ارزیابی و مدل‌سازی مکانی خطر فرونشست زمین با استفاده از مدل licsbas و الگوریتم جنگل تصادفی (مطالعه موردی: دشت مرودشت - خرامه)

در آینده خطر فرونشست زمین به‌دلیل بحران کمبود منابع آبی و مدیریت نامناسب منابع آبی تشدید می‌شود. برای کاهش خطرات مرتبط با فرونشست زمین، لازم است مناطق مستعد خطر فرونشست شناسایی و ارزیابی شوند و اقدامات لازم انجام شود. در این مطالعه، ابتدا با استفاده از روش تداخل سنجی راداری به نام licsbas، خطر فرونشست زمین شناسایی و ارزیابی شد. سپس با استفاده از مدل جنگل تصادفی rf، رابطه مکانی بین رخداد خطر فرونشست زمین و عوامل موثر مانند ارتفاع سطح زمین، شیب، جهت شیب، لیتولوژی، کاربری اراضی، افت آب ‌زیرزمینی، فاصله از رودخانه، فاصله از گسل، شاخص رطوبت توپوگرافی و انحنای قوس مورد بررسی قرار گرفت. در انتها، بعد از کالیبراسیون الگوریتم جنگل تصادفی، نقشه حساسیت خطر فرونشست زمین تهیه شد. نتایج تحلیل سری زمانی تداخل سنجی licsbas در بازه زمانی 2015 تا 2022 نشان داد که مرکز دشت مرودشت - خرامه و نواحی کشاورزی مجاور به‌طور مداوم در حال فرونشینی هستند و پهنه‌بندی نقشه سرعت میانگین تغییر شکل نشان‌دهنده نرخ فرونشست 11/6 سانتی‌متر در سال است. نتایج تعیین ارتباط مکانی بین رخداد فرونشست و عوامل موثر، تاییدکننده تاثیر مثبت فاصله از رودخانه، کاربری اراضی شهری و کشاورزی، عمق سنگ کف بستر (ضخامت آبخوان)، افت آب‌ زیرزمینی و سازندهای آبرفتی و ریزدانه روی رخداد این پدیده است. همچنین نتایج مدل‌سازی فرونشست با استفاده از الگوریتم جنگل تصادفی نشان داد که عوامل عمق سنگ کف، افت آب‌ زیرزمینی، کاربری اراضی و زمین‌شناسی بیشترین تاثیر اهمیت را در پتانسیل رخداد فرونشست در منطقه موردمطالعه دارند. همچنین بر اساس نتایج، حدود سه تا چهار درصد از مناطق در کلاس شدید و بسیار شدید خطر فرونشست زمین به‌ویژه در مرکز و حومه شهر مرودشت قرار دارند؛ بنابراین مدیریت و کنترل منابع آب و ایجاد برنامه مدون برای کاهش خطر فرونشست و همچنین حفظ تغذیه آبخوان در دشت مرودشت - خرامه امری ضروری است.

assessment and spatial modeling of land subsidence hazard using the licsbas model and random forest algorithm (case study: marvdasht kharame plain)

in the future, the risk of land subsidence due to water resources shortage crisis and improper water resources management will become more and more dangerous. it is necessary to assess and identify areas susceptible to subsidence risk and take necessary actions to reduce risks related to land subsidence. in this study, first, the risk of land subsidence was identified and evaluated using a radar interferometry method called licsbas. then, the spatial relationship between the occurrence of land subsidence hazard and effective factors such as ground elevation, slope, slope aspect, lithology, land use, groundwater decline, distance from rivers, distance from faults, topographic moisture index, and arc curvature was investigated using the random forest (rf) model. in the end, the land subsidence hazard sensitivity map was prepared after calibrating the random forest algorithm. the analysis of licsbas interferometric time series data from 2015 to 2022 showed that the center of the marvdasht-kharameh plain and adjacent agricultural areas are continuously subsiding and the mean deformation rate map showed a subsidence rate of 11.6 centimeters per year. the results of determining the spatial relationship between subsidence occurrence and effective factors confirmed the positive impact of distance from rivers, urban and agricultural land uses, depth of bedrock (aquifer thickness), groundwater decline, and alluvial and fine-grained formations on this phenomenon. also, the results of subsidence modeling using the random forest algorithm showed that factors such as bedrock depth, groundwater decline, land use, and geology have the greatest impact on the potential for subsidence occurrence in the study area. also, based on the results, about 3 to 4 percent of the areas are in the very high and extremely high-risk classes of land subsidence, especially in the center and suburbs of mervdasht. therefore, water resources management and control and developing a systematic program to reduce subsidence risk and aquifer recharge conservation in merudasht-kharameh plain is essential.