تابع شواهد قطعی

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.

در این تحقیق برای تهیه نقشه حساسیت به وقوع سیل در حوزه آبخیز هراز در استان مازندران از روش های شبکه عصبی مصنوعی (ANN)، نسبت فراوانی (FR) و تابع شواهد قطعی (EBF) استفاده شده است و برای دستیابی به هدف پژوهش از ده پارامتر موثر در وقوع سیلاب از قبیل شیب، انحنای زمین، فاصله از رودخانه، طبقات ارتفاعی، بارش، شاخص توان رودخانه (SPI)، شاخص رطوبت توپوگرافی (TWI)، لیتولوژی، کاربری اراضی و شاخص تفرق پوشش گیاهی (NDVI) استفاده گردید. همچنین، موقعیت جغرافیایی 211 نقطه سیل گیر در منطقه تهیه شده و نقاط به صورت تصادفی به گروه هایی متشکل از 151 نقطه (70%) و 60 نقطه (30%) به ترتیب برای واسنجی و اعتبار سنجی تقسیم شده اند. سپس احتمال رخداد سیل برای هر کلاس از هر پارامتر محاسبه گردید. وزن های محاسبه شده برای هر کلاس در سیستم اطلاعات جغرافیایی در لایه های مربوطه اعمال گردیده و نقشه های حساسیت به وقوع سیل منطقه مورد مطالعه به دست آمد. براساس نقشه پتانسیل سیل خیزی، منطقه به 5 کلاس با حساسیت خیلی زیاد، زیاد، متوسط، کم و خیلی کم تقسیم گردید. روش های مذکور توسط روش منحنی مشخصه عملکرد سیستم (AUC) ارزیابی شدند. نتایج حاکی از آن است که طبقات ارتفاعی پایین و نزدیک رودخانه دارای احتمال و حساسیت بالایی نسبت به وقوع سیل می باشند. همچنین نتایج نشان داد که تکنیک نسبت فراوانی (AUC=0.97)، تابع شواهد قطعی (AUC=0.94) و شبکه عصبی مصنوعی (AUC=0.87) به ترتیب اولویت، دارای بیشترین دقت در پیش بینی وقوع سیل بوده اند. از این رو مدل های مذکور به منظور پیش بینی پتانسیل خطر سیل به ویژه در نواحی مختلف از جمله فضاهای شهری به دلیل کارایی بالا، می تواند مفید و قابل اعتماد باشند.

هدف از پژوهش حاضر، مدل سازی و پهنه بندی حساسیت زمین لغزش در حوزه آبخیز کلات، واقع در استان خراسان رضوی میباشد. بدین منظور، از سه مدل داده کاوی ماشین بردار پشتیبان(SVM)، تابع شواهد قطعی(EBF) و شواهد وزنی(WOE) به لحاظ الگوریتم محاسباتی توانمند در زمینه ارزیابی فرایند زمین لغزش استفاده شد. ابتدا 36 زمین لغزش با استفاده از تصاویر ماهواره ای لندست و گوگل ارتث شناسایی شدند. سپس این نقاط به طور تصادفی به منظور تهیه مدل و اعتبار سنجی به ترتیب به دو گروه آموزش 70 درصد و اعتبار سنجی 30 درصد تقسیم شدند. 17 لایه اطلاعاتی شامل ارتفاع، جهت شیب، شیب، فاصله از گسل، تراکم آبراهه، فاصله از رودخانه، خاک، کاربری اراضی، فاصله از جاده، شاخص پوشش گیاهی NDVI، زمین شناسی، انحنا شیب، تیپ اراضی، پروفیل عرضی دامنه، پروفیل طولی دامنه، شاخص توان آبراهه(SPI) و شاخص رطوبت توپوگرافی(TWI) برای پهنه-بندی پتانسیل خطر زمین لغزش در نظر گرفته شدند. به منظور ارزیابی نتایج مدل ها، از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی(ROC) در فرایند مدل سازی استفاده شد. برطبق نتایج این پژوهش، متغیرهای زمین شناسی، ارتفاع، شیب، خاک شناسی و کاربری اراضی به عنوان مهمترین عوامل وقوع زمین لغزش در نظر گرفته شدند. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل های SVM، EBF و WOEبه ترتیب دارای مقدار AUC 897/0، 901/0و 878/ 0 هستند. اما در مقایسه سه مدل آماری، مدل EBF نسبت به دو مدل دیگر دارای بیشترین مقدار AUC بوده و بهترین مدل برای پیش بینی مکانی خطر زمین لغزش در منطقه پژوهش است.