سیدمحمدحسن سیادتی فر - دانش آموخته کارشناسی ارشد علوم و مهندسی آبخیزداری (نویسنده مسئول)، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، ایران
سیدمحمد تاجبخش فخرآبادی - دانشیار ، گروه مهندسی آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، ایران
جواد جزگی - استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، ، دانشگاه بیرجند، ایران
کامبیز احمدی - استادیار، گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه شهرکرد، ایران

پهنه بندی حساسیت زمین لغزش باهدف پیش بینی و پیشگیری از خطرات آن ها برای حفظ و تقویت پایداری محیط زیستی، فرهنگی، اقتصادی و اجتماعی انسان ها بسیار مهم است. در این تحقیق به منظور ارزیابی حساسیت و پهنه بندی زمین لغزش از مدل الگوریتم ماشین بردار پشتیبان (SVM) که یک روش جدید، مبتنی بر تئوری یادگیری آماری است استفاده گردیده است. جهت انجام پژوهش نسبت به شناسایی نواحی دارای حرکت های توده ای و ثبت ۳۸ نقطه لغزشی در سطح منطقه موردمطالعه اقدام گردید. همچنین ۱۴ عامل شامل کمیت شیب، جهت شیب، زمین شناسی، فاصله از گسل، فاصله از آبراهه، فاصله از راه، انحنای معمولی شیب، انحنای طولی شیب، انحنای عرضی شیب، بارندگی، شاخص TWI، تابش سالیانه خورشید، شاخص NDVI، و کاربری اراضی که در وقوع حرکات توده ای حوزه موثر ارزیابی گردیدند، انتخاب گردید. رتبه بندی عوامل موثر نشان داد که عوامل لیتولوژی، جهت شیب، شیب و فاصله از گسل به ترتیب با ۳۲%، ۱۷%، ۹% و ۸% سهم بری از تاثیر مجموع عوامل، به عنوان تاثیرگذارترین عوامل در وقوع لغزش های منطقه موردمطالعه می باشند. اجرای SVM، سطح زیر منحنی AUR=۰.۹۹ برای داده های آموزشی و AUR=۰.۷۹ برای داده های صحت سنجی را نشان داد که برای پهنه بندی حساسیت زمین لغزش منطقه موردمطالعه استفاده گردید.

ارزیابی پروژه، زمین لغزش، حساسیت، الگوریتم ماشین بردار پشتیبان