نویسندگان | زهرا براتی - ابراهیم امیدوار - عطااله شیرزادی |
---|---|
نشریه | نشریه مرتع و آبخیزداری (مجله منابع طبیعی ایران) |
ارائه به نام دانشگاه | دانشگاه کاشان |
شماره صفحات | ۸۶۹-۸۸۴ |
شماره سریال | ۷۱ |
شماره مجلد | ۴ |
نوع مقاله | Full Paper |
تاریخ انتشار | ۲۰۱۸-۱۲-۲۳ |
رتبه نشریه | علمی - پژوهشی |
نوع نشریه | چاپی |
کشور محل چاپ | ایران |
چکیده مقاله
تهیه نقشه حساسیتپذیری زمینلغزش بهعنوان اولین گام مهم در ارزیابی خطر زمینلغزش محسوب می شود. هدف اصلی این پژوهش مقایسه عملکرد الگوریتم یادگیری ماشین مدل لجستیک درختی (LMT) با مدل آماری رگرسیون لجستیک (LR) به منظور مدلسازی حساسیت پذیری زمینلغزش در حوضه سرخون استان چهارمحال و بختیاری است. بدین منظور ابتدا نقشه پراکنش با تعداد 98 موقعیت زمین لغزش با استفاده از دادههای عملیات میدانی و همچنین داده های تاریخی ثبت شده، تهیه شد. علاوه بر این، برای تکمیل پایگاه داده ها، 100 موقعیت غیرزمین لغزشی نیز شناسایی شدند. نقاط زمین لغزشی و غیرزمین لغزشی به صورت تصادفی به دو دسته داده مدلسازی و اعتبارسنجی تقسیم شدند. سپس بیست عامل مؤثر با توجه به مرور منابع و خصوصیات زمینمحیطی حوضه شناسایی شدند. در ادامه، مدلهای LMT و LR برای شناسایی تأثیر عوامل مؤثر روی وقوع زمین لغزش و همچنین ارزیابی حساسیت پذیری زمینلغزشها، به وسیله داده های مرحله آموزش به کار گرفته شدند. در نهایت، عملکرد این دو مدل از طریق سطح زیر منحنی عامل گیرنده (AUC) مورد بررسی قرار گرفت. نتایج اعتبارسنجی مدلها حاکی از آن بود که مدل LR با AUC برابر با 797/0 عملکرد مناسبتری نسبت به مدل LMT (740/0 = AUC) از خود نشان داده، هر چند که هر دو مدل ابزارهای مفیدی برای پیش بینی مکانی حساسیت پذیری زمین لغزش هستند. بنابراین مدل LR می تواند به عنوان یک ابزار جایگزین برای مدیریت بهتر مناطق تحت تأثیر زمین لغزش در منطقه مورد مطالعه پیشنهاد شود.
tags: ارزیابی آماری، حوضه سرخون، حساسیتپذیری زمینلغزش، سامانه اطلاعات جغرافیایی، یادگیری ماشین