ارزیابی و پهنه‌بندی خطر زمین‌لغزش با استفاده از فرآیند تحلیل شبکه و شبکه عصبی مصنوعی (مطالعه موردی: حوضه آذرشهر چای)

نویسندگان

1 دانشگاه تبریز

2 دانشگاه تبریز

3 دانشگاه تبریز

doi
چکیده

ارزیابی حساسیت زمین‌لغزش مهم‌ترین گام در تهیه نقشه خطر زمین‌لغزش است. هدف اصلی از این مطالعه، بررسی و مقایسه نتایج حاصل از دو مدل شبکه عصبی مصنوعی(ANN) و فرآیند تحلیل شبکه‌ای(ANP < /span>) در پهنه‌بندی خطر زمین‌لغزش در حوضه آذرشهر چای می‌باشد. برای انجام این تحقیق با بررسی منابع و نظر کارشناسان، فاکتورهای مؤثر در وقوع زمین‌لغزش (شیب ، جهت شیب ، طبقات ارتفاعی ، لیتولوژی ، کاربری زمین ، فاصله از رودخانه ، فاصله از گسل ، فاصله از جاده) در محیط  Arc GISآماده‌شده و با لایه پراکنش زمین‌لغزش‌ها تطابق داده شد و اطلاعات مربوط به زمین‌لغزش‌ها در هر یک از لایه‌های اطلاعاتی به‌صورت کمی به دست آمد. سپس با استفاده از ابزار Arc GIS و تجزیه‌وتحلیل‌های صورت گرفته در هر دو مدل ، اهمیت هرکدام از لغزش‌های رخ‌داده بررسی و نقشه‌های پهنه‌بندی زمین‌لغزش تولید شد. ارزیابی نتایج به‌دست‌آمده از فرآیند تحلیل شبکه‌ای و شبکه عصبی مصنوعی با استفاده از ضریب آماری کاپا نشان می‌دهد که شبکه عصبی مصنوعی با ضریب 74/۰ نسبت به فرآیند تحلیل شبکه‌ای با ضریب 72/0 از دقت بیشتری در پیش‌بینی زمین‌لغزش در حوضه آذرشهر چای برخوردار است. همچنین بر اساس پهنه‌بندی صورت گرفته با استفاده از مدل فرآیند تحلیل شبکه‌ای نتایج به‌دست‌آمده نشان می‌دهد که 13/7، 44/28، 13/37، 14/23، 27/3 درصد از مساحت منطقه به ترتیب در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته و در مدل شبکه عصبی مصنوعی به ترتیب 49/5، 61/32، 05/32، 22/23، 73/5 درصد از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته است.