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
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
فرونشست زمین ، تداخل سنجی راداری (InSAR) ، یادگیری ماشین ، منطقه اصفهان-برخوار ، ماهواره راداری سنتینل-۱
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 :