ارزیابی و پهنه بندی خطر زمین لغزش با استفاده از فرآیند تحلیل شبکه و شبکه عصبی مصنوعی (مطالعه موردی: حوضه آذرشهر چای)

ارزیابی حساسیت زمین لغزش مهم ترین گام در تهیه نقشه خطر زمین لغزش است. هدف اصلی از این مطالعه، بررسی و مقایسه نتایج حاصل از دو مدل شبکه عصبی مصنوعی(ANN) و فرآیند تحلیل شبکه ای(ANP) در پهنه بندی خطر زمین لغزش در حوضه آذرشهر چای می باشد. برای انجام این تحقیق با بررسی منابع و نظر کارشناسان، فاکتورهای موثر در وقوع زمین لغزش (شیب ، جهت شیب ، طبقات ارتفاعی ، لیتولوژی ، کاربری زمین ، فاصله از رودخانه ، فاصله از گسل ، فاصله از جاده) در محیط Arc GISآماده شده و با لایه پراکنش زمین لغزش ها تطابق داده شد و اطلاعات مربوط به زمین لغزش ها در هر یک از لایه های اطلاعاتی به صورت کمی به دست آمد. سپس با استفاده از ابزار Arc GIS و تجزیه وتحلیل های صورت گرفته در هر دو مدل ، اهمیت هرکدام از لغزش های رخ داده بررسی و نقشه های پهنه بندی زمین لغزش تولید شد. ارزیابی نتایج به دست آمده از فرآیند تحلیل شبکه ای و شبکه عصبی مصنوعی با استفاده از ضریب آماری کاپا نشان می دهد که شبکه عصبی مصنوعی با ضریب 74/0 نسبت به فرآیند تحلیل شبکه ای با ضریب 72/0 از دقت بیشتری در پیش بینی زمین لغزش در حوضه آذرشهر چای برخوردار است. همچنین بر اساس پهنه بندی صورت گرفته با استفاده از مدل فرآیند تحلیل شبکه ای نتایج به دست آمده نشان می دهد که 13/7، 44/28، 13/37، 14/23، 27/3 درصد از مساحت منطقه به ترتیب در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته و در مدل شبکه عصبی مصنوعی به ترتیب 49/5، 61/32، 05/32، 22/23، 73/5 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته است.