پهنه بندی حساسیت زمین لغزش با استفاده از مدل ماشین بردار پشتیبان (SVM)(مطالعه موردی: گردنه گویجه بل تا شهر اهر)

مقدمه زمین لغزش یکی از رایج ترین بلایای طبیعی است که می تواند جان انسان ها را تهدید کرده و به طور گسترده بر اکوسیستم طبیعی تاثیر منفی بگذارد (Tien Bui et al, ۲۰۱۲; Balamurugan et al, ۲۰۱۶; Dey et al, ۲۰۲۴). از نظر شدت، زمین لغزش ها هفتمین رخداد فاجعه آمیز در میان انواع خطرات زمین­شناسی اتفاق افتاده در پوسته زمین محسوب می شوند (Nadim et al, ۲۰۰۶). زمین لغزش ها، به عنوان فرآیندهای طبیعی و رایج زمین شناسی در مناطق کوهستانی، تهدید جدی برای ایمنی انسان، زیرساخت های حمل ونقل، رشد اقتصادی و محیط های اکولوژیکی ایجاد می کنند. در حال حاضر، فراوانی زمین لغزش ها در سراسر جهان در حال افزایش است و کشورها با تهدید این بلایا روبه رو می­باشند. به طور کلی، ارزیابی حساسیت زمین لغزش می تواند مبنایی برای پیشگیری و کنترل این پدیده فراهم کرده و مدیریت جامع و هدفمند را امکان پذیر سازد (He et al, ۲۰۲۵). از دهه ۱۹۶۰ تاکنون، روش های متعددی توسط پژوهشگران جهان توسعه یافته است. این روش ها معمولا به دو دسته اصلی تقسیم می شوند: مدل های دانش­محور، مانند امتیازدهی کارشناسان، فرآیند تحلیل سلسله مراتبی (AHP)، منطق فازی، ارزیابی جامع فازی و مدل های داده­محور که شامل روش های سنتی مانند ارزش اطلاعاتی، نسبت فراوانی (FR)، رگرسیون لجستیک و همچنین تکنیک های یادگیری ماشین مانند شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، جنگل های تصادفی (RF) و درخت تصمیم هستند (He et al, ۲۰۲۵, Zhao et al, ۲۰۲۴). گردنه گویجه­بل در استان آذربایجان شرقی به دلیل شرایط خاص توپوگرافی، زمین شناسی و اقلیمی خود مستعد وقوع زمین لغزش های متعدد و گسترده است. تکرار زمین لغزش ها نه تنها باعث تخریب منابع طبیعی شده بلکه تهدید جدی برای سکونتگاه های انسانی، زیرساخت ها و به ویژه مسیر مهم حمل ونقل تبریز-اهر ایجاد کرده است. بنابراین، شناسایی دقیق مناطق پرخطر و تهیه نقشه های قابل اعتماد حساسیت زمین لغزش می تواند نقش مهمی در کاهش خسارات انسانی و اقتصادی و افزایش ایمنی مسیرهای حمل ونقل، در این منطقه ایفا کند. این پژوهش با هدف ارزیابی و تهیه نقشه حساسیت زمین لغزش در مسیر گردنه گویجه بل تا شهر اهر، با بهره گیری از مدل ماشین بردار پشتیبان (SVM) و تحلیل نقش عوامل موثر انجام شده است. مواد و روش­ها منطقه مورد مطالعه در شمال غرب ایران و در محدوده سیاسی استان آذربایجان شرقی قرار دارد و از نظر موقعیت جغرافیایی، بین '۲۱°۳۸ تا '۲۹°۳۸ عرض شمالی و '۵۰°۴۶ تا '۰۲°۴۷ طول شرقی واقع شده است. این محدوده با وسعتی در حدود ۱۹۳ کیلومترمربع، بخش هایی از کوهستان های پیرامون گردنه گویجه بل را در بر می گیرد و تا نواحی غربی شهر اهر امتداد می یابد. داده های اصلی استفاده شده در این مطالعه شامل نقشه های توپوگرافی ۱:۵۰,۰۰۰، نقشه های زمین شناسی ۱:۱۰۰,۰۰۰، مدل رقومی ارتفاعی (DEM) با قدرت تفکیک ۵/۱۲ متر ماهواره ALOS-PALSAR، تصاویر ماهواره ای Sentinel-۲ و تصاویر Google Earth هستند. برای تحلیل های مکانی و پردازش داده ها، نرم افزارهای ArcGIS، ENVI و SPSS Modeler به کار گرفته شد. روش اصلی مدل سازی زمین لغزش در این مطالعه استفاده از مدل ماشین­بردار پشتیبان (SVM) می­باشد. این روش در دهه ۱۹۹۰ توسعه­یافت و به دلیل کارایی بالا در الگوریتم های مختلف، به یکی از پرکاربردترین رویکردها در مدل­سازی تبدیل­شده ­است (Riaz et al, ۲۰۲۴). این مدل با دریافت داده های آموزشی شامل موقعیت زمین لغزش های گذشته و لایه های موثر، رابطه پیچیده بین عوامل موثر و وقوع زمین لغزش را می آموزد. سپس این رابطه به کل منطقه مطالعاتی تعمیم داده می شود تا نقشه پهنه بندی حساسیت تولید شود (Kavzoglu et al, ۲۰۱۴). سیاهه زمین لغزش به عنوان منبعی برای ارائه ثبت جامع رخدادهای تاریخی زمین لغزش موجود در محدوده مورد مطالعه شناخته می شود. نقشه سیاهه زمین لغزش (LIM) را می توان با استفاده از تصاویر ماهواره ای با قدرت تفکیک بالا، عکس های هوایی، منابع و مطالعات پیشین و بررسی های میدانی گسترده تهیه کرد (Ali et al, ۲۰۲۲). در این روش، ابتدا نقشه پراکنش زمین لغزش های تاریخی منطقه تهیه شد و سپس به دو مجموعه داده تقسیم گردید: ۷۰ درصد از داده ها به منظور آموزش و ۳۰ درصد برای آزمایش استفاده شدند، در حالی که نقاط غیر زمین لغزش به طور تصادفی انتخاب گردیدند. سپس عوامل موثر بر زمین لغزش شامل ارتفاع، شیب، جهت شیب، سنگ شناسی، فاصله از گسل ها و شبکه های زهکشی، شاخص رطوبت توپوگرافی (TWI)، کاربری زمین و پوشش گیاهی در قالب داده­های رستری آماده شدند. در مرحله بعد، مقادیر این لایه ها در محل نقاط آموزشی در محیط ArcGIS استخراج شد تا ماتریس داده ها تشکیل شود. مدل SVM با استفاده از این ماتریس و به کارگیری هسته تابع پایه شعاعی (RBF) آموزش دید و پارامترهای آن بهینه سازی شد. عملکرد مدل نهایی با داده های آزمون و معیارهایی مانند دقت کلی و منحنی ROC ارزیابی گردید. در پایان، مدل بر کل منطقه اعمال شد و نقشه نهایی پهنه بندی حساسیت زمین لغزش در پنج کلاس بسیار کم، کم، متوسط، زیاد و بسیار زیاد تولید گردید. نتایج و بحث این مطالعه با هدف تولید نقشه حساسیت زمین لغزش گردنه گویجه­بل تا شهر اهر با استفاده از مدل SVM انجام شد. تحلیل شاخص های زمین شناسی نشان داد بیش از ۹۸ درصد زمین لغزش ها در ارتفاع بین ۱۴۵۰ تا ۱۷۵۰ متر رخ داده اند که ۴۲ درصد از آن ها به طور ویژه در کلاس ارتفاع ۱۶۴۰ تا ۱۷۴۰ متر متمرکز شده اند. تقریبا ۸۸ درصد از زمین لغزش ها در شیب های کمتر از ۳۰ درصد رخ داده اند و جهت شمال با سهم ۶۳ درصد بیشترین میزان وقوع زمین لغزش را به خود اختصاص داده است. بررسی شاخص های زمین شناسی نشان دهنده نقش تعیین کننده سنگ شناسی در وقوع زمین­لغزش است، به طوری که واحد PLQ-c (کنگلومرای غیر پیوسته با لایه های مارنی) تنها ۴۴ درصد منطقه را پوشش می دهد اما ۹۵ درصد زمین لغزش ها در آن رخ داده اند. از نظر هیدرولوژیکی، همپوشانی قابل توجهی بین مقادیر بالای شاخص رطوبت توپوگرافی (TWI) و توزیع مکانی زمین لغزش ها مشاهده شد، به طوری که ۶۶ درصد زمین لغزش ها در فاصله ۱۰۰ متری از شبکه های زهکشی رخ داده اند. در رابطه با کاربری زمین، حدود ۷۰ درصد زمین لغزش ها در مناطق مرتعی اتفاق افتاده اند، اما NDVI الگوی واضحی نشان نداد. ارزیابی مدل SVM با هسته تابع پایه شعاعی (RBF) عملکرد بسیار خوبی را نشان داد، به طوری که مقدار AUC برای داده های آزمایشی برابر با ۹۴۳/۰ بود. بر اساس نتایج این مدل، سنگ شناسی با شاخص اهمیت نسبی ۲۶۸/۰ مهم ترین عامل شناسایی شد و پس از آن ارتفاع (۱۴۱/۰) و شیب (۱۳۸/۰) به ترتیب عوامل مهم بعدی کنترل کننده وقوع زمین لغزش در منطقه مطالعه بودند. نقشه نهایی مناطق حساسیت نشان داد که اکثریت منطقه (حدود ۵۴درصد) در دسته حساسیت بسیار کم و کم قرار دارند. همچنین حدود ۳/۲۱ درصد منطقه در دسته حساسیت متوسط و ۴/۲۴ درصد در دسته حساسیت زیاد هستند. مناطق با حساسیت بالا عمدتا بر روی سازند حساس PLQ-c در شیب های متوسط (۱۰-۳۰ درصد) قرار دارند که مراکز اصلی زمین لغزش های بزرگ و فعال در منطقه محسوب می شوند. از این ­رو می توان نتیجه گرفت که رابطه قوی و معنی داری بین توزیع مکانی سازند PLQ-c و وقوع زمین لغزش های بزرگ منطقه وجود دارد. نفوذ آب به لایه های کنگلومرایی با میان لایه مارن و سیلت باعث افزایش فشار آب منفذی، کاهش اصطکاک داخلی و در نهایت تضعیف انسجام لایه ها می شود. در چنین شرایطی، شیب نقش قابل توجهی به عنوان عامل تسهیل کننده ایفا می کند. برخی از زمین لغزش های بزرگ و برجسته منطقه، از جمله زمین لغزش شرق روستای پیره­یوسفیان، دقیقا در مناطقی رخ داده اند که سازند PLQ-c دارای رخنمون قابل توجهی بوده و شرایط هیدرولوژیکی مساعد حاکم بوده است. شایان ذکر است، زمین لغزش ها در این سازند نه تنها بیشتر هستند بلکه وسعت و حجم بیشتری نیز دارند. به طور کلی، مناطق با حساسیت زیاد و بسیار زیاد می توانند به عنوان کانون­های اصلی ناپایداری در منطقه مطالعه شناسایی شوند. شناسایی دقیق این مناطق حساس می تواند به عنوان پایه ای برای محدود کردن ساخت وساز، پایش شیب ها و اجرای اقدامات پیشگیرانه جهت کاهش خسارات زمین لغزش در آینده مورد استفاده قرار گیرد. نتیجه­گیری در این پژوهش، از مدل ماشین بردار پشتیبان (SVM) با هسته تابع پایه شعاعی (RBF) برای پهنه بندی حساسیت زمین لغزش در گردنه گویجه­بل استفاده شد که عملکرد بالایی را نشان داد (میزان AUC داده های آموزش ۹۴۳/۰ و داده های آزمون ۹۳۳/۰). سنگ شناسی با شاخص اهمیت نسبی وزنی ۲۶۸/۰ مهم ترین عامل موثر است و سازند PLQ-c بیش از ۹۵ درصد از رخدادهای زمین لغزش را شامل می شود. سپس عوامل ارتفاع و شیب به ترتیب با ضرایب وزنی ۱۴۱/۰ و ۱۳۸/۰ تاثیرگذار بودند. زمین لغزش ها عمدتا در ارتفاعات میانی (۱۴۵۰-۱۷۵۰ متر) و بر روی شیب های متوسط (۳۰-۱۰ درصد) رخ داده اند. عوامل پوشش زمین و کاربری اراضی نقش کم تری داشتند. پهنه بندی حساسیت زمین لغزش گردنه گویجه­بل نشان می دهد که فرایندهای ساختاری و سنگ شناسی تاثیر غالب بر ناپایداری شیب ها دارند. نقشه پهنه بندی زمین­لغزش منطقه، پنج کلاس حساسیت را نشان داد که حدود ۵۴ درصد از منطقه در کلاس های حساسیت کم و بسیار کم و ۲۴ درصد در کلاس حساسیت بالا قرار گرفت. مناطق با حساسیت بالا عمدتا بر روی سازند PLQ-c و در شیب های متوسط واقع شده اند و نیازمند پایش و مدیریت مستمر هستند. نتایج نشان داد ترکیب SVM با داده های مکانی ابزاری موثر برای تهیه نقشه های حساسیت زمین لغزش و مدیریت بحران، برنامه ریزی محیطی و طراحی زیرساخت هاست. توجه ویژه به سازندهای مستعد (به ویژه سازند PLQ-c)، کنترل عوامل هیدرولوژیکی و پایش مناطق با شیب های متوسط از راهبردهای کلیدی کاهش حساسیت زمین لغزش در این منطقه به شمار می رود. یافته های این پژوهش می تواند مبنایی برای برنامه ریزی محیطی، مدیریت ریسک بلایا، طراحی زیرساخت ها و برنامه ریزی کاربری اراضی در منطقه مورد مطالعه باشد. اگرچه نتایج این پژوهش نشان دهنده عملکرد قوی مدل است، پیشنهاد می شود در مطالعات آتی، مدل های جایگزین به منظور بهبود دقت پیش بینی حساسیت زمین لغزش مورد بررسی قرار گیرند.

کلیدواژه ها:

مخاطرات دامنه ای ، زمین لغزش ، مدل ماشین بردار پشتیبان (SVM) ، گردنه گویجه بل