ارزيابي روش هاي مختلف پهنه‌بندي خطر وقوع زمين‌لغزش در اكوسيستم هاي جنگلي

امروزه مهندسين جنگل هنگام طراحي شبكه جاده هاي جنگلي، با بهره جستن از انواع روش هاي پهنه بندي، مبادرت به شناسايي واريانت هاي كم خطر تر جاده هاي جنگلي از نظر زمين لغرش مي‌كنند تا از اين طريق، هزينه هاي تعمير و نگهداري جاده ها را كاهش دهند. به دليل ارتباط زمين‌لغزش با مسيريابي جاده هاي جنگلي، پيدا كردن روش مناسب پهنه بندي خطر زمين لغزش كه قابليت به كارگيري در مناطق مختلف جنگل را نيز دارا باشد، يكي از مهم ترين گام ها براي تحقق يك طراحي هوشمند توسط كارشناسان و مهندسين جنگل است. بنابراين هدف از اين پژوهش، دست يافتن به روشي مناسب براي پهنه بندي خطر زمين‌لغزش، به منظور طراحي بهتر شبكه جاده هاي جنگلي است. روش‌هاي بسياري براي پهنه بندي خطر وقوع زمين لغزش در دنيا معرفي شده اند كه به سه دسته روش هاي آماري (مانند روش هاي دو متغيره و چندمتغيره، رگرسيون لجستيك و مدل ارزش اطلاعات)، ابتكاري يا تجربي (مانند روش استوينسن، نيلسن و براب، آنبالاگان و مورا-وارسون) و تركيبي (مانند شبكه عصبي مصنوعي و منطق فازي) تقسيم بندي مي‌شوند. از بين روش هاي آماري: مدل دو متغيره، روش هاي تجربي: مدل مورا-وارسون و روش هاي تلفيقي: شبكه عصبي مصنوعي بيش ترين كاربرد را دارند. نتايج اين پژوهش بيان گر اين موضوع است كه مدل هاي آماري قابليت بهتر و كاربرد بيش تري در پهنه‌بندي خطر زمين‌لغزش نسبت به مدل هاي ابتكاري دارند، هرچند كه مدل هاي تلفيقي (مانند شبكه عصبي مصنوعي و منطق فازي) بيش ترين صحت و دقت را در بين روش ها دارا مي باشند و اگر داده هايي با تعداد كم موجود باشد، مطمئناً روش‌هاي تلفيقي مي توانند پهنه‌بندي دقيق تري را نسبت به ديگر مدل ها در ارتباط با خطر زمين لغزش در جنگل ارايه دهند.