fa اولویت‌بندی عوامل موثر بر وقوع زمین‌لغزش و تهیه نقشه حساسیت آن با استفاده از الگوریتم نوین جنگل تصادفی (مطالعه موردی: بخشی از استان گلستان) تخصصي Special پژوهشي Research <strong><span style="font-family:2 mitra;"><span style="font-size:10.0pt;">زمین‌لغزش به&shy;عنوان یکی از بلایای طبیعی، خطراتزیادی به&shy;ویژه در مناطق کوهستانی داشته و منجر به خسارت جانی و مالی فراوانی در سرتاسر دنیا می‌شود. ایران به&shy;ویژه در مناطق شمالی و غربی به&shy;خاطر شرایط اقلیمی و توپوگرافی، همواره در معرض خطر زمین‌لغزش می‌باشد. هدف از این پژوهش، ارزیابی عوامل موثر بر وقوع زمین&shy;لغزش و تهیه نقشه حساسیت آن در بخشی از استان گلستان با استفاده از الگوریتم نوین جنگل تصادفی است. در ابتدا موقعیت زمین‌لغزش‌ها با استفاده از مطالعات میدانی، گزارش‌های تاریخی و گوگل ارث مشخص شد. در مجموع 78 زمین‌لغزش در منطقه شناسایی، که به دو گروه برای مدل‌سازی (70 درصد) و ارزیابی (30 درصد) تقسیم شدند. یازده نقشه از عوامل موثر بر وقوع زمین‌لغزش شامل جهت شیب، ارتفاع، فاصله از رودخانه، فاصله از گسل، فاصله از جاده، سنگ‌شناسی، کاربری اراضی، شاخص طول شیب، شکل شیب، بارش و درجه شیب تهیه شد. ارتباط عوامل موثر و نقشه پراکنش زمین‌لغزش‌ها و اولویت آن&shy;ها با استفاده از الگوریتم جنگل تصادفی بررسی و سپس نقشه حساسیت زمین‌لغزش در محیط </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:8.0pt;">GIS</span></span></span></strong><strong><span style="font-family:2 mitra;"><span style="font-size:10.0pt;"> تهیه گردید. اولویت&shy;بندی عوامل موثر نشان داد که فاصله از جاده، فاصله از گسل و ارتفاع به&shy;ترتیب بیش&shy;ترین تاثیر را در منطقه مورد مطالعه داشته&shy;اند. نهایتاً نقشه حساسیت زمین‌لغزش تهیه شده با استفاده از الگوریتم جنگل تصادفی به چهار طبقه شامل حساسیت کم (18/29 درصد)، متوسط (44/33 درصد)، زیاد (82/24 درصد) و خیلی‌زیاد (55/12 درصد) تقسیم شد. برای ارزیابی نقشه تهیه شده از منحنی </span></span></strong><strong><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:8.0pt;">ROC</span></span></span></strong><strong><span style="font-family:2 mitra;"><span style="font-size:10.0pt;"> و تخمین سطح زیرمنحنی از 30 درصد زمین‌لغزش‌های استفاده نشده در مدل&shy;سازی استفاده گردید. نتایج نشان داد مدل جنگل تصادفی با سطح زیر منحنی 706/0 دقت قابل قبولی برای تهیه نقشه حساسیت زمین‌لغزش ارائه کرده است.</span></span></strong> Landslide as a natural hazard is very dangerous especially in mountainous areas that result in loss of human life and property around the world. Iran is always exposed to landslide hazard especially in the north and west because of climatic and topographic conditions. The aim of this research is prioritization of landslide-conditioning factors and its landslide susceptibility mapping in the part of Golestan Province using random forest new algorithm. At first, landslide locations were identified using field survey, historical report, and Google earth. In total, 78 landslide locations were identified and divided into two parts for modeling (70%) and validation (30%). Eleven factors of landslide-conditioning including slope aspect, altitude, distance from streams, distance from faults, distance from roads, lithology, land use, slope-length, plan curvature, precipitation, and slope angle were prepared. The relationships between the effective factors and the landslide inventory map were calculated using the random forest algorithm, and then landslide susceptibility map was prepared in the GIS environment. Prioritization of landslide-conditioning factors showed that distance from road, distance from faults, and altitude have the most effect on landslide occurrence respectively. Finally landslide susceptibility map produced by random forest model were divided to four susceptibility classes such as low (29.18%), moderate (33.44%), high (24.82%), and very high (12.55%). ROC curve and the area under the curvewere used for accuracy assessment of the prepared map using about 30% of landslides. Results showed that the random forest model produced reasonable accuracy in landslide susceptibility mapping with area under curve of 0.706. زمین‌لغزش, نقشه حساسیت زمین‌لغزش, سامانه اطلاعات جغرافیایی, الگوریتم جنگل تصادفی GIS, Landslide, Landslide susceptibility map, Random forest 161 170 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-187&slc_lang=fa&sid=1 مجید محمدی 10031947532846005074 10031947532846005074 Yes حمیدرضا پورقاسمی 10031947532846005075 10031947532846005075 No