بهار و تابستان                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


1- سازمان تحقیقات آموزش و ترویج کشاورزی
2- دانشگاه مراغه
چکیده:   (3 مشاهده)
مقدمه و هدف: زمین‌لغزش یکی از مهم‌ترین مخاطرات ژئومورفولوژیک در ایران است. خسارات جانی و مالی سنگین زمین‌لغزش‌ها (آسیب به روستاها، راه‌ها، زیرساخت‌ها، مزارع و تلفات انسانی) اهمیت مطالعات آن را دوچندان کرده است. به همین دلیل شناخت دقیق مناطق زمین‌لغزش رخ داده در گذشته و نیز شناسایی مناطق دارای حساسیت بالای وقوع زمین‌لغزش می‌تواند کمک شایانی در کاهش خسارت­های ناشی از وقوع این پدیده نماید. در دهه‌های اخیر، یادگیری ماشینی به‌عنوان یک ابزار قدرتمند در علوم زمین، به‌ویژه در مطالعه و پیش‌بینی زمین‌لغزش، مورد توجه جدی قرار گرفته است. یادگیری ماشینی می‌تواند بر اساس داده‌های تاریخی (رخدادهای گذشته) پیش‌بینی کند که کدام مناطق یا پهنهها مستعد زمین لغزش هستند. از مزایای یادگیری ماشینی در مقایسه با روش‌های مرسوم مانند تصمیم­گیری چندمعیاره می­توان به سرعت پردازش بالا، دقت بالاتر، انعطاف‌پذیری و هزینه کمتر اشاره کرد. جاده چالوس یکی از پرترددترین و پرخطرترین جاده‌های کشور است. بررسی زمین‌لغزش در جاده چالوس از اهمیت بسیار بالایی برخوردار است. دلایل این اهمیت را می‌توان در چند محور اصلی خلاصه کرد: ایمنی جانی و مالی، اهمیت اقتصادی و گردشگری، شرایط زمین­شناسی و اقلیمی خاص منطقه و مشکلات زیست­محیطی. یادگیری ماشینی می‌تواند مناطق پرخطر را شناسایی، احتمال وقوع لغزش را پیش‌بینی کنند و موجب ارتقای ایمنی جانی، کاهش خسارات اقتصادی و بهبود مدیریت بحران شوند. لذا هدف این مطالعه بررسی حساسیت زمین­لغزش در یکی از حوزه­های آبخیز جاده چالوس (حوزه آبخیز سیرا) است.
مواد و روش­ها: حوزه آبخیز سیرا در جاده چالوس در شمال غربی حوزه آبخیز بزرگ سد کرج قرار دارد. در مجموع تعداد 6 روستا با 762 خانوار و 1904 نفر جمعیت در حوزه آبخیز وجود دارد. ابتدا جهت شناسایی مناطق لغزشی در سطح حوزه آبخیز از بانک داده­های موجود در اداره کل منابع طبیعی و آبخیزداری استان البرز و تفسیر عکس­های هوایی استفاده شد و سپس جهت تطبیق و تدقیق نقاط شناسایی شده، از بازدیدهای میدانی گسترده در سطح حوزه آبخیز بهره گرفته شد. در نهایت 56 نقطه لغزشی بر اساس بازدیدهای میدانی تدقیق گردید. نقاط نهایی و تائید شده زمین­لغزش به دو بخش آموزش و اعتبارسنجی به نسبت 70 به 30 درصد جهت مدل­سازی تقسیم­بندی شدند. در ادامه جهت پهنه­بندی حساسیت زمین­لغزش از 10 عامل مهم و تاثیرگزار بر زمین­لغزش شامل ارتفاع، شیب، فاصله از آبراهه، فاصله از جاده، شماره منحنی، گروه­های هیدرولوژیکی خاک، لیتولوژی، کاربری اراضی و شاخص رطوبت توپوگرافیک استفاده شد. در ادامه روش جنگل تصادفی در نرم­افزار R جهت تعیین حساسیت زمین­لغزش مورد استفاده قرار گرفت. روش جنگل تصادفی یکی از الگوریتم‌های قدرتمند یادگیری ماشین گروهی از نوع نظارت‌شده است که برای مسائل طبقه‌بندی و رگرسیون به‌کار می‌رود. در این پژوهش، کارایی مدل‌ در مراحل آموزش و اعتبارسنجی با استفاده از منحنی تشخیص عملکرد گیرنده (ROC) ارزیابی شد. سپس نقشه حساسیت زمین­لغزش به 5 کلاس با حساسیت خیلی کم، کم، متوسط، زیاد و خیلی زیاد بر اساس شکست­های طبیعی در نرم­افزار ArcGIS طبقه­بندی شد. در نهایت مساحت و درصد مساحت هر یک از طبقات حساسیت زمین­لغزش در کل حوزه آبخیز و به تفکیک مناطق روستایی ارزیابی شد و اولویت­بندی آن­ها بر اساس مساحت زیاد و خیلی زیاد حساسیت زمین­لغزش انجام شد.
یافته­ها: نتایج نشان داد که حدود 7/25 درصد حوزه آبخیز سیرا (1943 هکتار) از مجموع 7/7608 هکتار دارای حساسیت زیاد و خیلی زیاد زمین­لغزش است که نشان­دهنده اهمیت بالای پایدارسازی زمین­لغزش در حوزه آبخیز مذکور است. کارایی مدل‌ در مراحل آموزش و اعتبارسنجی با استفاده از منحنی تشخیص عملکرد گیرنده (ROC) به ترتیب 921/0 و 904/0 بود که نشان­دهنده عملکرد عالی مدل است و می­توان به نتایج مدل اعتماد کرد. نتایج نشان داد که دو روستای آیگان و اویزر هر کدام 39 درصد روستا در معرض حساسیت زیاد و خیلی زیاد زمین­لغزش قرار دارند. روستای کلوان 7 درصد و روستای کلها نیز 16 درصد در معرض حساسیت زمین­لغزش قرار دارند. اما روستای سیرا با 5/73 درصد مساحت روستا در حساسیت زیاد و خیلی زیاد زمین­لغزش قرار دارد و به لحاظ اقدامات پایداری زمین­لغزش، مهم­ترین روستای حوزه آبخیز است. در مجموع تعداد 675 خانوار با جمعیت 1700 نفری در روستاهای موجود در حوزه آبخیز در معرض حساسیت زمین­لغزش قرار دارند. لازم به ذکر است که در مجموع 333 پهنه لغزشی با بیش از 1 هکتار مساحت معادل 1393 هکتار در حوزه آبخیز سیرا وجود دارد.
نتیجه­گیری: این مطالعه با ارائه نقشه‌های حساسیت زمین‌لغزش با دقت بالا، ابزاری ارزشمند برای برنامه‌ریزان و مدیران بحران فراهم کرده است. یافته‌ها نشان می‌دهد که تلفیق یادگیری ماشینی با داده‌های مکانی می‌تواند تحولی در پیش‌بینی مخاطرات طبیعی به خصوص زمین­لغزش ایجاد کند. با این حال، برای دستیابی به نتایج عملی، همکاری نهادهای دولتی، دانشگاهی و جوامع محلی برای اجرای راهکارهای پایدار ضروری است. این پژوهش گامی مؤثر در جهت کاهش مخاطرات طبیعی با ترکیب فناوری‌های نوین و تحلیل‌های مکانی است و می‌تواند به عنوان الگویی برای سایر مناطق مشابه در ایران مورد استفاده قرار گیرد
     
نوع مطالعه: پژوهشي | موضوع مقاله: بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای)
دریافت: 1404/4/23 | پذیرش: 1404/9/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by: Yektaweb