بررسی مقایسه ای روش آماری رگرسیون لجستیک و الگوریتم یادگیری ماشین جنگل تصادفی در پهنه بندی حساسیت مکانی وقوع زمین لغزش (منطقه مورد مطالعه: جاده هراز، مازندران)

زمین لغزش ها به عنوان یکی از مهم ترین مخاطرات ژئومورفولوژیکی، تهدیدی جدی برای شبکه های حمل ونقل و زیرساخت ها به­ شمار می روند. پژوهش حاضر با هدف مقایسه کارایی روش مرجع آماری رگرسیون لجستیک و الگوریتم یادگیری ماشین جنگل تصادفی در پهنه بندی حساسیت مکانی وقوع زمین لغزش در حاشیه جاده هراز انجام شده است. در این مطالعه و در ابتدا، مجموعه داده ای متعادل شامل ۱۰٬۰۰۰ پیکسل نقاط دارای زمین لغزش و فاقد زمین لغزش همراه با مجموعه عوامل محیطی موثر در وقوع زمین­ لغزش تهیه شد. به منظور افزایش پایداری مدل ها، ۱۰ مجموعه داده آموزشی و ۱۰ مجموعه داده آزمایشی مستقل ایجاد و برای هر دو روش در فرآیند مدل سازی استفاده گردید. ارزیابی عملکرد مدل ها با استفاده از شاخص های دقت کلی، ضریب کاپا و AUC انجام شد. در انتها، بهترین مدل ها در هر دو روش بر اساس مقادیر AUC به ­دست ­آمده در داده ­های آزمایشی انتخاب و نقشه های پهنه­ بندی حساسیت وقوع زمین لغزش بر اساس آنها تولید شده است. نتایج نشان ­داده که هر دو روش از عملکرد قابل­ ملاحظه­ ای در پیش­ بینی زمین ­لغزش ها برخوردار می ­باشند. مقادیر AUC در روش رگرسیون لجستیک برای داده های آموزشی ۰.۹۰ و برای داده های آزمایشی ۰.۸۹ و در روش جنگل تصادفی به ترتیب ۰.۹۳ و ۰.۸۹ محاسبه شده است. تحلیل اهمیت عوامل موثر نشان­ داده که زمین شناسی و کاربری اراضی مهم ترین عوامل  وقوع زمین لغزش در جاده هراز می­ باشند. توزیع مناطق مستعد وقوع زمین ­لغزش در نقشه های پهنه ­بندی زمین ­لغزش نیز تطابق قابل توجهی را نشان داده که می­تواند بیانگر نقش تعیین کننده داده ­های ورودی نسبت به پیچیدگی الگوریتم مدل سازی باشد. یافته های این پژوهش می تواند در مدیریت مخاطره زمین­ لغزش و افزایش ایمنی جاده هراز کاربرد موثری داشته باشد.

کلیدواژه ها:

پهنه بندی حساسیت زمین لغزش ، عوامل کنترل کننده محیطی ، الگوریتم جنگل تصادفی ، رگرسیون لجستیک ، جاده هراز ، شمال ایران