پهنه بندی خطر وقوع زمین لغزش با استفاده از تکنیک مدل سازی MLR (مطالعه موردی: حوضه آبریز ده شیخ)

این پژوهش با هدف پهنه بندی خطر زمین لغزش در حوضه آبریز ده شیخ در شمال شرق استان خوزستان، به شناسایی مناطق پرخطر و ارائه راهکارهای عملی با استفاده از الگوریتم رگرسیون خطی چندگانه (MLR) پرداخته است. داده های مورد بررسی شامل ۱۵ پارامتر موثر در چهار گروه اصلی عوامل زمین شناسی (سازندها، گسل ها، زلزله)، عوامل توپوگرافیکی (شیب، جهت شیب، ارتفاع)، عوامل محیطی (بارش، کاربری اراضی، پوشش گیاهی) و عوامل هیدرولوژیکی (فاصله از رودخانه، TWI، SPI) بودند. در این مطالعه، ۱۲۹ نقطه زمین لغزش تاریخی شناسایی و ۲۵۰۰ نقطه تصادفی به عنوان نمونه های کنترل تولید شد و داده ها به نسبت ۷۰ به ۳۰ برای آموزش و آزمون مدل تقسیم شدند. پس از تهیه لایه های اطلاعاتی در نرم افزارهای ArcGIS،SAGA-GIS و ENVI، مدل سازی با الگوریتم MLR در محیطRStudio انجام گرفت. اعتبارسنجی نمودار ROC نشان داد که مدل با مقدار ۹۰۹/۰AUC= برای داده های آموزشی و ۹۰۶/۰ AUC= برای داده های آزمایشی، عملکرد بسیار خوبی در پیش بینی زمین لغزش دارد. تحلیل عوامل موثر نشان داد که سازندهای زمین شناسی با ضریب ۶۰/۰ بیشترین تاثیر را در وقوع زمین لغزش دارند. به ویژه سازندهای کواترنری و گچساران به دلیل ویژگی های ژئوتکنیکی بیشترین حساسیت را نشان دادند. شیب با ضریب ۴۷/۰ و فاصله از رودخانه با ضریب ۳۴/۰ در رده های بعدی عوامل موثر قرار گرفتند. در مقابل، شاخص ارتفاع (۰۹/۰-)، گسل (۱۰/۰-) و NDVI (۱۶/۰-) کمترین تاثیر در زمین لغزش دارند. این پژوهش نشان داد که تلفیق روش های میدانی و سنجش از دور با الگوریتم های یادگیری ماشین، ابزار قدرتمندی برای مدیریت خطر زمین لغزش محسوب می شود و توجه همزمان به عوامل طبیعی و انسانی می تواند برنامه ریزی برای مناطق پرخطر را اثربخش تر کند. همچنین اجرای راهکارهای پیشنهادی شامل اقدامات بیولوژیک، کنترل منابع آب و تمهیدات سازه ای می تواند به کاهش قابل توجه خسارات منجر شود. پیشنهاد می شود در مطالعات آتی از روش های ترکیبی و داده های با دقت بالاتر استفاده شود.

کلیدواژه ها:

الگوریتم MLR ، پهنه‎ بندی خطر ، حوضه آبریز ده ‎شیخ ، زمین لغزش ، یادگیری ماشین