پيش‌بيني مكاني زمين‌لغزش‌هاي سطحي با استفاده از مدل‌هاي آماري و يادگيري ماشين (مطالعۀ موردي: حوضه سرخون)

تهيۀ نقشۀ حساسيت­ پذيري زمين ­لغزش به­ عنوان اولين گام مهم در ارزيابي خطر زمين ­لغزش محسوب مي­شود. هدف اصلي اين پژوهش مقايسۀ عملكرد الگوريتم يادگيري ماشين مدل لجستيك درختي (LMT) با مدل آماري رگرسيون لجستيك (LR) به ­منظور مدل­سازي حساسيت­پذيري زمين­لغزش در حوضۀ سرخون استان چهارمحال و بختياري است. بدين­منظور ابتدا نقشۀ پراكنش با تعداد 98 موقعيت زمين­لغزش با استفاده از داده­هاي عمليات ميداني و همچنين داده ­هاي تاريخي ثبت شده، تهيه شد. علاوه بر اين، براي تكميل پايگاه داده­ها، 100 موقعيت غيرزمين­لغزشي نيز شناسايي شدند. نقاط زمين­لغزشي و غيرزمين­ لغزشي به صورت تصادفي به دو دسته دادۀ مدل­سازي و اعتبارسنجي تقسيم شدند. سپس بيست عامل مؤثر با توجه به مرور منابع و خصوصيات زمين­محيطي حوضه شناسايي شدند. در ادامه، مدل­هاي LMT و LR براي شناسايي تأثير عوامل مؤثر روي وقوع زمين­لغزش و همچنين ارزيابي حساسيت­پذيري زمين­لغزش­ها، به ­وسيلۀ داده­هاي مرحلۀ آموزش به­كار گرفته شدند. در نهايت، عملكرد اين دو مدل از طريق سطح زير منحني عامل گيرنده (AUC) مورد بررسي قرار گرفت. نتايج اعتبارسنجي مدل­ها حاكي از آن بود كه مدل LR با AUC برابر با 797 /0 عملكرد مناسب­تري نسبت به مدل LMT (0 / 740= AUC) از خود نشان داده، هر چند كه هر دو مدل ابزارهاي مفيدي براي پيش­بيني مكاني حساسيت­پذيري زمين­لغزش هستند. بنابراين مدل LR مي­تواند به­عنوان يك ابزار جايگزين براي مديريت بهتر مناطق تحت تأثير زمين­لغزش در منطقۀ مورد مطالعه پيشنهاد شود.