fa مقایسۀ نقشه های حساسیت زمین لغزش با استفاده از مدل رگرسیون لجستیک (LR) و مدل عمومی تجمیع یافته (GAM) بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای) بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای) پژوهشي Research <p dir="RTL" style="margin-right: -0.05pt; text-align: justify;"><span style="font-size:11px;"><strong>زمین &shy;لغزش، یکی از رایج &shy;ترین مخاطرات طبیعی است که زندگی، اموال و دارایی &shy;های مردم را در مناطق کوهستانی به مخاطره می‌اندازد. بنابراین، شناسایی مناطق در معرض خطر زمین &shy;لغزش به&shy; منظور پیشگیری و کاهش خسارات ناشی از وقوع آن، امری ضروری است. هدف از پژوهش حاضر، مقایسه دو مدل رگرسیون لجستیک (</strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;">LR</span></span></strong><strong>) و عمومی تجمیع &shy;یافته (</strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;">GAM</span></span></strong><strong>) و ارزیابی عملکرد آن&shy;ها، جهت تهیۀ نقشۀ حساسیت زمین &shy;لغزش در حوزۀ آبخیز چهاردانگه استان مازندران می &shy;باشد. به این منظور ابتدا نقشۀ پراکنش زمین &shy;لغزش منطقه با استفاده از تصاویر گوگل ارث و بازدیدهای گسترده میدانی تهیه گردید. سپس نقشه پراکنش زمین‌لغزش به&shy; صورت تصادفی به 70 درصد داده &shy;های آموزشی جهت مدل&shy;سازی و 30 درصد داده&shy; های آزمایشی به&shy; منظور اعتبارسنجی تقسیم شد. نقشه&shy; های عوامل تاثیرگذار بر وقوع زمین &shy;لغزش، شامل عوامل توپوگرافی، هیدرولوژیکی، زمین&shy; شناسی و عوامل انسانی در محیط نرم &shy;افزار </strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;">ArcGIS</span></span></strong><strong> تهیه گردید و در نهایت، با استفاده از منحنی تشخیص عملکرد نسبی (</strong><strong><span dir="LTR"><span style="font-family:times new roman bold,serif;">ROC</span></span></strong><strong>)، ارزیابی مدل&shy; های مذکور صورت پذیرفت. نتایج ارزیابی مدل رگرسیون لجستیک و مدل عمومی تجمیع &shy;یافته به ترتیب با سطح زیر منحنی 2/81 درصد و 4/82 درصد، بیانگر مناسب بودن هر دو روش، جهت تهیۀ نقشۀ حساسیت زمین لغزش در منطقۀ مورد مطالعه می‌باشد. هرچند مدل عمومی تجمیع&shy; یافته با اندکی دقت بیش&shy;تر، نسبت به مدل رگرسیون لجستیک کارآیی بیش&shy;تری در شناسایی مناطق حساس به وقوع زمین&shy; لغزش دارد. </strong></span></p> <p dir="RTL" style="margin-right:-.05pt;">&nbsp;<br> <br> &nbsp;</p> <p dir="RTL" style="text-align: left;">Landslide is one of the most common natural disasters that endanger the lives and properties of people in mountainous areas. Therefore, identification of risk exposure areas of landslide is essential to prevent and reduce damages by landslides. The purpose of this study is compared to logistic regression (LR) and generalized additive models (GAM) and the evaluation of their performance for landslide susceptibility mapping in the Chahardangeh Watershed, Mazandaran Province. At the first, landslide locations were identified by Google Earth images and extensive field survey. Then, the landslide inventory map was randomly divided as training data 70% for modeling and the remaining 30% was applied for the model validation. The landslide conditioning factors including topographic, hydrologic, geology and human factors were constructed in GIS. Finally, the receiver operating characteristic (ROC) Curve was used for the model validation. The validation of results showed that the area under the ROC curve for LR and GAM models were 81.2% and 82.4%, respectively. So, both of the models are suitable and efficient methods for landslide susceptibility mapping in the study area. Although, the obtained results showed that the GAM model performed is slightly better than the LR model for determining regions of susceptible to occurrence of landslide in the study area.<br> &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp;</p> زمین ­لغزش, مدل رگرسیون لجستیک, مدل عمومی تجمیع­یافته, حوزۀ آبخیز چهاردانگه Landslide, Logistic regression (LR), Generalized additive Model (GAM), Chahardangeh Watershed 208 219 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-893-2&slc_lang=fa&sid=1 Zeinab Timoori Yansari زینب تیموری یانسری teimoori.z91@gmail.com 10031947532846007030 10031947532846007030 No Group of Geomorphology, Faculty of Letters and Humanities, Ferdowsi University of Mashhad دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد Seyed Reza Hosseinzadeh سید رضا حسین زاده srhosszadeh@um.ac.ir 10031947532846007031 10031947532846007031 Yes Faculty of Letters and Humanities, Ferdowsi University of Mashhad دانشکده ادبیات و علوم انسانی، دانشگاه فردوسی مشهد Ataollah Kavian عطا اله کاویان ataollah.kavian@yahoo.com 10031947532846007032 10031947532846007032 No Sari Agricultural Sciences and Natural Resources University دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری Hamid Reza Pourghasemi حمیدرضا پورقاسمی hamidreza.pourghasemi@yahoo.com 10031947532846007033 10031947532846007033 No Department of Natural Resources and Environmental Engineering, College of Agriculture, Shiraz University, Shiraz بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز