احمدرضا کریمی پور؛ صالح یوسفی؛ سارا مردانیان
چکیده
مقدمه
پدیده فرونشست زمین بهعنوان یک چالش جهانی، بسیاری از دشتها و مناطق کلانشهری ازجمله مناطق مختلف ایران را تحت تأثیر قرار داده است. این پدیده عمدتاً ناشی از بهرهبرداری بیرویه از منابع آب زیرزمینی و عوامل زمینشناختی است که میتواند پیامدهای جدی مانند آسیب به زیرساختها و تخریب زمینهای کشاورزی را بهدنبال داشته باشد. ...
بیشتر
مقدمه
پدیده فرونشست زمین بهعنوان یک چالش جهانی، بسیاری از دشتها و مناطق کلانشهری ازجمله مناطق مختلف ایران را تحت تأثیر قرار داده است. این پدیده عمدتاً ناشی از بهرهبرداری بیرویه از منابع آب زیرزمینی و عوامل زمینشناختی است که میتواند پیامدهای جدی مانند آسیب به زیرساختها و تخریب زمینهای کشاورزی را بهدنبال داشته باشد. پیشرفتهای اخیر در حوزه سنجش از دور، امکان پایش دقیقتر این پدیده را فراهم کرده و در این راستا از تکنیکهای مختلفی ازقبیل PS-InSAR و Coherence Pixles Technique استفاده شده است. در کنار سنجش از دور، از الگوریتمهای یادگیری ماشین نیز در مطالعات مختلف برای پیشبینی فرونشست استفاده شده است. بر این اساس بهکارگیری مدلی مناسب با دقت بالا در این زمینه حائز اهمیت است. مدل AdaBoost بهدلیل قابلیت بالا در پرداختن به روابط غیرخطی پیچیده حاکم بر پدیده فرونشست میتواند به پهنهبندی میزان خطر فرونشست نقش مؤثری در مدیریت خطر و برنامهریزی کاربری اراضی در یک منطقه ایفا کند.
مواد و روشها
این پژوهش در استان چهارمحال و بختیاری در رشتهکوههای زاگرس، انجام شد. در گام اول، 30 عامل مؤثر بر فرونشست زمین در نظر گرفته شد که شامل پارامترهای توپوگرافی (ارتفاع، شیب، جهت شیب، انحنای زمین و شاخصهای TRI، TPI و TWI، پارامترهای هیدرولوژیکی (فاصله از رودخانهها، تجمع جریان)، زمینشناسی (فاصله از گسلها، لیتولوژی)، محیطی (پوشش گیاهی، شاخص رطوبت زمین، کاربری اراضی) و اقلیمی (دما، بارش، عمق برف) بودند. بهمنظور اجتناب از اثرات هم خطی، تحلیل ماتریس همبستگی انجام شد که منجر به حذف هفت متغیر با ضریب همبستگی بالاتر از 0.7 شد. پس از آن، ۲۳ متغیر برای مدلسازی نگه داشته شدند. الگوریتم AdaBoost با استفاده از ۲۳۵۲ نمونه (۱۸۵۹ نقطه فرونشست و ۴۹۳ نقطه بدون فرونشست) آموزش داده شد و روی یک مجموعه آزمون مستقل متشکل از ۷۷۲ نمونه (۵۳۶ نقطه فرونشست و ۲۳۶ نقطه بدون فرونشست) اعتبارسنجی شد. لازم به ذکر است که دادهها بهطور تصادفی به دو دسته آموزش و ارزیابی تقسیم بندی شدند و تقریباً 70 درصد برای آموزش و 30 درصد برای ارزیابی استفاده شدند. عملکرد مدل با استفاده از معیارهای سطح زیر منحنی (AUC)، دقت مدل (Precision)، شاخص بازیابی (Recall) و ضریب کاپا مورد ارزیابی شد.
نتایج و بحث
دادههای شاخصهای آماری بهدست آمده برای سطح زیر منحنی (AUC)، دقت مدل (Precision)، شاخص بازیابی (Recall) و ضریب کاپا (بهترتیب 0.974، 0.936، 0.981 و 0.855) ارزیابی مدل AdaBoost حاکی از عملکرد بسیار مطلوب مدل در پیشبینی خطر فرونشست بود. براساس طبقهبندی بهدست آمده در نقشه نهایی پهنهبندی خطر فرونشست، منطقه مورد مطالعه به منطقهای با پنج طبقه بسیار کم خطر، کم خطر، متوسط، بالا و بسیار بالا طبقهبندی شد. نتایج نشان داد که دشتهای بروجن و شهرکرد بهترتیب در معرض بیشترین خطر قرار دارند و بخشهای محدودی از دشت لردگان در ردهبندی خطر بسیار زیاد جای میگیرد و سایر دشتهای استان عمدتاً با سطوح خطر کم تا متوسط مواجه هستند. همچنین نتایج نشان داد 36 درصد استان در معرض خطر فرونشست متوسط قرار دارد.
نتیجهگیری
نتایج این مطالعه حاکی از آن است که مدل AdaBoost ابزاری کارآمد برای پهنهبندی خطر فرونشست زمین در استان چهارمحال و بختیاری است. براساس آنالیز SHAP، سه پارامتر اصلی مؤثر بر فرونشست بهترتیب اهمیت عبارت از درجه شیب زمین، درصد شن سطحی و تغییرات تراز آب زیرزمینی است. همچنین مشخص شد که رابطه معکوسی بین شیب زمین و شدت فرونشست وجود دارد، بهطوری که زمینهای با شیب کمتر، آسیبپذیری بیشتری در برابر این پدیده نشان میدهند. در مقابل، افت سطح آب زیرزمینی و نوسانات آن رابطه مستقیمی با تشدید فرونشست دارد، حالآنکه افزایش درصد شن در سطح زمین تأثیر کاهندهای بر وقوع فرونشست دارد. نتایج بر ضرورت مدیریت صحیح منابع آب زیرزمینی تأکید دارند. نقشه پهنهبندی خطر فرونشست و نمودارهای ارزیابی ارائهشده در این مطالعه نیز میتوانند به عنوان ابزاری کاربردی برای پیشگیری و کاهش خسارات ناشی از فرونشست زمین مورد استفاده قرار گیرند.
