شناسایی مناطق مستعد فرسایش خندقی و زمین لغزش در قالب نقشه دو خطره با استفاده از مدلهای یادگیری ماشین در حوزه‌ی آبخیز گرگانرود

پژوهش حاضر با هدف شناسایی مناطق مستعد فرسایش خندقی و زمین‌لغزش  به‌صورت نقشه ی دو خطره در قالب یک نقشه ی واحد در حوزه آبخیز گرگانرود انجام شد. علاوه‌برآن، استفاده از دو مدل یادگیری ماشینی rf و svm برای تعیین ارتباط میان این خطرات و متغیرهای زمین - محیطی و همچنین تهیه نقشه مناطق مستعد وقوع هر خطر به‌صورت منفرد به‌عنوان هدف ثانویه مدنظر قرار گرفت. برای اعتبار‏‏سنجی نقشه‌های استعداد وقوع هر خطر، از منحنیroc استفاده شد، و بهترین مدل برای تعیین نقشه حساسیت پذیری هر خطر با بالاترین دقت انتخاب شد. در نهایت با ادغام نقشه حساسیت مربوط به خطرات زمین لغزش و فرسایش خندقی با ترکیب مدل‌های مختلف و مدل برتر، نقشه حساسیت دو خطره به دست آمد. نتایج نشان داد مدل rf با (82.9=auc) برای خطر زمین لغزش و (96.9=auc) برای فرسایش خندقی نسبت به مدل svm با مقدار(76.0=auc) برای خطر زمین لغزش و (93.9=auc) برای فرسایش خندقی دارای دقت بالاتری است. در نهایت با ادغام نقشه حساسیت مربوط به هر خطر یک نقشه ی واحد و جامع که نشان دهنده ی مناطق مستعد هردو خطر باشد به دست آمد. نقشه نهایی می تواند به‌عنوان ابزاری باارزش برای برنامه‌ریزی پایدار برای کاربری اراضی در مناطق مستعد چند خطره مورداستفاده قرار گیرد.

identification the areas prone to gully erosion and landslides in the form of two-hazards map using machine learning models in gorganrood watershed

the aim of this study is to identify the areas prone to gully erosion and landslide as a two-hazard map in the form of a single map in gorganrood watershed. in addition, the use of two machine learning models such as rf and svm to establishing the spatial relationship between these hazards and the gefs and any hazard susceptibility mapping separately. in addition, the validation of the hazards susceptibility maps was conducted based on the roc curve method, and the best model was chosen with the highest predictive performances. finally, by combining the susceptibility landslides and gully maps, the two-hazard probability maps were produced, which were a combination of different models and the best model. the results showed a rf model with (auc = 82.9) for landslide and (auc = 96.9) for gully erosion have higher accuracy compared to the svm model with a value of (auc = 0.76) for landslide and (auc = 93.9) for gully erosion. finally, a single and comprehensive map was obtained by combining of the each hazard susceptibility map for identification the areas prone to both hazards based on both models. the final two-hazard map can be used as a valuable tool for sustainable land use planning in multi-hazard prone areas.