تبیین عدم قطعیت در مدل های پهنه بندی مخاطرات محیطی با استفاده از الگوریتم دمپستر- شفر Dempster-Shaferمطالعه موردی:خطر زمین لغزش در جنوب چالوس

امروزه طیف وسیعی از مدل های تحلیل مکانی در پهنه بندی مخاطرات محیطی مورد استفاده قرار گرفته اند. برخی از مدل ها مانند تحلیل سلسله مراتبی و فازی، علی رغم لحاظ کردن عدم قطعیت در متغیرهای ورودی، از تبیین کمی مقادیر عدم قطعیت در خروجی ناتوان هستند. در این مطالعه، هدف ارزیابی قابلیت های الگوریتم دمپستر شفر در تبیین عدم قطعیت در نتایج خروجی برای پهنه بندی خطر زمین لغزش در جنوب شهرستان چالوس می باشد. بنابراین پس از بررسی های میدانی و مرور مطالعات مشابه نقشه 10 عامل در محیط gis تهیه و به عنوان داده های ورودی به همراه نقشه پراکنش زمین لغزش های موجود به مدل معرفی شدند. پهنه بندی خطر زمین لغزش با ادغام لایه های مختلف وزنی در مدل دمپسترشفر انجام و به منظور ارزیابی خروجی مدل از مدل رگرسیون لجستیک استفاده گردید؛ کارایی دو مدل بر اساس نتایج خروجی مدل ها و با استفاده از دو شاخص نسبت تراکم (dr) و جمع مطلوبیت (qs) مورد ارزیابی و صحت سنجی قرار گرفت. نتایج حاصلdr نشان داد که در هر دو مدل در تشخیص کلاس های با خطر بالا نسبت به کلاس های با خطر پایین خوب عمل نموده اند و از بین دو مدل بر اساس نتایج شاخص qs، مدل دمپستر شفر با 98.02=qs نسبت به مدل رگرسیون لجستیک با 91.66=qs دارای مطلوبیت نسبی بهتری است. بنابراین مدل ds در تشخیص کلاس های خطر (قطعیت) و به تبع آن کلاس های عدم خطر (عدم قطعیت) در منطقه موفق تر عمل نموده است.

Explanation of uncertainties in environmental hazard zonation using Dempster-Shafer theory.Case Study: Landslide hazard in southern Chalous

Today, a wide range of spatial analysis models are used in environmental risk zoning. Some models, such as hierarchical and fuzzy analyzes, despite the inclusion of uncertainty in the input variables, are unable to explain quantitatively the output uncertainty. In this study, the aim of evaluating the capabilities of the DempsterSchaeffer algorithm is to explain the uncertainty in the outcomes for landslide hazard zonation in the south of Chalus. Therefore, after field studies and review of similar studies, a map of 10 factors was provided in the GIS environment and was introduced as input data along with a map of the distribution of landslides to the model. Landslide hazard zonation was performed by integrating different weights in the DempsterSheffer model and in order to evaluate the output of the model, a logistic regression model was used; the performance of the two models was based on the output results of the models and using two indicators of the density ratio (Dr) And the sum of utility (Qs) was evaluated and verified. The results of Dr showed that both models had good performance in identifying highrisk classes compared to low risk classes. Based on the Qs index, the DempsterSchafer model with QS = 98/2 was good compared to Logistic regression model with QS = 91/66 has a better relative utility. Therefore, the DS model is more successful in identifying risk classes (finiteness) and consequently hazard classes (uncertainty) in the region.