نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشآموخته دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
2 استاد دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
3 دانشآموخته کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
4 استاد، دانشکده کشاورزی، دانشگاه شیراز، ایران
5 استاد، دانشکده ژئومورفولوژی و علوم دریایی، دانشگاه پالرمو، ایتالیا
6 دانشیار، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
چکیده
ناپایداریهای دامنه و زمینلغزشها از مخاطرات مهمی برای فعالیتهای انسانی هستند که اغلب سبب از دست رفتن منابع اقتصادی، خسارات به اموال و تأسیسات میشوند. این مخاطرات در شیبهای طبیعی و یا شیبهایی که به دست انسان تغییر یافتهاند، اتفاق میافتد. در پژوهش حاضر، بهمنظور مدلسازی و تهیه نقشه حساسیتپذیری خطر زمینلغزش حوزه آبخیز گرگانرود از مدل بیشینه آنتروپی که یکی از مدلهای پیشرفته دادهکاوی است، استفاده شده است. در مرحله اول نقشه پراکنش زمینلغزشهای منطقه شامل 351 نقطه لغزشی بود تهیه شد. برای مدلسازی بیشینه آنتروپی 18 متغیر مستقل بهعنوان عوامل پیشبینی کننده شامل مدل رقومی ارتفاعی، درصد شیب، جهت شیب، بارندگی، فاصله از گسل، فاصله از شبکه زهکشی، فاصله از جاده، کاربری اراضی، تراکم زهکشی، سازند سنگشناسی، بافت خاک، انحنای طرح، انحنای پروفیل، شاخص رطوبت توپوگرافی، عامل طول شیب، شاخص توان جریان، موقعیت شیب نسبی و شاخص زبری سطح شناسایی و به مدل معرفی شد. سه سری متفاوت از نقاط وقوع زمینلغزش (S1, S2, S3) شامل 70 درصد برای آموزش مدل و 30 درصد برای اعتبارسنجی بهصورت تصادفی آماده شد تا قوت یا استحکام مدل مورد ارزیابی قرار بگیرد. دقت مدل بر اساس شاخص ROC مورد ارزیابی قرار گرفت و مدل بیشینه آنتروپی دقت پیشبینی عالی (بالای 80 درصد) از خود نشان داد. همچنین، در این پژوهش درجه اهمیت متغیرها بهوسیله مدل مورد بررسی قرار گرفت و عوامل مدل رقومی ارتفاعی (32.4 درصد اهمیت)، سنگشناسی (22.9 درصد اهمیت) و فاصله از گسل (14.8 درصد اهمیت) بهترتیب بهعنوان مهمترین عوامل پیشبینی کننده در این منطقه شناسایی شدند.
کلیدواژهها
عنوان مقاله [English]
Identification the most important predictors in landslide susceptibility mapping using Maximum Entropy Model
نویسندگان [English]
- Narges Javidan 1
- Ataollah Kavian 2
- Sajad Rajabi 3
- Hamidreza Pourghasemi 4
- Christian Conoscenti 5
- Zeinab Jafarian 6
1 1PhD of Watershed Management, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Iran
2 Professor of Watershed Management, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Iran
3 MSc of Watershed Management, Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Iran
4 Professor, Faculty of Agriculture, Shiraz University, Shiraz, Iran
5 Professor of Earth and Marine Sciences (DISTEM), University of Palermo, Italy
6 Assistant Professor of Range Management, Sari Agricultural Sciences and Natural Resources University, Iran
چکیده [English]
Slope instability and landslides are important hazards to human activities that often result in the loss of economic resources, property damage and facilities. These hazards occur in the natural or man-made slopes. In the current study, the maximum entropy model was used which is one of the progressive data mining models, in order to modelling landslide susceptibility map for Gorganrood watershed. In the first step, the landslide inventory map was prepared consiste of 351 landslides. 18 geo-environmental factors were selected as predictors, such as: Digital elevation model, slope percent, aspect, distance from fault, distance from river, distance from road, rainfall, landuse, drainage density, lithology, soil texture, plan curvature, profil curvature, lithological formation, Topographic wetness index, LS factor, stream power index, Relative Slope Position and Surface roughness index. Three different sample data sets (S1, S2, and S3) including 70% for training and 30% for validation were randomly prepared to evaluate the robustness of the model. The accuracy of the predictive model was evaluated by drawing receiver operating characteristic (ROC) curves and by calculating the area under the ROC curve (AUC). The ME model performed excellently both in the degree of fitting and in predictive performance (AUC values well above 0.8), which resulted in accurate predictions. Furthermore, In this study the importance of variables was evaluated by the model. Dem (digital elevation model) (32.4% importance), lithology (22.9% importance) and distance from fault (14.8% importance) were identified respectively the main controlling factor among all other variables.
کلیدواژهها [English]
- Data mining model
- Gorganrood Watershed
- Instability
- Robustness
- ROC curve