بررسی کارایی روش های دو و چند متغیره در پهنه بندی خطر زمین لغزش (مطالعه موردی: حوضه چهل چای)

به منظور مدیریت و کاهش خطرات ناشی از وقوع زمین لغزش نیاز است تا مناطق مختلف از نظر این خطر، پهنه بندی شود؛ بدین منظور در این تحقیق با استفاده از روش های شبکه عصبی مصنوعی، رگرسیون لجستیک، نسبت فراوانی، شاخص آماری و دمپستر شفر، به پهنه بندی خطر زمین لغزش در حوضه ی چهل چای استان گلستان پرداخته شد. پس از تهیه ی نقشه ی پراکنش زمین لغزش ها، نقشه ی فاکتورهای مستقل موثر در وقوع زمین لغزش شامل شیب، جهت شیب، فاصله از جاده، فاصله از رودخانه، کاربری اراضی، انحنای کل، انحنای دشت، انحنای پروفیل، ارتفاع، شاخص رطوبت توپوگرافیکی، زمین شناسی و فاصله از گسل تهیه شد. برای آموزش و آزمون مدل های مختلف، 91 زمین لغزش مشاهداتی به دو گروه تقسیم بندی شد: آموزش و تست. آموزش، شامل 80 درصد کل زمین لغزش ها (73 زمین لغزش) و تست، شامل 20 درصد زمین لغزش ها (18 زمین لغزش) است. نتایج نشان داد، مقدار مساحت حاصل از زیر منحنی ROC داده های تست برای روش های شبکه عصبی (86/0)، رگرسیون لجستیک (77/0)، دمپستر شفر (77/0)، نسبت فراوانی (72/0) و شاخص آماری (71/0) است. به طور کلی هم از نظر مساحت زیر منحنی ROC و هم از نظر تعداد زمین لغزش های مشاهداتی در کلاس های مختلف حساسیت، بهترین عملکرد مربوط به روش های چند متغیره ی شبکه عصبی مصنوعی و رگرسیون لجستیک بود و در بین روش های دو متغیره نیز روش دمپستر شفر، عملکرد بهتری نسبت به سایر روش های دو متغیره داشت.