پیش‌بینی حساسیت وقوع زمین‌لغزش با الگوریتم یادگیری ماشین بیشینه آنتروپی( حوزه آبخیز بار نیشابور)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی مرکز تحقیقات و آموزش کشاورزی و منابع‌طبیعی خراسان‌رضوی

2 مرکز تحقیقات کشاورزی و منابع طبیعی لرستان

10.52547/esrj.2022.227012.1114

چکیده

زمین‌لغزش یکی از مخرب‌ترین بلایای طبیعی محسوب می‌شود. در مواجهه با زمین‌لغزش در لحظه وقوع، کار چندانی نمی‌توان انجام داد، درحالی‌که می‌توان با برنامه‌ریزی مناسب و پیش‌بینی‌شده، خسارات و تلفات احتمالی را کاهش داد. بنابراین تهیه نقشه جامع حساسیت وقوع زمین‌لغزش برای کاهش آسیب‌های احتمالی به افراد و زیرساخت‌ها لازم و ضروری است. هدف پژوهش حاضر، اولویت‌بندی عوامل مؤثر بر وقوع زمین‌لغزش و پهنه‌بندی حساسیت وقوع آن با استفاده از روش حداکثر آنتروپی در حوزه آبخیز بار نیشابور، واقع در استان خراسان رضوی می‌باشد. بدین منظور با توجه به‌مرور منابع گسترده، 16 عامل مؤثر بر وقوع زمین‌لغزش در منطقه موردمطالعه انتخاب و لایه رقومی عوامل مؤثر در سامانه اطلاعات جغرافیایی تهیه شدند. به‌منظور مدل‌سازی حساسیت وقوع زمین‌لغزش به‌صورت تصادفی 70 درصد زمین‌لغزش‌ها به‌منظور آموزش(واسنجی) مدل و 30 درصد برای اعتبارسنجی نتایج مدل انتخاب شدند. به‌منظور ارزیابی نتایج مدل از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی(ROC) با استفاده از دو دسته داده آموزش و اعتبارسنجی استفاده شد. بر اساس نتایج نمودار Jackknife، از بین پارامترهای انتخاب‌شده در فرایند مدل‌سازی به ترتیب لایه‌های طول شیب(LS)، جهت شیب و شیب بیشترین مشارکت و تأثیر را در وقوع زمین‌لغزش‌های حوزه بار را دارند. سطح زیر منحنی(AUC) بر اساس منحنی تشخیص عملکرد نسبی، نشان‌دهنده دقت عالی (92/0=AUC) در مرحله آموزش و خیلی خوب (87/0=AUC) در مرحله اعتبار سنجی می‌باشد. بر اساس نتایج مدل حداکثر آنتروپی، حدود 13 درصد از حوزه بار نیشابور در پهنه حساسیت زیاد و خیلی زیاد قرارگرفته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Landslide Susceptibility Predicting Using the Maximum Entropy Machine Learning Algorithm (case Study: Bar Waterdhed)

نویسندگان [English]

  • ALi Dastranj 1
  • Ebrahim Karimi 2
1 khorasan Razavi Agricultural and Natural Resources Research and Education Center
2 Lorestan Agricultural and Natural Resources Research and Education Center
چکیده [English]

Landslides are one of the most destructive natural disasters. When landslides occur not much work can be done, but damage can be reduced with pre-determined planning. Therefore, it is necessary to prepare a comprehensive landslide susceptibility map to reduce possible damage to people and infrastructure. The purpose of this study is to prioritize the factors affecting the occurrence of landslides and zoning the sensitivity of its occurrence using the maximum entropy method in the Neishabour watershed, located in Khorasan Razavi province. For this purpose, 16 factors affecting the occurrence of landslides in the study area were selected and their layers was prepared in the GIS. In order to model the sensitivity of landslides, 70% of landslides were randomly selected for training (calibration) of the model and 30% for validation of model results. In order to evaluate the results of the model, ROC curve was used using two sets of training and validation data. According to the results of Jackknife diagram, among the selected parameters in the modeling process, the slope length (LS) layers, respectively, slope direction and slope have the most participation and impact in the occurrence of landslide landslides. The area under the curve (AUC) based on the relative performance detection curve indicates excellent accuracy (AUC = 0.92) in the training phase and very good (AUC = 0.87) in the validation phase. Based on the results of the maximum entropy model, about 13% of the Neishabour load field is located in the high and very high sensitivity zones.

کلیدواژه‌ها [English]

  • landslide
  • zoning sensitivity
  • maximum entropy
  • Bar Watershed