شماره ركورد :
1344462
عنوان مقاله :
مدل سازي و پيش بيني مكاني مخاطره زمين لغزش با استفاده از الگوريتم هاي پيشرفته داده كاوي(مطالعه موردي: شهرستان كلات)
پديد آورندگان :
گلي مختاري ، ليلا دانشگاه حكيم سبزواري - دانشكده جغرافيا و علوم محيطي , ناعمي تبار ، مهناز دانشگاه حكيم سبزواري - دانشكده جغرافيا و علوم محيطي
از صفحه :
116
تا صفحه :
137
كليدواژه :
زمين لغزش , الگوريتم‌هاي پيشرفته داده كاوي , ماشين بردار پشتيبان , تابع شواهد قطعي , تابع شواهد وزني , حوزه آبخيز كلات
چكيده فارسي :
هدف از پژوهش حاضر، مدل‌سازي و پهنه‌بندي حساسيت زمين لغزش در حوزه آبخيز كلات، واقع در استان خراسان رضوي ميباشد. بدين منظور، از سه مدل داده كاوي ماشين بردار پشتيبان(SVM)، تابع شواهد قطعي(EBF) و شواهد وزني(WOE) به لحاظ الگوريتم محاسباتي توانمند در زمينه ارزيابي فرايند زمين لغزش استفاده شد. ابتدا 36 زمين لغزش با استفاده از تصاوير ماهواره‌اي لندست و گوگل ارتث شناسايي شدند. سپس اين نقاط به طور تصادفي به منظور تهيه مدل و اعتبار سنجي به ترتيب به دو گروه آموزش 70 درصد و اعتبار سنجي 30 درصد تقسيم شدند. 17 لايه اطلاعاتي شامل ارتفاع، جهت شيب، شيب، فاصله از گسل، تراكم آبراهه، فاصله از رودخانه، خاك، كاربري اراضي، فاصله از جاده، شاخص پوشش گياهي NDVI، زمين شناسي، انحنا شيب، تيپ اراضي، پروفيل عرضي دامنه، پروفيل طولي دامنه، شاخص توان آبراهه(SPI) و شاخص رطوبت توپوگرافي(TWI) براي پهنه-بندي پتانسيل خطر زمين لغزش در نظر گرفته شدند. به منظور ارزيابي نتايج مدل‌ها، از مقدار مساحت زير منحني تشخيص عملكرد نسبي(ROC) در فرايند مدل‌سازي استفاده شد. برطبق نتايج اين پژوهش، متغيرهاي زمين شناسي، ارتفاع، شيب، خاك شناسي و كاربري اراضي به عنوان مهمترين عوامل وقوع زمين لغزش در نظر گرفته شدند. نتايج تحليل منحني ويژگي عملگر نسبي نشان داد كه مدل هاي SVM، EBF و WOEبه ترتيب داراي مقدار AUC 0.897، 0.901و 878/ 0 هستند. اما در مقايسه سه مدل آماري، مدل EBF نسبت به دو مدل ديگر داراي بيشترين مقدار AUC بوده و بهترين مدل براي پيش‌بيني مكاني خطر زمين لغزش در منطقه پژوهش است. نتايج بيانگر آن است كه الگوريتم هاي پيشرفته داده كاوي بنا به ساختار خود از دقت كافي در پيشبيني مكاني زمين لغزش در منطقه پژوهش برخوردارند.
عنوان نشريه :
پژوهشهاي ژئومورفولوژي كمي
عنوان نشريه :
پژوهشهاي ژئومورفولوژي كمي
لينک به اين مدرک :
بازگشت