تهیه نقشه خطر زمین لغزش با استفاده از مدل های رگرسیون لجستیک (LR) و تئوری دمپستر – شفر (EBF) مبتنی برسیستم اطلاعات جغرافیایی
- سال انتشار: 1397
- محل انتشار: سومین همایش ملی کاربرد مدل های پیشرفته تحلیل فضایی(سنجش از دور و GIS) در آمایش سرزمین
- کد COI اختصاصی: GISLS03_113
- زبان مقاله: فارسی
- تعداد مشاهده: 1029
نویسندگان
دانشجوی کارشناسی ارشد رشته سیستم اطلاعات جغرافیایی و سنجش از راه دور دانشگاه آزاد اسلامی واحد علوم تحقیقات
استادیار گروه رشته سیستم اطلاعات جغرافیایی و سنجش از راه دور دانشگاه آزاد اسلامی واحد علوم تحقیقات
استادیارگروه آموزشی مهندسی آبیاری دانشگاه تهران
استاد دانشگاه تکنولوژی سیدنی
چکیده
هدف از انجام این پژوهش ایجاد نقشه خطر زمین لغزش در محدوده ای مشخص از استان گلستان می باشد . در این مقاله از مدل های رگرسیون لجستیک (LR) و تئوری دمپستر – شفر (EBF) استفاده شده است . داده های زمین لغزش منطقه مورد مطالعه به وسیله تفسیر عکس های هوایی ، ماهوراه ای ، بازدید های میدانی و مطالعات گذشته که شامل 160 نقطه می باشد ، جمع آوری گردید . نقاط لغزشی به صورت تصادفی به دو دسته آموزشی و اعتبارسنجی تقسیم می شوند که %70 آن 112) نقطه ) برای آموزش مدل ها و %30 نقاط لغزشی 48) نقطه ) برای اعتبارسنجی مورد استفاده قرار گرفت . عوامل مستقل مورد استفاده شامل شیب ، جهت شیب ، ارتفاع ، انحنا ، سنگ شناسی ، شاخص پوشش گیاهی (NDVI) ، فاصله از رودخانه ، فاصله از گسل ، فاصله از جاده ، بارندگی ، کاربری اراضی ، شاخص قدرت جریان (SPI) می باشد . نقشه موضوعی هر یک از عوامل ذکر شده را در نرم افزار سیستم اطلاعات جغرافیایی (Arc GIS) محاسبه کرده و بعد از بدست آوردن وزن هر یک از عوامل مستقل در مدل های نامبرده ، نهایتا آنها را با یکدیگر تلفیق کرده و نقشه نهایی خطر زمین لغزش را ایجاد می کنیم . در ادامه از روش منحنی نرخ پیش بینی ( ROC) ، برای اعتبارسنجی مدل های استفاده شده است که نتایج بدست آمده از مدل های تئوری دمپستر - شفر و رگرسیون لجستیک بترتیب شامل 0,760، 0,740 است . در ادامه با توجه به نتایج ذکر شده مدل تئوری دمپستر – شفر با %76 نسبت به مدل رگرسیون لجستیک ، عملکرد بهتری از خود نشان داده است.کلیدواژه ها
پهنه بندی ، زمین لغزش ، LR ، EBF ، ROCمقالات مرتبط جدید
- حکمرانی دریایی ایران به عنوان یک سیستم پیچیده: تحلیل جغرافیای سیاسی با رویکرد هوش مصنوعی و هوش مکانی
- تبیین سناریوهای آینده تقسیمات استان تهران
- آسیبشناسی حمل و نقل و مدیریت ترافیک در شهرداری های نوظهور ایران
- معایب و مشکلات برنامهریزی و سیاست گذاری حوزه فرهنگ شهری در ایران
- سیاست گذاری بهینه در حوزه ترافیک شهری با استفاده از تکنولوژی های هوش مصنوعی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.