TY - JOUR ID - 128022 TI - مدلسازی حساسیت به زمین‌لغزش با استفاده از شبکه‌های عصبی مصنوعی و رگرسیون لجستیک در حوضه سقزچای جنوب استان اردبیل JO - مهندسی و مدیریت آبخیز JA - IJWMSE LA - fa SN - 2251-9300 AU - طلائی, رضا AU - شادفر, صمد AD - استادیار، بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اردبیل (مغان)، سازمان تحقیقات، آموزش و ترویج کشاورزی، اردبیل، ایران AD - دانشیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران،‌ ایران Y1 - 2023 PY - 2023 VL - 15 IS - 3 SP - 481 EP - 503 KW - احتمال KW - ارزیابی KW - پیش‎بینی KW - خسارت KW - دقت KW - عوامل موثر و مخاطرات طبیعی DO - 10.22092/ijwmse.2022.360475.1996 N2 - مقدمه زمین­‌لغزش­‌ها، یکی از مخاطرات طبیعی در مناطق کوهستانی هستند که ایمنی ساکنان و محیط زیست را تهدید می­‌کنند. در چند دهه گذشته، زمین‌لغزش‌­ها در حوضه سقزچی در جنوب استان اردبیل، باعث وارد شدن خسارت­‌هایی به منابع طبیعی و انسانی شده­‌اند. زمین‌لغزش‌­ها، در بیش از 9.2 درصد (2600 هکتار) از مساحت این حوضه وجود دارند. در این حوضه نیز مانند سایر مناطق زمین­‌لغزشی، برای برنامه‌ریزی و مدیریت اراضی نیاز به تحلیل کل منطقه است، تا بر اساس آن احتمال وقوع زمین‌­لغزش در آینده برآورد شود. حل این موضوع با تحلیل توام ویژگی­‌های ژئومورفولوژی، توپوگرافی، زمین­‌شناسی، کاربری اراضی، هیدرولوژی و آب و هوایی حوضه در قالب لایه‌­های اطلاعاتی در محیط سامانه­‌های اطلاعات جغرافیایی در یک مقیاس منطقه‌­ای، امکان­‌پذیر است. ارزیابی حساسیت به زمین­‌لغزش در حوضه سقزچای تا به حال با روش­‌های نوین و با دقت بالا انجام نگرفته است. دقت و اعتبار هر مدل، با استفاده از روش منحنی ROC و بر مبنای سطح زیر آن (AUC) تعیین شد. نتایج به دست آمده از این پژوهش، می­‌تواند در پیش‌بینی وقوع احتمالی زمین­‌لغزش و کاهش خسارت در حوضه سقزچای مورد استفاده قرار گیرد.   مواد و روش­‌ها حوضه مورد پژوهش، با مساحت 27918 هکتار در جنوب استان اردبیل و در جنوب غرب شهرستان خلخال واقع شده است. در این حوضه، نقشه پراکنش 113 زمین­‌لغزش تهیه شد که در آن به­‌ترتیب 70 و30 درصد از زمین­­‌لغزش‌ها به داده‌­های آموزشی و ارزیابی اختصاص داده شدند. ده عامل موثر، در وقوع زمین­‌لغزش­‌ها شامل درصد شیب، جهات شیب، فاصله از گسل­‌ها، فاصله از رودخانه‌­ها، فاصله از راه‌­ها، فاصله از مناطق مسکونی، واحدهای سنگ­‌شناسی، بیشینه شتاب افقی زمین، کاربری اراضی و مجموع بارندگی سالانه، در تحلیل مدل­‌ها مورد استفاده قرار گرفتند. به‌منظور پیش‌­بینی حساسیت به وقوع زمین­‌لغزش،­ از دو روش غیرخطی شبکه عصبی به نام پرسپترون چند لایه با ساختار رو به جلو و رگرسیون لجستیک، استفاده شد. بر اساس هر دو مدل، احتمال وقوع زمین‌­لغزش در هر پیکسل محاسبه شد. دقت پیش‌بینی دو مدل با استفاده از منحنی ROC، مورد ارزیابی قرار گرفت.    نتایج و بحث در مدل شبکه‌­های عصبی، عوامل تشدید کننده شامل میانگین بارندگی سالانه (0.136) و بیشینه شتاب افقی زمین (0.134)، بیشترین تاثیر را در پیش­‌بینی احتمال وقوع زمین­‌لغزش‌­ها داشته‌­اند. عوامل فاصله از گسل­‌ها (0.110)، واحدهای سنگ­‌شناسی (0.109)، فاصله از راه­‌ها (0.109)، فاصله از رودخانه‌­ها (0.101)، فاصله از مناطق مسکونی (0.096)، جهات جغرافیایی دامنه‌ها (0.069)، کاربری اراضی (0.068) و درصد شیب دامنه­‌ها (0.067) به‌­ترتیب در مدلسازی حساسیت به زمین­‌لغزش به روش شبکه­‌های عصبی مصنوعی اهمیت دارند. بنابراین، تمامی ده عامل در مدلسازی به روش شبکه‌­های عصبی مصنوعی، به‌کار گرفته شدند. نتایج به دست آمده نشان داد که احتمال وقوع زمین­‌لغزش در فاصله 0.00 تا 0.961، تغییر می­‌نماید. در طبقه‌‎بندی حوضه به درجات حساسیت به زمین‌­لغزش، به روش شکست طبیعی بر مبنای احتمال برآوردی روش شبکه­‌های عصبی، 85.7 درصد از منطقه در پهنه­‌های با حساسیت کم و بسیار کم، قرار می­‌گیرد. در 6.6 درصد از منطقه، احتمال حساسیت به زمین­‌لغزش متوسط و در 7.7 درصد از حوضه حساسیت بالا و بسیار بالا برای وقوع زمین­‌لغزش وجود دارد. تحلیل حساسیت به زمین‌­لغزش به روش رگرسیون لجستیک، با روش بدون متغیر مستقل شروع شد و با اضافه کردن متغیرها در قدم دهم، خاتمه یافت. نتایج نشان می­‌دهد که تنها سه سطح از عامل جهات جغرافیایی، در مدل رگرسیون لجستیک بی‌‌‌اثر هستند. با تخمین ثابت و ضرایب مربوط به متغیرهای مستقل در تحلیل رگرسیون لجستیک، مقادیر احتمال بین صفر تا یک، برای تمام پیکسل­‌های منطقه محاسبه شد. با درجه‌­بندی حساسیت به زمین‌­لغزش به روش شکست طبیعی در مدل رگرسیون لجستیک، به‎‌ترتیب 79.9، 10.1 و 10 درصد از مساحت منطقه در گروه با درجات حساسیت پایین و بسیار پایین، متوسط و بالا و بسیار بالا قرار می­‌گیرد. دقت و اعتبار مدل‌های رگرسیون لجستیک و شبکه عصبی مصنوعی، بر اساس منحنی ROC و سطح زیر آن (AUC) به‌­ترتیب برابر 0.848 و 0.929 است. نتایج هر دو مدل، خوب بوده است و دقت بالاتر از 84 درصد داشته‌اند. نتایج به دست آمده از دو روش فوق، در اکثر مطالعات در دنیا و ایران حکایت از توانمندی آن­‌ها در برآورد دقیق حساسیت احتمالی به زمین­‌لغزش‌­ها دارد، اما روش شبکه‌­های عصبی مصنوعی، با وجود پیچیدگی‌­های خاص دارای دقت بیشتری است.   نتیجه‌گیری زمین‌­لغزش، یک محدودیت مهم برای توسعه در مناطق لغزش­‌خیز جنوب استان اردبیل است. شرایط محیطی، در حوضه سقزچی برای وقوع زمین­‌لغزش­‌های جدید و یا فعالیت زمین­‌لغزش‌­­های قدیمی مستعد است. احتمال وقوع زمین‌­لغزش در منطقه با استفاده از عوامل موثر و به روش رگرسیون لجستیک و‌ شبکه عصبی مصنوعی، شبیه‌سازی شد. نتایج حاصل از مدل شبکه عصبی مصنوعی، دقیق‌تر بوده و بهتر از مدل‌ رگرسیون لجستیک است. در مدل شبکه­‌های عصبی مصنوعی، عوامل تشدید کننده زمین­‌لغزش‌­ها شامل میانگین بارندگی سالانه و بیشینه شتاب افقی زمین، بیشترین تاثیر را بر چگونگی پیش­بینی احتمال وقوع زمین­‌لغزش‌­ها دارند. روش شبکه عصبی مصنوعی، در تبیین رابطه وقوع زمین‌­لغزش با عوامل موثر، برتری نشان داد. نقشه‌ حساسیت خروجی از این مدل، به پنج طبقه حساسیت بسیار کم (71.4 درصد)، کم (14.3 درصد)، متوسط (6.6 درصد)، زیاد (4.3 درصد) و بسیار زیاد (3.4)، تقسیم شد. استفاده از مدل‌­های شبکه عصبی مصنوعی، در ارزیابی حساسیت به زمین­‌لغزش در حوضه و مناطق مشابه، به‌­منظور کمک به تصمیم‌­گیران، برنامه‌­ریزان، مدیران کاربری اراضی و سازمان­‌های دولتی در کاهش خطرات و آسیب­‌ها، توصیه می­‌شود. UR - https://jwem.areeo.ac.ir/article_128022.html L1 - https://jwem.areeo.ac.ir/article_128022_9d55541c455ddc0509999b1d72d0ed67.pdf ER -