پیش بینی حساسیت زمین لغزش با استفاده از مدل های ترکیبی فاصله ماهالانوبیس و یادگیری ماشین (مطالعه موردی: حوزه آبخیز اوغان، استان گلستان)

  • سال انتشار: 1399
  • محل انتشار: فصلنامه پژوهش های دانش زمین، دوره: 11، شماره: 2
  • کد COI اختصاصی: JR_ESRJ-11-2_001
  • زبان مقاله: فارسی
  • تعداد مشاهده: 486
دانلود فایل این مقاله

نویسندگان

آیدینگ کرنژادی

گروه آبخیزداری، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

مجید اونق

گروه آبخیزداری، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

حمیدرضا پورقاسمی

گروه مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران

عبدالرضا بهره مند

گروه آبخیزداری، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

منوچهر معتمدی

دانشگاه SNHU، نیوهمپشیر، آمریکا

چکیده

هدف از تحقیق پیش رو، پهنه بندی حساسیت زمینلغزش در حوزه آبخیز اوغان، واقع در استان گلستان می­باشد. بدین منظور از دو مدل توانمند داده­کاوی شامل جنگل تصادفی و بیشینه آنتروپی استفاده گردید. زمین­لغزش­ها با استفاده از الگوریتم فاصله ماهالانوبیس به دو دسته ۷۰ درصد (واسنجی پارامترها و تعلیم مدل­ها) و ۳۰ درصد (اعتبارسنجی نتایج مدل­ها) تقسیم شدند. هم­چنین با توجه به مرور منابع گسترده، ۱۵ عامل موثر بر وقوع زمین­لغزش در منطقه موردمطالعه با روش تورم واریانس غربال، عوامل بهینه انتخاب و لایه­های رقومی عوامل در سامانه اطلاعات جغرافیایی تهیه شدند. به­منظور ارزیابی نتایج مدل­ها (قدرت یادگیری و اعتبارسنجی نتایج) از مقدار مساحت زیرمنحنی تشخیص عملکرد نسبی با استفاده از دو دسته داده واسنجی و اعتبارسنجی استفاده شد. نتایج حاصل از ارزیابی قدرت یادگیری مدل­ها نشان داد که مدل جنگل تصادفی و بیشینه آنتروپی به ­ترتیب با مقادیر سطح زیر منحنی ۹۲۳/۰ و ۹۱/۰ دارای قدرت یاگیری و برازش نسبتا مشابهی می­باشند. اگرچه در مرحله اعتبارسنجی مشخص گردید که مدل جنگل تصادفی با مقدار ۹/۰ نسبت به مدل بیشینه آنتروپی با مقدار ۸۵/۰ قدرت پیش­بینی و تعمیم نتایج بالاتری دارد. لذا مدل جنگل تصادفی به عنوان مدل برتر در ارزیابی حساسیت زمین­لغزش حوزه آبخیز اوغان معرفی گردید. براساس نتایج مدل جنگل تصادفی، حدود ۱۰ درصد از حوزه آبخیز اوغان در پهنه حساسیت زیاد و خیلی­زیاد به­وقوع زمین­لغزش قرار گرفته است. هم­چنین، عوامل بارش، شاخص تفاضلی پوشش گیاهی نرمال شده، شاخص ارتفاع از سطح نزدیک ترین زهکش، سنگ­شناسی و فاصله از جاده به عنوان مهم­ترین عوامل موثر در وقوع زمین­لغزش­های منطقه معرفی گردیدند.

کلیدواژه ها

بیشینه آنتروپی, جنگل تصادفی, سامانه اطلاعات جغرافیایی, مدل های یادگیری ماشین

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.