برآورد حساسيت زمين لغزش با استفاده از مدل رگرسيون لجستيك و شاخص آنتروپ ي مطالعه موردي: ارتفاعات شهرستان دالاهو

Landslide susceptibility mapping of Dalahoo Mountains using index of Entropy and Logistic Regression model

زمين لغزش ­ها بخصوص در كشورهاي در حال توسعه و جهان سوم، يكي از شناخته شده ترين مخاطرات طبيعي در جهان هستند و نتايج آنها به ويژه در مناطق شهري مي­ تواند تهديدي مستقيم براي زندگي و اقتصاد مردم در معرض خطر باشد. در اين مطالعه به تهيه نقشه حساسيت زمين لغزش دامنه­ هاي شهرستان دالاهو با استفاده از مقايسه­ ي شاخص آنتروپي و رگرسيون لجستيك پرداخته شده است. پارامترهاي مورد مطالعه در تهيه نقشه LSM شامل شيب، جهت شيب، ارتفاع، فاصله از رود، فاصله از جاده، فاصله از گسل، كاربري اراضي، ليتولوژي و بارش هستند. هر يك از پارامترها با توجه به تأثير بر مخاطره لغزش، طبق نظرات كارشناسي امتيازدهي شده و به صورت رستري به عنوان لايه ­هاي اصلي در شاخص آنتروپي بكار گرفته شده ­اند. ماتريس آنتروپي براي هر يك از عوامل محاسبه شده، و در محيط GIS نقشه پهنه بندي زمين لغزش منطقه، تهيه شده است. در تهيه نقشه حساسيت زمين لغزش با استفاده از مدل رگرسيون لجستيك با توجه به متغيرهاي مستقل( پارامترهاي مؤثر بر لغزش) و متغير وابسته(داده هاي زمين لغزش) به تعيين بهترين معادله اقدام شده و با استفاده از ضرايب مربوط به هر يك از متغيرهاي مستقل، نقشه LSM منطقه مورد مطالعه تهيه شده است. جهت اعتبار سنجي مدل­ها، با استفاده از 30 درصد نقاط لغزشي، منحني ROC، ترسيم شده و مساحت زير منحني(AUC) محاسبه شده است. نتايج اعتبار سنجي نشان داده كه شاخص مدل آنتروپي(AUC = 0/86) نسبت به مدل رگرسيون لجستيك (AUC= 0/80) در توليد نقشه­ هاي حساسيت زمين لغزش در منطقه مورد مطالعه از صحت بيشتري برخوردار است.

Landslide susceptibility mapping is essential for land use planning and decision-making especially in the mountainous areas. The main objective of this study is to produce landslide susceptibility maps (LSM) at Dalahoo basin, Iran using two statistical models such as an index of entropy and Logistic Regression and to compare the obtained results. At the first stage, landslide locations identified by Natural Resources Department of Kermanshah Province is used to prepare of LSM map. Of the 29 lanslides identified, 21 (≈ 70%) locations were used for the landslide susceptibility maps, while the remaining 8 (≈ 30%) cases were used for the model validation. The landslide conditioning factors such as slope degree, slope aspect, altitude, lithology, distance to faults, distance to rivers, distance to roads, land use, and lithology were extracted from the spatial database. Using these factors, landslide susceptibility and weights of each factor were analyzed by index of entropy and Logistic Regression models. Finally, the ROC (receiver operating characteristic) curves for landslide susceptibility maps were drawn and the areas under the curve (AUC) were calculated. The verification results showed that the index of entropy model (AUC = 86.08%) performed slightly better than conditional probability (AUC = 80. 13%) model. The produced susceptibility maps can be useful for general land use planning in the Dalahoo basin, Iran.