ارزیابی و پهنهبندی حساسیت زمین لغزش با الگوریتم-های یادگیری ماشین (مطالعه موردی حوضه آبخیز مارگون، زاگرس فارس)
نویسندگان
1 دانش آموخته کارشناسی ارشد عمران مکانیک خاک و پی، دانشگاه آزاد اسلامی واحد استهبان.
2 گروه جغرافیا، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران
3 دانش آموخته دکتری ژئومورفولوژی، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی.
doi
10.22034/gmpj.2025.474854.1519چکیده
زمین لغزش یکی از مخاطرات ژئومورفولوژی است که همواره در مناطق کوهستانی وجود داشته و خسارات زیادی را به باغات، سکونتگاهها و تاسیسات انسانی وارد می کند. هدف از این تحقیق ارزیابی و پهنهبندی حساسیت زمینلغزش در حوضه آبخیز مارگون در شهرستان سپیدان، استان فارس است. سه مدل یادگیری ماشین (ML) (ماشین بردار پشتیبان (SVM)، خطی تعمیمیافته (GLM) و جنگل تصادفی (RF)) برای شناسایی عوامل مؤثر در وقوع زمینلغزش استفاده شد. عوامل مؤثر (ارتفاع، شیب، فاصله از رودخانه، تراکم زهکشی، پوششگیاهی، کاربری اراضی، سنگشناسی، نوع خاک، متوسط بارندگی سالانه و فاصله از جاده) است و نقشه فهرست زمینلغزش (119 نقطه لغزش و 99 نقطه عدم لغزش است که از گوگل ارث، مشاهدات میدانی و نرمافزار ArcGIS) به دست آمد. هر مدل با استفاده از 70 درصد دادههای آموزشی به طور مستقل آموزش داده شد و در مقابل 30 درصد باقیمانده اعتبارسنجی شد. فاصله از جاده بهعنوان تأثیرگذارترین عامل در لغزش زمین در مدل ماشین بردار پشتیبان و مدل جنگل تصادفی و در مدل خطی تعمیمیافته شیب بهعنوان تأثیرگذارترین عامل شناخته شد. برای ارزیابی عملکرد مدلها از سطح زیر منحنی مشخصه عملیاتی گیرنده (AUC) و ضریب Kappa استفاده شد. مدل RF (98/0، 739/0) و SVM (91/0، 638/0) بالاترین سطوح عملکرد را نشان دادند. این تحقیق میتواند به اجرای استراتژیهای مدیریت خطر زمینلغزش مؤثر در منطقه کمک کند.