تبيين عدم قطعيت در مدل هاي پهنه بندي مخاطرات محيطي با استفاده از الگوريتم دمپستر- شفر Dempster-Shafer

Explanation of uncertainties in environmental hazard zonation using Dempster-Shafer theory. Case Study: Landslide hazard in southern Chalous

امروزه طيف وسيعي از مدل هاي تحليل مكاني در پهنه بندي مخاطرات محيطي مورد استفاده قرار گرفته اند. برخي از مدل ها مانند تحليل سلسله مراتبي و فازي، علي رغم لحاظ كردن عدم قطعيت در متغيرهاي ورودي، از تبيين كمي مقادير عدم قطعيت در خروجي ناتوان هستند. در اين مطالعه، هدف ارزيابي قابليت هاي الگوريتم دمپستر- شفر در تبيين عدم قطعيت در نتايج خروجي براي پهنه بندي خطر زمين لغزش در جنوب شهرستان چالوس مي باشد. بنابراين پس از بررسي هاي ميداني و مرور مطالعات مشابه نقشه 10 عامل در محيط GIS تهيه و به عنوان داده هاي ورودي به همراه نقشه پراكنش زمين لغزش هاي موجود به مدل معرفي شدند. پهنه بندي خطر زمين لغزش با ادغام لايه هاي مختلف وزني در مدل دمپستر-شفر انجام و به منظور ارزيابي خروجي مدل از مدل رگرسيون لجستيك استفاده گرديد؛ كارايي دو مدل بر اساس نتايج خروجي مدل ها و با استفاده از دو شاخص نسبت تراكم (Dr) و جمع مطلوبيت (Qs) مورد ارزيابي و صحت سنجي قرار گرفت. نتايج حاصلDr نشان داد كه در هر دو مدل در تشخيص كلاس هاي با خطر بالا نسبت به كلاس هاي با خطر پايين خوب عمل نموده اند و از بين دو مدل بر اساس نتايج شاخص Qs، مدل دمپستر- شفر با 02/98=Qs نسبت به مدل رگرسيون لجستيك با 66/91=Qs داراي مطلوبيت نسبي بهتري است. بنابراين مدل D-S در تشخيص كلاس هاي خطر (قطعيت) و به تبع آن كلاس هاي عدم خطر (عدم قطعيت) در منطقه موفق تر عمل نموده است.

Today, a wide range of spatial analysis models are used in environmental risk zoning. Some models, such as hierarchical and fuzzy analyzes, despite the inclusion of uncertainty in the input variables, are unable to explain quantitatively the output uncertainty. In this study, the aim of evaluating the capabilities of the Dempster-Schaeffer algorithm is to explain the uncertainty in the outcomes for landslide hazard zonation in the south of Chalus. Therefore, after field studies and review of similar studies, a map of 10 factors was provided in the GIS environment and was introduced as input data along with a map of the distribution of landslides to the model. Landslide hazard zonation was performed by integrating different weights in the Dempster-Sheffer model and in order to evaluate the output of the model, a logistic regression model was used; the performance of the two models was based on the output results of the models and using two indicators of the density ratio (Dr) an‎d the sum of utility (Qs) was evaluated and verified. The results of Dr showed that both models had good performance in identifying high-risk classes compared to low risk classes. Based on the Qs index, the Dempster-Schafer model with QS = 98/2 was good compared to Logistic regression model with QS = 91/66 has a better relative utility. Therefore, the D-S model is more successful in identifying risk classes (finiteness) and consequently hazard classes (uncertainty) in the region.