پیش‌بینی مکانی حساسیت زمین‌لغزش با استفاده از الگوریتم‌های پیشرفته یادگیری ماشین (مطالعه موردی: شهرستان سروآباد، استان کردستان)

وقوع رخداد زمین‌لغزش در مناطق کوهستانی ممکن است به زیرساخت‌ها از جمله جاده‌ها آسیب جدی وارد کند، همچنین ممکن است به مرگ‌ومیر انسان‌ها منجر شود. هدف از انجام این مطالعه، پیش‌بینی مکانی خطر زمین‌لغزش با استفاده از الگوریتم‌های پیشرفته داده‌کاوی در شهرستان سروآباد (استان ...) است. در این مطالعه، پتانسیل‌یابی خطر زمین‌لغزش با استفاده از دو الگوریتم پیشرفته داده‌کاوی شامل جنگل تصادفی (rf) و درخت تصمیم (dt) انجام شد. ابتدا، فایل نقطه‌ای 166 زمین‌لغزش رخ داده در شهرستان سروآباد به‌عنوان نقشه موجودی زمین‌لغزش در نظر گرفته شد. به منظور تهیه مدل و اعتبار سنجی آن، نقاط زمین‌لغزش به دو بخش داده‌های آموزشی (70 درصد) و داده‌های اعتبارسنجی (30 درصد) تقسیم می‌شوند. در مجموع 16 پارامتر شامل شیب، جهت جغرافیایی، ارتفاع از سطح دریا، فاصله از آبراهه، فاصله از جاده، تراکم رودخانه، فاصله از گسل، تراکم گسل، تراکم جاده، بارندگی، کاربری و پوشش اراضی، شاخص ndvi، لیتولوژی، زمین‌لرزه، شاخص توان آبراهه (spi) و شاخص رطوبت توپوگرافی (twi) به‌منظور پهنه‌بندی خطر زمین‌لغزش استفاده شدند. در نهایت، عملکرد مدل‌ها با استفاده از منحنی مشخصه عملکرد سیستم (roc) مورد بررسی قرار گرفت. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل‌های درخت تصمیم و جنگل تصادفی به ترتیب دارای مقدار auc برابر 942/0 و 951/0 می‌باشند؛ بنابراین مدل جنگل تصادفی نسبت به درخت تصمیم دارای بالاترین مقدار auc بوده و بهترین مدل برای پیش‌بینی خطر زمین‌لغزش در آینده در منطقه مورد مطالعه می‌باشد. نقشه‌های پتانسیل وقوع زمین‌لغزش، ابزارهای کارآمدی بوده؛ به‌طوری‌که می‌توان آن‌ها را برای مدیریت زیست‌محیطی، برنامه‌ریزی کاربری زمین و توسعه زیرساخت‌ها مورد استفاده قرار داد.