مدلسازی حساسیت به زمین لغزش با استفاده از شبکه های عصبی مصنوعی و رگرسیون لجستیک در حوضه سقزچای جنوب استان اردبیل

زمین لغزش ها، یکی از مخاطرات طبیعی در مناطق کوهستانی هستند که ایمنی ساکنان و محیط زیست را تهدید می کنند. در چند دهه گذشته، زمین لغزش ها در حوضه سقزچی در جنوب استان اردبیل، باعث وارد شدن خسارت هایی به منابع طبیعی و انسانی شده اند. زمین لغزش ها، در بیش از 9.2 درصد (2600 هکتار) از مساحت این حوضه وجود دارند. در این حوضه نیز مانند سایر مناطق زمین لغزشی، برای برنامه ریزی و مدیریت اراضی نیاز به تحلیل کل منطقه است، تا بر اساس آن احتمال وقوع زمین لغزش در آینده برآورد شود. حل این موضوع با تحلیل توام ویژگی های ژیومورفولوژی، توپوگرافی، زمین شناسی، کاربری اراضی، هیدرولوژی و آب و هوایی حوضه در قالب لایه های اطلاعاتی در محیط سامانه های اطلاعات جغرافیایی در یک مقیاس منطقه ای، امکان پذیر است. ارزیابی حساسیت به زمین لغزش در حوضه سقزچای تا به حال با روش های نوین و با دقت بالا انجام نگرفته است. دقت و اعتبار هر مدل، با استفاده از روش منحنی ROC و بر مبنای سطح زیر آن (AUC) تعیین شد. نتایج به دست آمده از این پژوهش، می تواند در پیش بینی وقوع احتمالی زمین لغزش و کاهش خسارت در حوضه سقزچای مورد استفاده قرار گیرد.

حوضه مورد پژوهش، با مساحت 27918 هکتار در جنوب استان اردبیل و در جنوب غرب شهرستان خلخال واقع شده است. در این حوضه، نقشه پراکنش 113 زمین لغزش تهیه شد که در آن به ترتیب 70 و30 درصد از زمین لغزش ها به داده های آموزشی و ارزیابی اختصاص داده شدند. ده عامل موثر، در وقوع زمین لغزش ها شامل درصد شیب، جهات شیب، فاصله از گسل ها، فاصله از رودخانه ها، فاصله از راه ها، فاصله از مناطق مسکونی، واحدهای سنگ شناسی، بیشینه شتاب افقی زمین، کاربری اراضی و مجموع بارندگی سالانه، در تحلیل مدل ها مورد استفاده قرار گرفتند. به منظور پیش بینی حساسیت به وقوع زمین لغزش، از دو روش غیرخطی شبکه عصبی به نام پرسپترون چند لایه با ساختار رو به جلو و رگرسیون لجستیک، استفاده شد. بر اساس هر دو مدل، احتمال وقوع زمین لغزش در هر پیکسل محاسبه شد. دقت پیش بینی دو مدل با استفاده از منحنی ROC، مورد ارزیابی قرار گرفت. 

نتایج و بحث:

در مدل شبکه های عصبی، عوامل تشدید کننده شامل میانگین بارندگی سالانه (0.136) و بیشینه شتاب افقی زمین (0.134)، بیشترین تاثیر را در پیش بینی احتمال وقوع زمین لغزش ها داشته اند. عوامل فاصله از گسل ها (0.110)، واحدهای سنگ شناسی (0.109)، فاصله از راه ها (0.109)، فاصله از رودخانه ها (0.101)، فاصله از مناطق مسکونی (0.096)، جهات جغرافیایی دامنه ها (0.069)، کاربری اراضی (0.068) و درصد شیب دامنه ها (0.067) به ترتیب در مدلسازی حساسیت به زمین لغزش به روش شبکه های عصبی مصنوعی اهمیت دارند. بنابراین، تمامی ده عامل در مدلسازی به روش شبکه های عصبی مصنوعی، به کار گرفته شدند. نتایج به دست آمده نشان داد که احتمال وقوع زمین لغزش در فاصله 0.00 تا 0.961، تغییر می نماید. در طبقه ‎بندی حوضه به درجات حساسیت به زمین لغزش، به روش شکست طبیعی بر مبنای احتمال برآوردی روش شبکه های عصبی، 85.7 درصد از منطقه در پهنه های با حساسیت کم و بسیار کم، قرار می گیرد. در 6.6 درصد از منطقه، احتمال حساسیت به زمین لغزش متوسط و در 7.7 درصد از حوضه حساسیت بالا و بسیار بالا برای وقوع زمین لغزش وجود دارد. تحلیل حساسیت به زمین لغزش به روش رگرسیون لجستیک، با روش بدون متغیر مستقل شروع شد و با اضافه کردن متغیرها در قدم دهم، خاتمه یافت. نتایج نشان می دهد که تنها سه سطح از عامل جهات جغرافیایی، در مدل رگرسیون لجستیک بی اثر هستند. با تخمین ثابت و ضرایب مربوط به متغیرهای مستقل در تحلیل رگرسیون لجستیک، مقادیر احتمال بین صفر تا یک، برای تمام پیکسل های منطقه محاسبه شد. با درجه بندی حساسیت به زمین لغزش به روش شکست طبیعی در مدل رگرسیون لجستیک، به‎ ترتیب 79.9، 10.1 و 10 درصد از مساحت منطقه در گروه با درجات حساسیت پایین و بسیار پایین، متوسط و بالا و بسیار بالا قرار می گیرد. دقت و اعتبار مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی، بر اساس منحنی ROC و سطح زیر آن (AUC) به ترتیب برابر 0.848 و 0.929 است. نتایج هر دو مدل، خوب بوده است و دقت بالاتر از 84 درصد داشته اند. نتایج به دست آمده از دو روش فوق، در اکثر مطالعات در دنیا و ایران حکایت از توانمندی آن ها در برآورد دقیق حساسیت احتمالی به زمین لغزش ها دارد، اما روش شبکه های عصبی مصنوعی، با وجود پیچیدگی های خاص دارای دقت بیشتری است.

زمین لغزش، یک محدودیت مهم برای توسعه در مناطق لغزش خیز جنوب استان اردبیل است. شرایط محیطی، در حوضه سقزچی برای وقوع زمین لغزش های جدید و یا فعالیت زمین لغزش های قدیمی مستعد است. احتمال وقوع زمین لغزش در منطقه با استفاده از عوامل موثر و به روش رگرسیون لجستیک و شبکه عصبی مصنوعی، شبیه سازی شد. نتایج حاصل از مدل شبکه عصبی مصنوعی، دقیق تر بوده و بهتر از مدل رگرسیون لجستیک است. در مدل شبکه های عصبی مصنوعی، عوامل تشدید کننده زمین لغزش ها شامل میانگین بارندگی سالانه و بیشینه شتاب افقی زمین، بیشترین تاثیر را بر چگونگی پیش بینی احتمال وقوع زمین لغزش ها دارند. روش شبکه عصبی مصنوعی، در تبیین رابطه وقوع زمین لغزش با عوامل موثر، برتری نشان داد. نقشه حساسیت خروجی از این مدل، به پنج طبقه حساسیت بسیار کم (71.4 درصد)، کم (14.3 درصد)، متوسط (6.6 درصد)، زیاد (4.3 درصد) و بسیار زیاد (3.4)، تقسیم شد. استفاده از مدل های شبکه عصبی مصنوعی، در ارزیابی حساسیت به زمین لغزش در حوضه و مناطق مشابه، به منظور کمک به تصمیم گیران، برنامه ریزان، مدیران کاربری اراضی و سازمان های دولتی در کاهش خطرات و آسیب ها، توصیه می شود.