>
Fa   |   Ar   |   En
   معرفی یک مدل جدید ترکیبی الگوریتم مبنا به منظور پیش‌بینی حساسیت زمین‌لغزش‌های سطحی اطراف شهر بیجار  
   
نویسنده شیرزادی عطااله ,سلیمانی کریم ,حبیب‌ نژاد روشن‌بها محمود ,کاویان عطااله ,چپی کامران
منبع جغرافيا و توسعه - 1396 - دوره : 15 - شماره : 46 - صفحه:225 -246
چکیده    افزایش صحت و اعتماد و در نتیجه کاهش عدم قطعیت نقشه های پیش بینی مکانی مخاطرات زمینی از جمله زمین‌لغزش ها یکی از چالش های پیش رو در این گونه مطالعات می باشد. هدف این پژوهش ارائه یک مدل ترکیبی جدید داده کاوی الگوریتم مبنا به نام random subspacerandom forest (rsrf)،برای افزایش میزان صحت پیش بینی مناطق حساس به وقوع زمین‌لغزش های سطحی اطراف شهر بیجار می باشد. در ابتدا، نوزده عامل موثر بر وقوع زمین‌لغزش های سطحی منطقه‌ی مورد مطالعه شامل درجه شیب، جهت شیب، ارتفاع از سطح دریا، انحنای معمولی شیب(curvature)، تقعر و تحدب شیب(profile curvature)، همگرایی و واگرایی شیب (plan curcvature)، شدت تابش خورشید (solar radiation)، شاخص قدرت جریان، شاخص نمناکی توپوگرافی، شاخص طول و زاویه شیب، کاربری ارضی، شاخص پوشش گیاهی، لیتولوژی، فاصله از گسل، تراکم گسل، بارندگی، فاصله از آبراهه، تراکم آبراهه و فاصله از شبکه جاده شناسایی شدند. سپس، بر اساس شاخص information gain ratioدوازده عامل موثر از بین آن ها انتخاب و جهت مدل سازی به کار گرفته شدند. اهمیّت نسبی هر کدام از عوامل در مدل random forest و مدل ترکیبیrsrfبررسی شدند.معیارهای kappa، precision، recall، fmeasure، aurocبرای ارزیابی مدل ها هم برای داده های تعلیمی و هم برای داده های صحت سنجی استفاده شدند. نقشه های پیش بینی مکانی وقوع زمین‌لغزش های سطحی با این دو مدل نیز به دست آمدند. نتایج نشان داد که در مدل rf جهت شیب و در مدل ترکیبی rsrfدرجه شیب مهم ترین فاکتورهای موثر بر وقوع زمین‌لغزش های منطقه‌ی مورد مطالعه شناخته شدند. نتایج ارزیابی مدل توسط معیارهای معرفی شده بیانگر تایید این مدل ها برای داده های تعلیمی و داده‌های صحت سنجی بودند. نتایج ارزیابی صحت نقشه پهنه بندی به دست آمده نشان داد که درصد مساحت زیر منحنیroc(auroc) برای داده های تعلیمی در مدل rf و مدل ترکیبی  rsrfارائه شده به ترتیب 0.729 و 0.784 وبرای داده های صحت سنجی به ترتیب 0.717 و 0.771 به دست آمدند. بطور کلی، نتایج نشان داد که تکنیک random subspaceمنجر به افزایش صحت پیش بینی مکانی حساسیت زمین‌لغزش های سطحی منطقه‌ی مورد مطالعه شده است. دستیابی به یک نقشه‌ی پیش بینی مکانی زمین‌لغزش های سطحی با صحت بالاتر، کمک‌شایانی در توسعه‌ی معقول تر تاسیسات، اراضی شهری و روستایی، طرح های آمایش سرزمین، طرح های آبخیزداری و همچنین جلوگیری از هدر رفت خاک و فرسایش توده ای و انتقال رسوبات به پایین‌دست خواهد شد.
کلیدواژه زمین‌لغزش سطحی، الگوریتم، random subspace ،random forest، بیجار
آدرس دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, ایران, دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, ایران, دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, ایران, دانشگاه علوم کشاورزی و منابع طبیعی ساری, دانشکده منابع طبیعی, ایران, دانشگاه کردستان, دانشکده منابع طبیعی, ایران
پست الکترونیکی k.chapi@uok.ac.ir
 
   A Novel Ensemble Algorithm Based Model for Shallow Landslide Susceptibility Assessment Around the Bijar CityA Novel Ensemble Algorithm Based Model for Shallow Landslide Susceptibility Assessment Around the Bijar CityA Novel Ensemble Algorithm Based Model for Shallow Landslide Susceptibility Assessment Around the Bijar City  
   
Authors Shirzadi Attaollah ,Soleimani Karim ,Habibnejad Roshanbaha Mahmoud ,Kaviyan Attaollah ,Chapi Kamran
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved