عطاءالله شیرزادی

زمین لغزش ها به عنوان یکی از مخرب ترین پدیده های طبیعی محسوب می شوند. به دلیل تهدید آن ها، باید یک نقشه جامع حساسیت زمین لغزش برای کاهش آسیب های احتمالی به افراد و زیرساخت ها تهیه شود. کیفیت نقشه های حساسیت زمین لغزش تحت تأثیر بسیاری از عوامل، از جمله کیفیت داده های ورودی و انتخاب مدل های ریاضی است. هدف اصلی این پژوهش ارائه یک مدل ترکیبی جدید داده کاوی به نام Rotation Forest - Functional Trees (RF-FT) که یک رویکرد هوشمند ترکیبی از دو تکنیک یادگیری ماشین مدل Functional Trees (FT) و تکنیک طبقه بندی مدل Rotation Forest (RF) برای ارزیابی حساسیت زمین لغزش های اطراف شهر کامیاران واقع در استان کردستان می باشد. در ابتدا، بیست و یک عامل مؤثر بر وقوع زمین لغزش های منطقه مورد مطالعه شامل درجه شیب، جهت شیب، ارتفاع، انحنای شیب، انحنای عرضی شیب، انحنای طولی شیب، تابش خورشید، عمق دره، شاخص قدرت جریان، شاخص نمناکی توپوگرافی، شاخص طول دامنه، کاربری اراضی، تراکم پوشش گیاهی، فاصله از گسل، تراکم گسل، فاصله از جاده، تراکم جاده، فاصله از آبراهه، تراکم آبراهه، همباران و لیتولوژی  به همراه نقشه پراکنش زمین لغزش با 60 نقطه لغزشی برای جمع آوری داده های آموزشی و آزمون جمع آوری شدند. سپس، بر اساس شاخص Information Gain Ratio هفده عامل مؤثر از بین آن ها انتخاب و جهت مدل سازی به کار گرفته شدند. در مرحله بعد  مدل هیبریدی RFFT برای ارزیابی حساسیت زمین لغزش با استفاده از مجموعه داده های آموزشی ساخته شد. عملکرد مدل پیشنهادی RFFT با استفاده از چندین پارامتر آماری از جمله حساسیت، شفافیت، صحت، مجذور مربعات خطا، منحنی نرخ موفقیت و سطح زیر این منحنی مورد ارزیابی قرار گرفت.  

سیل دومین بلای طبیعی است که سالانه خسارات زیادی را به جوامع انسانی وارد می آورد. در این میان شهرها و مراکز جمعیتی، بیشترین ریسک و احتمال خسارت فیزیکی قابل لمس ناشی از وقوع سیل را دارا هستند. شهر سنندج به دلیل احاطه شدن به وسیله کوه ها و تپه ها پتانسیل بالایی در تولید رواناب و انتقال آن به سطح شهر را دارد.بنابراین هدف از این مطالعه پیش بینی مکانی مخاطره سیلاب در شهر سنندج در استان کردستان با استفاده از الگوریتم های شاخص آماری (SI) و مدل تابع شواهد قطعی (EBF) هم به صورت منفرد و هم به صورت ترکیبی در محیط GIS است.فاکتورهای مؤثر بر وقوع سیل که در این مطالعه در نظر گرفته شدند شامل درصد شیب، جهت شیب، ارتفاع، فاصله از رودخانه، تراکم رودخانه، تجمع جریان، کاربری اراضی، انحنای شیب، لیتولوژی، فاصله از معابر، تراکم معابر، فاصله از ساختمان، تراکم ساختمان و میزان بارندگی بود. پس از جمع آوری اطلاعات و لایه های مورد نیاز، نقشه پیش بینی مکانی حساسیت سیلاب در شهر سنندج تهیه شد. به منظور ارزیابی عملکرد مدل ها از سطح زیر نمودار AUC  به دست آمده از منحنی ROC استفاده گردید . با توجه به معیار ارزیابی مورد استفاده در این مطالعه (ROC) و با توجه به داده های اعتبارسنجی،  مدل تابع شواهد قطعی (840/0) نسبت به مدل شاخص آماری (827/0) در پهنه بندی خطر سیل خیزی در منطقه مورد نظر دارای بهترین عملکرد بود. در مدل ترکیبی SI-EBF همچنین میزان صحت با توجه به داده های اعتبارسنجی برابر 849/0 بود که این نشان داد، عملکرد مدل ترکیبی SI-EBF در پیش بینی مکانی خطر سیلاب در مطالعه حاضر نتایج بهتری نسبت به مدل های منفرد داشته است.در نهایت نتایج مطالعه نشان داد که تراکم ساختمانی و معابر شهری عوامل اصلی در وقوع سیلاب شهر سنندج هستند که براساس نقشه پهنه بندی خطر سیل ارائه شده می توان اقدامات مدیریتی مناسبی را برای کاهش خسارت ها و تلفات ناشی از سیل انجام داد.

هدف از انجام این پژوهش ارائه روش ترکیبی بیزین رگرسیون لجستیک و مقایسه کارایی آن با روش رگرسیون لجستیک به منظور تهیه نقشه پیش بینی مکانی وقوع حرکت های توده ای در استان کردستان می باشد. در ابتدا، بر اساس مرور منابع 18 عامل تأثیرگذار بر وقوع حرکت های توده ای شامل: درجه شیب، جهت شیب، ارتفاع، انحنای معمولی شیب، انحنای عرضی شیب، انحنای طولی شیب، شاخص توان حمل جریان، شاخص نمناکی توپوگرافی، شاخص طول و زاویه شیب، لیتولوژی، بارش، کاربری ارضی، فاصله از گسل، تراکم گسل، فاصله از رودخانه، تراکم رودخانه، فاصله از جاده و تراکم جاده انتخاب شدند. سپس، در روش رگرسیون لجستیک (LR) بر اساس سطح معنی داری آماری 7 عامل و در روش بیزین لجستیک رگرسیون (BLR) بر اساس شاخصInformation Gain Ratio، 11 عامل به عنوان عوامل مؤثر انتخاب و جهتمدل سازی به کار گرفته شدند. ارزیابی مدل ها (داده های تعلیمی و داده های تست) توسط معیارهایSpecificity،Sensitivity،Accuracy، درصد مساحت زیر منحنیROC و ریشه میانگین مربعات خطا انجام شدند. نتایج ارزیابی مدل های مورد استفاده در این تحقیق نشان داد که اختلاف معنی داری در سطح 95 درصد بین کارایی و نقشه های پیش بینی مکانی تهیه شده برای مناطق حساس به وقوع حرکت های توده ای خاک با روش هایBLR وLR مشاهده نشد و می توان از مدلBLR نیز به مانند مدلLR به عنوان یک مدل معیار استفاده نمود. لذا با روشLR حدود 26 درصد از مساحت استان کردستان در معرض حساسیت زیاد و خیلی زیاد به وقوع حرکت های توده ای(54 درصد مجموع حرکتهای توده ای) قرار دارد و با روشBLR حدود 33 درصد از مساحت استان کردستان در معرض حساسیت زیاد و خیلی زیاد به وقوع حرکت های توده ای (64 درصد مجموع حرکتهای توده ای) قرار دارد که نواحی غرب استان دارای پتانسیل بیشتری هستند.

افزایش صحت و اعتماد و در نتیجه کاهش عدم قطعیت نقشه های پیش بینی مکانی مخاطرات زمینی از جمله زمین لغزش ها یکی از چالش های پیش رو در این گونه مطالعات می باشد. هدف این پژوهش ارائه یک مدل ترکیبی جدید داده کاوی الگوریتم- مبنا به نام Random Subspace-Random Forest (RS-RF)،برای افزایش میزان صحت پیش بینی مناطق حساس به وقوع زمین لغزش های سطحی اطراف شهر بیجار می باشد. در ابتدا، نوزده عامل مؤثر بر وقوع زمین لغزش های سطحی منطقه ی مورد مطالعه شامل درجه شیب، جهت شیب، ارتفاع از سطح دریا، انحنای معمولی شیب(Curvature)، تقعر و تحدب شیب(Profile curvature)، همگرایی و واگرایی شیب (Plan curcvature)، شدت تابش خورشید (Solar radiation)، شاخص قدرت جریان، شاخص نمناکی توپوگرافی، شاخص طول و زاویه شیب، کاربری ارضی، شاخص پوشش گیاهی، لیتولوژی، فاصله از گسل، تراکم گسل، بارندگی، فاصله از آبراهه، تراکم آبراهه و فاصله از شبکه جاده شناسایی شدند. سپس، بر اساس شاخص Information Gain Ratioدوازده عامل مؤثر از بین آن ها انتخاب و جهت مدل سازی به کار گرفته شدند. اهمیّت نسبی هر کدام از عوامل در مدل Random Forest و مدل ترکیبیRS-RFبررسی شدند.معیارهای Kappa، Precision، Recall، F-Measure، AUROCبرای ارزیابی مدل ها هم برای داده های تعلیمی و هم برای داده های صحت سنجی استفاده شدند. نقشه های پیش بینی مکانی وقوع زمین لغزش های سطحی با این دو مدل نیز به دست آمدند. نتایج نشان داد که در مدل RF جهت شیب و در مدل ترکیبی RS-RFدرجه شیب مهم ترین فاکتورهای مؤثر بر وقوع زمین لغزش های منطقه ی مورد مطالعه شناخته شدند. نتایج ارزیابی مدل توسط معیارهای معرفی شده بیانگر تأیید این مدل ها برای داده های تعلیمی و داده های صحت سنجی بودند. نتایج ارزیابی صحت نقشه پهنه بندی به دست آمده نشان داد که درصد مساحت زیر منحنیROC(AUROC) برای داده های تعلیمی در مدل RF و مدل ترکیبی RS-RFارائه شده به ترتیب 729/0 و 784/0 وبرای داده های صحت سنجی به ترتیب 717/0 و 771/0 به دست آمدند. بطور کلی، نتایج نشان داد که تکنیک Random Subspaceمنجر به افزایش صحت پیش بینی مکانی حساسیت زمین لغزش های سطحی منطقه ی مورد مطالعه شده است. دستیابی به یک نقشه ی پیش بینی مکانی زمین لغزش های سطحی با صحت بالاتر، کمک شایانی در توسعه ی معقول تر تأسیسات، اراضی شهری و روستایی، طرح های آمایش سرزمین، طرح های آبخیزداری و همچنین جلوگیری از هدر رفت خاک و فرسایش توده ای و انتقال رسوبات به پایین دست خواهد شد.

یکی از انواع فرآیندهای دامنه ای که هر ساله موجب خسارات جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود، پدیده زمین لغزش است. شناسایی مناطق مستعد وقوع زمین لغزش از طریق پهنه بندی خطر، یکی از اقدامات مؤثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی حساسیت زمین لغزش در شهرستان کامیاران با استفاده از مدل ماشین پشتیبان بردار می باشد. در ابتدا، نقشه پراکنش زمین لغزش با 60 نقطه لغزشی در منطقه مورد مطالعه با استفاده از منابع مختلف ترسیم گردید. پس از آن مکان های لغزشی، به صورت تصادفی به یک نسبت 70 به 30 برای ساخت مدل زمین لغزش و اعتبارسنجی آن تقسیم شدند. آموزش و صحت سنجی تابع RBF از الگوریتم SVM توسط یک پایگاه داده مکانی با مجموع دوازده عامل زمین لغزش از جمله شیب، جهت شیب، ارتفاع، انحنای شیب، انحنای عرضی شیب، انحنای طولی شیب، شدت تابش خورشید، لیتولوژی، کاربری اراضی، فاصله از گسل، فاصله از جاده و فاصله از رودخانه با توجه به مدل مرجع مورد بررسی قرار گرفتند. در نهایت منطقه مورد مطالعه به پنج کلاس حساسیت بسیار بالا، بالا، متوسط، کم و بسیار کم تقسیم شد. سپس عمکرد این الگوریتم با استفاده از منحنی ROC مورد بررسی قرار گرفت. نتایج نشان می دهد که سطح زیر منحنی (AUC) با استفاده از مجموعه داده های آموزشی (970/0) و با استفاده از داده های صحت سنجی (882/0) می باشد. لذا تجزیه و تحلیل نتایج نشان دهنده آن بود که تابع RBF مدل SVM عملکرد خوبی جهت ارزیابی حساسیت زمین لغزش در منطقه مورد مطالعه دارد و نتایج به دست آمده از این پژوهش می تواند برای برنامه ریزی کاربری اراضی، کاهش خطرات زمین لغزش و تصمیم گیری در مناطق مستعد لغزش مفید واقع گردد.

هدف از انجام پژوهش، مقایسه ی کارایی دو روش آماری رگرسیون لجستیک و روش احتمالاتی نسبت فراوانی در تهیه نقشه پهنه بندی حساسیت زمین لغزش در حوزه آبخیز چشمیدر واقع در استان کردستان است. در ابتدا با مرور منابع، مصاحبه محلی و پرسشنامه، 17 عامل شامل درصد شیب، جهت شیب، ارتفاع از سطح دریا، انحنای شیب، انحنای طولی شیب، انحنای عرضی شیب، لیتولوژی، کاربری ارضی، فاصله از شبکه آبراهه، تراکم آبراهه، فاصله از گسل، تراکم گسل، فاصله از جاده، بارندگی، شاخص حمل رسوب، شاخص توان آبراهه و شاخص رطوبت بر وقوع زمین لغزش مؤثر شناخته شدند. سپس، 60 نقطه زمین لغزشی و نیز 60 نقطه غیر زمین لغزشی در منطقه شناسایی و ثبت شدند. نقشه رگرسیون لجستیک به پنج طبقه با حساسیت خیلی کم (57/44%)، کم (48/11%)، متوسط (51/12%)، زیاد (38/14%) و خیلی زیاد (03/17%)، طبقه بندی شد. روش نسبت فراوانی نیز به پنچ طبقه با حساسیت خیلی کم (15/37%)، کم (40/33%)، متوسط (55/17%)، زیاد (11/9%) و خیلی زیاد (3%) تفکیک گردیدند. نتایج نشان داد روش رگرسیون لجستیک با %2/82 گستره زیر منحنی مشخصه عملکرد، در مقایسه با روش نسبت فراوانی با مقدار 80% ، توانایی پیش بینی بالاتری در شناسایی مناطق مستعد و حساس به زمین لغزش در منطقه مورد بررسی دارد. بنابراین، روش آماری رگرسیون لجستیک برای تهیه نقشه پهنه بندی حساسیت زمین لغزش-های منطقه مورد مطالعه پیشنهاد می گردد.

زمین لغزش ها و ناپایداری های دامنه ای مخاطرات مهمی برای فعالیّت های انسانی هستند که اغلب سبب از دست رفتن منابع اقتصادی، خسارات به اموال و تأسیسات می شوند. این مخاطرات در شیب های طبیعی و یا شیب هایی که به دست انسان تغییر یافته اند اتفاق می افتد. هدف اصلی این پژوهش شناسایی عوامل مؤثر بر وقوع زمین لغزش های شهرستان بیجار واقع در استان کردستان و ارزیابی مناطق دارای پتانسیل زمین لغزش جهت تهیه ی نقشه پهنه بندی با استفاده از مدل آماری رگرسیون لجستیک می باشد در این پژوهش ابتدا با استفاده از بازدیدهای میدانی، پرسشنامه ای، نقشه های زمین شناسی و توپوگرافی و مرور مطالعات انجام شده، 9 عامل مؤثر شامل متغیّرهای ارتفاع از سطح دریا، درجه شیب، جهت شیب، زمین شناسی، فاصله از عناصر خطی گسل، جاده، رودخانه، بارندگی و کاربری اراضی مورد استفاده قرار گرفت. پس از شناسایی آن ها اقدام به پردازش با استفاده از نرم افزارهایARC GIS10، ILWIS 3.3،گردید. سپس از 144 دامنه مستعد به زمین لغزش به عنوان داده های لغزشی(کد یک) و همسو با آن 144 دامنه پایدار به زمین لغزش به صورت کاملاً تصادفی در سراسر منطقه برای داده های بدون لغزش (کد صفر) به عنوان متغیّر وابسته استفاده شد. با روی هم اندازی مجموع این داده ها بر روی هر کدام از متغیّرهای مستقل، داده های لازم برای ورود به نرم افزارSPSS 18استخراج شدند. نتایج نشان داد که شیب مهم ترین نقش را در بروز زمین لغزش های منطقه بر عهده دارد، پس از آن به ترتیب لایه های کاربری اراضی، جهت دامنه، گسل، فاصله از شبکه زهکش، طبقات ارتفاعی، فاصله از جاده و لیتولوژی در درجه بعدی اهمیت قرار می گیرند. نتایج ارزیابی صحت نشان داد که مدل آماری رگرسیون لجستیک با مقدار 4/83 برای شاخص PCPT و 226/229 برای شاخص -2LL و 5/98 درصد برای شاخص ROC همچنین نقشه خطر پهنه بندی زمین لغزش بر اساس شاخص SCAIاز صحت بالایی برخوردار می باشند. بر این اساس 489/75 درصد از مساحت منطقه در محدوده با خطر بسیار کم ، 037/10 درصد با خطر کم، 628/3 درصد با خطر متوسط، 062/4 درصد با خطر بالا و 784/6 درصد با خطر بسیار بالا مواجه است. این نتایج می تواند در پیش بینی وقوع زمین لغزش های آینده، کاهش خطرات همراه آن ها و برنامه ریزی جهت کاربری زمین مورد استفاده قرار گیرد