مقایسه کارایی برخی از مدل‌های یادگیری ماشین در تهیه نقشه حساسیت‌پذیری به حرکات توده‌ای (مطالعه موردی: استان چهارمحال و بختیاری)

نویسندگان

1 مرکز تحقیقات و آموزش کشاورزی ومنابع طبیعی استان چهارمحال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران

2 مرکز تحقیقات و آموزش کشاورزی ومنابع طبیعی استان چهارمحال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران

doi
10.22071/gsj.2022.345954.2003
چکیده

حرکات تود ه ای در زمره خطرناک ترین حوادث طبیعی در مناطق کوهستانی به شمار می روند. پژوهش حاضر از مدل‌های یادگیری ماشین(ML)  برای تهیه نقشه حساسیت به حرکات توده ای در استان چهارمحال و بختیاری استفاده می کند. این مدل ها بر پایه مجموعه اطلاعات جامع 864 حرکت توده ای شامل جریان واریزه، زمین لغزش و ریزش سنگ در طول 42 سال گذشته (1356تا1397 خورشیدی) و همچنین 12 عامل موثر در رخداد این حرکات، مورد بررسی،  آزمون و اعتبارسنجی قرارگرفته اند. نتایج اعتبارسنجی نشان می دهدکه روشRandom Forest) RF) جنگل تصادفی مناسب ترین مدل برای تهیه نقشه های حساسیت به حرکات توده ای است. افزون براین، روش های Multivariate Adaptive Regression Splines) MARS ،(Mixture Discriminant Additive) MDA) و BRT (Boosted Regression Trees) نیز نتایج نسبتاً دقیقی ارائه داده اند. نتایج سطح زیر منحنی (AUC) برای اعتبارسنجی روش هایRF، MARS،MDA و BRT به‌ترتیب 0/968، 0/845، 0/828، و 0/765 است. برپایه نقشه حساسیت به حرکات توده ای تولید شده توسط مدل RF، 32 درصد از سطح استان در کلاس های حساسیت بالا و بسیار بالا شناسایی شده است. بیشتر مناطق در معرض خطر حرکات توده ای در باختر و مرکز استان چهارمحال و بختیاری واقع هستند. افزون براین، یافته‌های این پژوهش نشان می‌دهدکه ارتفاع، زاویه شیب، فاصله از جاده‌ها و فاصله از گسل‌ها عوامل بحرانی در وقوع حرکات توده‌ ای هستند. نتایج این پژوهش رهیافتی را برای کاهش خسارات ناشی از خطرات طبیعی ارائه می کند.