مدل سازی خطر وقوع زمین لغزش با استفاده از داده کاوی در جنگل های هیرکانی
محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 14، شماره: 27
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 123
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-14-27_011
تاریخ نمایه سازی: 22 مرداد 1402
چکیده مقاله:
چکیده مبسوط
مقدمه و هدف: در سال های اخیر، افزایش جمعیت و گسترش سکونتگاه ها در مناطق خطرناک تا حد زیادی تاثیر بلایای طبیعی را در کشورهای صنعتی و در حال توسعه افزایش داده است. پهنه بندی خطر زمین لغزش به شناسایی نقاط استراتژیک و مناطق بحرانی جغرافیایی مستعد، کمک می کند. بنابراین اقدامات برای کاهش سریع، ایمن و برنامه ریزی استراتژیک برای آینده اهمیت دارد. در واقع ارزیابی خطر زمین لغزش ممکن است یک کمک مناسب و مقرون به صرفه برای برنامه ریزی کاربری زمین باشد، لذا در این راستا هدف از پژوهش حاضر مدل سازی خطر وقوع زمین لغزش با استفاده از داده کاوی در حوزه های جنگل شمال کشور است.
مواد و روش ها: برای اینمنظور نقشه خطر زمین لغزش به روش مورا وارسون با تاثیر فاکتورهای موثر بر وقوع زمین لغزش شامل عوامل توپوگرافیکی، عوامل هیدرولوژیکی و اقلیمی، عوامل زمین شناسی، عامل پوشش زمین، عوامل انسانی، شبکه هیدروگرافی از مدل رقومی ارتفاعی، نقشه زمین شناسی با استفاده از نقشه سازمان زمین شناسی کشور تهیه و برای به دست آوردن شاخص پستی و بلندی نسبی ابتدا با استفاده از منحنی میزان های ارتفاعی برگرفته از نقشه های توپوگرافی ۱:۲۵۰۰۰ منطقه نقشه طبقات ارتفاعی تهیه شد. پس از آن، منطقه به شبکه های یک کیلومترمربعی تقسیم و نقشه های با کمترین و بیشترین میزان ارتفاع در شبکه های یک کیلومترمربعی حاصل شد؛ و در مرحله آخر با تفریق این دو نقشه، نقشه ای به دست آمد که اطلاعات آن بیانگر مقدار شاخص پستی و بلندی نسبی است. برای به دست آوردن شاخص رطوبت خاک نیز از بارندگی ماهانه استفاده شد. در نهایت با استفاده از نقشه پهنه بندی حاصل شده از الگوریتم های سه مدل جنگل تصادفی، شبکه عصبی مصنوعی و الگوریتم درخت تصمیم برای مدل سازی خطر وقوع زمین لغزش در محیط نرم افزارSTATISTICA۱۲.۰ استفاده شد. همچنین از بین شاخص های مورد بررسی و موثر در وقوع زمین لغزش که به عنوان متغیرهای ورودی در مدل سازی وارد شد؛ به ترتیب اولویت، درجه بندی صورت گرفت.
یافته ها: برطبق نتایج، بیشترین توزیع مساحت زمین لغزش متعلق به طبقه با خطر کم (۷۶ درصد) است و به ترتیب متغیرهای شدت بارندگی، حساسیت لیتولوژیک، پستی و بلندی نسبی و شدت لرزه ای براساس درجه اهمیت به عنوان مهمترین عوامل وقوع زمین لغزش در نظر گرفته شد. نتایج حاصل از اعتبارسنجی با سه الگوریتم جنگل تصادفی، درخت تصمیم و شبکه عصبی مصنوعی؛ با توجه به ضریب تبیین، درصد مجذور میانگین مربعات خطا و اریبی حاصل شده در مدل سازی خطر وقوع زمین لغزش نشان داد که مدل شبکه عصبی مصنوعی با تعداد ۵ لایه ورودی، ۷ لایه پنهان و (۰/۹۹R۲=، ۱۲/۲۸RMSE%= و ۳/۳۳BIAS%=-) نسبت به سایر روش ها دارای دقت بالاتری است.
نتیجه گیری: نتایج پژوهش حاضر نشان داد روش های داده کاوی قابلیت بالایی در پیش بینی خطر وقوع زمین لغزش دارند. لذا استفاده از روش های مذکور می تواند در کاهش خطرات همراه زمین لغزش و برنامه ریزی برای کاربری زمین مورد نظر قرار گیرد.
کلیدواژه ها:
Artificial neural network ، Decision tree ، Hyrcanian forests ، Modeling ، Regression model ، Watershed ، حوزه های جنگلی شمال کشور ، درخت تصمیم ، شبکه عصبی مصنوعی ، مدل سازی ، مدل رگرسیون
نویسندگان
نسترن نظریانی
Sari University of Agricultural Sciences and Natural Resources
اصغر فلاح
Sari University of Agricultural Sciences and Natural Resources
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :