پاییز و زمستان
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
1- دانشگاه علوم کشاورزی و منابع طبیعی ساری
2- دانشگاه مراغه
2- دانشگاه مراغه
چکیده: (24 مشاهده)
مقدمه و هدف: زمینلغزش به عنوان یکی از مهمترین مخاطرات زمینشناسی شناخته شده، هر ساله خسارات زیادی به زندگی مردم، زیرساخت‌ها و محیط زیست وارد میکند و مشکلات اقتصادی بزرگی را به دولتها تحمیل می نماید. حوزه آبخیز سد طالقان به دلیل شرایط کوهستانی و پرباران و ساختوسازهای فراوان به دلیل شرایط آب و هوایی مناسب و جاده سازیهای غیراصولی از جمله مناطق مستعد وقوع زمینلغزش میباشد. شناسایی و دورماندن از پهنههای مستعد زمینلغزش یکی از کم هزینه ترین اقداماتی است که می شود انجام داد. این مهم در سالهای اخیر توسط مدلهای پیشرفته یادگیری ماشینی و با بهره گیری از سیستم اطلاعات جغرافیایی و سنجش از دور در حال انجام می باشد و محققان به نتایج قابل قبولی در این زمینه دست پیدا کرده اند. هدف از این تحقیق تعیین مناطق دارای پتانسیل حساسیت زمین لغزش و اولویتبندی عوامل موثر بر آن با استفاده از دو مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان با استفاده از سیستم اطلاعات جغرافیایی می باشد. با توجه به مرور منابع انجام گرفته تاکنون مطالعه جامعی در ارتباط با پهنه بندی حساسیت وقوع زمین لغزش در حوزه آبخیز سد طالقان انجام نشده است. بنابراین انجام پژوهش حاضر برای ارزیابی و مدیریت این حوزه آبخیز به منظور پیشگیری و کاهش خسارات ناشی از وقوع زمین لغزش ضروری و حیاتی است.
مواد و روشها: به منظور ارزیابی احتمال وقوع مکانی زمین لغزش، ابتدا نقشه زمین لغزشهای پیشین ثبت شده تاکنون با استفاده از بازدیدهای میدانی از عرصه های طبیعی، منابع محلی و سازمانی (اداره کل منابع طبیعی و آبخیزداری استان البرز) در محیط سامانه اطلاعات جغرافیایی (ArcGIS 10.8) تهیه شد. سپس 11 عامل موثر بر پتانسیل زمینلغزش شامل ارتفاع (متر)، شیب (درصد)، جهت شیب، فاصله از آبراهه (متر)، سنگشناسی، بارندگی، کاربری اراضی، شاخص رطوبت توپوگرافی (TWI)، انحناء سطح، فاصله از آبراهه و فاصله از جاده انتخاب و تست هم خطی عوامل با آزمون فاکتور تورم واریانس (VIF) در نرمافزار SPSS بررسی شد. از مجموع 631 زمین لغزش، به صورت تصادفی 70 درصد به عنوان دادههای آزمون (442 نقطه زمینلغزش) و 30 درصد به عنوان داده های اعتبارسنجی (189 نقطه زمینلغزش) طبقهبندی شدند. مدلهای ماشین بردار پشتیبان و شبکه عصبی مصنوعی جهت اهداف مورد تحقیق مورد استفاده قرار گرفتند. همچنین جهت تعیین مهمترین پارامترها از نمودار جکنایف استفاده شد. از منحنی تشخیص عملکرد نسبی (ROC) جهت قدرت پیش بینی مدل استفاده شد. در نهایت مدل برتر بر اساس مقادیر ROC مشخص و سپس نقشه نهایی حساسیت زمین لغزش تهیه شد.
یافته ها: نتایج نشان داد که، همخطی بین عوامل مورد استفاده وجود ندارد و لذا کلیه عوامل در فرآیند مدلسازی مورد استفاده قرار گرفتند. نتایج نشان داد که بر اساس نمودار جک نایف لایه های فاصله از گسل، جهت شیب، فاصله از جاده، لیتولوژی و کاربری اراضی به ترتیب مهمترین عوامل تاثیرگذار بر حساسیت وقوع زمین لغزش بودند. سطح زیر منحنی (AUC) بر اساس منحنی تشخیص عملکرد نسبی، نشاندهنده دقت 90 درصد (عالی) و 88 درصد (خیلی خوب) در مرحله آموزش و 87 درصد (خیلی خوب) و 84 درصد (خیلی خوب) در مرحله اعتبارسنجی به ترتیب برای مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای تعیین مناطق دارای حساسیت وقوع زمین لغزش بود. بر اساس مدل برتر و نقشه نهایی حساسیت زمین لغزش 5/64 درصد از پهنه حوزه مورد مطالعه دارای پتانسیل حساسیت زمین لغزش متوسط رو به بالا میباشد. طبقه حساسیت زمین لغزش خیلی کم کمترین مساحت معادل 3/12 درصد سطح حوزه و طبقه متوسط بیشترین میزان مساحت معادل 3/27 درصد سطح حوزه را شامل می شوند. بر اساس نتایج و میزان مساحت حساسیت زمین لغزش طبقه زیاد و خیلی زیاد به ترتیب زیرحوزه های لمبران، گراپ و زیدشت 1 در اولویت میزان حساسیت زمین لغزش هستند و زیرحوزه های نساسفلی، شهرک و خورانک دارای کمترین میزان حساسیت زمین لغزش هستند.
نتیجه گیری: نتایج نشان داد که به‌کارگیری روشهای یادگیری ماشینی، ضمن صرفه جویی در زمان و هزینه، قابلیت مناسبی در پیش‌بینی حساسیت زمین لغزش دارد و با توجه به دقت عالی نقشه توزیع مکانی حساسیت زمین لغزش، نتایج این پژوهش میتواند مورد استفاده تصمیم گیران، مدیران محلی و مسئولان به منظور کاهش خسارات قرار گیرد.
مواد و روشها: به منظور ارزیابی احتمال وقوع مکانی زمین لغزش، ابتدا نقشه زمین لغزشهای پیشین ثبت شده تاکنون با استفاده از بازدیدهای میدانی از عرصه های طبیعی، منابع محلی و سازمانی (اداره کل منابع طبیعی و آبخیزداری استان البرز) در محیط سامانه اطلاعات جغرافیایی (ArcGIS 10.8) تهیه شد. سپس 11 عامل موثر بر پتانسیل زمینلغزش شامل ارتفاع (متر)، شیب (درصد)، جهت شیب، فاصله از آبراهه (متر)، سنگشناسی، بارندگی، کاربری اراضی، شاخص رطوبت توپوگرافی (TWI)، انحناء سطح، فاصله از آبراهه و فاصله از جاده انتخاب و تست هم خطی عوامل با آزمون فاکتور تورم واریانس (VIF) در نرمافزار SPSS بررسی شد. از مجموع 631 زمین لغزش، به صورت تصادفی 70 درصد به عنوان دادههای آزمون (442 نقطه زمینلغزش) و 30 درصد به عنوان داده های اعتبارسنجی (189 نقطه زمینلغزش) طبقهبندی شدند. مدلهای ماشین بردار پشتیبان و شبکه عصبی مصنوعی جهت اهداف مورد تحقیق مورد استفاده قرار گرفتند. همچنین جهت تعیین مهمترین پارامترها از نمودار جکنایف استفاده شد. از منحنی تشخیص عملکرد نسبی (ROC) جهت قدرت پیش بینی مدل استفاده شد. در نهایت مدل برتر بر اساس مقادیر ROC مشخص و سپس نقشه نهایی حساسیت زمین لغزش تهیه شد.
یافته ها: نتایج نشان داد که، همخطی بین عوامل مورد استفاده وجود ندارد و لذا کلیه عوامل در فرآیند مدلسازی مورد استفاده قرار گرفتند. نتایج نشان داد که بر اساس نمودار جک نایف لایه های فاصله از گسل، جهت شیب، فاصله از جاده، لیتولوژی و کاربری اراضی به ترتیب مهمترین عوامل تاثیرگذار بر حساسیت وقوع زمین لغزش بودند. سطح زیر منحنی (AUC) بر اساس منحنی تشخیص عملکرد نسبی، نشاندهنده دقت 90 درصد (عالی) و 88 درصد (خیلی خوب) در مرحله آموزش و 87 درصد (خیلی خوب) و 84 درصد (خیلی خوب) در مرحله اعتبارسنجی به ترتیب برای مدل شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای تعیین مناطق دارای حساسیت وقوع زمین لغزش بود. بر اساس مدل برتر و نقشه نهایی حساسیت زمین لغزش 5/64 درصد از پهنه حوزه مورد مطالعه دارای پتانسیل حساسیت زمین لغزش متوسط رو به بالا میباشد. طبقه حساسیت زمین لغزش خیلی کم کمترین مساحت معادل 3/12 درصد سطح حوزه و طبقه متوسط بیشترین میزان مساحت معادل 3/27 درصد سطح حوزه را شامل می شوند. بر اساس نتایج و میزان مساحت حساسیت زمین لغزش طبقه زیاد و خیلی زیاد به ترتیب زیرحوزه های لمبران، گراپ و زیدشت 1 در اولویت میزان حساسیت زمین لغزش هستند و زیرحوزه های نساسفلی، شهرک و خورانک دارای کمترین میزان حساسیت زمین لغزش هستند.
نتیجه گیری: نتایج نشان داد که به‌کارگیری روشهای یادگیری ماشینی، ضمن صرفه جویی در زمان و هزینه، قابلیت مناسبی در پیش‌بینی حساسیت زمین لغزش دارد و با توجه به دقت عالی نقشه توزیع مکانی حساسیت زمین لغزش، نتایج این پژوهش میتواند مورد استفاده تصمیم گیران، مدیران محلی و مسئولان به منظور کاهش خسارات قرار گیرد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
