تهیه نقشه حساسیت فرونشست زمین با روش های یادگیری ماشین مبتنی بر درخت تصمیم (مطالعه موردی: منطقه اصفهان-برخوار)

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 495

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSSR-41-3_002

تاریخ نمایه سازی: 16 شهریور 1404

چکیده مقاله:

فرونشست زمین، یک مخاطره محیطی است که سبب بروز خسارت های زیادی به زیرساخت ها و تاسیسات و آثار و بناهای تاریخی شده است. منطقه اصفهان-برخوار نیز به­دلیل دارا­بودن آب و هوای خشک و همچنین به­لحاظ وضعیت توپوگرافی خاص، با پستی و بلندی های متنوع، از این مخاطره در امان نبوده است. در چند سال اخیر، استفاده از تکنیک سنجش از دور و به طور ویژه، روش تداخل سنجی راداری (InSAR)، برای تخمین نرخ فرونشست زمین در میان پژوهشگران علوم زمین، رواج پیدا کرده است. تاکنون­ تاثیر عوامل مختلفی همچون سطح آب زیرزمینی، ارتفاع منطقه و جنس خاک، بر فرونشست زمین در مطالعات گزارش شده است. با این حال، مطالعات کمی، حساسیت فرونشست زمین را بر­اساس این عوامل با روش های یادگیری ماشین­ مدل سازی کرده اند بنابراین­ در این پژوهش با اتکا به روش های یادگیری ماشین تصمیم، از­جمله درخت تصمیم (DT)، جنگل تصادفی (RF) و بوستینگ گرادیان شدید (XGBoost)، نقشه حساسیت فرونشست زمین در منطقه اصفهان-برخوار در ۵ کلاس (احتمال فرونشست بسیار زیاد، زیاد، متوسط، کم و بسیار کم) مدل سازی شد. روش InSAR در این پژوهش، تکنیک طول خط مبنای کوتاه (SBAS) بود که از ۱۴۵ تصویر صعودی ماهواره راداری سنتینل-۱، برای محاسبه نرخ فرونشست زمین، در بازه زمانی ۲۰۱۹ تا ۲۰۲۳ میلادی استفاده شد. همچنین در این پژوهش، تاثیر عوامل متعدد دیگری همچون وضعیت توپوگرافی (ارتفاع، شیب، جهت شیب و رطوبت توپوگرافی)، عوامل زمین شناسی (فاصله از گسل قم-زفره و جنس سنگ)، وضعیت پوشش زمینی (پوشش گیاهی و پوشش کاربری زمینی) و افت سطح آب زیرزمینی، در مدل سازی حساسیت فرونشست زمین بررسی شد. نتایج، نشان داد در بازه زمانی مذکور، مقدار نرخ جابه­جایی بیشینه ۸/۱۱۶ میلی متر در سال و مقدار تجمعی ۲۹/۵۰۶ میلی متر (با خطای جذر میانگین مربعات حدود ۱۲ میلی متر در سال و میانگین خطای مطلق حدود ۱۰ میلی متر در سال) در این منطقه بود. همچنین­ دقت کلی نقشه های حاصل از روش های یادگیری ماشین، به ترتیب برابر با ۴۲/۷۵، ۵۸/۹۰ و ۶۳/۹۵درصد برای الگوریتم های XGBoost (ناکارآمدترین الگوریتم)، DT و RF (کارآمدترین الگوریتم) ارزیابی شد. براساس رتبه بندی حاصل از الگوریتم RF، ارتفاع، سطح آب زیرزمینی، جنس سنگ و فاصله از گسل قم-زفره، مهم­ترین عوامل و پوشش گیاهی و پوشش زمینی، کم­ا­همیت ترین عوامل موثر در فرونشست زمین در منطقه اصفهان-برخوار شناخته شدند. علاوه بر این، مطابق با بهترین نقشه، یعنی نقشه حاصل از الگوریتم RF، بیشترین احتمال فرونشست زمین در بخش های مرکزی و شرقی منطقه و کمترین احتمال فرونشست زمین، در بخش های غربی، شمال غربی و همچنین قسمت هایی از شمال شرقی منطقه اصفهان-برخوار مشاهده شد.

نویسندگان

نگار قاسمی

کارشناس ارشد سنجش از دور، گروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

ایمان خسروی

استادیار، گروه مهندسی نقشه برداری، دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

علی بهرامی

دانشیار، گروه زمین شناسی، دانشکده علوم، دانشگاه اصفهان، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Asgari S. Shirani K. and Soleimani F. ۲۰۲۴. Monitoring and ...
  • Morishita Y. Lazecky M. Wright T. J. Weiss J. R. ...
  • Rafiee M. Ajalloeian R. Dehghani M. and Mahmoudpour M. ۲۰۲۲. ...
  • Shi L. Gong H. Chen B. and Zhou C. ۲۰۲۰. ...
  • Shirani K. Pasandi M. and Ebrahimi B. ۲۰۲۱. Assessment of ...
  • Tourani M. Agh-Atabai M. and Roostaei M. ۲۰۱۸. Study of ...
  • Wang Z. Liu Y. Zhang Y. Liu Y. Wang B. ...
  • نمایش کامل مراجع