ارزیابی و پهنه بندی حساسیت زمین لغزش با الگوریتم-های یادگیری ماشین (مطالعه موردی حوضه آبخیز مارگون، زاگرس فارس)(مقاله علمی وزارت علوم)
حوزههای تخصصی:
زمین لغزش یکی از مخاطرات ژئومورفولوژی است که همواره در مناطق کوهستانی وجود داشته و خسارات زیادی را به باغات، سکونتگاهها و تاسیسات انسانی وارد می کند. هدف از این تحقیق ارزیابی و پهنه بندی حساسیت زمین لغزش در حوضه آبخیز مارگون در شهرستان سپیدان، استان فارس است. سه مدل یادگیری ماشین (ML) (ماشین بردار پشتیبان (SVM)، خطی تعمیم یافته (GLM) و جنگل تصادفی (RF)) برای شناسایی عوامل مؤثر در وقوع زمین لغزش استفاده شد. عوامل مؤثر (ارتفاع، شیب، فاصله از رودخانه، تراکم زهکشی، پوشش گیاهی، کاربری اراضی، سنگ شناسی، نوع خاک، متوسط بارندگی سالانه و فاصله از جاده) است و نقشه فهرست زمین لغزش (119 نقطه لغزش و 99 نقطه عدم لغزش است که از گوگل ارث، مشاهدات میدانی و نرم افزار ArcGIS) به دست آمد. هر مدل با استفاده از 70 درصد داده های آموزشی به طور مستقل آموزش داده شد و در مقابل 30 درصد باقی مانده اعتبارسنجی شد. فاصله از جاده به عنوان تأثیرگذارترین عامل در لغزش زمین در مدل ماشین بردار پشتیبان و مدل جنگل تصادفی و در مدل خطی تعمیم یافته شیب به عنوان تأثیرگذارترین عامل شناخته شد. برای ارزیابی عملکرد مدل ها از سطح زیر منحنی مشخصه عملیاتی گیرنده (AUC) و ضریب Kappa استفاده شد. مدل RF (98/0، 739/0) و SVM (91/0، 638/0) بالاترین سطوح عملکرد را نشان دادند. این تحقیق می تواند به اجرای استراتژی های مدیریت خطر زمین لغزش مؤثر در منطقه کمک کند.