مطالب مرتبط با کلیدواژه

منحنی مشخصه عملکرد


۱.

ارزیابی مقایسه ای استفاده از مدل های آماری نسبت فراوانی و آنتروپی شانون به منظور پهنه بندی نواحی حساس به زمین لغزش (مطالعه موردی: حوزه آبخیز تجن میانی)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: حرکت های توده ای زمین حوضه تجن میانی حساسیت پذیری مدل های دومتغیره منحنی مشخصه عملکرد

حوزه های تخصصی:
تعداد بازدید : ۱۲۹ تعداد دانلود : ۱۲۹
زمین لغزش به عنوان یک پدیده ژئومورفولوژیک طبیعی، در زمره بلایای طبیعی محسوب می شود که می تواند خسارات جانی و مالی فراوانی را به زندگی انسان ها تحمیل می کند؛بنابراین شناسایی مناطق حساس به وقوع زمین لغزش جهت کاهش خسارات امری ضروری است. هدف پژوهش حاضرارزیابی و ناحیه بندی حساسیت پذیری زمین لغزش درزیرحوزه آبخیزتجن میانی بابه کارگیری مدل های آماری نسبت فراوانی وآنتروپی شانون است.بدین منظور ابتدا 68 نقطه زمین لغزش برای منطقه شناسایی-واین نقاط به صورت تصادفی به دو گروه آموزش مدل(70 درصد)واعتبار مدل(30 درصد)تقسیم شدند.همچنین بر اساس مرور منابع،10 عامل شیب،جهت شیب،فاصله تاآبراهه،ارتفاع،کاربری-اراضی،سنگ شناسی،انحنای سطح، انحنای طولی،باران وشاخص رطوبت توپوگرافی (TWI) به عنوان-عوامل مؤثردروقوع زمین لغزش درمنطقه موردمطالعه انتخاب شدند.درادامه نقشه حساسیت پذیری-زمین لغزش بااستفاده ازمدل های نسبت فراوانی وآنتروپی شانون وبراساس روش شکست طبیعی برای-منطقه موردمطالعه تهیه شد.درنهایت به منظور ارزیابی نرخ موفقیت و پیش بینی مدل ازمنحنی-مشخصه عملکرد (ROC) استفاده شد.نتایج حاصل از تأثیر عوامل مؤثر در وقوع زمین لغزش در مدل آنتروپی شانون نشان داد که به ترتیب معیار های رطوبت توپوگرافی، کاربری اراضی و انحنای طولی با مقادیر وزن Wj به ترتیب برابر با 73/0، 66/0 و 65/0بیش ترین تأثیر را در وقوع زمین لغزش در منطقه دارند. نتایج ارزیابی نرخ موفقیت و پیش بینی مدل با توجه به منحنی ROC و سطح زیر منحنی (AUC) برای آموزش واعتبار دو مدل نسبت فراوانی و آنتروپی شانون به ترتیب برابر با 76/0، 72/0 و 62/0، 59/0 به دست آمدکه بیانگر عملکرد نسبتا خوب مدل نسبت فراوانی و عملکرد ضعیف تا مردود مدل آنتروپی شانون برای ارزیابی وتهیه نقشه حساسیت پذیری زمین لغزش درحوضه مورد مطالعه است.همچنین نتایج حاصل ازناحیه بندی حساسیت پذیری زمین لغزش در حوضه تجن-میانی بااستفاده ازمدل نسبت فراوانی نشان دادکه به ترتیب 156/30، 066/17 و 206/5 درصد از مساحت حوضه درمحدوده حساسیت متوسط،زیاد و خیلی زیاد قرار دارد.نتایج پژوهش حاضر می تواند جهت مدیریت وآمایش سرزمین توسط مدیران و برنامه ریزان به کارگرفته شود.
۲.

ارزیابی پتانسیل خطر آتش سوزی با استفاده از رویکردهای تحلیل سلسله مراتبی فازی و رگرسیون لجستیک(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تصمیم گیری چندمعیاره پیش بینی خطر گوگل ارث انجین منحنی مشخصه عملکرد ماهواره مادیس

حوزه های تخصصی:
تعداد بازدید : ۵۷ تعداد دانلود : ۶۹
امروزه تهیه نقشه توزیع مکانی خطر آتش سوزی یکی از ابزارهای ضروری مدیریت در سطوح مختلف جهت پایش پایداری منابع طبیعی و کنترل این مخاطره محیط زیستی است. تلفیق عملیات میدانی، داده های دورسنجی، تکنیک های سیستم اطلاعات جغرافیایی و آماری مختلف می تواند پیش بینی فضایی قابل اعتمادی از پتانسیل خطر آتش سوزی برای مناطق مختلف ایجاد کند. در این تحقیق از 9 عامل مؤثر در مدل سازی خطر آتش سوزی شامل عوامل ارتفاع، شیب، جهت، انحنای دامنه، فاصله از جاده و شاخص های NDVI، LST، TWI و TPI با دو روش تحلیل فازی سلسله مراتبی و رگرسیون لجستیک برای شناسایی مناطق خطر و تعیین مهم ترین عوامل مؤثر در بروز و گسترش آتش استفاده شد. برای شناسایی مناطق حریق تاریخی نیز از سامانه ابری گوگل ارث انجین و تصاویر مادیس استفاده شد. نتایج اولیه نشان داد در هر دو مدل، عوامل NDVI، LST و فاصله از جاده بیشترین ضرایب را به خود اختصاص داده اند. در مرحله صحت سنجی نیز اگرچه منحنی مشخصه عملکرد هر دو مدل، نسبتاً یکسان (مقدار 847/0 در روش تحلیل سلسله مراتبی فازی و مقدار 837/0 در روش رگرسیون لجستیک) بود، با بررسی پیکسل های حریق تاریخی مشخص شد در روش تحلیل سلسله مراتبی فازی حدود 87 درصد پیکسل های طبقات با خطر زیاد و خیلی زیاد و در روش رگرسیون لجستیک فقط 22 درصد پیکسل های طبقات مزبور با مناطق دارای سابقه حریق همپوشانی داشته اند. لذا به نظر می رسد روش تحلیل سلسله مراتبی فازی بهتر از روش رگرسیون لجستیک توانسته مناطق با پتانسیل خطر بالا را شناسایی کند. اگرچه تهیه نقشه های پیش بینی خطر توسط مدل های مختلف از وقوع کلیه حریق ها جلوگیری نخواهد کرد ولی می توان با ارائه راهکارهای مدیریتی، وقوع آن را کاهش داده و کنترل آن را تسهیل نمود.