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.
ملیحه محمدنیا؛ ابوالقاسم امیراحمدی؛ لیلی گلی مختاری
چکیده
مقدمه
انسان با مسائل محیط زیستی فراوانی مواجه است. بلایای طبیعی جزئی از این مشکلات هستند که سالانه موجب کشته و مجروح شدن صدها هزار تن و بیخانمان شدن میلیونها نفر در سراسر جهان میشوند. مخاطرات ژئومورفولوژیک بهعنوان پدیدهای بالقوه زیانبار مطرح است که مهمترین آنها حرکتهای تودهای و زمینلغزشها هستند. حرکت تودهای، ...
بیشتر
مقدمه
انسان با مسائل محیط زیستی فراوانی مواجه است. بلایای طبیعی جزئی از این مشکلات هستند که سالانه موجب کشته و مجروح شدن صدها هزار تن و بیخانمان شدن میلیونها نفر در سراسر جهان میشوند. مخاطرات ژئومورفولوژیک بهعنوان پدیدهای بالقوه زیانبار مطرح است که مهمترین آنها حرکتهای تودهای و زمینلغزشها هستند. حرکت تودهای، شامل حرکت به سمت بیرون یا رو به پایین یک توده از مواد تشکیلدهنده دامنه تحتتأثیر نیروی گرانش است. این نوع حرکات عمدتاً در اثر نیروی ثقل، عوامل طبیعی مثل بارش شدید، زلزله، اشباع شدن خاک از آب و همچنین، علل انسانی مثل تخریب پوشش گیاهی و عملیات نادرست مهندسی به وقوع میپیوندد. برطبق گزارشهای جهانی مخاطرات طبیعی در سال 2012، لغزش در میان هفت بلایای طبیعی خطرناک جهان قرار گرفت. وقوع مخاطرات طبیعی (ازجمله زمینلغزشها) فشار جدی بر روی توسعه اقتصادی کشورها، بهویژه کشورهای جهان سوم دارد. بهطوریکه خسارتهای مالی ناشی از مخاطرات طبیعی، رشد و شکوفایی اقتصادی را با رکود مواجه میسازد. سرزمین ایران با توپوگرافی نسبتاً کوهستانی، فعالیت زمینساختی و لرزهخیزی زیاد و شرایط متنوع زمینشناسی و اقلیمی عمده شرایط طبیعی را برای ایجاد طیف وسیعی از زمینلغزشها فراهم کرده است.
مواد و روشها
هدف از این پژوهش، مدلسازی مکانی حساسیت زمینلغزش با استفاده از روشهای یادگیری ماشین شامل جنگل تصادفی، ماشین بردار پشتیبان و درخت رگرسیون تقویتشده در استان خراسان رضوی است. در ابتدا، نقشه پراکنش زمینلغزشهای منطقه در بازدیدهای صحرایی و با استفاده از بانک اطلاعات زمینلغزشهای کشور تهیه شد. در مرحله بعد، 70 درصد زمینلغزشهای شناساییشده برای فرایند مدلسازی و 30 درصد برای ارزیابی مدلهای یاد شده، بهکار برده شد. لایههای اطلاعاتی ارتفاع، شیب، جهت شیب، فاصله از آبراهه، تراکم آبراهه، فاصله از جاده، فاصله از گسل، کاربری زمین، شاخص پوشش گیاهی، انحنای سطح، انحنای نیمرخ، بارش و واحدهای سنگشناسی انتخاب و نقشههای آن در محیط ArcGIS تهیه شد.
نتایج و بحث
نتایج اولویتبندی عوامل مؤثر با استفاده از مدل جنگل تصادفی نشان داد که عوامل بارش و ارتفاع بیشترین تأثیر را در وقوع رخداد زمینلغزشهای منطقه موردمطالعه داشته است. همچنین، نتایج ارزیابی مدلهای یادگیری ماشین با استفاده از منحنی تشخیص عملکرد نسبی (ROC) نشان داد نقشه تهیه شده با روش جنگل تصادفی بیشترین دقت (0.97) را در تهیه نقشه پتانسیل زمینلغزش در منطقه موردمطالعه داشته است و بر این اساس، بیش از 25 درصد منطقه در کلاس خطر زیاد و خیلی زیاد قرار دارد.
نتیجهگیری
این نقشه میتواند به برنامهریزان محیطی جهت پروژههای عمرانی کمک کند و از تغییر کاربری و ساختوساز در مناطق با حساسیت بالا جلوگیری شود. همچنین، میتوان با آگاه نمودن مردم، فعالیتهای ناصحیح انسانی در این زمینه را کاهش داد. گرچه کنترل زمینلغزش در حال وقوع اغلب امکانپذیر نبوده و یا در صورت امکان بسیار پرهزینه است ولی میتوان با مدیریت صحیح در جهت پیشگیری و یا کاهش خطرات آن با در نظر گرفتن ویژگیهای منطقه مطالعاتی، فعالیتهایی را به انجام رساند. امید است، با شناسایی عوامل مؤثر در وقوع حرکتهای تودهای و پهنهبندی آن، بتوان کمک مؤثری در تدوین برنامه مدیریت خطر و کاهش خسارتهای ناشی از این پدیده نمود.
