ارزیابی کارایی مدل رگرسیون لجستیک در پهنه بندی خطر زمین لغزش مطالعه موردی: حوضه آبریز هشت چین استان اردبیل

نقشه حساسیتی به زمین‌لغزش برای مهندسان، زمین شناسان و برنامه ریزان استفاده از زمین برای پیشگیری و کاهش خطر تخریب در منطقه بسیار مهم است. این مقاله تجزیه و تحلیل حساسیت زمین‌لغزش را برای حوضه آبریز هشت چین را با توجه به ارزیابی کارایی نتایج حاصل از مدل رگرسیون لجستیک ارائه می‌دهد. در این پژوهش با استفاده از تفسیر عکس‌های هوایی و بازدید میدانی، مناطق شاهد بعنوان متغیر وابسته با gps ثبت شد و در ادامه عوامل موثر در وقوع زمین‌لغزش منطقه شامل شیب، جهت، خطوط ارتفاعی، فاصله از آبراهه، فاصله از جاده، سنگ‌شناسی و پوشش کاربری اراضی تعیین گردید و با استفاده از منابع اطلاعاتی موجود، در محیط arc/gis لایه‌های آن‌ها بعنوان متغیر مستقل تهیه شد. سپس با ورود لایه های مذکور به محیط نرم افزار terrset مدل رگرسیون لجستیک اجرا شد. نقشه نهایی خطر زمین‌لغزش منطقه در 5کلاس خطرپذیری تهیه گردید. نتایج صحت سنجی کارایی مدل مذکور با اجرای منحنی roc نشان داد که دقت مدل رگرسیون لجستیک ببرابر 03/84 درصد بوده است.

Evaluating the efficiency of logistic regression model in landslide risk zoning Case study: Hashtchin catchment in Ardabil province

Landslide susceptibility map is very important for engineers, geologist, and land use planner for prevention and mitigation of landslide hazard in the area. This paper presents landslide susceptibility analysis for the Hashtchin watershed based on the performance evaluation of the results of two logistic regression model. In this study, using the interpretation of aerial photos and field surveys, the sample areas were recorded as GPS-dependent variables. In addition, the factors affecting the landslide occurrence of the area including slope, direction, elevation lines, distance from the waterway and road, lithology, and coating /application of lands were determined and by existing information resources, in the ArcGIS environment, their layers were provided as an independent variable. Then, in the process, logistic regression model was applied using these data in TERRSET software. The final map of the area's landslide risk was prepared in five risk classes. The results of this study showed that the accuracy of the logistic regression models were 86.03%, respectively, using about 25% of the control samples to perform the ROC curve to assess the accuracy of the model.