فهرست نشریات علمی دسترسی آزاد ایران

تهیه نقشه حساسیت زمین‌لغزش با استفاده از یادگیری ماشین ابزاری مفید برای مدیریت زمین در مناطق مستعد به این پدیده است. هدف این مطالعه، تهیه نقشه حساسیت زمین‌لغزش در حوضه تجن با یادگیری ماشین است. بدین منظور 21 عامل مؤثر در وقوع زمین لغزش در چهار طبقه عوامل زمین‌شناسی، اقلیمی و محیطی، توپوگرافی و هیدرولوژیکی شناسایی و رستر آنها در نرم‌افزارهای ENVI 5.6، SAGA GIS و ArcGIS تهیه شد. با بازدیدهای میدانی موقعیت 155 زمین‌لغزش ثبت و در ArcGIS به‌ لایه نقطه‌ای تبدیل شدند. کلیه عوامل با فرمت ASCII و لایه نقطه‌ای (لایه آموزشی) وارد نرم افزار R شدند. برای آموزش مدل‌های ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF)، 70 درصد از داده‌ها (109 واقعه) و برای آزمون 30 درصد (46 واقعه) استفاده شد. ارزیابی مدل RF با منحنی ROC نشان داد که نمره‌های 972/0 و 949/0 در مراحل آموزش و آزمون را کسب کرده است. اطلاعات مدل RF نشان می‌دهد که مؤثرترین عوامل شامل جهت شیب، فاصله از آبراهه، فاصله از جاده، درجه شیب و شاخص موقعیت توپوگرافی هستند. نتایج مدل SVM نشان داد که پتانسیل طبقه حساسیت زیاد در حوضه بیشتر از RF است و نمرات AUC به ترتیب 906/0 و 831/0 به‌دست آمد. نتایج مدل SVM نشان داد که پتانسیل طبقه حساسیت زیاد در حوضه نسبت به پیش‌بینی مدل RF بیشتر شده است. مؤثرترین عوامل در مدل SVM شامل طبقات ارتفاعی، بارندگی، جهت شیب، فاصله از آبراهه و فاصله از جاده می‌باشند. مدل SVM در مقایسه با مدل RF عملکردی ضعیفی در پیش‌بینی نقشه حساسیت زمین لغزش دارد. نتایج دسته‌بندی سطح خطر در مدل RF، بترتیب خیلی زیاد (19/10%)، زیاد (17/4%)، متوسط (76/10%)، کم (62/15%) و خیلی کم (26/59%) از مساحت حوضه است. در مدل SVM نیز بترتیب سهم طبقات خیلی زیاد 51/5%، زیاد 58/15%، متوسط 33/5%، کم 47/4% و خیلی کم 09/69% محاسبه شده است.