کارایی الگوریتم حداکثر آنتروپی و سامانه اطلاعات جغرافیایی در ارزیابی حساسیت‌پذیری زمین‌لغزش‌های کم‌عمق
محورهای موضوعی : مدیریت آب در مزرعه با هدف بهبود شاخص های مدیریتی آبیاری
فائزه رجب زاده
1
(هیات علمی دانشگاه آزاد واحد شهر قدس)
سید سعید غیاثی
2
(عضو باشگاه پژوهشگران جوان و نخبگان، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی)
امید رحمتی
3
(عضو هیات علمی دانشگاه لرستان)
کلید واژه: حساسیت‌پذیری, منحنیROC, زمین‌لغزش کم‌عمق, منحنی پاسخ,
چکیده مقاله :
زمین‌لغزش‌های کم‌عمق از جمله بلایای طبیعی می‌باشد که خسارات جانی و مالی فراوانی در حوزه‌های آبخیز کوهستانی وارد می‌آورد. استفاده از روشهای مناسب جهت ارزیابی خطر لغزش‌های کم‌عمق و تعیین عوامل مؤثر وقوع، در کاهش خطرات ناشی از آن بسیار مؤثر است. در این مطالعه پتانسیل الگوریتم حداکثر آنتروپی در مدلسازی حساسیت‌پذیری زمین لغزش مورد بررسی قرار گرفت. در تحقیق حاضر که در غرب استان اردبیل صورت پذیرفته، 74 زمین‌لغزش شناسایی که، 52 زمین‌لغزش (%70) برای آموزش مدل و 22 زمین‌لغزش (%30) برای صحت‌سنجی مورداستفاده قرار گرفت. فاکتورهای محیطی شامل فاکتورهای پیوسته (ارتفاع، شیب، جهت، انحنای سطح، تراکم زهکشی، بارندگی) و طبقه‌ای (سنگ‌شناسی و کاربری اراضی) به‌عنوان داده‌های ورودی برای مدل حداکثر آنتروپی مورد استفاده قرار گرفت. استفاده از آزمون بهینه بر اساس روش ارزیابی متقابل نشان داد وجود داده‌های پیوسته و ترکیب آنها با داده‌های طبقه‌ای، بهترین عملکرد پیش‌بینی را امکان‌پذیر می‌سازد. نتایج صحت‌سنجی نشان داد سطح زیر منحنی ROC و AUCبرای حصول موفقیت و پیش‌بینی مدل، به-ترتیب برابر با 1/96 و 6/97% می‌باشد. همچنین، تجزیه و تحلیل توزیع فاکتور نشان داد لایه‌های طبقات ارتفاعی و بارندگی به‌عنوان مؤثرترین فاکتورها می‌باشند. با تفسیر منحنی پاسخ مشاهده شد شیب‌های تند حوضه پوشیده از خاکهای پادگانه آبرفتی قدیمی، نسبت به زمین‌لغزش بسیار آسیب‌پذیرترند. پیش‌بینی عملکرد مدلسازی با الگوریتم حداکثر آنتروپی بسیار بهتر از دیگر مدل‌ها مانند رگرسیون لجستیک می‌باشد که به‌طور گسترده‌ای در ارزیابی حساسیت‌پذیری زمین‌لغزش مورد استفاده قرار گرفته است. نتیجتا می‌توان اذعان داشت، مدلسازی با الگوریتم حداکثر آنتروپی یک مدل پیش‌بینی مؤثر برای حساسیت‌پذیری زمین لغزش می‌باشد.
Shallow landslide is one of the natural hazards that damage life and property of people in mountainous watershed. Due to the fact that a lot of landslides events have been occurred in this watershed, assessment the risk of shallow landslides by using appropriate methods and determine of effective factors in reduce the hazards of it is so effective. The potential of using maximum entropy modeling for landslide susceptibility mapping is investigated. In the case study of west of Ardabil province, 74 landslide occurrences were identified, 52 landslides (70%) used for training and the 22 landslides (30%) applied for validation purpose. environmental factors including continuous (altitude, slope, aspect, plan curvature, drainage density, and rainfall) and categorical (lithology and landuse) data were used as inputs for modeling. From the optimal setting test based on cross-validation, a continuous data and its combination with categorical data showed the best predictive performance. The results of validation showed that the ROC and AUC for success and prediction rate of model was 96.1 and 97.6%, respectively. Factor contribution analysis indicated that altitude and rainfall layers were the most influential factors. From interpretations on a response curve, steeply sloping areas that consisted of excessively covered with old alluvial terrace soils were very susceptible to landslides. Predictive performance of maximum entropy modeling was slightly better than that other models like of a logistic regression which has been used widely to assess landslide susceptibility. Therefore, Maximum entropy modeling is shown to be an effective prediction model for landslide susceptibility mapping.
_||_