پهنه‎ بندی حساسیت زمین‎ لغزش با استفاده از مدل جنگل تصادفی با تاکید بر مناطق روستایی (مطالعه موردی: حوزه آبخیز سیرا)

چکیده مبسوط مقدمه و هدف: زمین لغزش یکی از مهم ترین مخاطرات ژئومورفولوژیک در ایران است. خسارات جانی و مالی سنگین زمین لغزش ها (آسیب به روستاها، راه ها، زیرساخت ها، مزارع و تلفات انسانی) اهمیت مطالعات آن را دوچندان کرده است. به ‎همین دلیل، شناخت دقیق مناطق زمین لغزش رخ داده در گذشته و نیز شناسایی مناطق دارای حساسیت بالای وقوع زمین لغزش می توانند کمک شایانی در کاهش خسارت‎ های ناشی از وقوع این پدیده نمایند. در دهه های اخیر، یادگیری ماشینی به عنوان یک ابزار قدرتمند در علوم زمین، به ویژه در مطالعه و پیش بینی زمین لغزش، مورد توجه جدی قرار گرفته است. یادگیری ماشینی می تواند بر اساس داده های تاریخی (رخدادهای گذشته) پیش بینی کند که کدام مناطق یا پهنه ‎ها مستعد زمین لغزش هستند. از مزایای یادگیری ماشینی در مقایسه با روش های مرسوم مانند تصمیم ‎گیری چندمعیاره می ‎توان به سرعت پردازش بالا، دقت بالاتر، انعطاف پذیری و هزینه کمتر اشاره کرد. جاده چالوس یکی از پرترددترین و پرخطرترین جاده های کشور است. بررسی زمین لغزش در جاده چالوس از اهمیت بسیار بالایی برخوردار است. دلایل این اهمیت را می توان در چند محور اصلی خلاصه کرد: ایمنی جانی و مالی، اهمیت اقتصادی و گردشگری، شرایط زمین ‎شناسی و اقلیمی خاص منطقه و مشکلات زیست‎ محیطی. یادگیری ماشینی می تواند مناطق پرخطر را شناسایی و احتمال وقوع لغزش را پیش بینی کنند و موجب ارتقای ایمنی جانی، کاهش خسارات اقتصادی و بهبود مدیریت بحران شوند. لذا، هدف این مطالعه بررسی حساسیت زمین ‎لغزش در یکی از حوزه ‎های آبخیز جاده چالوس (حوزه آبخیز سیرا) است. مواد و روش‎ ها: حوزه آبخیز سیرا در جاده چالوس در شمال غربی حوزه آبخیز بزرگ سد کرج قرار دارد. در مجموع، تعداد شش روستا با ۷۶۲ خانوار و ۱۹۰۴ نفر جمعیت در حوزه آبخیز وجود دارند. ابتدا، جهت شناسایی مناطق لغزشی در سطح حوزه آبخیز از بانک داده ‎های موجود در اداره کل منابع طبیعی و آبخیزداری استان البرز و تفسیر عکس‎‎ های هوایی استفاده شد و سپس جهت تطبیق و تدقیق نقاط شناسایی شده، از بازدیدهای میدانی گسترده در سطح حوزه آبخیز بهره گرفته شد. در نهایت، ۵۶ نقطه لغزشی بر اساس بازدیدهای میدانی تدقیق گردیدند. نقاط نهایی و تایید شده زمین ‎لغزش به دو بخش آموزش و اعتبارسنجی به نسبت ۷۰ به ۳۰ درصد جهت مدل‎ سازی تقسیم ‎بندی شدند. در ادامه، جهت پهنه‎ بندی حساسیت زمین ‎لغزش از ۱۰ عامل مهم و تاثیرگزار بر زمین ‎لغزش شامل ارتفاع، شیب، فاصله از آبراهه، فاصله از جاده، شماره منحنی، گروه ‎های هیدرولوژیکی خاک، لیتولوژی، کاربری اراضی و شاخص رطوبت توپوگرافیک استفاده شد. روش جنگل تصادفی در نرم ‎افزار R جهت تعیین حساسیت زمین ‎لغزش مورد استفاده قرار گرفت. روش جنگل تصادفی یکی از الگوریتم های قدرتمند یادگیری ماشین گروهی از نوع نظارت شده است که برای مسائل طبقه بندی و رگرسیون به کار می رود. در این پژوهش، کارایی مدل در مراحل آموزش و اعتبارسنجی با استفاده از منحنی تشخیص عملکرد گیرنده (ROC) ارزیابی شد. سپس، نقشه حساسیت زمین‎ لغزش به پنج کلاس با حساسیت خیلی کم، کم، متوسط، زیاد و خیلی زیاد بر اساس شکست‎ های طبیعی در نرم افزار ArcGIS طبقه‎بندی شد. در نهایت، مساحت و درصد مساحت هر یک از طبقات حساسیت زمین ‎لغزش در کل حوزه آبخیز و به تفکیک مناطق روستایی ارزیابی شد و اولویت‎ بندی آن‎ها بر اساس مساحت زیاد و خیلی زیاد حساسیت زمین ‎لغزش انجام شد. یافته‎ ها: حدود ۲۵/۷ درصد حوزه آبخیز سیرا (۱۹۴۳ هکتار) از مجموع ۷۶۰۸/۷ هکتار دارای حساسیت زیاد و خیلی زیاد زمین‎ لغزش است که نشان دهنده اهمیت بالای پایدارسازی زمین ‎لغزش در حوزه آبخیز مذکور است. کارایی مدل در مراحل آموزش و اعتبارسنجی با استفاده از منحنی تشخیص عملکرد گیرنده (ROC) به ‎ترتیب ۰/۹۲۱ و ۰/۹۰۴ بود که نشان‎ دهنده عملکرد عالی مدل است و می ‎توان به نتایج مدل اعتماد کرد. دو روستای آیگان و اویزر هرکدام ۳۹ درصد روستا در معرض حساسیت زیاد و خیلی زیاد زمین‎ لغزش قرار دارند. روستای کلوان ۷ درصد و روستای کلها نیز ۱۶ درصد در معرض حساسیت زمین‎ لغزش قرار دارند. اما روستای سیرا با ۷۳/۵ درصد مساحت روستا در حساسیت زیاد و خیلی زیاد زمین ‎لغزش قرار دارد و به‎ لحاظ اقدامات پایداری زمین‎ لغزش، مهم‎ترین روستای حوزه آبخیز است. در مجموع، تعداد ۶۷۵ خانوار با جمعیت ۱۷۰۰ نفری در روستاهای موجود در حوزه آبخیز در معرض حساسیت زمین ‎لغزش قرار دارند. لازم به ذکر است که در مجموع، ۳۳۳ پهنه لغزشی با بیش از ۱ هکتار مساحت معادل ۱۳۹۳ هکتار در حوزه آبخیز سیرا وجود دارند. نتیجه ‎گیری: این مطالعه با ارائه نقشه های حساسیت زمین لغزش با دقت بالا، ابزاری ارزشمند برای برنامه ریزان و مدیران بحران فراهم کرده است. یافته ها نشان می دهند که تلفیق یادگیری ماشینی با داده های مکانی می تواند تحولی در پیش بینی مخاطرات طبیعی به ‎خصوص زمین ‎لغزش ایجاد کند. با این‎ حال، برای دستیابی به نتایج عملی، همکاری نهادهای دولتی، دانشگاهی و جوامع محلی برای اجرای راهکارهای پایدار ضروری است. این پژوهش گامی موثر در جهت کاهش مخاطرات طبیعی با ترکیب فناوری های نوین و تحلیل های مکانی است و می تواند به ‎عنوان الگویی برای سایر مناطق مشابه در ایران مورد استفاده قرار گیرد.

کلیدواژه ها:

Chalus Road ، Landslide ، Random Forest ، Sira Watershed ، Susceptibility mapping ، زمین لغزش ، جاده چالوس ، جنگل تصادفی ، حوزه آبخیز سیرا ، پهنه بندی حساسیت