تعیین عامل های موثر و ارزیابی حساسیت به زمین‏ لغزش با روش‏ های جنگل تصادفی و شبکه ‎ی عصبی مصنوعی در منطقه ی دوآب صمصامی استان چهارمحال و بختیاری

زمین‏ لغزش از جمله خطرهای زمین‏شناسی است که امروزه روش‏های داده‏ کاوی مبتنی بر یادگیری ماشین برای مدل‏سازی و پیش ‏بینی آن توسعه داده شده است. هدف های این پژوهش اولویت بندی عامل های موثر، پهنه‏بندی و پیش‏بینی حساسیت به رخ داد زمین‏لغزش با مدل‏های شبکه ی عصبی مصنوعی و جنگل تصادفی، و معرفی مناسب‏ترین آن‏ها در منطقه ی دوآب صمصامی استان چهارمحال و بختیاری است. برای پهنه ‏بندی و مدل‏سازی از 15 عامل زمین‏ شناسی، ریخت شناسی، آب شناسی، انسان‏ساخت (متغیرهای مستقل) و 174 رخ داد زمین‏لغزش شناسایی و ثبت شده (متغیر وابسته) بهره گیری شد. رخ دادهای زمین‏لغزش به دو دسته ی داده ی آموزشی (70%) و آزمایشی (30 %) برای مدل‏سازی و اعتبارسنجی به شکل تصادفی تقسیم شد. ارتباط میان عامل های موثر و رخ دادهای لغزشی با نسبت فراوانی کمی و وزن‏دار شد. برای کاهش اثر هم‏پوشانی اطلاعاتی عامل های موثر، با تحلیل وایازی چندمتغیره ی خطی، استقلال داده‏ها آزموده شد. برای مدل‏سازی و پهنه‏بندی حساسیت زمین ‏لغزش، مدل‏های جنگل تصادفی و شبکه ی عصبی مصنوعی برازش و توسعه داده شد. نقشه ‏های پهنه ‏بندی حساسیت به دست آمده از برازش دو مدل با شاخص‏های نسبت فراوانی-سطح سلول هسته، نرخ توفیق، و سطح زیر منحنی ویژگی عمل کرد گیرنده (AUC-ROC) ارزیابی، اعتبارسنجی و مقایسه کرده شد. نتیجه های بررسی عامل های موثر در هر دو مدل نشان داد که عامل های سنگ‏ شناسی، کاربری و وجه شیب تاثیر بسزایی در رخ داد زمین‏ لغزش‏ها دارند و بخش زیادی (بیش از 82%) از زمین‏لغزش‏ها در رده های حساسیت خیلی‏زیاد و زیاد قرار می گیرند. نتیجه ارزیابی طبقه ‏بندی و اعتبارسنجی مدل‏ها نشان داد که دقت و کارآمدی مدل جنگل تصادفی (0/919=AUC-ROC) در پیش‏بینی رخ داد زمین‏ لغزش‏ها بیش تر از شبکه ی عصبی مصنوعی (0/845=AUC-ROC) است. نتیجه های این پژوهش ممکن است برای بهره گیری دستگاه های اجرایی در مدیریت و برنامه ریزی کردن طرح های توسعه یی و اجرایی عمرانی، توسعه ی شهری، و روستایی، برآورد دقیق تر در مدل های فرسایش و رسوب در آبخیزها، حفاظت خاک و عرصه های منابع طبیعی کشور سودمند باشد.