مدل سازی ریسک خطر وقوع فرونشست با استفاده از الگوریتم جنگل تصادفی (مطالعه موردی : دشت اشتهارد)

هدف: در دو دهه اخیر فرونشست به عنوان یک مخاطره ژئومورفیک و یکی از بحران های زیست محیطی، هر ساله خسارات جبران ناپذیری را به دشت های ایران تحمیل می کند که می توان گفت یکی از مهم ترین علل آن در حال حاضر برداشت غیر اصولی و بی رویه از سفره های زمینی می باشد. دشت اشتهارد به عنوان یکی از قطب­های صنعتی و کشاورزی استان البرز هم از این قائده مستثنی نیست که به دلیل افت شدید سطح آب زیرزمینی توسط وزارت نیرو ممنوعه بحرانی اعلام شده است. از این رو در این پژوهش جهت مدلسازی ریسک خطر وقوع فرونشست در دشت اشتهارد، از روش جنگل تصادفی در محیط نرم افزار R استفاده شد. روش پژوهش: در این راستا، ۱۲ لایه مستقل شامل نقشه ارتفاع، فاصله از آبراهه، فاصله از قنات، فاصله از چاه، فاصله از گسل، افت سطح آب زیرزمینی، تراکم زهکشی، خاک شناسی، سنگ شناسی، کاربری اراضی، شاخص رطوبت توپوگرافی و تابش خورشیدی و یک لایه وابسته شامل نقاط فرونشست مورد استفاده قرار گرفت. مدل جنگل تصادفی در محیط نرم افزار R اجرا شد. از دو شاخص مهم میانگین کاهشی دقت و میانگین کاهش ضریب جینی برای تعیین اولویت، اهمیت و وزن دهی عوامل موثر بر فرونشست استفاده شد و به منظور ارزیابی عملکرد مدل، از معیارهای دقت (Accuracy)، ضریب کاپا (Kappa) و منحنی ویژگی عملکرد گیرنده (ROC Curve) را مورد استفاده قرار دادیم. یافته ها: نتایج نشان داد که مدل جنگل تصادفی دقت بالایی در طبقه بندی ریسک فرونشست زمین دارد. که ارزیابی ما هم از نظر دقت کلی ۰.۹۶۳(Accuracy)، هم از نظر توافق واقعی ۰.۶۱۱ (Kappa)، و هم از نظر قدرت تمایز ۰.۹۵۵(AUC) کاملا علمی و معتبر بود و بیانگر آن است که مدل جنگل تصادفی برای پهنه بندی ریسک خطر وقوع فرونشست عملکرد بسیار خوبی داشته است. متغیرهای عمق آب زیرزمینی، فاصله از چاه ها، زمین شناسی و کاربری اراضی بیشترین تاثیر را در وقوع فرونشست داشتند. همچنین بیش از ۶۵٪ از مساحت منطقه در طبقات ریسک زیاد و بسیار زیاد قرار گرفت که حاکی از شرایط بحرانی منطقه است. این در حالیست که درصد مساحت کاربری شهری از سال ۲۰۱۱ تا ۲۰۲۳ روند صعودی را تجربه کرده است. به ویژه در سال ۲۰۲۳ که با افزایش تمرکز جمعیتی، بستری برای فشار بیشتر بر منابع زیرزمینی وارد آمده و فرونشست در این نواحی شدت یافته است.

کلیدواژه ها:

Eshtehard Plain ، Random Forest ، land subsidence ، modeling ، الگوریتم جنگل تصادفی ، دشت اشتهارد ، مدل سازی ، فرونشست