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. Manuscript profile

افزایش جمعیت و استفاده بیش از حد از منابع مختلف آبی، منجر به توجه ویژه به منابع آبهای زیرزمینی شده است. در این تحقیق، کارایی مدل نسبت فراوانی در پتانسیل‌یابی منابع آب زیرزمینی دشت ازنا – الیگودرز استان لرستان مورد بررسی قرار گرفت. ابتدا لایه‌های رقومی 11 معیار مؤثر در پتانسیل آب‌های زیرزمینی (ارتفاع زمین، سنگ‌شناسی، انحنای سطح زمین، شیب، جهت شیب، کاربری اراضی، فاصله از رودخانه، تراکم شبکۀ آبراهه‌ها، فاصله از گسل، تراکم گسل، خاک‌شناسی و شاخص رطوبت توپوگرافی) در GIS تهیه گردید. تعداد 370 چاه موجود در منطقه با آبدهی بیشتر از 11 (مترمکعب بر ساعت) به عنوان چاه‌های دارای آبدهی مناسب انتخاب و لایه موقعیت رقومی آن‌ها به‌صورت تصادفی به گروه‌های آموزش (70%) و اعتبارسنجی (30%) تقسیم گردید. سپس لایه‌های مربوط به متغیرهای محیطی طبقه‌بندی‌ و بر اساس تراکم چاه‌ها و مدل نسبت فراوانی، وزن هریک از کلاس‌ها تعیین گردید. در نهایت نقشه پتانسیل منابع آب زیرزمینی بر اساس مدل نسبت فراوانی تهیه شد. صحت نقشه نهایی بر اساس روش منحنی راک (ROC) ارزیابی گردید. نتایج نشان داد که نقشه پتانسیل منابع آب زیرزمینی تهیه شده بر اساس مدل نسبت فراوانی دارای 72/1% بوده که بیانگر قابلیت بالای این مدل در پتانسیل‌یابی منابع آب زیرزمینی است. نقشه پتانسیل منابع آب زیرزمینی منطقه نشان داد که کلاس‌های با پتانسیل کم، متوسط، زیاد و خیلی زیاد به ترتیب 210/79، 210/24، 210/29 و 209/24 کیلومترمربع را به خود اختصاص داده‌اند. لذا استفاده از مدل نسبت فراوانی در این منطقه قابل‌اعتماد است. Manuscript profile