نوع مقاله : مقاله پژوهشی

نویسندگان

• ملیحه محمدنیا ¹
• ابوالقاسم امیراحمدی ²
• لیلی گلی مختاری ³

¹ گروه آب و هواشناسی و ژئومورفولوژی دانشگاه حکیم سبزواری

² دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم، گروه ژئومورفولوژی، سبزوار

³ عضو هیات علمی گروه ژئومورفولوژی، دانشگاه حکیم

چکیده

حرکات دامنه‌ای و زمین‌لغزش‌ها از مخاطرات مهمی هستند که اغلب سبب از دست رفتن منابع اقتصادی، خسارات به اموال و تأسیسات می‌شوند. 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 فرآیند مدل‌سازی و 30 درصد برای ارزیابی مدل‌های مذکور به-کار 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 اولویت‌بندی عوامل موثر با استفاده از مدل جنگل تصادفی نشان داد که عوامل بارش و ارتفاع بیش‌ترین تاثیر را در وقوع رخ‌داد زمین‌لغزش‌های منطقه مورد‌ مطالعه 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 (97/0) 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 خیلی‌زیاد قرار دارد. این نقشه می‌تواند به برنامه ریزان محیطی جهت پرژه‌های عمرانی کمک کند و از تغییر کاربری و ساخت و ساز در مناطق با حساسیت بالا جلوگیری شود.

کلیدواژه‌ها

• حرکات دامنه ای
• مخاطرات
• استان خراسان رضوی
• GIS

عنوان مقاله [English]

Spatial modeling of landslides in Khorasan Razavi province using machine learning methods

نویسندگان [English]

• Malihe Mohamadnia ¹
• Abolghasem Amirahmadi ²
• Liela Goli Mokhtari ³

¹ Hakim Sabzevari university

² departement geography and enviroment scinceT university hakim, geomorphology ,sabzevar

³ Hakim Sabzevari University

چکیده [English]

The purpose of this research is to spatially model landslide susceptibility using machine learning methods such as random forest, support vector machine and enhanced regression tree in Razavi Khorasan province. At first, the distribution map of landslides in the region was prepared by field visits and using the country's landslides database. In the next step, 70% of the identified landslides were used for the modeling process and 30% for the evaluation of the said models. The information layers of height, slope, direction of slope, distance from waterway, density of waterway, distance from road, distance from fault, land use, vegetation index, surface curvature, profile curvature, precipitation and selected geology and its maps in ArcGIS environment it was prepared. The results of prioritizing the effective factors using the random forest model showed that the factors of precipitation and altitude had the greatest impact on the occurrence of landslides in the study area. Also, the results of the evaluation of machine learning models using the relative performance detection curve (ROC) showed that the map prepared by the random forest method had the highest accuracy in preparing the landslide potential map in the studied area and based on this, more than 25% The area is in the high and very high risk class.

کلیدواژه‌ها [English]

• range of motion
• Risks
• GIS
• Razavi Khorasan province