تعيين عامل‌هاي مؤثر و ارزيابي حساسيت به زمين‏ لغزش با روش‏ هاي جنگل تصادفي و شبكه‌‎ي عصبي مصنوعي در منطقه‌ي دوآب صمصامي استان چهارمحال و بختياري

زمين‏لغزش از جمله خطرهاي زمين‏شناسي است كه امروزه روش‏هاي داده‏كاوي مبتني بر يادگيري ماشين براي مدل‏سازي و پيش‏بيني آن توسعه داده شده‌است. هدف‌هاي اين پژوهش اولويت‌بندي عامل‌هاي مؤثر، پهنه‏بندي و پيش‏بيني حساسيت به رخ‌داد زمين‏لغزش با مدل‏هاي شبكه‌ي عصبي مصنوعي و جنگل تصادفي، و معرفي مناسب‏ترين آن‏ها در منطقه‌ي دوآب صمصامي استان چهارمحال و بختياري است. براي پهنه‏بندي و مدل‏سازي از 15 عامل‌ زمين‏شناسي، ريخت‌شناسي، آب‌شناسي، انسان‏ساخت (متغيرهاي مستقل) و 174 رخ‌داد زمين‏لغزش شناسايي و ثبت‌شده (متغير وابسته) بهره‌گيري شد. رخ‌دادهاي زمين‏لغزش به دو دسته‌ي داده‌ي آموزشي (70%) و آزمايشي (30 %) براي مدل‏سازي و اعتبارسنجي به‌شكل تصادفي تقسيم شد. ارتباط ميان عامل‌هاي مؤثر و رخ‌دادهاي لغزشي با نسبت فراواني كمّي و وزن‏دار شد. براي كاهش اثر هم‏پوشاني اطلاعاتي عامل‌هاي مؤثر، با تحليل وايازي چندمتغيره‌ي خطي، استقلال داده‏ها آزموده شد. براي مدل‏سازي و پهنه‏بندي حساسيت زمين ‏لغزش، مدل‏هاي جنگل تصادفي و شبكه‌ي عصبي مصنوعي برازش و توسعه داده شد. نقشه‏هاي پهنه ‏بندي حساسيت به‌دست‌آمده از برازش دو مدل با شاخص‏هاي نسبت فراوانيسطح سلول هسته، نرخ توفيق، و سطح زير منحني ويژگي عمل‌كرد گيرنده (AUCROC) ارزيابي، اعتبارسنجي و مقايسه كرده شد. نتيجه‌هاي بررسي عامل‌هاي مؤثر در هر دو مدل نشان داد كه عامل‌هاي سنگ‏ شناسي، كاربري و وجه شيب تأثير بسزايي در رخ‌داد زمين‏ لغزش‏ها دارند و بخش زيادي (بيش از 82%) از زمين‏لغزش‏ها در رده‌ها‌ي حساسيت خيلي‏زياد و زياد قرار مي‌گيرند. نتيجه ارزيابي طبقه‌‏بندي و اعتبارسنجي مدل‏ها نشان داد كه دقت و كارآمدي مدل جنگل تصادفي (0/919AUCROC=) در پيش‏بيني رخ‌داد زمين‏ لغزش‏ها بيش‌تر از شبكه‌ي عصبي مصنوعي (0/845AUCROC=) است. نتيجه‌هاي اين پژوهش ممكن است براي بهره‌گيري دستگاه‌هاي اجرايي در مديريت و برنامه‌ريزي كردن طرح‌هاي توسعه‌يي و اجرايي عمراني، توسعه‌ي شهري، و روستايي، برآورد دقيق‌تر در مدل‌هاي فرسايش و رسوب در آبخيزها، حفاظت خاك و عرصه‌هاي منابع طبيعي كشور سودمند باشد.