίσης και ζ) Χρήση των παραγόντων Λιθολογία-Βροχόπτωση-Κλίση [140]

148 Ο έλεγχος αξιοπιστίας του μοντέλου για τα επτά σενάρια πραγματοποιείται με την σύγκριση καμπυλών ROC χρησιμοποιώντας τις γνωστές θέσεις κατολισθήσεων του σετ εκπαίδευσης του μοντέλου. Εικόνα 5.33: Καμπύλες ελέγχου αξιοπιστίας ROC για τη μέθοδο WoE Από τις καμπύλες ROC (Εικόνα 5.33) προκύπτει ότι το Σενάριο 4 έχει την καλύτερη ικανότητα πρόβλεψης με AUC=0,714 στο οποίο δεν συμμετέχει ο παράγοντας Λιθολογία ενώ ακολουθεί το Σενάριο 5 με απουσία του παράγοντα Βροχόπτωση με AUC=0,707 αλλά και το Σενάριο 1 με AUC=0,696. Οι λιγότερο αξιόπιστες προβλέψεις γίνονται για το Σενάριο 6 με AUC=0,643 και το Σενάριο 7 με AUC=0,638. Παρόλα αυτά όλα τα αποτελέσματα ελέγχου αξιοπιστίας των σεναρίων παρουσιάζουν AUC πολύ μεγαλύτερο του 0,5 και θεωρούνται όλα αξιόπιστα (Πίνακας 5.17). Πίνακας 5.17: Αποτελέσματα ROC ελέγχου Σενάρια επιλογής μεταβλητών WoE Area (AUC) Std. Error Try 1 - Total,696,026 Try 2 - Except "Landuse",650,027 Try 3 - Except "Elevation",691,026 Try 4 - Except "Geology",714,025 Try 5 - Except "Rainfall",707,026 Try 6 - Except "Slope",643,027 Try 7 - "Geology-Slope-Rainfall",638,027 [141]

149 Οι αντίστοιχες καμπύλες ελέγχου ταξινόμησης (Εικόνα 5.34) των γνωστών θέσεων κατολισθήσεων (πρώτο σετ εκπαίδευσης) στις περιοχές που ορίζονται από τον βαθμό επιδεκτικότητας που τις χαρακτηρίζει περιγράφονται από τα ποσοστά του Πίνακα Πίνακας 5.18: Σχέση μεταξύ της κλάσης βαθμού επιδεκτικότητας και κατολισθήσεων μέσω αθροιστικού ποσοστού εμφάνισης για τη μεθοδολογία WoE Κλάση βαθμού επιδεκτικότητας Σενάριο 1 Σενάριο 2 Σενάριο 3 Σενάριο 4 Σενάριο 5 Σενάριο 6 Σενάριο 7 0%-5% 19,62 12,44 20,10 17,22 18,18 12,44 15,79 5%-10% 28,71 22,49 29,67 28,71 30,14 21,53 23,92 10%-15 38,76 33,97 38,28 35,89 41,63 26,79 24,40 15%-20% 43,54 41,63 46,41 43,06 47,37 35,41 28,71 20%-25% 49,76 45,93 48,33 47,37 52,63 41,63 40,67 25%-30% 58,85 52,15 55,98 55,50 61,24 48,80 49,76 30%-35% 63,16 56,94 59,33 65,55 68,90 56,46 51,20 35%-40% 65,55 59,33 68,90 70,33 72,73 61,24 62,68 40%-45% 76,08 66,03 73,21 73,68 74,16 67,46 64,11 45%-50% 78,47 72,25 74,64 80,86 78,47 77,03 71,29 50%-55% 80,86 74,16 79,43 86,60 81,34 79,90 75,12 55%-60% 82,30 80,38 84,21 87,08 83,25 82,78 80,38 60%-65% 87,08 85,65 85,17 89,95 84,21 84,69 82,78 65%-70% 88,52 85,65 88,04 91,87 88,52 88,04 85,65 70%-75% 90,91 89,47 90,43 96,17 91,87 89,00 88,52 75%-80% 93,78 90,43 91,39 98,09 95,69 89,95 89,47 80%-85% 96,65 91,39 94,74 99,04 96,65 93,30 91,39 85%-90% 98,09 92,82 98,09 99,04 97,13 97,61 91,39 90%-95% 98,56 96,17 98,56 99,04 98,09 98,56 96,65 95%-100% 100,00 100,00 100,00 100,00 100,00 100,00 100, Cumulative landslides (%) Try_1 Try_2 Try_3 Try 4 Try_5 Try_6 Try_ LSI rank % Εικόνα 5.34: Καμπύλη ελέγχου αξιοπιστίαςwοe [142]

150 Τα σενάρια 5 και 3 ικανοποιούν το 30% των κατολισθήσεων στο 10% των περιοχών υψηλότερης επιδεκτικότητας ενώ τα σενάρια 1 και 4 το 28% των κατολισθήσεων. Στις περιοχές του 50% του βαθμού επιδεκτικότητας το μεγαλύτερο ποσοστό κατολισθήσεων καταφέρνει να ικανοποιήσει το Σενάριο 4 (80% των κατολισθήσεων) ενώ τα σενάρια 1 και 5 το 78%. Τα Σενάρια 1, 4 και 5 όπως παρουσιάζουν καλύτερη ικανότητα ταξινόμησης από τα υπόλοιπα σενάρια τα οποία είναι πολύ κοντά το ένα στο άλλο, με το Σενάριο 5 να υπερτερεί στις περιοχές υψηλότερης επιδεκτικότητας. Όμοια με τα υπόλοιπα μοντέλα το Σενάριο 7 δεν θεωρείται αξιόπιστο στην ταξινόμηση των κατολισθήσεων Επαλήθευση μεθόδου WoE Η ικανότητα πρόβλεψης ελέγχθηκε με το δεύτερο σετ κατολισθήσεων (Εικόνα 5.35). Συγκρίνοντας όλα τα σενάρια και στα δύο σετ κατολισθήσεων το Σενάριο 1 κάνει ακριβώς την ίδια ταξινόμηση και για τα δύο σετ εμφανίζοντας σταθερότητα στη συμπεριφορά του που όμως δίνει την χειρότερη ικανότητα πρόβλεψης από τα σενάρια 3, 4 και 5 που προβλέπουν με επιτυχία τις θέσεις Cumulative landslides (%) WoE-Try1-Set 2 WoE-Try2-Set2 WoE-Try3-Set2 WoE-Try4-Set2 WoE-Try5-Set2 WoE-Try6-Set2 WoE-Try7-Set LSI rank % Εικόνα 5.35: Καμπύλη ελέγχου ικανότητας πρόβλεψης WoE Από αυτά τα τρία σενάρια αυτό που παρουσιάζει την καλύτερη ταξινόμηση και αντιστοίχιση των κατολισθήσεων στις περιοχές υψηλότερης επιδεκτικότητας είναι το Σενάριο 5 το οποίο επιλέγεται τελικά σαν ο συνδυασμός των παραγόντων που μπορούν να εκτιμήσουν την επιδεκτικότητα μιας περιοχής με χρήση της μεθόδου WoE. Στην Εικόνα 5.36 γίνεται η [143]

151 σύγκριση των δύο σετ κατολισθήσεων για το Σενάριο 5 ενώ στην αντίστοιχη ROC καμπύλη για το δεύτερο σετ AUC=0,654. Cumulative landslides (%) WoE-Try5-Set2 WoE-Tr5-Set LSI rank % AUC=0,654 Εικόνα 5.36: Καμπύλη ελέγχου ικανότητας πρόβλεψης και η αντίστοιχη ROC καμπύλη Συμπεράσματα μεθόδου WoE Για το μοντέλο WoE ο έλεγχος αξιοπιστίας προτείνει τα Σενάρια 1,4 και 5 ως τα καλύτερα για τον προσδιορισμό της επιδεκτικότητας. Ο έλεγχος ικανότητας πρόβλεψης με χρήση του ανεξάρτητου σετ κατολισθήσεων, εμφανίζει τα Σενάρια 4 και 5 να υστερούν στο να προβλέψουν με ικανοποιητικό τρόπο τις θέσεις μελλοντικών κατολισθήσεων ενώ το Σενάριο 5 παρουσιάζει μία σταθερή συμπεριφορά στην ταξινόμηση των κατολισθήσεων στις σωστές περιοχές επιδεκτικότητας και προβλέπει με επιτυχία τις νέες θέσεις. Σύμφωνα με αυτό, το Σενάριο 5 (απουσία Βροχόπτωσης) κρίνεται το πλέον κατάλληλο στην εκτίμηση του βαθμού επιδεκτικότητας με χρήση της μεθόδου WoE Σύγκριση Μοντέλων Επιδεκτικότητας Επιλογή Σύγκριση Στη παρούσα διατριβή δοκιμάστηκαν συνολικά πέντε διαφορετικά μοντέλα εκτίμησης της επιδεκτικότητας που είναι αποδεκτά για τον σκοπό αυτό στη διεθνή βιβλιογραφία. Και τα πέντε ανήκουν στη κατηγορία διμεταβλητής στατιστικής ανάλυσης, καθώς στηρίζονται σε μεγέθη που αφορούν την παρουσία ή απουσία των κατολισθήσεων στις κλάσεις των παραγόντων είτε αυτές εκφράζονται ως υπάρξεις είτε ως έκταση σε σχέση πάντα με τον χώρο στον οποίο εμφανίζονται. Αναφορικά τώρα με τις μεθόδους α) ο Λόγος Συχνοτήτων FR υπολογίζεται ως ο λόγος της πιθανότητας ύπαρξης κατολισθήσεων προς τη μη ύπαρξη, β) Σχετική Συχνότητα LRF ως μία [144]

152 κανονικοποιημένη έκφραση του FR, γ) ο Λόγος Πιθανοφάνειας ως ποσοστό έκτασης που καλύπτεται από κατολισθήσεις προς το ποσοστό της έκτασης που δεν καλύπτεται από κατολισθήσεις, δ) ο Στατιστικός Δείκτης SI περιγράφεται στην πράξη ως ο νεπέριος λογάριθμος του LR τέλος, ε) η Μέθοδος Βαρύτητας των Ενδείξεων (WoE) χρησιμοποιεί λόγους πιθανοφάνειας ξεχωριστά για την ύπαρξη και την μη ύπαρξη κατολισθήσεων δίνοντας τα βάρη W + και W -. Με τη χρήση δύο ανεξάρτητων αρχείων κατολισθήσεων του σετ εκπαίδευσης (209 κατολισθήσεις) και του σετ επαλήθευσης (29 κατολισθήσεις), μεταγενέστερο του πρώτου, ο έλεγχος της απόδοσης της επιδεκτικότητας γίνεται πιο ασφαλής, δίνοντας μεγαλύτερη βαρύτητα στις στατιστικές αναλύσεις που αναφέρθηκαν προηγουμένως. Σαν αποτέλεσμα της κάθε μεθόδου είναι μία βαθμονόμηση των κλάσεων του κάθε παράγοντα ως προς την επιλεκτικότητα του να φιλοξενεί κατολισθήσεις. Αποδίδεται με αυτόν τον τρόπο μία τιμή επιδεκτικότητας, για την κάθε κλάση του κάθε παράγοντα, επιτρέποντας τη μεταξύ τους σύγκριση και την αναγνώριση της πιο επιδεκτικής κλάσης. Οι τιμές αυτές στη συνέχεια αποτελούν τους επιμέρους όρους που αθροίζονται στην Εξίσωση (1) για τον υπολογισμό του βαθμού επιδεκτικότητας: Συγκεντρώνοντας τα αποτελέσματα των τιμών επιδεκτικότητας που προκύπτουν από την εφαρμογή των πέντε μοντέλων για τον κάθε παράγοντα (Πίνακας 5.5, Πίνακας 5.9, Πίνακας 5.12, Πίνακας 5.15), γίνεται ταξινόμηση των κλάσεων τους, με σύγκριση των τιμών που τους αντιστοιχούν για την αναγνώριση των τριών πιο επιδεκτικών κλάσεων,. Έτσι, οι πλέον τρεις πιο επιδεκτικές κλάσεις του κάθε παράγοντα σε κατολισθήσεις μετά από απλή βαθμονόμηση για το κάθε μοντέλο, ξεκινώντας με τον αριθμό 1 να αντιστοιχεί στην πιο επιδεκτική κλάση και το 3 στην τρίτη πιο επιδεκτική κλάση (Πίνακας 5.19). Για τον παράγοντα Κλίση όλα τα μοντέλα αναδεικνύουν ως πιο επιρρεπή τα πρανή με κλίσεις 45 ο -60 ο και ακολουθούν πρανή με κλίσεις 30 ο -45 ο. Σχετικά με τη Λιθολογία τα μοντέλα LRF και FR πιο επιδεκτικό σε κατολισθήσεις ορίζουν το σχηματισμό του Φλύσχη, ενώ τα μοντέλα LR και SI τους Ασβεστολίθους, το μοντέλο WoE θεωρεί τους Διλλουβιακούς, σχηματισμούς μικτών φάσεων. Δεύτερο πιο επιδεκτικό τα περισσότερα μοντέλα ορίζουν αυτόν των Σχιστών-Ψαμμιτών-Κερατολίθων, ενώ τρίτο πιο επιδεκτικό τις αργιλικές μάργες, τον Φλύσχη ή τους Σχίστες-Ψαμμίτες-Κερατολίθους. [145]

153 Πίνακας 5.19: Αξιολόγηση κλάσεων παραγόντων ως προς την επιδεκτικότητα σε κατολισθήσεις. Στη βαθμονόμηση των κλάσεων το 1 αντιστοιχεί στην πιο επιδεκτική κλάση του συγκεκριμένου παράγοντα Κλίση Λιθολογία Χρήσεις γης Υψόμετρο Βροχόπτωση FR LRF LR SI WoE 0 ο -15 ο ο -30 ο ο -45 ο ο -60 ο >60 ο Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις Διλλουβιακοί, σχηματισμοί μικτών φάσεων Διλλουβιακοί, χονδρόκοκκοι σχηματισμοί Μαργαϊκά κροκαλοπαγή Αργιλικές μάργες Φλύσχης Σχίστες-Ψαμμίτες-Κερατόλιθοι Ασβεστόλιθοι Αμπελώνες Απογυμνωμένοι βράχοι Δάσος κωνοφόρων Δάσος πλατύφυλλων Εκτάσεις με αραιή βλάστηση Ελαιώνες Φυσικοί βοσκότοποι Γεωργία με σημαντικές εκτάσεις φυσικής βλάστησης Μεταβατικές και θαμνώδεις εκτάσεις Μικτό δάσος Οπωροφόρα δένδρα και φυτείες με σαρκώδεις καρπούς Σύνθετα συστήματα καλλιέργειας Σκληροφυλλική βλάστηση Διάφορα m (Πεδινή) m (Λοφώδης) m (Ημιορεινή) >900m (Ορεινή) <750mm mm mm mm >1200mm [146]

154 Στις Χρήσεις γης παρατηρείται μία παρόμοια εικόνα όπου οι τρεις πιο επιδεκτικές περιοχές είναι αυτές των απογυμνωμένων βράχων, των εκτάσεων με αραιή βλάστηση και γεωργικές περιοχές με σημαντικές εκτάσεις φυσικής βλάστησης. Σχετικά με το Υψόμετρο οι Λοφώδεις και οι Ημιορεινές περιοχές φαίνεται να είναι οι πλέον επιρρεπείς σε κατολισθήσεις. Τέλος όσον αφορά τη Βροχόπτωση γενικά η κλάση mm χαρακτηρίζεται τις περισσότερες φορές πιο επιδεκτική σε κατολισθήσεις και ακολουθεί η κλάση υψηλότερης βροχόπτωσης mm. Παρατηρώντας τον Πίνακα 5.19 για το κάθε μοντέλο αναγνωρίζονται οι κρίσιμοι συνδυασμοί των παραγόντων που πληρούν τις προϋποθέσεις, όσον αφορά τις τοπικές συνθήκες, που δυνητικά θα μπορούσαν να εκδηλωθούν κατολισθήσεις. Σύμφωνα με τον Πίνακα 5.20 τα μοντέλα FR και LRF, προσδιορίζουν Λοφώδεις περιοχές με κλίσεις 45 ο -60 ο, που καλύπτονται από τον σχηματισμό του Φλύσχη και έχουν αραιή βλάστηση ως τις πιο κρίσιμες στην εμφάνιση κατολισθήσεων. Τα μοντέλα LR και SI, προσδιορίζουν Ορεινές περιοχές με ασβεστολίθους που η χρήση γης εντάσσεται στην κατηγορία των απογυμνωμένων βράχων. Το μοντέλο WoE ορίζει ως τις πλέον επιδεκτικές σε κατολισθήσεις τις λοφώδεις περιοχές που καλύπτονται από Διλλουβιακούς σχηματισμούς μικτών φάσεων και χαρακτηρίζονται από αραιή βλάστηση. Σημειώνεται πως αν και η μεγαλύτερη συχνότητα κατολισθήσεων παρατηρείται σε κλίσεις 30 ο - 45 ο, πιο επιδεκτικά πρανή φαίνεται να είναι αυτά με κλίσεις 45 ο -60 ο συμπέρασμα που προκύπτει από κοινού για όλα τα μοντέλα. Η διαφοροποίηση αυτή έχει να κάνει με το γεγονός, ότι η συνολική έκταση με κλίσεις 45 ο -60 ο στην περιοχή έρευνας είναι πολύ μικρότερη εκείνης με κλίσεις 30 ο -45 ο και αναλογικά με τον αριθμό των κατολισθήσεων που εμφανίζονται σε αυτές και της διαδικασίας απόδοσης βαρών που χρησιμοποιούν τα μοντέλα, η πρώτη αναδεύεται ως η πιο επιδεκτική σε κατολισθήσεις. Πίνακας 5.20: Οριοθέτηση περιοχών επιδεκτικών σε κατολισθήσεις ανά μοντέλο Παράγοντας LRF & FR LR & SI WoE 1 45 ο -60 ο 45 ο -60 ο 45 ο -60 ο 2 Φλύσχης Ασβεστόλιθοι Διλλουβιακοί σχηματισμοί μικτών φάσεων 3 Αραιή βλάστηση Απογυμνωμένοι βράχοι Αραιή βλάστηση 4 Λοφώδεις ( m) Ορεινή (>900m) Λοφώδεις ( m) mm mm mm [147]

155 Επιλογή Τα διάφορα σενάρια που δοκιμάστηκαν με διαφορετικούς συνδυασμούς παραγόντων στηρίζονταν στη λογική κάθε φορά να απουσιάζει και ένας παράγοντας, ενώ υπήρξε ένα σενάριο που συμμετείχαν όλοι οι παράγοντες και ένα με λιγότερους από τέσσερις. Η σύγκριση μεταξύ των σεναρίων για κάθε μοντέλο ξεχωριστά, τελικά ανέδειξε αυτό για κάθε μέθοδο που λειτουργεί και προβλέπει με τον καλύτερο τρόπο τις περιοχές επιδεκτικότητας. Για την μέθοδο με χρήση του FR πιο χαρακτηριστικό σενάριο ήταν το Σενάριο 1 με συμμετοχή όλων των παραγόντων (Κεφάλαιο ). Για τον δείκτη LRF το Σενάριο 3 με απουσία του παράγοντα Υψόμετρο εκτιμά με τον καλύτερο τρόπο την επιδεκτικότητα (Κεφάλαιο ). Το Σενάριο 4 όπου δεν λαμβάνεται υπόψη η Λιθολογία αποδίδει την επιδεκτικότητα για τον δείκτη LR. Στο μοντέλο SI η επιδεκτικότητα αποδίδεται μέσω του Σεναρίου 3 στο οποίο δεν συμμετέχει ο παράγοντας Υψόμετρο. Τέλος, για τη μέθοδο WoE το Σενάριο 5 στο οποίο απουσιάζει ο παράγοντας Βροχόπτωση δίνει τις καλύτερες εκτιμήσεις της επιδεκτικότητας στην περιοχή έρευνας (Πίνακας 5.21). Πίνακας 5.21: Επιλογή σεναρίων ανά μοντέλο επιδεκτικότητας Μοντέλο Σενάριο Παράγοντες FR 1 Κλίση+Λιθολογία+Χρήσεις Γης+Υψόμετρο+Βροχόπτωση LRF 3 Κλίση+Λιθολογία+Χρήσεις Γης+Βροχόπτωση LR 4 Κλίση+Χρήσεις Γης+Υψόμετρο+Βροχόπτωση SI 3 Κλίση+Λιθολογία+Χρήσεις Γης+Βροχόπτωση WoE 5 Κλίση+Λιθολογία+Χρήσεις Γης+Βροχόπτωση Η σύγκριση των μεθόδων σε ένα κοινό διάγραμμα ελέγχου αξιοπιστίας (Εικόνα 5.37) οδηγεί στο συμπέρασμα πώς οι μέθοδοι LR και SI παρουσιάζουν τη μικρότερη ικανότητα πρόβλεψης σε σχέση με τις υπόλοιπες τρεις μεθόδους. Στο σημείο αυτό σημειώνεται ότι όλοι οι υπολογισμοί που πραγματοποιούνται κατά τη φάση υπολογισμού των δύο αυτών δεικτών στηρίζονται αποκλειστικά σε μεγέθη που έχουν να κάνουν με εκτάσεις. Επομένως, δεν λαμβάνεται υπόψη ο αριθμός των κατολισθήσεων αλλά μόνο η έκτασή τους σε αριθμό pixel όπως και τα επίπεδα των παραγόντων που συμμετέχουν στο μοντέλο. Σύμφωνα με αυτό τα αποτελέσματα του μοντέλου επηρεάζονται σημαντικά α) από την ποιότητα των χαρτογραφικών επιπέδων που χρησιμοποιούνται, β) την έκταση των κλάσεων σε σχέση με την συνολική έκταση που μελετάται, γ) την έκταση των κατολισθήσεων σε [148]

156 σχέση με τη συνολική έκταση, αλλά και δ) τις έντονες μεταβολές στην έκταση των κατολισθήσεων πολύ μεγάλες ή πολύ μικρές κατολισθήσεις Cumulative landslides (%) FR LRF LR SI WoE LSI rank % Εικόνα 5.37: Καμπύλες ελέγχου αξιοπιστίας σύγκρισης μοντέλων Οι μέθοδοι FR, LRF και WoE παρουσιάζουν παρόμοια συμπεριφορά στην εκτίμηση της επιδεκτικότητα με AUC>0,7 για όλα τα μοντέλα. Σύμφωνα με αυτό ανάλογα με τη μέθοδο που επιλέγεται να χρησιμοποιηθεί στην περιοχή έρευνας, προκύπτουν τρεις χάρτες επιδεκτικότητας (Εικόνα 5.38α, Εικόνα 5.39α, Εικόνα 5.40α). Η επιδεκτικότητα που προβάλλεται στους χάρτες υπολογίζεται μέσω του δείκτη LSI με αλγεβρική πρόσθεση των βαρών που δίνει η κάθε μέθοδος σύμφωνα με τη Σχέση (1) που δίνεται στο Κεφάλαιο 2.2.3: (1) όπως ήδη έχει αναφερθεί η σχέση αυτή χρησιμοποιείται κυρίως για στατιστικά μοντέλα διμεταβλητής ανάλυσης και στηρίζεται μόνο στα βάρη της κάθε κλάσης του κάθε παράγοντα αγνοώντας τη βαρύτητα που μπορεί να έχει ο κάθε παράγοντας στη τελική εκτίμηση της επιδεκτικότητας. [149]

157 Απόδοση Βαρών Στην περίπτωση που αποδοθούν βάρη στους παράγοντες η σχέση μεταβάλλεται σε (Κεφάλαιο 2.2.3, σχέση (2)): (2) ο υπολογισμός του ποσοστού συμμετοχής ενός παράγοντα στο μοντέλο επιδεκτικότητας γενικά προσδιορίζεται μέσω στατιστικών μοντέλων πολυμεταβλητής ανάλυσης. Καθόσον, στη προκειμένη περίπτωση, δεν έχουν γίνει πολυμεταβλητές αναλύσεις προτείνεται στο σημείο αυτό μία μέθοδος απόδοσης βαρών στους παράγοντες που συμμετέχουν στο μοντέλο, χρησιμοποιώντας τα αποτελέσματα των ROC καμπυλών που έχουν ήδη υπολογιστεί. Από τα επτά σενάρια που δοκιμάστηκαν σε κάθε περίπτωση, στα πέντε από αυτά κάθε φορά απουσιάζει ένας μόνο παράγοντας (Σενάρια 2,3,4,5,6). Τα αντίστοιχα αποτελέσματα των ROC καμπύλων, δηλαδή οι τιμές AUC που έχουν υπολογιστεί, δίνουν τη δυνατότητα έμμεσα να εκτιμηθεί η σημαντικότητα του κάθε παράγοντα (Κλίση, Λιθολογία, Χρήσεις γης, Υψόμετρο, Βροχόπτωση) στο μοντέλο εκτίμησης της επιδεκτικότητας, αφού σε κάθε σενάριο που δοκιμάζεται απουσιάζει και ένας παράγοντας (Κεφάλαιο 5.2). Έτσι, στην τιμή AUC που προκύπτει κάθε φορά, εμπεριέχεται η σημασία της απουσίας αυτού του παράγοντα από το μοντέλο. Για παράδειγμα στο Σενάριο 2 όπου απουσιάζει ο παράγοντας «Χρήσεις γης», αν η τιμή AUC είναι μικρή, δεδομένου ότι όσο η τιμή του AUC τείνει στο 1 το μοντέλο γίνεται βέλτιστο, η απουσία του παράγοντα αυτού επηρέασε σημαντικά το μοντέλο, άρα η σημασία του παράγοντα μέσα στο μοντέλο είναι μεγάλη. Επομένως γενικά αναφέρεται ότι, όσο πιο μικρή είναι η τιμή του AUC για το κάθε σενάριο, στο οποίο απουσιάζει ο ίδιος παράγοντας, τόσο πιο σημαντική είναι η συμμετοχή του στο μοντέλο. Στην πράξη η διαδικασία αυτή απαιτεί τη συγκέντρωση των τιμών AUC του κάθε σεναρίου για όλα τα μοντέλα και τον υπολογισμό του μέσου (median) των αποτελεσμάτων (Πίνακας 5.22). Σημειώνεται εδώ, ότι η επιλογή του Μέσου (median) έγκειται στο γεγονός ότι σαν μέγεθος είναι ο πιο συνήθης τρόπος μέτρησης της κεντρικής τάσης ενός στατιστικού δείγματος τιμών, χωρίς να επηρεάζεται από τις ακραίες τιμές του δείγματος κάτι που συμβαίνει κατά τη χρήση της μέσης τιμής. [150]

158 Σύμφωνα με τα πιο πάνω, η μικρότερη τιμή των Μέσων που προκύπτει, αφορά τον παράγοντα με τη μεγαλύτερη στατιστική σημασία στην εκτίμηση της επιδεκτικότητας, ενώ η υψηλότερη τιμή, στον παράγοντα με τη μικρότερη στατιστική σημασία. Η διαφορά που προκύπτει από την τιμή του Μέσου (AUC med ) και της μονάδας (AUC max =1) είναι τελικά αυτή του ταξινομεί τους παράγοντες ως προς τη σπουδαιότητά τους (Πίνακας 5.22). Τα τελικά βάρη, προκύπτουν ως οι κανονικοποιημένες προς τη μονάδα (1) τιμές του 1- AUC med, για την τελική εκτίμηση της επιδεκτικότητας. Η σχέση (2) με αυτόν τον τρόπο τροποποιείται ως: (32) όπου η τιμή επιδεκτικότητας για τον παράγοντα Κλίση, η τιμή επιδεκτικότητας για τον παράγοντα Λιθολογία, η τιμή επιδεκτικότητας για τον παράγοντα Χρήσεις γης, η τιμή επιδεκτικότητας για τον παράγοντα Υψόμετρο και η τιμή επιδεκτικότητας για τον παράγοντα Βροχόπτωση. Οι τιμές αυτές Σενάριο δίνονται για τα διάφορα μοντέλα επιδεκτικότητας που χρησιμοποιούνται (FR, LRF, LR, SI, WoE). Πίνακας 5.22: Βαθμονόμηση σπουδαιότητας παραγόντων Παράγοντας που ελέγχεται AUC FR LRF SI LR WoE [151] Μin Μax Μedian (AUC med ) Rank 1- AUC med Σενάριο 2 Χρήσεις γης 0,67 0,63 0,59 0,59 0,65 0,59 0,67 0,63 1 0,367 0,2194 Σενάριο 3 Υψόμετρο 0,71 0,68 0,67 0,64 0,69 0,64 0,71 0,68 4 0,323 0,1931 Σενάριο 4 Λιθολογία 0,71 0,67 0,63 0,63 0,71 0,63 0,71 0,67 3 0,333 0,1990 Σενάριο 5 Βροχόπτωση 0,74 0,72 0,64 0,63 0,71 0,63 0,74 0,71 5 0,293 0,1751 Σενάριο 6 Κλίση 0,69 0,64 0,62 0,61 0,64 0,61 0,69 0,64 2 0,357 0,2134 Σύνολο 3,33 1,673 1 Σύμφωνα με τα αποτελέσματα του Πίνακα 5.22, στο στατιστικό μοντέλο εκτίμησης της επιδεκτικότητας το σημαντικότερο ρόλο έχουν οι παράγοντες Χρήσεις γης με βάρος =0,2194 και η Κλίση με =0,2134. Στη συνέχεια ο παράγοντας Λιθολογία με =0,1990 ακολουθεί σε σπουδαιότητα τους άλλους δύο. Όπως φαίνεται και από τις τιμές αυτών των βαρών οι διαφορές τους είναι αρκετά μικρές. Τέταρτος σε σπουδαιότητα παράγοντας είναι το Υψόμετρο με τιμή επιδεκτικότητας έχει ο παράγοντας Βροχόπτωση με των υπόλοιπων τεσσάρων παραγόντων. =0,1931, ενώ τη μικρότερη σπουδαιότητα στην εκτίμηση της =0,1751, αρκετά χαμηλότερη τιμή W j

159 Σημειώνεται, πώς με βάση την ακρίβεια των υποβάθρων που χρησιμοποιούνται όσον αφορά την Κλίση και τις Χρήσεις γης, ο παράγοντας κλίση καθώς χαρακτηρίζεται από μεγαλύτερες ακρίβειες (DEM 5X5 m) θα μπορούσε να χαρακτηριστεί ως πιο καθοριστικός σε σχέση με τον παράγοντα των Χρήσεων γης (Κλίμακας 1: ). Υπενθυμίζεται σε αυτό το σημείο πώς ο παράγοντας Βροχόπτωση αναφέρεται στη Μέση Ετήσια Βροχόπτωση (mm) για μία σειρά ετών, και χαρακτηρίζει την περιοχή έρευνας και όχι την πραγματική βροχόπτωση που έχουν δεχθεί οι θέσεις των κατολισθήσεων κατά την εκδήλωσή τους. Συνήθως, κατολίσθηση σε μία περιοχή που πληροί τις προϋποθέσεις να εμφανίσει φαινόμενα κατολισθήσεων, εκδηλώνεται για πρώτη φορά ή επανεργοποιείται μετά από έντονη και παρατεταμένη βροχόπτωση που έπεται μίας ξηρής περιόδου ή περιόδου ανομβρίας ίσως δύο και τριών ετών. Χρησιμοποιώντας τον δείκτη LSI όπως αυτός δίνεται στη σχέση (32) κατασκευάστηκαν οι χάρτες επιδεκτικότητας για το μοντέλο FR (Εικόνα 5.38β), για το LRF (Εικόνα 5.39β) και WoE (Εικόνα 5.40β) και συγκρίθηκαν με τους αρχικούς, με χρήση της σχέσης (1). α [152]

160 β Εικόνα 5.38: Χάρτες επιδεκτικότητας περιοχής έρευνας με τη μέθοδο FR a) από το δείκτη LSI χωρίς βαθμονόμηση παραγόντων, και β) από το δείκτη LSI μετά από βαθμονόμηση των παραγόντων α [153]

161 β Εικόνα 5.39: Χάρτες επιδεκτικότητας περιοχής έρευνας με τη μέθοδο LRF a) από το δείκτη LSI χωρίς βαθμονόμηση παραγόντων, και β) από το δείκτη LSI μετά από βαθμονόμηση των παραγόντων α [154]

162 β Εικόνα 5.40: Χάρτες επιδεκτικότητας περιοχής έρευνας με τη μέθοδο WoE a) από το δείκτη LSI χωρίς βαθμονόμηση παραγόντων, και β) από το δείκτη LSI μετά από βαθμονόμηση των παραγόντων Η σύγκριση γίνεται με τη χρήση ROC καμπυλών και των τιμών AUC. Τα αποτελέσματα της σύγκρισης αυτής, με AUC 2 >AUC 1 (Πίνακας 5.21), δείχνουν σαφή βελτίωση των αποτελεσμάτων που δίνουν όλα τα μοντέλα, αλλά και μία πιο ρεαλιστική εικόνα των επιδεκτικών σε κατολισθήσεις περιοχών (Εικόνα 5.41). Πίνακας 5.23: Αποτελέσματα ROC ελέγχου πριν και μετά τη χρήση συντελεστών βαρύτητας Μοντέλο Area (AUC) Std. Error FR,749,024 FR_first,736,024 LRF,718,025 LRF_fisrt,707,025 WoE,707,026 WoE_first,703,026 [155]

163 Εικόνα 5.41: Σύγκριση ROC καμπυλών πριν και μετά τη χρήση των συντελεστών βαρύτητας 5.5. Συμπεράσματα - Προτάσεις Η εκτίμηση της επιδεκτικότητας (susceptibility) των κατολισθήσεων έχει ήδη αναφερθεί πως αποτελεί το αρχικό στάδιο διαστασιολόγησης του κινδύνου των κατολισθήσεων και απαραίτητο για την εκτίμηση της επικινδυνότητας (hazard) και τελικά της διακινδύνευσης (risk). Μία πληθώρα μεθόδων προτείνεται στη διεθνή βιβλιογραφία για το σκοπό αυτό είτε για την ποσοτική είτε για την ποιοτική εκτίμησή της. Στη παρούσα διατριβή εξετάστηκαν και συγκρίθηκαν πέντε διαφορετικά στατιστικά μοντέλα ποσοτικής εκτίμησης της επιδεκτικότητας, διμεταβλητής ανάλυσης: α) του Λόγου Συχνοτήτων (FR), β) της Σχετικής Συχνότητας Κατολισθήσεων (LRF), γ) του Στατιστικού Δείκτη (SI), δ) του Λόγου Πιθανοφάνειας (LR) και ε) της Μεθόδου Βαρύτητας των Ενδείξεων (WoE). Η εφαρμογή τους στην περιοχή έρευνας πραγματοποιήθηκε με τη χρήση πέντε βασικών παραγόντων: α) την Κλίση, β) τη Λιθολογία, γ) τις Χρήσεις γης, δ) το Υψόμετρο και δ) τη Βροχόπτωση, διάφοροι συνδυασμοί των οποίων ελέγχτηκαν για κάθε μοντέλο, επιλέγοντας τελικά τον πιο κρίσιμο στην εκτίμηση της επιδεκτικότητας. [156]

164 Ο βαθμός επιδεκτικότητας υπολογίστηκε στη συνέχεια με χρήση του δείκτη LSI. Σύμφωνα με τα αποτελέσματα και τους ελέγχους αξιοπιστίας και ικανότητας πρόβλεψης όλων των μοντέλων, οι μέθοδοι FR (Σενάριο 1, συμμετοχή όλων των παραγόντων), LRF (Σενάριο 3 με απουσία του παράγοντα Υψόμετρο) και WoE (Σενάριο 5, με απουσία του παράγοντα Βροχόπτωση) κρίθηκε ότι μπορούν να αποδώσουν την επιδεκτικότητα στη συγκεκριμένη περιοχή αρκετά ικανοποιητικά και με παρόμοια συμπεριφορά. Έτσι, δίνεται η δυνατότητα στον κάθε ερευνητή να επιλέξει μεταξύ των τριών μεθόδων που προτείνονται ανάλογα των δεδομένων που έχει και ευχέρειας στην ερμηνεία των αποτελεσμάτων που εξάγει το κάθε μοντέλο. Τέλος, στην προσπάθεια εκτίμησης της συμβολής του κάθε παράγοντα στη τελική εκτίμηση της επιδεκτικότητας, προτείνεται μία μέθοδος απόδοσης βαρών στους παράγοντες που συμμετέχουν στο μοντέλο με χρήση των αποτελεσμάτων των ROC καμπυλών. Με τον τρόπο αυτό ο δείκτης LSI τροποποιείται σε LSI weight και προσδιορίζεται εκ νέου η επιδεκτικότητα των κατολισθήσεων στην περιοχή έρευνας για τα μοντέλα που έχουν επιλεγεί. Σύμφωνα με τα αποτελέσματα αυτής της μεθόδου σημαντικότερο ρόλο στην εκτίμηση της επιδεκτικότητας έχουν οι παράγοντες Κλίση, Χρήσεις γης και Λιθολογία. Σε επόμενα στάδια προτείνεται να δοκιμαστούν στα προτεινόμενα μοντέλα επιπλέον παράγοντες που να συνδέονται με φαινόμενα κατολισθήσεων και δεν μεταβάλλονται δραματικά με το χρόνο, ώστε να συγκριθεί η απόδοση του κάθε μοντέλου. Επίσης, η εφαρμογή των μοντέλων αυτών σε άλλες περιοχές και με τους ίδιους παράγοντες, ώστε να ελεγχτεί η προσαρμοστικότητά τους και απορριφτεί το ενδεχόμενο η εκτίμηση της επιδεκτικότητας για την περιοχή έρευνας που εξετάζεται στην παρούσα διατριβή να αποτελεί τυχαίο γεγονός. Τέλος, η χρήση μοντέλων πολυμεταβλητής στατιστικής ανάλυσης και άλλων πιο σύνθετων μεθοδολογιών (νευρωνικά δίκτυα, ημιαυτόματοι υπολογισμοί κτλ) θα μπορούσαν επίσης να δοκιμαστούν, στην κατεύθυνση καλύτερης γνώσης των σχέσεων που αναπτύσσονται μεταξύ των κατολισθήσεων και των παραγόντων που συμβάλουν στην εκδήλωσή τους. [157]

165 [158]

166 6. ΑΝΑΠΤΥΞΗ ΜΟΝΤΕΛΟΥ ΕΠΙΚΙΝΔΥΝΟΤΗΤΑΣ ΚΑΤΟΛΙΣΘΗΣΕΩΝ 6.1. Εισαγωγή Η επικινδυνότητα μιας περιοχής σε φαινόμενα κατολισθήσεων μπορεί να περιγραφεί με απαντήσεις στα ερωτήματα «πού θα συμβεί;», «πότε θα συμβεί;» και «πόσο καταστρεπτική θα είναι;» μία κατολίσθηση. Στα ερωτήματα αυτά συνοψίζονται οι ορισμοί που έχουν περιγραφεί στην Ενότητα 2.3. Το «πού;» περιγράφεται μέσω της επιδεκτικότητας μίας περιοχής σε κατολισθήσεις. Το «πότε;» αφορά είτε την ύπαρξη ενός παράγοντα ενεργοποίησης, ο οποίος με τη δράση του θεωρητικά κάθε φορά μπορεί να ενεργοποιεί κατολισθήσεις (παρουσία παράγοντα ενεργοποίησης), είτε μία δεδομένη περίοδο χρονικής αναφοράς μέσα στην οποία εκδηλώνονται φαινόμενα κατολισθήσεων (απουσία παράγοντα ενεργοποίησης). Τέλος το «πόσο;» περιγράφεται μέσω των διαστάσεων που θα έχει το φαινόμενο (εμβαδό ή όγκος) και θα το χαρακτηρίζει σημαντικό ή αλλιώς με μία έκφραση της έντασης του όπως για παράδειγμα η ταχύτητα μίας κατολίσθησης. Για την εκτίμηση των παραπάνω μεγεθών απαιτείται μία πληθώρα δεδομένων και κυρίως η ύπαρξη ενημερωμένου αρχείου απογραφής κατολισθήσεων, για την περιοχή που εξετάζεται, ικανών να απαντήσουν τα ερωτήματα αυτά, ενώ τα αποτελέσματα που προκύπτουν αφορούν αποκλειστικά την συγκεκριμένη περιοχή και δεν είναι πανάκεια η χρήση τους. Αυτό συνδέεται επίσης με το γεγονός ότι η επικινδυνότητα είναι δυνατό να μελετηθεί με επιτυχία σε περιοχές ορισμένης κλίμακας (Fell et al 2008) αποφεύγοντας το ενδεχόμενο υπερεκτίμησης της κατάστασης. Στην πράξη οι παραπάνω έννοιες αποδίδονται ως πιθανότητες και η επικινδυνότητα τελικά ως μία σειρά σεναρίων στη μεταβολή κάποιων από αυτών. Έτσι η επικινδυνότητα μπορεί να περιγραφεί τελικά από τη μαθηματική έκφραση (Κεφάλαιο 2.3.2, Σχέση 21): όπου η πιθανότητα του μεγέθους μίας κατολίσθησης, για μία δεδομένη χρονική περίοδο t, η χρονική πιθανότητα και S η χωρική εμφάνιση κατολισθήσεων, δηλαδή η επιδεκτικότητα. Στις επόμενες παραγράφους γίνεται ο προσδιορισμός των επιμέρους μεγεθών, και S ώστε να γίνεται δυνατός ο προσδιορισμός της επικινδυνότητας των κατολισθήσεων στην περιοχή έρευνας σε διαφορετικές κρίσιμες συνθήκες. [159]

167 6.2. Προσδιορισμός πιθανότητας μεγέθους, PAL Ο προσδιορισμό της πιθανότητας μεγέθους αναφέρεται στο μέγεθος (magnitude) των κατολισθήσεων που δηλώνει το πόσο σοβαρές ή καταστρεπτικές είναι ανάλογα με τις διαστάσεις τους, καθώς αφορά την έκταση ή τον όγκο των κατολισθήσεων. Στην προκειμένη περίπτωση θα εκτιμηθεί μέσω της έκτασης σε km 2, πληροφορία που διατίθεται από το παρόν αρχείο απογραφής κατολισθήσεων. Η έκταση των 209 κατολισθήσεων του αρχείου καταγραφής, ψηφιοποιήθηκε με τη βοήθεια αρχείου αεροφωτογραφιών, δορυφορικών εικόνων και ορθοφωτοχαρτών. Ένας μεγάλος αριθμός αεροφωτογραφιών της Γεωγραφικής Υπηρεσίας Στρατού (Γ.Υ.Σ) και του Οργανισμού Κτηματολογίου και Χαρτογραφήσεων Ελλάδος (Ο.Κ.Χ.Ε.) από το 1945 έως σήμερα κλίμακας 1:5000 και 1:50000 χρησιμοποιήθηκαν για την ψηφιοποίηση του εμβαδού των παλαιότερων κυρίων κατολισθήσεων. Η ψηφιοποίηση των εκτάσεων έγινε σε περιβάλλον GIS μετά την γεωαναφορά των εικόνων, ως πολύγωνα. Η έκταση δίνεται σε km 2. Συμπληρωματικά με τις αεροφωτογραφίες χρησιμοποιήθηκαν ορθοφωτοχάρτες της ΚΤΗΜΑΤΟΛΟΓΙΟ ΑΕ με μέγεθος εικονοστοιχείου 0,50m και γεωμετρική ακρίβεια στο έδαφος RMSExy 1,41m (επίπεδο εμπιστοσύνης 95%) επιτρέποντας την καλύτερη εκτίμηση των ορίων των κατολισθήσεων. Η μέγιστη έκταση κατολίσθησης που χαρτογραφήθηκε ήταν 2,50463km 2 και η ελάχιστη 0,00004 km 2. Ο μέσος όρος του εμβαδού όλων των κατολισθήσεων υπολογίστηκε σε 0,01966 km 2 και ο μέσος 0,00228 km 2. Οι τιμές αυτές αφορούν το σύνολο των κατολισθήσεων. Ταξινομώντας τις κατολισθήσεις εντός χρονικού πλαισίου οι τιμές αυτές μεταβάλλονται, παρατηρώντας γενικά την έκταση των πιο πρόσφατων κατολισθήσεων να μειώνεται σε σχέση με τις παλαιότερες τόσο ως προς τις μέσες τιμές, αλλά και ως προς τις ακραίες τιμές (Πίνακας 6.1). Πίνακας 6.1: Χρονικές περίοδοι ταξινόμησης των 209 κατολισθήσεων Χρονική περίοδος Κατολισθήσεις Ελάχιστη έκταση (km 2 ) Μέγιστη έκταση (km 2 ) Μέσος Μέσος όρος < , , , , , , , , , , , ,00319 Η εκτίμηση της πιθανότητας του μεγέθους των κατολισθήσεων έγινε ξεχωριστά για την κάθε χρονική περίοδο περιορίζοντας με αυτόν τον τρόπο την υπερεκτίμηση ή υποεκτίμηση της πιθανότητας εμφάνισης πάνω από μία κρίσιμη έκταση κατολίσθησης. Η πιθανότητα μια [160]

168 κατολίσθηση να έχει εμβαδό ( ) μεγαλύτερο ή ίσο από το εμβαδό μαθηματική έκφραση: δίνεται από τη Αρχικά προσδιορίζεται η συνάρτηση κατανομής f(a L ) ως Συνάρτηση Κατανομής Πιθανότητας (probability density function-pdf) δίνοντας με αυτόν τον τρόπο την πιθανότητα μίας κατολίσθησης να έχει εμβαδό μεταξύ A L και A L +δa L. Η μέθοδος αυτή διαφέρει της κανονικής κατανομής καθώς δεν χρησιμοποιεί σταθερό εύρος κλάσης αλλά μεταβαλλόμενο, το εύρος της κλάσης μεγαλώνει όσο αυξάνεται η έκταση των κατολισθήσεων καθώς ο αριθμός τους είναι περιορισμένος στο σύνολο των περιπτώσεων. Για τις κατολισθήσεις που σημειώθηκαν πριν το 1945 (στο σύνολο 57) οι περισσότερες εντάσσονται στην κλάση 0,0006-0,0056 km 2 (κάτω οριζόντιος άξονας) (Εικόνα 6.1) ενώ οι αντίστοιχες τιμές πυκνότητας πιθανότητας (p, km -2 ) παρουσιάζουν αύξηση μέχρι την έκταση 0,0031 km 2 η οποία παρουσιάζει φθίνουσα πορεία για εκτενέστερες κατολισθήσεις (πάνω οριζόντιος άξονας) (Πίνακας 6.2). Πίνακας 6.2: Υπολογισμός της Πυκνότητας Πιθανότητας σε κλάσεις εμβαδού κατολισθήσεων για την περίοδο πριν το 1945 Κλάση Εύρος Κλάσης Πυκνότητα Συχνότητα A Πιθανότητας (p,km -2 Lmin Μέσος A Lmax ) 1 0 0, , ,0001 0, , , ,0006 0,0031 0, , ,0056 0,0081 0, , ,0106 0,0156 0, , ,0206 0,0256 0, , ,0306 0,0356 0, ,0406 0,0456 0, , ,0506 0,0756 0, , ,1006 0,1506 0, ,2006 0,2506 0, ,3006 0,3506 0, ,4006 0,4506 0, ,5006 0,7506 1, ,0006 1,2506 1, ,5006 1,7506 2, ,0006 2,2506 2, , Σύνολο 57 [161]

169 A L (km 2 ) 0, ,0001 0,001 0,01 0, Πυκνότητα πιθανότητας,p (km -2 ) ,1 0, Συχνότητα κατολισθήσεων 0,001 1,75 0,25 0,03 Έκταση κατολίσθησης, A L (km 2 ) 0,00 0 Εικόνα 6.1: Συνδυαστικό διάγραμμα πυκνότητας πιθανότητας p (κόκκινα τετράγωνα) και συχνότητας εμφάνισης κατολισθήσεων (ραβδόγραμμα), για την περίοδο πριν το Ο πάνω οριζόντιος άξονας αφορά την p και ο κάτω τη συχνότητα Η πιθανότητα έκτασης μίας κατολίσθησης δηλαδή η πιθανότητα να εμφανιστεί κατολίσθηση με έκταση μεγαλύτερη (δεξιός κατακόρυφος άξονας) ή μικρότερη από μία συγκεκριμένη τιμή εμβαδού (αριστερός κατακόρυφος άξονας)(πίνακας 6.3), αποτυπώνεται σε καμπύλη πιθανότητας (Εικόνα 6.2). Σύμφωνα με αυτό η πιθανότητα να εκδηλωθεί μία κατολίσθηση με έκταση A L =0,01 km 2 ( m 2 ) είναι 0,34. Πίνακας 6.3: Υπολογισμός πιθανότητας έκτασης κατολισθήσεων πριν το 1945 Κλάση Μέσος κλάσης (α L ) Συχνότητα Σχετική Συχνότητα P[A L >α L ] P[A L <α L ] 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , [162]

170 Πιθανότητα P[A L <α L ] 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0, ,0001 0,001 0,01 0, Έκταση κατολίσθησης, A L (km 2 ) 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Πιθανότητα P[A L α L ] Εικόνα 6.2: Διάγραμμα πιθανότητας έκτασης κατολισθήσεων για την περίοδο πριν το 1945 Πίνακας 6.4: Υπολογισμός της Πυκνότητας Πιθανότητας σε κλάσεις εμβαδού κατολισθήσεων για την περίοδο Κλάση Εύρος Κλάσης Πυκνότητα Συχνότητα A Πιθανότητας (p,km -2 Lmin Μέσος A Lmax ) 1 0 0, , , ,0001 0, , , ,0006 0,0031 0, , ,0056 0,0081 0, , ,0106 0,0156 0, , ,0206 0,0256 0, , ,0306 0,0356 0, , ,0406 0,0456 0, , ,0506 0,0756 0, , ,1006 0,1506 0, , ,2006 0,2506 0, ,3006 0,3506 0, ,4006 0,4506 0, ,5006 0,7506 1, ,0006 1,2506 1, ,5006 1,7506 2, ,0006 2,2506 2, Σύνολο 66 [163]

171 Για τις κατολισθήσεις που σημειώθηκαν την περίοδο (στο σύνολο 66) η πλειοψηφία αυτών εμφανίζει έκταση μεταξύ 0,0006-0,0056 km 2 όμοια με πριν (κάτω οριζόντιος άξονας), ενώ οι αντίστοιχες τιμές πυκνότητας πιθανότητας (p,km -2 ) παρουσιάζουν αύξηση μέχρι την έκταση 0,0035 km 2 και στη συνέχεια μείωση για κατολισθήσεις μεγαλύτερων εκτάσεων (πάνω οριζόντιος άξονας) (Πίνακας 6.4) (Εικόνα 6.3). Πυκνότητα πιθανότητας,p (km -2 ) A L (km 2 ) 0, ,0001 0,001 0,01 0, ,1 0, Συχνότητα κατολισθήσεων 0,001 1,75 0,25 0,03 Έκταση κατολίσθησης, A L (km 2 ) 0,00 0 Εικόνα 6.3: Συνδυαστικό διάγραμμα πυκνότητας πιθανότητας p (κόκκινα τετράγωνα) και συχνότητας εμφάνισης κατολισθήσεων (ραβδόγραμμα) για την περίοδο Ο πάνω οριζόντιος άξονας αφορά την p και ο κάτω τη συχνότητα Πίνακας 6.5: Υπολογισμός πιθανότητας έκτασης κατολισθήσεων περιόδου Κλάση Μέσος κλάσης (α L ) Συχνότητα Σχετική Συχνότητα P[A L >α L ] P[A L <α L ] 1 0, , , , , , , ,5 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , [164]

172 Η πιθανότητα έκτασης μίας κατολίσθησης δηλαδή η πιθανότητα να εμφανιστεί κατολίσθηση με έκταση μεγαλύτερη (δεξιός κατακόρυφος άξονας) ή μικρότερη από μία συγκεκριμένη τιμή εμβαδού (αριστερός κατακόρυφος άξονας) (Πίνακας 6.5) αποτυπώνεται σε καμπύλη πιθανότητας (Εικόνα 6.4). Σύμφωνα με αυτό η πιθανότητα να εκδηλωθεί μία κατολίσθηση με έκταση A L =0,01 km 2 ( m 2 ) είναι 0,28. Πιθανότητα P[A L <α L ] 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0, ,0001 0,001 0,01 0, Έκταση κατολίσθησης, A L (km 2 ) 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Πιθανότητα P[A L α L ] Εικόνα 6.4: Διάγραμμα πιθανότητας έκτασης κατολισθήσεων για την περίοδο Οι πλέον πρόσφατες κατολισθήσεις της περιόδου (στο σύνολο 86) η πλειοψηφία αυτών εμφανίζει έκταση μεταξύ 0,0006-0,0056 km 2 όμοια με πριν (κάτω οριζόντιος άξονας) με τις τιμές πυκνότητας πιθανότητας (p,km -2 ) να παίρνουν τη μέγιστη τιμή στην έκταση 0,0035 km 2 η και στη συνέχεια να μειώνεται με την αύξηση της επιφάνειας των κατολισθήσεων (πάνω οριζόντιος άξονας) (Πίνακας 6.6) (Εικόνα 6.5). Στον Πίνακα 6.7 συγκεντρώνονται τα μεγέθη που απαιτούνται για τον υπολογισμό της τελικής πιθανότητας. Στο διάγραμμα προσδιορισμού της πιθανότητας εμφάνισης γνωστού εμβαδού κατολίσθησης, (Εικόνα 6.6) η πιθανότητα να εκδηλωθεί μία κατολίσθηση με έκταση A L =0,01 km 2 ( m 2 ) είναι 0,1 ενώ κατολισθήσεις έκτασης A L =0,001 km 2 (1000 m 2 ) έχουν πιθανότητα 0,82. [165]

173 Πίνακας 6.6: Υπολογισμός της Πυκνότητας Πιθανότητας σε κλάσεις εμβαδού κατολισθήσεων για την περίοδο Κλάση Εύρος Κλάσης Πυκνότητα Συχνότητα A Πιθανότητας (p,km -2 Lmin Μέσος A Lmax ) 1 0 0, , , ,0001 0, , , ,0006 0,0031 0, , ,0056 0,0081 0, , ,0106 0,0156 0, , ,0206 0,0256 0, , ,0306 0,0356 0, ,0406 0,0456 0, ,0506 0,0756 0, , ,1006 0,1506 0, ,2006 0,2506 0, ,3006 0,3506 0, ,4006 0,4506 0, ,5006 0,7506 1, ,0006 1,2506 1, ,5006 1,7506 2, ,0006 2,2506 2, Σύνολο 86 Πυκνότητα πιθανότητας,p (km -2 ) A L (km 2 ) 0, ,0001 0,001 0,01 0, ,1 0, Συχνότητα κατολισθήσεων 0,001 1,75 0,25 0,03 Έκταση κατολίσθησης, A L (km 2 ) 0,00 0 Εικόνα 6.5: Συνδυαστικό διάγραμμα πυκνότητας πιθανότητας p (κόκκινα τετράγωνα) και συχνότητας εμφάνισης κατολισθήσεων (ραβδόγραμμα) για την περίοδο Ο πάνω οριζόντιος άξονας αφορά την p και ο κάτω τη συχνότητα [166]

174 Πίνακας 6.7: Υπολογισμός πιθανότητας έκτασης κατολισθήσεων περιόδου Κλάση Μέσος κλάσης (α L ) Συχνότητα Σχετική Συχνότητα P[A L >α L ] P[A L <α L ] 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Πιθανότητα P[A L <α L ] 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0, ,0001 0,001 0,01 0, Έκταση κατολίσθησης, A L (km 2 ) 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Πιθανότητα P[A L α L ] Εικόνα 6.6:Διάγραμμα πιθανότητας έκτασης κατολισθήσεων από το 1980 μέχρι σήμερα Για τις επόμενες αναλύσεις στον τελικό προσδιορισμό της επικινδυνότητας της περιοχής έρευνας σε κατολισθήσεις κρίνεται περισσότερο ορθό να χρησιμοποιηθούν οι πιθανότητες που προσδιορίστηκαν για το πιο πρόσφατο σετ κατολισθήσεων καθώς σκοπός είναι η εκτίμηση της επικινδυνότητας σε παρόντα και μέλλοντα χρόνο. [167]

175 Τα μεγέθη που υπολογίστηκαν για τις δύο άλλες χρονικές περιόδους θα μπορούσαν να χρησιμοποιηθούν σε σενάρια που αναφέρονται σε εκείνη τη χρονική περίοδο Προσδιορισμός χρονικής πιθανότητας, PΝ Η χρονική πιθανότητα εμφάνισης κατολισθήσεων τοποθετεί τα χρονικά όρια μέσα στα οποία θα συμβεί μία κατολίσθηση ή ένα σύνολο κατολισθήσεων. Τα όρια αυτά μπορεί να είναι συγκεκριμένα, για παράδειγμα η πιθανότητα κατολισθήσεων μέσα σε ένα έτος, μπορεί ακόμα να περιγράφονται μέσω μίας περιόδου επανεμφάνισης μελετώντας παλαιότερα αρχεία κατολισθήσεων ή τέλος τα όρια αυτά να μην είναι σαφώς ορισμένα αλλά να συνδέεται έμμεσα η εμφάνιση κατολισθήσεων με κάποιο εξωτερικό έναυσμα που η εμφάνισή του θα συνδέεται με την εκδήλωση κατολισθήσεων. Έτσι, αρχικά μπορεί να εκτιμηθεί η χρονική πιθανότητα άμεσα, αγνοώντας την ύπαρξη κάποιου παράγοντα εναύσματος ή έμμεσα λαμβάνοντας υπόψη κάποιον παράγοντα εναύσματος. Τέτοιοι παράγοντες συνήθως είναι οι βροχοπτώσεις που περιγράφονται μέσω της έντασης τους και οι σεισμικές δονήσεις που περιγράφονται μέσω της σεισμικής επιτάχυνσης. Στη παρούσα διατριβή αρχικά γίνεται η εκτίμηση της P N απουσία κάποιου παράγοντα εναύσματος μέσω της εμπειρικής πιθανότητας και στη συνέχεια η εκτίμηση της P N παρουσία γεγονότων βροχόπτωσης και σεισμικών δονήσεων Χρονική πιθανότητα χωρίς έναυσμα Η βασική μαθηματική έκφραση της χρονικής πιθανότητας περιγράφεται από την πιθανότητα Poisson με υπολογισμό της τιμής επανεμφάνισης (recurrence interval) των ιστορικών κατολισθήσεων μέσα στην περιοχή που μελετάται. Η εκτίμηση της μελλοντικής πιθανότητας εμφάνισης κατολισθήσεων, γίνεται κάνοντας την παραδοχή ότι ο ρυθμός εκδήλωσης κατολισθήσεων μένει σταθερός και ίδιος με αυτόν που χαρακτηρίζει τις ιστορικές κατολισθήσεις. Η μέθοδος αυτή χρησιμοποιείται συστηματικά στην εκτίμηση χρονικής πιθανότητας (Crovelli 2000, Guzzetti et al 2005, Ghosh et al 2012, Wu and Chen 2013). Η χρονική πιθανότητα να συμβεί μία κατολίσθηση σε χρόνο μεγαλύτερο από ένα χρόνο δίνεται από τη σχέση (όμοια με σχέση 30, Κεφάλαιο 2.3.1): (33) όπου ο χρόνος στον οποίο αναφέρεται το σενάριο πχ ποια η πιθανότητα σε 2, 5 ή 10 χρόνια και η τιμή επαναφοράς των κατολισθήσεων που είναι αντίστροφη του ρυθμού εμφάνισης : [168]

176 (34) όπου ο αριθμός των κατολισθήσεων της περιοχής και η χρονική περίοδος μεταξύ της παλαιότερης και της νεότερης κατολίσθησης του αρχείου. Με σκοπό να γίνει πιο ακριβής ο προσδιορισμός της χρονικής πιθανότητας στη περιοχή που αφορά το αρχείο καταγραφής κατολισθήσεων, η περιοχή χωρίζεται σε επιμέρους τμήματα για τα οποία υπολογίζεται η τιμή επανεμφάνισης των κατολισθήσεων εντός μίας χρονικής περιόδου. Οι υπο-περιοχές ορίζονται είτε βάση τοπογραφικών συνθηκών είτε μέσω εικονοστοιχείων. Στην πρώτη περίπτωση τα όρια των περιοχών στηρίζονται σε μεταβολές του αναγλύφου, υψόμετρο και κλίση, ορίζοντας περιοχές που οριοθετούν υδρολογικές λεκάνες ακανόνιστης μορφής και έκτασης. Στη δεύτερη περίπτωση, οι πιθανότητες αναφέρονται σε κάθε εικονοστοιχείο της περιοχής που εξετάζεται, με τον καθορισμό όμως μεγέθους pixel μεγαλύτερο των 50m. Σχετική βιβλιογραφία για τον ορισμό περιοχών υπολογισμού τέτοιων πιθανοτήτων διατίθεται από τους Carrara et al 1991, Guzzetti et al 2005, Tian et al 2010, Zhou et al Εικόνα 6.7:Διαμόρφωση υπό-περιοχών για τον προσδιορισμό της χρονικής πιθανότητας με ημιαυτόματο τρόπο [169]

177 Στη παρούσα διατριβή οι υπό-περιοχές δημιουργήθηκαν ημιαυτόματα σε περιβάλλον GIS (Εικόνα 6.7). Από το DEM της περιοχής έρευνας δημιουργώντας αρχικά ένα τριγωνικό ακανόνιστο δίκτυο (TIN model) για την αναπαράσταση της επιφάνειας του εδάφους και στη συνέχεια από περεταίρω παρατήρηση της μορφολογίας του αναγλύφου χειροκίνητα διαμορφώθηκαν πολυγωνικές περιοχές, τα όρια των οποίων κατά βάση αντιστοιχούν με τις υψηλότερες τιμές υψομέτρου έτσι ώστε να διαμορφώνονται λεκάνες. Επίσης, σαν υπο-περιοχές θεωρήθηκαν και χρησιμοποιήθηκαν για την απόδοση της πιθανότητας και οι κύριες υδρολογικές λεκάνες 1ης τάξης που εντοπίζονται στην περιοχή μελέτης (Εικόνα 6.8), θεωρώντας ότι αποτελούν μια δεδομένη γεωμορφολογική μονάδα η κάθε μία με γνωστά χαρακτηριστικά. Εικόνα 6.8: Διαμόρφωση υπο-περιοχών που ταυτίζονται με τις υδρολογικές λεκάνες της περιοχής έρευνας Για την κάθε υπό-περιοχή και στις δύο περιπτώσεις (Εικόνα 6.7 και Εικόνα 6.8), υπολογίζονται ο ρυθμός εμφάνισης κατολισθήσεων (λ). Για να γίνει αυτό αθροίζονται όλες οι κατολισθήσεις που έχουν συμβεί σε κάθε πολύγωνο ή υδρολογική λεκάνη αντίστοιχα, για την περίοδο (στο σύνολο 209) και ο ρυθμός εμφάνισης λ δίνεται τελικά από τη σχέση (34). Στη συνέχεια επιλέγεται η χρονική περίοδος t στην οποία θα αφορά το κάθε [170]

178 σενάριο, πχ ποια η πιθανότητα σε 2, 5 ή 10 χρόνια και υπολογίζεται η πιθανότητα πρόβλεψης P N. Έτσι για παράδειγμα ο χάρτης της Εικόνας 6.9 δίνει τη χρονική πιθανότητα P N εμφάνισης κατολισθήσεων σε 5 χρόνια (t=5), δηλαδή την περίοδο , για τη περιοχή έρευνας, για υπο-περιοχές που καθορίστηκαν με ημιαυτόματο τρόπο. Η μέγιστη πιθανότητα που υπολογίστηκε έχει τιμή 0,4. Εικόνα 6.9: Χάρτης κατανομής χρονικής πιθανότητας PN σε 5 χρόνια από σήμερα στις υποπεριοχές ημιαυτόματου σχεδιασμού Αντίστοιχα η ίδια διαδικασία γίνεται και για τις περιοχές που τα όριά τους ταυτίζονται με τα όρια των κύριων υδρολογικών λεκανών της περιοχής έρευνας. Έτσι καθώς η έκταση των λεκανών είναι σαφώς πολύ μεγαλύτερη των περιοχών που ορίστηκαν με την προηγούμενη μέθοδο, είναι λογικό κάθε φορά να αντιστοιχίζεται σε αυτές περισσότερες θέσεις κατολισθήσεων και ως εκ τούτου αυξάνεται η τιμή της χρονικής πιθανότητας. Η μέγιστη τιμή P N που υπολογίστηκε είναι 0,9 και αφορά την υδρολογική λεκάνη του χείμαρρου Βολιναίου (Εικόνα 6.10). [171]

179 Εικόνα 6.10: Χάρτης κατανομής χρονικής πιθανότητας PN σε 5 χρόνια, δηλαδή την περίοδο , στις υπο-περιοχές που ορίζονται από τις υδρολογικές λεκάνες Χρονική πιθανότητα με έναυσμα Εισαγωγή Δύο είναι οι παράγοντες εναύσματος κατολισθήσεων που εμφανίζονται συνήθως στην Ελλάδα, όπως έχει ήδη αναφερθεί, και αυτοί είναι συγκεκριμένα γεγονότα βροχόπτωσης και σημαντικές σεισμικές δονήσεις. Η σπουδαιότητα των εκάστοτε παραγόντων ως προς την ικανότητά τους να προκαλέσουν κατολισθήσεις «ελέγχεται» από την ένταση των βροχοπτώσεων, που αντιστοιχεί στο ύψος βροχής που πέφτει σε ορισμένη διάρκεια, και τη σεισμική επιτάχυνση που αντιστοιχεί στην κρίσιμη σεισμική επιτάχυνση. Για τον προσδιορισμό των κρίσιμων τιμών για το κάθε έναυσμα, χρησιμοποιούνται αρχεία καταγραφής κατολισθήσεων που συνδέονται με τέτοια γεγονότα και βροχομετρικά ή σεισμολογικά δεδομένα που αντιστοιχούν στα ίδια γεγονότα. Στην πράξη, η δυσκολία στο προσδιορισμό των κρίσιμων σχέσεων εντοπίζεται στο γεγονός ότι θα πρέπει να υπάρχουν αρχεία κατολισθήσεων που έχουν προκληθεί από γεγονότα βροχόπτωσης ή σεισμικά γεγονότα. Ειδικά για τις βροχοπτώσεις, οι κατολισθήσεις θα πρέπει να είναι σαφώς [172]

180 ορισμένες στο χρόνο ώστε να γίνεται η αντιστοίχιση τους με σαφώς ορισμένα στο χρόνο βροχομετρικά δεδομένα (ύψος βροχής και διάρκεια) βροχομετρικών σταθμών Έναυσμα Βροχόπτωση Γενικά διαπιστώνεται μία τάση, αυξανόμενης της βροχόπτωσης να αυξάνονται και οι κατολισθήσεις με την κρίσιμη τιμή βροχόπτωσης να καθορίζεται από το κλίμα, τις τοπικές εδαφικές συνθήκες, τις υδρολογικές συνθήκες, τη γεωμορφολογία κ.α (Lainas et al 2015). Στη διεθνή βιβλιογραφία χρησιμοποιείται η έννοια των κατώτατων ορίων (thresholds) που οριοθετούν τις προϋποθέσεις που θα πρέπει να χαρακτηρίζουν ένα γεγονός βροχόπτωσης που δυνητικά θα μπορέσει να προκαλέσει φαινόμενα κατολισθήσεων (Cain 1980, Aleotti 2004, Guzzetti et al 2007, Lainas et al 2015). Προσδιορίζονται σε διάφορες κλίμακες όπως τοπικό επίπεδο ή επίπεδο χώρας και σύμφωνα με αυτό κάθε χώρα μπορεί να χαρακτηρίζεται από συγκεκριμένα όρια (Reichenbach et al 1998). Η χρονική πιθανότητα κατολισθήσεων για σενάρια βροχόπτωσης εκτιμάται βάση των πιθανοτήτων εμφάνισης των κατώτερων ορίων τα οποία με τη σειρά τους προσδιορίζονται και μπορεί να έχουν χαρακτήρα φυσικών συνθηκών ή εμπειρικό (Aleotti et al 2004, Jaiswal and van Westen 2009). Στη πρώτη περίπτωση απαιτούνται γνώσεις των τοπικών συνθηκών που επικρατούν και συνδέονται με το δυναμικό υδρογεωλογικό μοντέλο της περιοχής. Τέτοιες προσεγγίζεις δεν μπορούν να εφαρμοστούν σε εκτενείς περιοχές καθώς απαιτούνται εξειδικευμένες γνώσεις των συνθηκών που επικρατούν (Caine 1980, Reichenbach et al 1998, Crozier 1999, Fiorillo and Wilson 2004, Calvello et al 2008). Στις εμπειρικές μεθόδους από την άλλη τα κατώτερα όρια προσδιορίζονται μέσω της μελέτης των χαρακτηριστικών γεγονότων βροχόπτωσης που έχουν προκαλέσει κατολισθήσεις και μπορούν έτσι να χρησιμοποιηθούν σε μικρές κλίμακες. Η πιο διαδεδομένη προσέγγιση συσχετίζει την διάρκεια του γεγονότος βροχόπτωσης με το ύψος βροχής που φτάνει στην επιφάνεια της γης, δίνοντας έτσι την ένταση της βροχόπτωσης. Κατά τον προσδιορισμό των κατώτερων ορίων (thresholds) απαιτούνται βροχομετρικά δεδομένα μετεωρολογικών σταθμών με χρονική διάσταση (ωριαία ή ημερήσια) κάτι που αρκετές φορές είναι δύσκολο να διατεθούν για πολλές περιοχές. Η δεύτερη μέθοδος είναι αυτή που χρησιμοποιείται συνήθως στον προσδιορισμό των κατώτερων ορίων βροχόπτωσης στη διεθνή βιβλιογραφία (Caine 1980, Giannecchini 2006, Guzzetti et al 2007, Peruccacci et al 2012, Lainas et al 2015, Iadanza et al 2016) συνδέοντας την ένταση της βροχόπτωσης με τη διάρκεια και περιγράφονται από καμπύλες της μορφής: [173]

181 (35) όπου η ένταση της βροχόπτωσης (mm/h ή d), η διάρκεια της βροχόπτωσης (h ή d). Σε λογαριθμικά διαγράμματα η σχέση έντασης I και διάρκειας D παίρνει τη μορφή ευθείας με κλίση α, ως παράμετρος βαθμονόμησης και β τη παράμετρο μορφής της καμπύλης που ελέγχει την κλίση της ευθείας. Και οι δύο παράμετροι προκύπτουν μετά από τη σχεδίαση καμπυλών τάσης αυτής της μορφής σε αρκετά γεγονότα βροχόπτωσης που έχουν προκαλέσει κατολισθήσεις, οριοθετώντας με αυτόν τον τρόπο τις ελάχιστες τιμές που μπορούν να προκαλέσουν την εκδήλωση κατολισθήσεων (Brunetti et al 2010, Peruccacci et al 2012). Για την περιοχή την περιοχή της Ελλάδας οι Lainas et al 2015 προτείνουν μία σειρά σχέσεων που συνδέουν το ύψος βροχής με τη διάρκεια του γεγονότος βροχόπτωσης και την ένταση αυτού με τη διάρκεια, μελετώντας αρχείο κατολισθήσεων που εντοπίζονται στο νομό Ηλείας πριν και μετά την εκδήλωση εκτεταμένων πυρκαγιών τον Αύγουστο του Έτσι οι κρίσιμες σχέσεις βροχοπτώσεων σύμφωνα με τη Σχέση (35) που έδιναν κατολισθήσεις πριν τον Αύγουστο του 2007 εκφράζονται ως (Εικόνα 6.11 και Εικόνα 6.12): (36) και (37) ενώ οι σχέσεις αυτές αναπροσαρμόστηκαν μετά τον Αύγουστο του 2007 σε: (38) και (39) όπου Ε το συνολικό ύψος βροχόπτωσης (mm), D η διάρκεια του γεγονότος βροχόπτωσης (σε ώρες, h) και I η ένταση της βροχόπτωσης (mm/h). Στην ίδια έρευνα γίνεται σύγκριση των σχέσεων αυτών με αντίστοιχες άλλων περιοχών που έχουν ερευνηθεί στη διεθνή βιβλιογραφία είτε σε τοπικό επίπεδο είτε σε παγκόσμια κλίμακα (Εικόνα 6.13) δίνοντας με σαφήνεια τη μεταβολή που υφίσταται η κάθε σχέση σε διαφορετικές περιοχές λόγω των διαφορετικών συνθηκών που επικρατούν. [174]

182 Εικόνα 6.11: Εμπειρικά κατώτατα όρια E-D, μετά τις πυρκαγιές (μπλε κουκίδες και γραμμή) και πριν τις πυρκαγιές (κόκκινες κουκίδες και γραμμή) (Lainas et al 2015) Εικόνα 6.12: Εμπειρικά κατώτατα όρια I-D, μετά τις πυρκαγιές (μπλε κουκίδες και γραμμή) και πριν τις πυρκαγιές (κόκκινες κουκίδες και γραμμή) (Lainas et al 2015) [175]

183 Εικόνα 6.13: Σύγκριση των σχέσεων κατώτερων ορίων (ID) πριν τις πυρκαγιές (κόκκινη γραμμή) και μετά (μπλέ γραμμή) με αυτές άλλων περιοχών α) σε παγκόσμια κλίμακα και β) σε τοπική κλίμακα (Lainas et al 2015) Μετά τον προσδιορισμό των κατώτατων ορίων ακολουθεί ο προσδιορισμός της πιθανότητας εμφάνισης τους που έμμεσα, όπως ήδη έχει αναφερθεί δίνει την χρονική πιθανότητα εκδήλωσης κατολισθήσεων, λόγω του εναύσματος βροχόπτωση. Η πιθανότητα αυτή δύναται να εκτιμηθεί είτε με χρήση της περιόδου (return period) επαναφοράς είτε ως πιθανότητα υπέρβασης (exceedance probability). [176]

184 Στην πρώτη περίπτωση η περίοδος επαναφοράς των κατώτερων ορίων που οριοθετούν τα γεγονότα βροχόπτωσης που δίνουν κατολισθήσεις, προσδιορίζεται με εφαρμογή του νόμου του Gumbel. Ο νόμος του Gumbel γενικά χρησιμοποιείται στην Υδρολογία για τη στατιστική επεξεργασία κρίσιμων τιμών κάποιου υδρολογικού μεγέθους (ραγδαίες βροχές, πλημμυρικές περιοχές κα). Εφαρμογή αυτής της μεθόδου στον προσδιορισμό της χρονικής πιθανότητας έχει γίνει από τους Zezere et al 1999a, Zezere et al 1999b, Zezere et al 2004, Zezere et al 2005, Zezere et al 2008, Lee et al Στη δεύτερη περίπτωση γίνεται χρήση της πιθανότητας Poisson, όπως και στη περίπτωση προσδιορισμού χρονικής πιθανότητας χωρίς έναυσμα. Σύμφωνα με αυτό, θα πρέπει να εκτιμηθεί η πιθανότητα εμφάνισης κατολισθήσεων κατά την εμφάνιση των κρίσιμων ορίων βροχόπτωσης. Χρησιμοποιώντας για τη χρονική περίοδο που έχουν καταγραφεί κατολισθήσεις, αντίστοιχες χρονοσειρές βροχομετρικών δεδομένων της περιοχής έρευνας, μπορεί να προσδιοριστεί η συχνότητα εμφάνισης των κρίσιμων ορίων που καθορίζουν οι σχέσεις και αφορούν την κάθε περιοχή, δηλαδή πόσες φορές επαληθεύεται η εξίσωση (35) της περιοχής. Αυτό γίνεται για μια σειρά ετών (R>R T ) όπου έχουν συμβεί οι κατολισθήσεις (L), ενώ στη συνέχεια προσδιορίζεται η πιθανότητα P[R>R T ]. Χρησιμοποιώντας τα ίδια αρχεία κατολισθήσεων που συνδέονται με γεγονότα βροχόπτωσης, είναι δυνατός ο προσδιορισμός της συχνότητας εμφάνισης τους για τις επιμέρους περιοχές (πχ υδρολογικές λεκάνες) της περιοχής έρευνας και της πιθανότητας εν τέλει εμφάνισης λόγω υπέρβασης των ορίων βροχόπτωσης P[L R>R T ]. Τέλος, η χρονική πιθανότητα εμφάνισης κατολισθήσεων με έναυσμα τη βροχόπτωση δίνεται ως το γινόμενο των δύο πιθανοτήτων: (40) Ο προσδιορισμός της χρονικής πιθανότητας εμφάνισης κατολισθήσεων με έναυσμα τις βροχοπτώσεις σύμφωνα με τη πιθανότητα Poisson έχει επίσης χρησιμοποιηθεί από τους Floris and Bozzano2008, Jaiswal and van Westen Προσδιορισμός χρονικής πιθανότητας με έναυσμα βροχόπτωση στην περιοχή έρευνας Γενικά στη περιοχή έρευνας, αναλύοντας τις καταγραφές κατολισθήσεων για το διάστημα , οι περισσότερες ενεργοποιούνται κατά τους μήνες Ιανουάριο και Φεβρουάριο όπου εντάσσονται στους μήνες της υγρής περιόδου ενός υδρολογικού έτους, που ξεκινάει τον Οκτώβριο, ενώ ήδη έχουν προηγηθεί οι βροχοπτώσεις των προηγούμενων μηνών (Εικόνα 6.14). [177]

185 Συχνότητα κατολισθήσεων Ιαν Φε Μαρ Απρ Μαϊ Ιουν Ιουλ Αυγ Σεπ Οκτ Νοε Δεκ Μήνας Μέση μηνιαία βροχόπτωση (mm) Εικόνα 6.14: Συχνότητα κατολισθήσεων ανά μήνα για την περίοδο (ραβδόγραμμα) σε σύγκριση με τη μέση μηνιαία βροχόπτωση (γραμμή) Από επιπλέον αναλύσεις του αρχείου κατολισθήσεων σε συσχετισμό με βροχομετρικά δεδομένα της ίδιας περιόδου, εξάγονται συμπεράσματα σχετικά με το καθεστώς των υδρολογικών συνθηκών κάτω από τις οποίες αυτές ενεργοποιήθηκαν. Στη συνέχεια, συσχετίστηκαν η μέση μηνιαία βροχόπτωση (για μία σειρά ετών) της περιοχής που εμφανίζεται μία κατολίσθηση, με τη μηνιαία βροχόπτωση που σημειώθηκε κατά το έτος που σημειώθηκε αυτή η κατολίσθηση (δηλαδή το ύψος βροχής που αντιστοιχεί στη θέση της κατολίσθησης τον μήνα και το έτος ενεργοποίησης της). Στο διάγραμμα της Εικόνας 6.15 για την κάθε καταγραφή (αύξων αριθμός κατολίσθησης του αρχείου στον οριζόντιο άξονα) σημειώνεται η Μηνιαία τιμή βροχόπτωσης (μπλε κουκίδες) και η Μέση Μηνιαία βροχόπτωση (κόκκινες κουκίδες) της θέσης της κατολίσθησης. Σύμφωνα με αυτό, παρατηρείται ότι στο 76,4% των περιπτώσεων του αρχείου κατολισθήσεων (τις 209 καταγραφές), η μηνιαία βροχόπτωση το έτος που σημειώθηκε η κατολίσθηση, ήταν μεγαλύτερη της μέσης μηνιαίας που δέχεται το σημείο για μία σειρά ετών. Επίσης, μόλις το 23,6% των περιπτώσεων των κατολισθήσεων σημειώνονται με καθεστώς μηνιαίας βροχόπτωσης κατώτερο της μέση μηνιαίας της περιοχής γύρω από τη θέση της κατολίσθησης (Εικόνα 6.15). [178]

186 <mean ,6% Μηνιαία Βροχόπτωση Μέση μηνιαία βροχόπτωση >mean 0% 10% 20% 30% Ύψος βροχόπτωσης (mm) ,4% 40% 50% 60% 70% % 50 90% 0 100% Αύξων αριθμός κατολίσθησης (1-209) Εικόνα 6.15: Διάγραμμα συσχέτισης της μηνιαίας βροχόπτωσης (μπλε κουκκίδες) κατολίσθησης με τη μέση μηνιαία της που δέχεται η θέση της κατολίσθησης για μία σειρά ετών (κόκκινες κουκίδες), για την περιοχή έρευνας και τις 209 κατολισθήσεις του αρχείου [179]

187 Για τον προσδιορισμό των κατώτατων ορίων (thresholds) των μεγεθών που χαρακτηρίζουν ένα γεγονός βροχόπτωσης που δύναται να δώσει κατολισθήσεις, επιλέχτηκαν περιπτώσεις κατολισθήσεων που συνδέονται άμεσα με γεγονότα βροχόπτωσης και συλλέχτηκαν τα αντίστοιχα βροχομετρικά δεδομένα των γεγονότων αυτών. Η διαδικασία αυτή έγινε για τις επιμέρους κύριες υδρολογικές λεκάνες όπως αυτές προσδιορίστηκαν σε προηγούμενη ενότητα (Εικόνα 6.16). Εικόνα 6.16: Οι θέσεις των κατολισθήσεων που συνδέονται με γεγονότα βροχόπτωσης και οι βροχομετρικοί σταθμοί της περιοχής έρευνας, όπως αντιστοιχούν στις κύριες υδρολογικές λεκάνες Το παλιότερο γεγονός βροχόπτωσης για το οποίο διατίθενται ημερήσια (24h) βροχομετρικά δεδομένα και συνδέεται με την εμφάνιση κατολισθήσεων τοποθετείται στο 1956 και από τότε καταγράφηκαν 14 γεγονότα αυξημένης βροχόπτωσης που συνδέονται με την εμφάνιση κατολισθήσεων (Πίνακας 6.8). Η διάρκεια D των γεγονότων βροχόπτωσης κυμαίνεται μεταξύ 1 με 15 ημέρες, ενώ η εκδήλωση των κατολισθήσεων γίνεται συνήθως μετά από κάποιες μέρες βροχόπτωσης και όχι κατά την έναρξη του. [180]

188 Πίνακας 6.8: Γεγονότα βροχόπτωσης στη περιοχή έρευνας για την περίοδο που συνδέονται με την εμφάνιση κατολισθήσεων Γεγονός Διάρκεια γεγονότος Αριθμός κατολισθήσεων Φεβ Φεβ Φεβ Οκτ Ιαν Δεκ Δεκ Δεκ Φεβ Φεβ Μαρ Δεκ Δεκ Οκτ Κατανέμοντας τα γεγονότα αυτά στις επιμέρους λεκάνες και προσδιορίζοντας το συνολικό ύψος βροχόπτωσης (E), το μέγιστο ύψος βροχής που παρατηρείται σε μία μέρα (R 24 ) και τη συνολική διάρκειά του (D) από χρονοσειρές βροχομετρικών δεδομένων προκύπτει και ένταση του γεγονότος βροχόπτωσης (I) ως ο λόγος Ε/D (Πίνακας 6.9). Μέσω αυτών των μεγεθών γίνεται δυνατός ο προσδιορισμός των κατώτατων ορίων που μπορούν δυνητικά να προκαλέσουν κατολισθήσεις ανάλογα με τις συνθήκες που επικρατούν στη κάθε λεκάνη. Η κάθε υδρολογική λεκάνη θα χαρακτηρίζεται από μία μοναδική σχέση Ε-D ή Ε-Ι και στη συνέχεια χρησιμοποιώντας τη στις χρονοσειρές βροχομετρικών δεδομένων του πλέον αντιπροσωπευτικού βροχομετρικού σταθμού, προσδιορίζεται για μία σειρά ετών πόσες φορές επαληθεύεται έτσι ώστε να εκτιμηθεί η συχνότητα εμφάνισης και στη συνέχεια η πιθανότητα P[R>R T ]. Στο διάγραμμα της Εικόνας 6.17 παρουσιάζεται η σχέση Ε-D για όλη την περιοχή μελέτης και συγκρίνονται τα όρια με αυτά που προσδιορίστηκαν από τους Lainas et al Για την περιοχή έρευνας η σχέση Ε-D προκύπτει ως: (41) με διάρκεια γεγονότος μεταξύ 24 και 120 ωρών Αντίστοιχα για τις εντάσεις των βροχομετρικών γεγονότων (Εικόνα 6.18) για τη περιοχή έρευνας η σχέση Ι-D προσδιορίζεται ως: [181]

189 (42) με διάρκεια γεγονότος μεταξύ 24 και 120 ωρών Συνολικό ύψος βροχόπτωσης Ε (mm) E=1,5941xD 0, Διάρκεια σε ώρες D Εικόνα 6.17: Προσδιορισμός κατώτατων ορίων Συνολικής βροχόπτωσης (Ε) - Διάρκειας (D) για τη περιοχή έρευνας (πράσινη γραμμή) και σύγκριση με αυτές του Ν. Ηλείας, πριν τις πυρκαγιές (κόκκινη γραμμή) και μετά (μπλε γραμμή) 10 Ένταση βροχόπτωσης Ε (mm/h) 1 0 I=1,5941xD -0, Διάρκεια σε ώρες D Εικόνα 6.18: Προσδιορισμός κατώτατων ορίων Έντασης βροχόπτωσης (Ι) - Διάρκειας (D) για τη περιοχή έρευνας (πράσινη γραμμή) και σύγκριση με αυτές του Ν. Ηλείας, πριν τις πυρκαγιές (κόκκινη γραμμή) και μετά (μπλε γραμμή) Απομονώνοντας τα γεγονότα και τις κατολισθήσεις ανά λεκάνη προσδιορίζονται οι σχέσεις E-D για κάθε μία ξεχωριστά δίνοντας έτσι τη δυνατότητα στη συνέχεια να εκτιμηθεί η χρονική πιθανότητα εμφάνισης κατολισθήσεων για την κάθε μία ξεχωριστά (Εικόνα 6.18). Σημειώνεται ότι η διαδικασία αυτή ήταν δυνατό να ακολουθηθεί μόνο για τις λεκάνες που διέθεταν τουλάχιστον δύο κατολισθήσεις που συνδέονται με κάποιο βροχομετρικό γεγονός. [182]

190 Πίνακας 6.9: Χαρακτηριστικά γεγονότων βροχόπτωσης που συνδέονται με κατολισθήσεις στη περιοχή έρευνας Λεκάνη Γεγονός Διάρκεια γεγονότος Αριθμός κατολισθήσεων Συνολική βροχόπτωση Ε (mm) Διάρκεια D (μέρες) R 24 (mm) D (hours) I (mm/h) Φεβ ,4 5 30, , Φεβ ,0 4 42,0 96 1, Φεβ ,6 2 40,2 48 0, Φεβ ,0 3 35,0 72 0, Φεβ ,6 2 40,2 48 0, Φεβ ,0 6 42, , Φεβ ,0 3 35,0 72 0, Μαρ ,1 2 11,4 48 0, Δεκ ,2 3 17,2 72 0, Οκτ , , Μαρ ,2 2 16,0 48 0, Δεκ ,5 4 22,5 96 0, Μαρ ,4 3 25,2 72 0, Δεκ ,0 4 22,5 96 0, Δεκ , , Δεκ ,5 1 19,5 24 0, Δεκ ,5 4 82,5 96 1, Οκτ ,6 3 50,5 72 1, Φεβ ,0 5 42, , Φεβ ,0 2 23,0 48 0, Δεκ ,1 2 68,5 48 1, Φεβ ,0 3 75,0 72 2, Ιαν ,8 4 93,2 96 2,2 Στον Πίνακα 6.10 συγκεντρώνονται τα αποτελέσματα προσδιορισμού της χρονικής πιθανότητας εμφάνισης κατολισθήσεων, σύμφωνα με την Σχέση (39), για κάθε λεκάνη. Σύμφωνα με αυτά στη Λεκάνη 5 τα κατώτερα όρια επαληθεύονται σε μία χρονοσειρά βροχομετρικών δεδομένων για την περίοδο , 98 φορές. Η τιμή επαναφοράς (μ) του γεγονότος, όπως ήδη έχει αναφερθεί, θα ισούται με το αντίστροφο του αριθμού φορών επαλήθευσης προς τον αριθμό των ετών που γίνεται αναφορά, 56/98. Χρησιμοποιώντας την Σχέση (33) η πιθανότητα εμφάνισης των κατώτερων ορίων σε ένα χρόνο P[R>R T ] θα είναι 0,826. Επίσης μέσω της συχνότητας εμφάνισης κατολισθήσεων στη Λεκάνη 5 για την ίδια περίοδο, 12 κατολισθήσεις στα 56 χρόνια, προσδιορίζεται η πιθανότητα εμφάνισης κατολισθήσεων με την προϋπόθεση ότι συμβαίνουν τα κατώτερα όρια P[LR>R T ], 98/12. Τέλος, η χρονική πιθανότητα εμφάνισης κατολισθήσεων με έναυσμα τη βροχόπτωση για τη Λεκάνη 5 δίνεται από το γινόμενο των δύο πιθανοτήτων ως 0,101. [183]

191 1000 Συνολικό ύψος βροχόπτωσης Ε (mm) Διάρκεια σε ώρες D Εικόνα 6.19: Σχέσεις κρίσιμων τιμών ανά λεκάνη. Λεκάνη 5 Ε = 15,689xD 0,2519, Λεκάνη 6 E = 1,742xD 0,8197, Λεκάνη 7 E = 0,6889xD 0,8781, Λεκάνη 8 E = 1,74xD 0,7102, Λεκάνη 9 E = 4,8333xD 0,4579, Λεκάνη 10 E = 2,4871xD 0,8104, Λεκάνη 11 E = 2,375xD 0,6279 και Λεκάνη 12 E = 84,517xD 0,2002 Πίνακας 6.10: Προσδιορισμός χρονικής πιθανότητας εμφάνισης κατολισθήσεων ανά λεκάνη Λεκάνη Σχέση κατώτερων ορίων Χρονική περίοδος Αριθμός φορών επαλήθευσης ορίων Τιμή επαναφορά ς (μ) P[R>RT] Αριθμός κατολισθήσεων στη λεκάνη P[LR>RT] Χρονική πιθανότητα 5 Ε = 15,689xD 0, ,57 0, ,122 0,101 6 E = 1,742xD 0, ,17 0, ,071 0,041 7 E = 0,6889xD 0, ,88 0, ,1 0,076 8 E = 1,74xD 0, ,50 0, ,000 0,865 9 E = 4,8333xD 0, ,83 0, ,417 0, E = 2,4871xD 0, ,75 0, ,50 0, E = 2,375xD 0, ,51 0, ,081 0, E = 84,517xD 0, ,67 0, ,082 Στον χάρτη της Εικόνας 6.20 αποτυπώνεται η κατανομή χρονικής πιθανότητας εμφάνισης κατολισθήσεων λόγω του εναύσματος βροχόπτωσης ανά υδρολογική λεκάνη, χωρίς να σχετίζεται η κάθε λεκάνη με την άλλη, αφού για τη κάθε μία έχουν προσδιοριστεί ξεχωριστά οι κρίσιμες τιμές βροχόπτωσης ικανές να προκαλέσουν κατολισθήσεις. Η λεκάνη του Μεγανίτη (Λεκάνη 8) παρουσιάζει την υψηλότερη τιμή χρονικής πιθανότητας κατολισθήσεων λόγω βροχοπτώσεων P N =0,865. Σύμφωνα με τον Πίνακα 6.10 η υψηλή τιμή χρονικής πιθανότητας επιβεβαιώνεται από το γεγονός ότι στη λεκάνη καταγράφονται 2 [184]

192 κατολισθήσεις οι οποίες εκδηλώθηκαν μετά από δύο διαφορετικά γεγονότα βροχόπτωσης (η μία τον Μάρτιο 2012 και η άλλη τον Δεκέμβριο 2012), κατά τα οποία και τις δύο φορές τα χαρακτηριστικά της βροχόπτωσης ακολούθησαν τη σχέση κατώτερων ορίων της συγκεκριμένης λεκάνης. Εικόνα 6.20: Χάρτης κατανομής ετήσιας χρονικής πιθανότητας εμφάνισης κατολισθήσεων λόγω βροχοπτώσεων ανά υδρολογική λεκάνη 6.4. Προσδιορισμός χωρικής πιθανότητας κατολισθήσεων, S Ο βαθμός επιδεκτικότητας των κατολισθήσεων όπως ήδη έχει αναφερθεί μελετά τη δυνατότητα μίας περιοχής να φιλοξενήσει κατολισθήσεις στο μέλλον, σύμφωνα με τις τοπικές συνθήκες που επικρατούν και χρησιμοποιώντας στοιχεία από το παρελθόν. Η έκφραση του με έννοιες πιθανοτήτων, αναφέρεται ως χωρική πιθανότητα μίας περιοχής να εμφανίσει κατολισθήσεις. Η χωρική πιθανότητα προσδιορίζεται με βάση τις περιοχές κατηγοριοποίησης του βαθμού επιδεκτικότητας, όπως αυτές έχουν ελεγχθεί κατά τον υπολογισμό της επιδεκτικότητας ως προς την ικανότητά τους να κατατάσσουν και να προβλέπουν τις θέσεις των υπαρχόντων ή μελλοντικών κατολισθήσεων. Για κάθε κλάση επιδεκτικότητας, υπολογίζεται ο αριθμός των κατολισθήσεων που εμφανίζουν σύμφωνα με το αρχείο των κατολισθήσεων που χρησιμοποιείται. Έτσι, η [185]

193 σχετική συχνότητα εμφάνισης κατολισθήσεων μέσα στις οριοθετημένες περιοχές συγκεκριμένου βαθμού επιδεκτικότητας μπορεί να μεταφραστεί και ως πυκνότητα με τη χρήση της έκτασης της κάθε κλάσης. Στη διεθνή βιβλιογραφία γίνεται αποδεκτό ότι η έννοια της πυκνότητας των κατολισθήσεων σε σαφώς ορισμένες περιοχές δεδομένου βαθμού επιδεκτικότητας, μπορεί να ερμηνευτεί ως η χωρική πιθανότητα εμφάνισης κατολισθήσεων (Chung & Fabbri 1999, Guzzetti et al 2005, Lee et al 2008a, Lee et al 2008b, Wu & Chen 2013). Η χωρική πιθανότητα μέσω του πιο απλού ορισμού της πιθανότητας, η πιθανότητα ενός γεγονότος Α (η τιμή της επιδεκτικότητας), είναι το πηλίκο των ευνοϊκών περιπτώσεων να ικανοποιηθεί το Α (άρα οι κατολισθήσεις) διά το πλήθος όλων των πιθανών αποτελεσμάτων (έκταση κλάσης επιδεκτικότητας). Άρα συνοψίζοντας η μαθηματική έκφραση της χωρικής πιθανότητας θα έχει τη μορφή: (43) όπου ο αριθμός των κατολισθήσεων σε μία κλάση επιδεκτικότητας και η έκταση της κλάσης σε pixel. Η χωρική πιθανότητα υπολογίζεται για τις διάφορες κλάσεις επιδεκτικότητας όπως αυτή έχει προσδιοριστεί με τις στατιστικές μεθόδους που αναφέρθηκαν. Οι κλάσεις αναφέρονται σε περιοχές που χαρακτηρίζονται από ένα εύρος τιμών επιδεκτικότητας και επομένως όσο αυξάνεται ο αριθμός των κλάσεων, μειώνεται το εύρος, και η μεταβολή της τιμής της επιδεκτικότητας γίνεται ομαλά. Βάση αυτού, η μαθηματική σχέση που συνδέει το λόγο της Σχέσης (43) με τη χαρακτηριστική τιμή επιδεκτικότητας της κάθε κλάσης, μπορεί να χρησιμοποιηθεί για τον ακριβή υπολογισμό της χωρικής πιθανότητας για κάθε τιμή επιδεκτικότητας. Θεωρητικά αυξανόμενου του βαθμού επιδεκτικότητας η πυκνότητα κατολισθήσεων θα μεγαλώνει. Επίσης, περιοχές με τον ίδιο βαθμό επιδεκτικότητας θα έχουν και την ίδια χωρική πιθανότητα και αυξανόμενου του βαθμού επιδεκτικότητας θα μεγαλώνει και η τιμή της χωρικής πιθανότητας. Για τα τρία προτεινόμενα μοντέλα επιδεκτικότητας πραγματοποιήθηκε η διαδικασία προσδιορισμού της χωρικής πιθανότητας. Οι κλάσεις όπως ήδη είχαν προσδιοριστεί για τον έλεγχο αξιοπιστίας των μοντέλων μεταβάλλονται για διάστημα 5% του βαθμού επιδεκτικότητας, δημιουργώντας τελικά 20 κλάσεις, με την κλάση 1 να περιέχει το 5% της έκτασης με το χαμηλότερο βαθμό επιδεκτικότητας και η κλάση 20 το 5% με τον υψηλότερο. Για την κάθε κλάση αντιστοιχίζεται ο αριθμός των κατολισθήσεων που φιλοξενούνται και [186]

194 στη συνέχεια προσδιορίζεται η χωρική πιθανότητα της κάθε κλάσης, ενώ στο τέλος κανονικοποιείται ως προς το 1. Μοντέλο FR Έτσι, για το μοντέλο FR (απουσία βαρών) στον Πίνακα 6.11 συγκεντρώνονται τα παραπάνω μεγέθη, ενώ στο διάγραμμα της Εικόνας 6.21 παρουσιάζεται η σχέση που συνδέει τη χωρική πιθανότητα με τις τιμές του LSI. Στη συνέχεια επαναλαμβάνεται η διαδικασία για το μοντέλο FR και τη χρήση βαρών (Πίνακας 6.12, Εικόνα 6.22). Όπως παρατηρείται και στις δύο περιπτώσεις η σχέση που συνδέει τη χωρική πιθανότητα με τις τιμές του LSI είναι μία πολυωνυμική εξίσωση 3ου βαθμού: (44) και 0,1328 (45) Σε αντίστοιχη εφαρμογή άλλοι ερευνητές παρουσιάζουν τη σχέση χωρικής πιθανότητας και βαθμού επιδεκτικότητας σαν πολυωνυμική εξίσωση 3ου βαθμού (Wu and Chen 2013) ή να ακολουθεί την κατανομή Weibull (Lee et al 2008). Πίνακας 6.11: Προσδιορισμός χωρικής πιθανότητας για το μοντέλο FR χωρίς χρήση βαρών στο LSI Κλάση LSIFR ,3 2,8 3,3 3,9 4,4 5,0 5,5 6,1 6,6 7,2 7,7 8,3 8,8 9,4 9,9 10,5 11,0 11,6 12,1 12,6 Έκταση κλάσης(pix) Αριθμός κατολισθήσεων [187] P(S) 0 0, , , , , , , , , , , , , , , , , , , Κανονικοποιημένη πιθανότητα 0 0, , , , , , , , , , , , , , , , , , ,

195 Χωρική Πιθανότητα (Κανονικοποιημένη) 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 P(S) = 0,0009xLSI FR 3-0,0101xLSI FR 2 + 0,0773x LSI FR - 0, LSI FR index Εικόνα 6.21: Συσχέτιση της χωρικής πιθανότητας με τον δείκτη LSI για το μοντέλο FR χωρίς τη χρήση βαρών Πίνακας 6.12: Προσδιορισμός χωρικής πιθανότητας για το μοντέλο FR με χρήση βαρών στο LSI Κλάση LSI FR Έκταση Αριθμός Κανονικοποιημένη P(S) κλάσης(pix) κατολισθήσεων πιθανότητα 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , [188]

196 Χωρική Πιθανότητα (Κανονικοποιημένη) 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 P(S) = 0,0951LSI FR 3-0,2201LSI FR 2 + 0,3397LSI FR - 0, ,5 1 1,5 2 2,5 3 LSI FR index Εικόνα 6.22: Συσχέτιση της χωρικής πιθανότητας με τον δείκτη LSI για το μοντέλο FR με τη χρήση βαρών Εικόνα 6.23: Κατανομή χωρικής πιθανότητας με χρήση του δείκτη LSI FR χωρίς τη χρήση βαρών [189]

197 Εφαρμόζοντας τις σχέσεις (44) και (45), στον αντίστοιχο χάρτη επιδεκτικότητας (Κεφάλαιο 5.3) σε περιβάλλον GIS, το αποτέλεσμα που προκύπτει είναι από ένας χάρτης κατανομής της χωρικής πιθανότητας P(S) (Εικόνα 6.23 και Εικόνα 6.24) για την κάθε περίπτωση. Οι τελικοί χάρτες παρουσιάζουν την κανονικοποιημένη χωρική πιθανότητα να κυμαίνεται μεταξύ 0-1. Εικόνα 6.24: Κατανομή χωρικής πιθανότητας με χρήση του δείκτη LSIFR με τη χρήση βαρών Μοντέλο LRF Στη συνέχεια για το μοντέλο LRF (απουσία βαρών) στον Πίνακα 6.13 συγκεντρώνονται τα απαραίτητα μεγέθη ενώ στο διάγραμμα της Εικόνας 6.25 παρουσιάζεται η σχέση που συνδέει τη χωρική πιθανότητα με τις τιμές του LSI η οποία μπορεί να περιγραφεί από μία πολυωνυμική εξίσωση 3ου βαθμού: (46) και 0,0547 [190] (47)

198 Στη συνέχεια επαναλαμβάνεται η διαδικασία για το μοντέλο FR και τη χρήση βαρών (Πίνακας 6.14, Εικόνα 6.26). Πίνακας 6.13: Προσδιορισμός χωρικής πιθανότητας για το μοντέλο LRF χωρίς χρήση βαρών στο LSI Κλάση LSI LFR Έκταση Αριθμός Κανονικοποιημένη P(S) κλάσης(pix) κατολισθήσεων πιθανότητα 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,0 Χωρική Πιθανότητα (Κανονικοποιημένη) 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 P(S) = 0,7228LSI LFR 3-1,0779LSI LFR 2 + 1,133LSI LFR - 0, ,2 0,4 0,6 0,8 1 1,2 1,4 LSI LRF index Εικόνα 6.25: Συσχέτιση της χωρικής πιθανότητας με τον δείκτη LSI για το μοντέλο LRF χωρίς τη χρήση βαρών [191]

199 Πίνακας 6.14: Προσδιορισμός χωρικής πιθανότητας για το μοντέλο LRF με τη χρήση βαρών στο LSI Κλάση LSI LFR Έκταση Αριθμός Κανονικοποιημένη P(S) κλάσης(pix) κατολισθήσεων πιθανότητα 1 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,0 Χωρική Πιθανότητα (Κανονικοποιημένη) 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 P(S) = 9,6723LSI LRF ,661LSI LRF 2-1,8593LSI LRF + 0, ,05 0,1 0,15 0,2 0,25 0,3 LSI LRF index Εικόνα 6.26: Συσχέτιση της χωρικής πιθανότητας με τον δείκτη LSI για το μοντέλο LRF με τη χρήση βαρών [192]

200 Εικόνα 6.27: Κατανομή χωρικής πιθανότητας με χρήση του δείκτη LSI LRF χωρίς τη χρήση βαρών Εικόνα 6.28: Κατανομή χωρικής πιθανότητας με χρήση του δείκτη LSI LRF με τη χρήση βαρών [193]

201 Με τη χρήση των εξισώσεων που προσδιορίστηκαν (46) και (47) και τους αντίστοιχους χάρτες επιδεκτικότητας (Κεφάλαιο 5.3), προσδιορίζεται η χωρική πιθανότητα της περιοχής έρευνας σε περιβάλλον GIS (Εικόνα 6.27 και Εικόνα 6.28). Μοντέλο WoE Τέλος, για το μοντέλο WoE (απουσία βαρών) στον Πίνακα 6.15 συγκεντρώνονται τα αντίστοιχα μεγέθη για τον προσδιορισμό της πιθανότητας, ενώ στο διάγραμμα της Εικόνας 6.29 παρουσιάζεται η σχέση που συνδέει τη πιθανότητα αυτή με τις τιμές του LSI η οποία και εδώ περιγράφεται από μία πολυωνυμική εξίσωση 3ου βαθμού: 0,1333 (48) 0,1257 (49) και Στη συνέχεια επαναλαμβάνεται η διαδικασία για το μοντέλο WoE και τη χρήση βαρών (Πίνακας 6.16, Εικόνα 6.30). Πίνακας 6.15: Προσδιορισμός χωρικής πιθανότητας για το μοντέλο WoE χωρίς τη χρήση βαρών στο LSI Κλάση LSIWoE ,64-3,00-2,37-1,73-1,09-0,46 0,18 0,81 1,45 2,09 2,72 3,36 4,00 4,63 5,27 5,90 6,54 7,18 7,81 8,45 Έκταση κλάσης(pix) Αριθμός κατολισθήσεων [194] P(S) 0, , , , , , , , , , , , , , , , , , , , Κανονικοποιημένη πιθανότητα 0, , , , , , , , , , , , , , , , , , ,

202 1,0 0,9 P(S) = 0,0008LSI WoE 3 + 0,0009LSI WoE 2 + 0,0314LSI WoE + 0,1333 Χωρική Πιθανότητα (Κανονικοποιημένη) 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0-5,00 0,00 LSI WoE index 5,00 10,00 Εικόνα 6.29: Συσχέτιση της χωρικής πιθανότητας με τον δείκτη LSI για το μοντέλο WoE χωρίς τη χρήση βαρών Πίνακας 6.16: Προσδιορισμός χωρικής πιθανότητας για το μοντέλο WoE με τη χρήση βαρών στο LSI Κλάση LSI WoE Έκταση Αριθμός Κανονικοποιημένη P(S) κλάσης(pix) κατολισθήσεων πιθανότητα 1-0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , [195]

203 Χωρική Πιθανότητα (Κανονικοποιημένη) 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 P(S) = 0,0971LSI WoE 3 + 0,0211LSI WoE 2 + 0,1512LSI WoE + 0, ,5 0 0,5 1 1,5 2 LSI WoE index Εικόνα 6.30: Συσχέτιση της χωρικής πιθανότητας με τον δείκτη LSI για το μοντέλο WoE με τη χρήση βαρών Εικόνα 6.31: Κατανομή χωρικής πιθανότητας με χρήση του δείκτη LSI WoE χωρίς τη χρήση βαρών [196]

204 Εικόνα 6.32: Κατανομή χωρικής πιθανότητας με χρήση του δείκτη LSI WoE με τη χρήση βαρών Από την εφαρμογή των σχέσεων (48) και (49) στους αντίστοιχους χάρτες επιδεκτικότητας (Κεφάλαιο 5.3) σε περιβάλλον GIS σχεδιάζονται οι χάρτες χωρικής πιθανότητας (Εικόνα 6.31 και Εικόνα 6.32). Συγκρίνοντας τις τιμές πιθανότητας που υπολογίζονται διαπιστώνεται πώς α) η σχέση που συνδέει πιθανότητα και βαθμό επιδεκτικότητας περιγράφεται μέσω κάποιας πολυωνυμικής εξίσωσης 3ου βαθμού, β) οι μέγιστες τιμές χωρικής πιθανότητας που υπολογίζονται εμφανίζονται στις περιοχές όπου τα μοντέλα επιδεκτικότητας έχουν χαρακτηρίσει ως περιοχές υψηλού βαθμού επιδεκτικότητας Υπολογισμός επικινδυνότητας κατολισθήσεων Όπως ήδη έχει αναφερθεί η επικινδυνότητα των κατολισθήσεων σε μία περιοχή προκύπτει ως το γινόμενο των πιθανοτήτων των επιμέρους μεγεθών που οριοθετούν α) το χρονικό πλαίσιο στο οποίο θα γίνουν οι κατολισθήσεις, β) το μέγεθος που θα έχουν και γ) τις περιοχές που μπορούν να γίνουν. Η επικινδυνότητα κατολισθήσεων μίας περιοχής δεν είναι μονοσήμαντη αλλά μεταβάλλεται σύμφωνα με τα σενάρια που θέλει ο κάθε ερευνητής να διερευνήσει σύμφωνα με τη Σχέση (21). [197]

205 Για παράδειγμα ένας χάρτης επικινδυνότητας που θα αναφέρεται στην πιθανότητα τα επόμενα 5 χρόνια να συμβούν κατολισθήσεις μεγέθους 0,01km 2, χώρις την επίδραση κάποιου συγκεκριμένου εναύσματος, θα διαφέρει από το σενάριο που θα προσδιορίζει την πιθανότητα να εμφανιστούν λόγω βροχοπτώσεων, δηλαδή παρουσία συγκεκριμένου εναύσματος, κατολισθήσεις 0,001km 2. Με βάση τις επιμέρους πιθανότητες που προσδιορίστηκαν για την περιοχή έρευνας παραπάνω, γίνεται δυνατός ο προσδιορισμός της επικινδυνότητας κατολισθήσεων για πολλά διαφορετικά σενάρια. Στη συνέχεια θα παρουσιαστούν ενδεικτικά πέντε (5) διαφορετικά σενάρια και οι χάρτες επικινδυνότητας που προκύπτουν βάση αυτών, ενώ θα σχολιαστούν τα συμπεράσματα που εξάγονται. Σενάριο 1 Στο Σενάριο 1 σκοπός είναι, να προσδιοριστεί η επικινδυνότητα κατολισθήσεων για την περιοχή, έρευνας για τα επόμενα 5 χρόνια ( ) χωρίς την παρουσία κάποιου παράγοντα εναύσματος για κατολισθήσεις με έκταση 0,01km 2 (10000m 2 ) και για επιδεκτικότητα που υπολογίζεται μέσω του μοντέλου FR (με χρήση βαρών). Εικόνα 6.33: Χάρτης επικινδυνότητας κατολισθήσεων για το Σενάριο 1 [198]

206 Συνδέοντας τα μεγέθη αυτά στους όρους της Σχέσης (1), η χρονική πιθανότητα θα υπολογιστεί για T=5 ( ) στη σχέση (33) (Εικόνα 6.10) και η πιθανότητα έκτασης για εμβαδό 0,01km 2 από το διάγραμμα της Εικόνας 6.6 παίρνει την τιμή 0,1. Η χωρική πιθανότητα δίνεται στον χάρτη της Εικόνας Χρησιμοποιώντας τα δεδομένα αυτά και τη Σχέση (21) κατασκευάζεται ο χάρτης επικινδυνότητας κατολισθήσεων που ανταποκρίνεται στο Σενάριο 1 (Εικόνα 6.33). Όπως φαίνεται στο χάρτη επικινδυνότητας του Σεναρίου 1 η πιθανότητα να συμβεί μία τόσο εκτεταμένη κατολίσθηση την επόμενη πενταετία είναι μικρότερη από 0,1. Σενάριο 2 Όμοιο με το Σενάριο 1 μόνο που εδώ αναζητείται η επικινδυνότητα για κατολισθήσεις μικρότερης έκτασης, 0,001km 2 (1000m 2 ) και έτσι αυτό που αλλάζει είναι ο όρος με τιμή 0,82 (Εικόνα 6.6). Ο χάρτης επικινδυνότητας κατολισθήσεων για το Σενάριο 2 όπως φαίνεται και στην Εικόνα 6.34 εμφανίζει περιοχές με πιθανότητα 0,4, ή μικρότερη, που μπορούν να εμφανίσουν τα επόμενα πέντε χρόνια κατολισθήσεις με έκταση 1000m 2. Εικόνα 6.34: Χάρτης επικινδυνότητας κατολισθήσεων για το Σενάριο 2 [199]

207 Σενάριο 3 Προσδιορίζεται η επικινδυνότητα για κατολισθήσεις που προκαλούνται από φαινόμενα βροχόπτωσης, δηλαδή με την παρουσία εναύσματος, με έκταση 0,001km 2 και για επιδεκτικότητα που υπολογίζεται μέσω του μοντέλου FR. Η χρονική πιθανότητα δίνεται στον χάρτη της Εικόνας 6.3 και η πιθανότητα έκτασης για εμβαδό 0,001km 2 από το διάγραμμα της Εικόνας 6.6 παίρνει την τιμή 0,82. Η χωρική πιθανότητα δίνεται στον χάρτη της Εικόνας Χρησιμοποιώντας τα δεδομένα αυτά και τη Σχέση (21) κατασκευάζεται ο χάρτης επικινδυνότητας κατολισθήσεων που ανταποκρίνεται στο Σενάριο 3 (Εικόνα 6.35). Η υψηλότερη τιμή επικινδυνότητας που σημειώνεται είναι 0,46 και εντοπίζεται στην υδρολογική λεκάνη του Μεγανίτη. Εικόνα 6.35: Χάρτης επικινδυνότητας κατολισθήσεων για το Σενάριο 3 Σενάριο 4 Η επικινδυνότητα κατολισθήσεων έκτασης 0,001km 2 που μπορούν να προκληθούν από ένα κρίσιμο γεγονός βροχόπτωσης με χρήση του μοντέλου επιδεκτικότητας WoE με χρήση βαρών. [200]

208 Οι τιμές του αντλούνται από τον χάρτη της Εικόνας Στη λεκάνη του Μεγανίτη η μέγιστη πιθανότητα εμφάνισης κατολισθήσεων σύμφωνα με τις συνθήκες που προτείνει το Σενάριο 4 παίρνει τιμή 0,66. Στη λεκάνη του Κερυνίτη η επικινδυνότητα φτάνει μέχρι 0,17 (Εικόνα 6.36). Εικόνα 6.36: Χάρτης επικινδυνότητας κατολισθήσεων για το Σενάριο 4 Σενάριο 5 Η επικινδυνότητα των κατολισθήσεων όταν δεν λαμβάνεται υπόψη κάποιο έναυσμα, για τα επόμενα 5 χρόνια. Η έκταση των κατολισθήσεων να είναι 0,001km 2 και οι τοπικές συνθήκες, δηλαδή η επιδεκτικότητα, να ακολουθούν το μοντέλο WoE με χρήση των βαρών που έχουν προσδιοριστεί για τον κάθε παράγοντα. Ο χάρτης επικινδυνότητας που προκύπτει (Εικόνα 6.37) κατανέμει τη πιθανότητα εμφάνισης κατολισθήσεων με τις προϋποθέσεις που ορίζει το Σενάριο 5 στην περιοχή έρευνας η μέγιστη τιμή της οποίας είναι 0,71. [201]

209 Εικόνα 6.37: Χάρτης επικινδυνότητας κατολισθήσεων για το Σενάριο Σχόλια - Συμπεράσματα Η εκτίμηση της επικινδυνότητας των κατολισθήσεων όπως ήδη έχει αναφερθεί είναι ένα σύνθετο και σημαντικό στάδιο της διαχείρισης του κινδύνου των κατολισθήσεων. Καθώς ο υπολογισμός της στηρίζεται στα μεγέθη α) της πιθανότητας μεγέθους P AL, β) της χρονικής πιθανότητας P N και γ) της χωρικής πιθανότητας P S, η διερεύνηση τους στο πλαίσιο της παρούσας διατριβής μπορεί να εξάγει κάποια συμπεράσματα. Σχετικά με την πιθανότητα μεγέθους P AL, γίνεται σαφές ότι ο προσδιορισμός της επιτρέπεται μόνο σε περιπτώσεις που διατίθενται στοιχεία μεγέθους των κατολισθήσεων. Στην προκειμένη περίπτωση χρησιμοποιήθηκε η έκταση, μπορεί όμως επίσης να χρησιμοποιηθεί ο όγκος της κατολίσθησης ή η ταχύτητα κίνησής της. Χωρίζοντας το αρχείο των κατολισθήσεων σε τρεις διαφορετικές κατά σειρά χρονικές περιόδους και παρατηρώντας τις μεταβολές της έκτασης, προκύπτει ότι με το πέρασμα του χρόνου και μέχρι σήμερα, ο αριθμός των κατολισθήσεων αυξάνεται, αλλά μειώνεται σημαντικά η έκταση τους. Έτσι, η πιθανότητα να σημειωθεί μία κατολίσθηση διαστάσεων 0,01km 2 είναι 0,1 ενώ μία κατολίσθηση διαστάσεων 0,001 km 2 0,82. [202]

210 Ο προσδιορισμός της χρονικής πιθανότητας, αποτέλεσε ένα πρωταρχικό στάδιο προσδιορισμού με τα αποτελέσματα να εξαρτώνται σε μεγάλο βαθμό από τον αριθμό των κατολισθήσεων που καταγράφονται στην περιοχή έρευνας για μία σειρά ετών. Όσο πιο εκτενές το αρχείο, δεδομένης της έκτασης που εξετάζεται, τόσο καλύτερη και η εκτίμηση του συγκεκριμένου μεγέθους. Σημαντική προϋπόθεση είναι η γνώση της τοποθέτησης των καταγραφών στον χρόνο. Η πληροφορία αυτή είναι το ίδιο σημαντική και για τον προσδιορισμό της χρονικής πιθανότητας με έμμεσο τρόπο, για την ύπαρξη κάποιου παράγοντα εναύσματος. Εδώ μελετήθηκε η πιθανότητα εκδήλωσης κατολισθήσεων χρησιμοποιώντας σαν έναυσμα τη βροχόπτωση καθώς υπήρχαν αρκετές καταγραφές που συνδέονται με κάποια σημαντικά γεγονότα βροχόπτωσης. Σε επόμενα στάδια προτείνεται: α) συστηματική καταγραφή κατολισθήσεων μετά από έντονα γεγονότα βροχόπτωσης, β) συγκέντρωση και επεξεργασία ωριαίων και ημερήσιων βροχομετρικών δεδομένων για τις επιμέρους υδρολογικές λεκάνες που εξετάστηκαν, γ) η παρακολούθηση περιοχών μικρότερης έκτασης επιδεκτικές σε κατολισθήσεις με βροχομετρικούς σταθμούς πραγματικού χρόνου και εξέταση των παραμέτρων εκείνων που επηρεάζονται και δυνητικά μπορεί να προκαλέσουν αστοχία (υδρολογικό μοντέλο, συντελεστές ασφάλειας κτλ). Τα αποτελέσματα προσδιορισμού αυτού του μεγέθους αναδεικνύουν τη λεκάνη του Μεγανίτη να συνδέεται με την εμφάνιση κατολισθήσεων λόγω βροχόπτωσης, και η σχέση των κατώτερων ορίων της λεκάνης να επιβεβαιώνεται με επιτυχία. Η χωρική πιθανότητα P(S) στηρίζεται εξ ολοκλήρου στην επιτυχία των μοντέλων επιδεκτικότητας που επιλέχτηκαν, να προβλέπουν και να κατατάσσουν σωστά τις κατολισθήσεις στις διάφορες κλάσεις επιδεκτικότητας βάση του δείκτη LSI. Η επιλογή των κατάλληλων μοντέλων είναι κάθε φορά αυτή που θα κρίνει την αξιοπιστία της πιθανότητας που θα υπολογιστεί. Σημειώνεται ότι, οι περιοχές που έχουν κριθεί ως οι πλέον επιδεκτικές σε κατολισθήσεις θα εμφανίζουν και τις υψηλότερες τιμές χωρικής πιθανότητας. Τα 5 σενάρια που εξετάστηκαν αποτελούν ένα δείγμα των διάφορων σεναρίων που μπορούν να γίνουν για την εκτίμηση της επικινδυνότητας, ανάλογα με τις ανάγκες που κάθε φορά υπάρχουν. Από αυτά τα σενάρια το Σενάριο 5 παρουσιάζει τοπικά πιθανότητα εκδήλωσης κατολισθήσεων 0,7 και το Σενάριο 6 πιθανότητα 0,66. Η εφαρμογή ζωνωποίησης του κινδύνου σε κρίσιμα σενάρια που θα καθοριστούν από την διεξοδική παρακολούθηση των συνθηκών που επικρατούν αλλά και τις συνέπιες των φαινομένων, μπορεί να αποτελέσει σημαντικό εργαλείο στη διαχείριση του κινδύνου. [203]

211 6.7. Εκτίμηση επικινδυνότητας κατολισθήσεων λόγω σεισμού Εισαγωγή Έκτος από τις βροχοπτώσεις και συγκεκριμένα κρίσιμα γεγονότα αυτών, σεισμικές δονήσεις μπορούν επίσης να ευθύνονται για την εκδήλωση κατολισθητικών φαινομένων. Υπάρχουν πολλές αναφορές, τόσο στον Ελλαδικό χώρο όσο και σε άλλες χώρες που χαρακτηρίζονται από έντονη σεισμικότητα, να καταγράφονται αρκετές κατολισθήσεις μετά από ένα ισχυρό σεισμικό γεγονός. Μερικά παραδείγματα για την Ελλάδα αναφέρονται στο Κεφάλαιο Όπως ήδη έχει αναλυθεί σε προηγούμενα Κεφάλαια η επικινδυνότητα κατολισθήσεων συνδέεται με την έννοια της πιθανότητας και για την εκτίμηση της απαιτούνται δεδομένα κατολισθήσεων του παρελθόντος. Προκειμένου να προσδιοριστεί με αυτόν τον τρόπο η επικινδυνότητα σεισμικών κατολισθήσεων θα πρέπει να χρησιμοποιηθούν αρχεία καταγραφής κατολισθήσεων που θα συνδέονται με συγκεκριμένα σεισμικά γεγονότα. Στη διεθνή βιβλιογραφία αναφέρονται διάφορες μεθοδολογίες ποσοτικής σύνδεσης σεισμικών γεγονότων και κατολισθήσεων. O Keefer 1984, προτείνει κάποια κρίσιμα όρια μεγέθους σεισμού που μπορούν να προκαλέσουν κατολισθήσεις. Οι Wilson and Keefer 1985, προτείνουν τη χρήση της έντασης Arias (Arias 1970), που ποσοτικοποιεί την εδαφική κινητική ενέργεια και την έννοια της μετατόπισης Newmark (Newmark 1965) που εκτιμά τις μόνιμες μετασεισμικές μετατοπίσεις σε μία επιφάνεια αστοχίας. Στη συνέχεια ο Jibson 2000, χρησιμοποιώντας δεδομένα από ένα συγκεκριμένο σεισμικό γεγονός ανέπτυξε μια εξίσωση παλινδρόμησης που συνδέει την πιθανότητα αστοχίας με τις μετατοπίσεις Newmark που αναμένονται, η οποία μπορεί να χρησιμοποιηθεί σε όλες τις εδαφικές δονήσεις. Πιο σύγχρονες εργασίες χρησιμοποιούν πιθανολογικές προσεγγίσεις (Del Gaudio et al 2003, Rathe and Saygili 2008, Rajabi et al 2013) ώστε να προσδιοριστεί ο χρόνος επανεμφάνισης σεισμικών κατολισθήσεων. Το μοντέλο δυναμικής συμπεριφοράς των πρανών του Newmark 1965, στηρίζεται στην ανάλυση των μόνιμων μετατοπίσεων. Η μέθοδος Newmark μοντελοποιεί μία κατολίσθηση ως ένα άκαμπτο μπλοκ τριβής που ολισθαίνει σε ένα κεκλιμένο πρανές. Το μπλοκ έχει μία γνωστή κρίσιμη επιτάχυνση Α c, η οποία είναι απλά το κατώτατο όριο επιτάχυνσης που απαιτείται για να ξεπεραστεί η διατμητική αντοχή και να προκληθεί ολίσθηση (Jibson et al 2000). Η κρίσιμη επιτάχυνση A c που υπολογίζεται σε επίπεδο εθνικής κλίμακας προσαρμόζεται σε πραγματική κρίσιμη επιτάχυνση α c, λαμβάνοντας υπόψη τις συνθήκες που επικρατούν (τοπογραφικές, τεχνικογεωλογικές κτλ) και έχει χαρακτήρα τοπικό. [204]

212 Η ένταση Arias (Arias 1970), ορίζεται ως η συνολική ενέργεια που συσσωρεύεται από ένα σύνολο μη αποσβημένων απλών ταλαντώσεων στο τέλος ενός σεισμού. Η ένταση Arias για μία εδαφική κίνηση σε μία διεύθυνση X υπολογίζεται ως: (50) όπου η επιτάχυνση και η συνολική διάρκεια της σεισμικής δόνισης Προσδιορισμός σεισμολογικών παραμέτρων Στη παρούσα διατριβή η προσέγγιση που ακολουθείται βασίζεται στην πιθανολογική εκτίμηση της σεισμικής επικινδυνότητας κατολισθήσεων, για διαφορετικές εδαφικές συνθήκες σε όρους έντασης Arias και την εξαγωγή χαρτών που θα αποτυπώνουν τις ελάχιστες τιμές αντίστασης που απαιτούνται από τα πρανή, προκειμένου να διατηρήσουν την πιθανότητα αστοχίας τους, χαμηλότερη από μια δεδομένη τιμή. Οι χάρτες αυτοί αποτυπώνουν διαφορετικά την επιδεκτικότητα της περιοχής έρευνας σε αστοχία λόγω σεισμικών δονήσεων. Η προσέγγιση που ακολουθείται λαμβάνει υπόψη τα χαρακτηριστικά της σεισμικότητας μίας ορισμένης περιοχής και εκτιμά την κρίσιμη επιτάχυνση που πρέπει να έχουν τα πρανή, ώστε να προσδιοριστούν τα όρια της πιθανότητας ότι η μετατόπιση Newmark θα παίρνει μία κρίσιμη τιμή σε χρόνο. Η κρίσιμη επιτάχυνση που προκύπτει, τελικά αντιπροσωπεύει την αντοχή των πρανών που απαιτείται προκειμένου να διατηρηθεί η πιθανότητα αστοχίας λόγω σεισμού, κάτω από ένα καθορισμένο όριο, για το χρονικό διάστημα που έχει οριστεί. Ως κρίσιμες τιμές της μετατόπισης Newmark λαμβάνονται υπόψη τα 10cm και 2cm που αντιστοιχούν σε κατολισθήσεις εδαφικών σχηματισμών (coherent) και βραχωδών σχηματισμών (incoherent) (Wilson and Keefer 1985, Chousianitis et al 2016). Επίσης η χρονική πιθανότητα για το χρόνο που προσδιορίζεται η είναι 10% για 50 χρόνια. Η ένταση Arias υπολογίζεται σύμφωνα με τη μέθοδο Cornell (1968) για περίοδο επαναφοράς 475 χρόνια για βραχώδεις (Εικόνα 6.38α) και εδαφικές περιοχές (Εικόνα 6.38β). [205]

213 α β Εικόνα 6.38: Ένταση Arias για περίοδο επαναφοράς 475 χρόνια για α) βραχώδεις περιοχές και β) εδαφικές περιοχές (Chousianitis et al 2016) α β Εικόνα 6.39: Πιθανότητα υπέρβασης των κρίσιμων τιμών της έντασης Arias σε 50 χρόνια α) για βραχώδεις περιοχές και β) για εδαφικές περιοχές (Chousianitis et al 2016) Αρχικά προσδιορίζεται η πιθανότητα υπέρβασης διάφορων επιπέδων σεισμικής δόνησης, σε όρους έντασης Arias όπως προτείνεται από τους Chousianitis et al 2014 για περίοδο επαναφοράς 50 χρόνια: (51) για βραχώδεις περιοχές (Εικόνα 6.39α) και για εδαφικές περιοχές (Εικόνα 6.39β) (52) [206]

214 όπου το μέγεθος του σεισμού, η επικεντρική απόσταση και η επίδραση του εστιακού μηχανισμού ενώ υπολογίζεται σε μονάδες ταχύτητας (m/s). Για τον υπολογισμό της πιθανότητας υπέρβασης της μετατόπισης Newmark,, χρησιμοποιείται η εμπειρική σχέση που συνδέει τη μετατόπιση Newmark με την ένταση Arias,, και την κρίσιμη επιτάχυνση των πρανών: (53) όπου η ένταση Arias και η κρίσιμη επιτάχυνση Η σχέση (53) χρησιμοποιείται για την εκτίμηση της πιθανότητας ύπαρξης τιμών μετατόπισης D n των 2 ή 10cm σε διακριτές τιμές έντασης Arias και για προσαρμοσμένες (τεχνητές) τιμές κρίσιμης επιτάχυνσης a c. Κατά την εφαρμογή της σχέσης (53), χρησιμοποιούνται οι γνωστές τιμές Ι α στη μορφή δικτύου κόμβων και θέτοντας ως στόχο πιθανότητας υπέρβασης των D n2cm και D n10cm το 10% στα 50 χρόνια, αναζητούνται οι τιμές εκείνες της a c που θα οδηγήσουν στην επαλήθευσή της. Ο μέσος όρος του εύρους των τιμών a c που τελικά υπολογίζονται δίνει την τιμή για κάθε κόμβο. α β Εικόνα 6.40: Δυναμική απαίτηση, εκφρασμένη προς κρίσιμη σεισμική επιτάχυνση, με τιμή υπέρβασης μετατόπισης Newmark ίση με α) 2cm για βραχώδεις περιοχές και β) 10cm για εδαφικές περιοχές (Chousianitis et al 2016) Οι χάρτες κατανομής της έντασης Arias ή της πιθανότητας υπέρβασης της δίνουν μία αδρή εικόνα του σεισμικού κινδύνου που σχετίζεται με την εμφάνιση κατολισθήσεων καθώς δεν λαμβάνουν υπόψη την εδαφική παραμόρφωση λόγω του σεισμού. Στη συνέχεια σχεδιάζονται χάρτες με τη χωρική κατανομή της ελάχιστης κρίσιμης επιτάχυνσης που απαιτείται προκειμένου τα πρανή, να βρίσκονται μέσα στο 10% πιθανότητας ότι η [207]

215 μετατόπιση D n θα σημειώνει τιμές 2 και 10 cm σε βραχώδεις και εδαφικές περιοχές αντίστοιχα τα επόμενα 50 χρόνια. Έτσι, με τη χρήση των μετατοπίσεων Newmark, οι χάρτες μετατρέπονται σε χάρτες δυναμικών απαιτήσεων με τιμές κρίσιμης σεισμικής επιτάχυνσης για βραχώδεις περιοχές (Εικόνα 6.40α) και (Εικόνα 6.40β) που υπολογίστηκαν. για εδαφικές περιοχές Τέτοιοι χάρτες μπορούν να χρησιμοποιηθούν με σκοπό να αναγνωριστούν περιοχές επιρρεπείς σε αστοχίες λόγω σεισμικότητας (Chousianitis et al 2016). Η χωρική κατανομή της χρησιμοποιείται ως βάση, για άμεση σύγκριση με τις τιμές της πραγματικής κρίσιμης επιτάχυνσης a c, σε μεγαλύτερες κλίμακες σύμφωνα με τις τοπικές συνθήκες. Γενικά σε τέτοιους χάρτες, περιοχές όπου a c <A c ) x σημειώνουν σημαντική πιθανότητα δυνητικής αστοχίας κάτω από την επίδραση σεισμικής δραστηριότητας. Στο πλαίσιο της παρούσας διατριβής, γίνεται σε αυτή την κατεύθυνση ο προσδιορισμός της σεισμικής επικινδυνότητας κατολισθήσεων στην περιοχή έρευνας Υπολογισμός τοπικής κρίσιμης επιτάχυνσης Για τον προσδιορισμό των τοπικών συνθηκών (τεχνικογεωλογικές και τοπογραφικές συνθήκες) γίνεται χρήση του συντελεστή ασφάλειας (factor of safety, F s ) των πρανών της περιοχής έρευνας. Ο συντελεστής ασφάλειας χρησιμοποιείται στις αναλύσεις ευστάθειας των πρανών και ελέγχει τη σχέση των δυνάμεων που τείνουν να προκαλέσουν αστοχία με τις δυνάμεις που αντιτίθεται σε αυτή. Διαφορετικά, εκφράζει το κατά πόσο πρέπει να μειωθεί η διατμητική αντοχή του εδάφους ώστε να καταστήσει την προς ολίσθηση μάζα σε κατάσταση οριακής ισορροπίας κατά μήκος μίας συγκεκριμένης επιφάνειας ολίσθησης. Το πλέον διαδεδομένο μοντέλο οριακής ισορροπίας που χρησιμοποιείται στη διαδικασία προσδιορισμού της σεισμικής επιτάχυνσης είναι το μοντέλο πρανούς απείρου μήκους (infinite slope model) (Skepton and Delory, 1957). Το μοντέλο αυτό θεωρεί την αστοχία να συμβαίνει κατά μήκος μίας επίπεδης επιφάνειας ολίσθησης, με την εδαφική μάζα που ολισθαίνει να έχει μικρό πάχος σε σχέση με το μήκος της, δίνοντας την εικόνα ότι κινείται επ άπειρον. Η επιφάνεια ολίσθησης είναι επίπεδη και παράλληλη προς την επιφάνεια του πρανούς και ο συντελεστής ευστάθειας δίνεται από τη σχέση: (54) όπου η ενεργή συνοχή (kpa), η ενεργή γωνία εσωτερικής τριβής ( ο ), το φαινόμενο βάρος (kn/m 3 ), το βάθος ολίσθησης, η κλίση του πρανούς και ο συντελεστής πίεσης [208]

216 των πόρων (Bishop & Morgenstern 1960). Ο συντελεστής πίεσης πόρων δίνεται από τον λόγο: (55) όπου η πίεση των πόρων (u=γ w Z w ), η πυκνότητα του νερού ( 10 kn/m 3 ), η στάθμη του υδροφόρου ορίζοντα και Ζ το πάχος του ορίζοντα που ολισθαίνει. Στο σημείο αυτό σημειώνεται πώς το συγκεκριμένο μοντέλο ολίσθησης (infinite slope) χρησιμοποιείται εξ ορισμού για τη μελέτη της οριακής ισορροπίας εδαφικών πρανών και όχι σε περιπτώσεις βραχομάζας. Παρόλα αυτά στη συγκεκριμένη διαδικασία κατά Newmark γίνεται η αδρή παραδοχή ότι λειτούργει και στις δύο περιπτώσεις απλουστεύοντας με αυτόν τον τρόπο τη διαδικασία υπολογισμού του συντελεστή ασφάλειας. Μετά τον προσδιορισμό του συντελεστή ασφάλειας με τη χρήση της Σχέσης (54) που αποτελεί βασικό στάδιο στο μοντέλο του Newmark, ακολουθεί ο υπολογισμός των τιμών της πραγματικής κρίσιμης επιτάχυνσης a c, για τη σύνδεση της δυναμικής ευστάθειας ενός πρανούς με τη στατική ευστάθεια που ορίζει ο συντελεστής ευστάθειας και τη γεωμετρία του πρανούς σύμφωνα με τη σχέση: (56) όπου ο συντελεστής ασφάλειας, η επιτάχυνση της βαρύτητας (m/s 2 ) και η κλίση του πρανούς. Αρχικά, για τον προσδιορισμό του συντελεστή ασφάλειας στη περιοχή μελέτης απαιτείται ο προσδιορισμός των γεωτεχνικών παραμέτρων που χρησιμοποιεί το μοντέλο ευστάθειας και χαρακτηρίζουν τις τεχνικογεωλογικές ενότητες που εντοπίζονται στη περιοχή έρευνας (Εικόνα 6.41). Για τις ενότητες αυτές, όπως περιγράφηκαν στον Πίνακα 5.1 (στο Κεφάλαιο 5.2) αποδόθηκαν οι γεωτεχνικές παράμετροι,, και. Οι συγκεκριμένες παράμετροι είναι εξαιρετικά επισφαλές να αποδοθούν με κάποιες συγκεκριμένες τιμές καθόσον αντιπροσωπεύουν σύνθετες τεχνικογεωλογικές ενότητες, που κάθε μία περιλαμβάνει διαφορετικής σύστασης και φυσικής κατάστασης γεωυλικά. Παρόλα αυτά, (α) με τη χρήση ενός εκτενούς αρχείου αποτελεσμάτων εργαστηριακών δοκιμών σε αδιατάρακτα δείγματα, (β) την εφαρμογή αντίστροφων αναλύσεων ευστάθειας σε επιλεγμένα πρανή που είχαν αστοχήσει, κυρίως στις ενότητες που εφαρμόζεται το [209]

217 μοντέλο infinite slope (VII, VI και IX), (γ) τη χρήση των συστημάτων ταξινόμησης της βραχομάζας RMR (Rock Mass Rating) και GSI (Geological Strength Index) κυρίως στις ενότητες V και VIII και (δ) της υπάρχουσας εμπειρίας για τη γενικότερη συμπεριφορά των σχηματισμών στην ευρύτερη περιοχή από τον σχεδιασμό διάφορων τεχνικών έργων, έγινε η επιλογή των αντιπροσωπευτικών τιμών των γεωτεχνικών παραμέτρων για όλους τους σχηματισμούς που συναντώνται στη περιοχή έρευνας (Πίνακας 6.17). Εικόνα 6.41: Απλοποιημένος τεχνικογεωλογικός χάρτης περιοχής έρευνας Για το συντελεστή r u για τις τεχνικογεωλογικές ενότητες δόθηκαν τιμές μεταξύ 0 και 0,4. Η τιμή 0 αναφέρεται σε ξηρές συνθήκες εδάφους (θερινούς μήνες) ενώ τιμές πάνω από το 0 αντιπροσωπεύουν υγρές συνθήκες (χειμερινούς μήνες) και γενικά κυμαίνονται μεταξύ 0,1 με 0,2 στους διαπερατούς σχηματισμούς, ενώ η τιμή του μπορεί να φτάσει το 0,4 στους λιγότερο διαπερατούς σχηματισμούς. Όσον αφορά την τιμή α που αναφέρεται στην κλίση των πρανών χρησιμοποιήθηκε ο χάρτης κλίσεων της Εικόνας 5.4 (στο Κεφάλαιο 5.2). Επίσης ως βάθος ολίσθησης για όλους τους υπολογισμούς χρησιμοποιήθηκαν τα 5m. Συνδυάζοντας τα μεγέθη αυτά μέσω της Σχέσης (54) σε περιβάλλον GIS δημιουργήθηκε ο χάρτης που αποτυπώνει την κατανομή του συντελεστή ασφάλειας Fs στη περιοχή έρευνας, τόσο για υγρές συνθήκες (Εικόνα 6.42) όσο και για ξηρές συνθήκες (Εικόνα 6.43). [210]

218 Πίνακας 6.17: Απλουστευμένες και ενδεικτικές τιμές γεωτεχνικών παραμέτρων που αντιστοιχούν σε κάθε τεχνικογεωλογική ενότητα που αναφέρεται στη περιοχή μελέτης Ενότητα Σχηματισμός Περιγραφή c' (kpa) φ' ( o ) Ι ΙΙ ΙΙΙ ΙV V VI VII VIII IX Πρόσφατες χαλαρές χονδρόκοκκες αποθέσεις Πρόσφατες χαλαρές αποθέσεις μικτών φάσεων Διλλουβιακοί, χονδρόκοκκοι σχηματισμοί Διλλουβιακοί, σχηματισμοί μικτών φάσεων Μαργαϊκά κροκαλοπαγή Αργιλικές μάργες Φλύσχης Ασβεστόλιθοι Σχιστόλιθοι- Ψαμμίτες- Κερατόλιθοι Χαλίκια με άμμο (GM, GP-GM, GW- GM, GC) με κροκάλες και ιλυώδεις άμμους (SM, SM-SC) Καστανού τεφροκάστανου χρώματος άργιλοι (CL, CH) και ιλύες (ML, ML- CL) με ενστρώσεις αμμοίλύων (SM, SM-SC) Καστανά-καστανέρυθρα πυκνά αμμώδη και αρχιλώδη χαλίκια (GW- GM, GC) με κροκάλες - χαλαρά κροκαλοπαγή Καστανέρυθρες έως τεφροκάστανες ιλύες και αμμώδεις άργιλοι (CL, CH, ML), με ενστρώσεις άμμων, αργιλοϊλυωδών άμμων, ιλυωδών άμμων και αργιλωδών χαλικιών (GW- GM, GC, SM) Μέτρια-καλά συγκολημμένα κροκαλοπαγή με κροκάλες(ασβεστολιθικής, ψαμμιτικής και κερατολιθικής προέλευσης) με αργιλικό-μαργαϊκό συνδετικό υλικό. Πλειο-Πλειστοκαινικά ποτάμια και ποταμολιμναία ιζήματα, που περιέχουν (α) κατώτερο ορίζοντα τεφρών στιφρών ιλυούχων μαργών με πυκνές αμμοϊλύες (CL,CH, CL ML, ML, SM) και (β) ανώτερο ορίζοντα καστανών-κίτρινων στιφρών αργιλικών μαργών με πυκνή αμμοϊλύ(cl, ML, SM) Εναλλαγές στρωμάτων ψαμμιτών και αργιλικών σχηματισμών. Βραχομάζα έντονα αποσυνθεμένη και διερρηγμένη ζώνη αποσάθρωσης σχηματισμών της ζώνης Πίνδου Κρητιδικοί λεπτοστωματώδεις ασβεστόλιθοι. Βραχομάζα διαταραγμένη-κερματισμένη. Σχιστόλιθοι, ψαμμίτες και κερατόλιθοι. Βραχομάζα έντονα αποσυνθεμένη και διερρηγμένη γ b (knt/m 3 ) r u 50 * 25 18,5 0-0, ,0 0-0,2 70 * 28 19,0 0-0, ,5 0-0, ,0 0-0, ,0 0-0, ,0 0-0, ,0 0-0, ,0 0-0,4 * Η συνοχή αναφέρεται στο λεπτόκοκκο υλικό του σχηματισμού [211]

219 Εικόνα 6.42: Χάρτης κατανομής του συντελεστή ασφάλειας Fs για υγρές εδαφικές συνθήκες Εικόνα 6.43: Χάρτης κατανομής του συντελεστή ασφάλειας Fs για ξηρές εδαφικές συνθήκες Στη συνέχεια μέσω της Σχέσης (56) και των χαρτών κλίσης και συντελεστή ασφάλειας σε περιβάλλον GIS προσδιορίζεται η τιμή της κρίσιμης επιτάχυνσης για κάθε pixel της έκτασης της περιοχής έρευνας, τόσο για υγρές (Εικόνα 6.44) όσο και ξηρές συνθήκες (Εικόνα 6.45). [212]

220 Εικόνα 6.44: Χάρτης κατανομής των τιμών κρίσιμης επιτάχυνσης (a c ) για υγρές συνθήκες εδάφους Εικόνα 6.45: Χάρτης κατανομής των τιμών κρίσιμης επιτάχυνσης (a c ) για ξηρές συνθήκες εδάφους Επίσης, οι πραγματικές τιμές κρίσιμης επιτάχυνσης a c που υπολογίστηκαν, μπορούν να συνδυαστούν με τις τιμές (Α c ) x που αντιστοιχούν στην περιοχή έρευνας όπως αυτές παρουσιάζονται στις Εικόνες 6.46 για βραχώδεις σχηματισμούς και Εικόνα 6.47 για [213]

221 εδαφικούς σχηματισμούς. Ανάλογα με τον εδαφικό σχηματισμό, βραχώδη ή εδαφικό αποδόθηκαν αντίστοιχα οι τιμές (Α c ) 2 και (Α c ) 10. Εικόνα 6.46: Χάρτης χωρικής κατανομής κρίσιμης σεισμικής επιτάχυνσης (A c ) 2cm για βραχώδεις περιοχές στην περιοχή έρευνας Εικόνα 6.47: Χάρτης χωρικής κατανομής κρίσιμης σεισμικής επιτάχυνσης (A c ) 10cm για εδαφικές περιοχές στην περιοχή έρευνας [214]

222 Έτσι, συνδυάζοντας σε κοινό χάρτη τις τιμές (Α c ) 2 και (Α c ) 10 (Εικόνα 6.46 και Εικόνα 6.47) με τις τιμές του a c για υγρές (Εικόνα 6.44) και ξηρές (Εικόνα 6.45) συνθήκες, οριοθετούνται οι περιοχές εκείνες με τιμή πραγματικής κρίσιμης σεισμικής επιτάχυνσης a c μικρότερη της (Α c ) x, δηλαδή a c <(Α c ) x, που αναφέρονται σε πρανή με αξιοσημείωτη πιθανότητα αστοχίας στο μέλλον λόγω σεισμικής δραστηριότητας. Έτσι, στο χάρτη της Εικόνας 6.48 εντοπίζονται οι περιοχές με πιθανότητα αστοχίας σε υγρές συνθήκες ενώ στο χάρτη της Εικόνας 6.49 σε ξηρές συνθήκες. Σύμφωνα με αυτούς τους χάρτες επιδεκτικότητας οι περιοχές υψηλής επιδεκτικότητας εντοπίζονται κυρίως σε απότομα πρανή αποτελούμενα από σχιστοκερατολιθικούς σχηματισμούς ενώ σε υγρές συνθήκες η έκταση που καλύπτουν οι επιδεκτικές σε κατολισθήσεις περιοχές λόγω σεισμικής δραστηριότητας είναι πιο εκτεταμένες σε σύγκριση με αυτές της ξηρής περιόδου (Chousianitis et al 2016). Εικόνα 6.48: Χάρτης που οριοθετεί τις περιοχές με a c <(Α c ) x υποδεικνύοντας τα πρανή με πιθανότητα αστοχίας στο μέλλον λόγω σεισμικής δραστηριότητας σε περίοδο υγρών συνθηκών [215]

223 Εικόνα 6.49: Χάρτης που οριοθετεί τις περιοχές με a c <(Α c ) x υποδεικνύοντας τα πρανή με πιθανότητα αστοχίας στο μέλλον λόγω σεισμικής δραστηριότητας σε περίοδο ξηρών συνθηκών [216]