مقايسۀ نقشه هاي حساسيت زمين لغزش با استفاده از مدل رگرسيون لجستيك (LR) و مدل عمومي تجميع يافته (GAM)

Comparison of Landslide Susceptibility Maps using Logistic Regression (LR) and Generalized Additive Model (GAM)

زمين ­لغزش، يكي از رايج ­ترين مخاطرات طبيعي است كه زندگي، اموال و دارايي ­هاي مردم را در مناطق كوهستاني به مخاطره مي‌اندازد. بنابراين، شناسايي مناطق در معرض خطر زمين ­لغزش به­ منظور پيشگيري و كاهش خسارات ناشي از وقوع آن، امري ضروري است. هدف از پژوهش حاضر، مقايسه دو مدل رگرسيون لجستيك (LR) و عمومي تجميع ­يافته (GAM) و ارزيابي عملكرد آن­ها، جهت تهيۀ نقشۀ حساسيت زمين ­لغزش در حوزۀ آبخيز چهاردانگه استان مازندران مي ­باشد. به اين منظور ابتدا نقشۀ پراكنش زمين ­لغزش منطقه با استفاده از تصاوير گوگل ارث و بازديدهاي گسترده ميداني تهيه گرديد. سپس نقشه پراكنش زمين‌لغزش به­ صورت تصادفي به 70 درصد داده ­هاي آموزشي جهت مدل­سازي و 30 درصد داده­ هاي آزمايشي به­ منظور اعتبارسنجي تقسيم شد. نقشه­ هاي عوامل تاثيرگذار بر وقوع زمين ­لغزش، شامل عوامل توپوگرافي، هيدرولوژيكي، زمين­ شناسي و عوامل انساني در محيط نرم ­افزار ArcGIS تهيه گرديد و در نهايت، با استفاده از منحني تشخيص عملكرد نسبي (ROC)، ارزيابي مدل­ هاي مذكور صورت پذيرفت. نتايج ارزيابي مدل رگرسيون لجستيك و مدل عمومي تجميع ­يافته به ترتيب با سطح زير منحني 2/81 درصد و 4/82 درصد، بيانگر مناسب بودن هر دو روش، جهت تهيۀ نقشۀ حساسيت زمين لغزش در منطقۀ مورد مطالعه مي‌باشد. هرچند مدل عمومي تجميع­ يافته با اندكي دقت بيش­تر، نسبت به مدل رگرسيون لجستيك كارآيي بيش­تري در شناسايي مناطق حساس به وقوع زمين­ لغزش دارد.

Landslide is one of the most common natural disasters that endanger the lives and properties of people in mountainous areas. Therefore, identification of risk exposure areas of landslide is essential to prevent and reduce damages by landslides. The purpose of this study is compared to logistic regression (LR) and generalized additive models (GAM) and the evaluation of their performance for landslide susceptibility mapping in the Chahardangeh Watershed, Mazandaran Province. At the first, landslide locations were identified by Google Earth images and extensive field survey. Then, the landslide inventory map was randomly divided as training data 70% for modeling and the remaining 30% was applied for the model validation. The landslide conditioning factors including topographic, hydrologic, geology and human factors were constructed in GIS. Finally, the receiver operating characteristic (ROC) Curve was used for the model validation. The validation of results showed that the area under the ROC curve for LR and GAM models were 81.2% and 82.4%, respectively. So, both of the models are suitable and efficient methods for landslide susceptibility mapping in the study area. Although, the obtained results showed that the GAM model performed is slightly better than the LR model for determining regions of susceptible to occurrence of landslide in the study area.