مدل سازی خطر وقوع زمین لغزش با استفاده از داده کاوی در جنگل های هیرکانی

در سال های اخیر، افزایش جمعیت و گسترش سکونتگاه ها در مناطق خطرناک تا حد زیادی تاثیر بلایای طبیعی را در کشورهای صنعتی و در حال توسعه افزایش داده است. پهنه بندی خطر زمین لغزش به شناسایی نقاط استراتژیک و مناطق بحرانی جغرافیایی مستعد، کمک می کند. بنابراین اقدامات برای کاهش سریع، ایمن و برنامه ریزی استراتژیک برای آینده اهمیت دارد. در واقع ارزیابی خطر زمین لغزش ممکن است یک کمک مناسب و مقرون به صرفه برای برنامه ریزی کاربری زمین باشد، لذا در این راستا هدف از پژوهش حاضر مدل سازی خطر وقوع زمین لغزش با استفاده از داده کاوی در حوزه های جنگل شمال کشور است.

برای این منظور نقشه خطر زمین لغزش به روش مورا وارسون با تاثیر فاکتورهای موثر بر وقوع زمین لغزش شامل عوامل توپوگرافیکی، عوامل هیدرولوژیکی و اقلیمی، عوامل زمین شناسی، عامل پوشش زمین، عوامل انسانی، شبکه هیدروگرافی از مدل رقومی ارتفاعی، نقشه زمین شناسی با استفاده از نقشه سازمان زمین شناسی کشور تهیه و برای به دست آوردن شاخص پستی و بلندی نسبی ابتدا با استفاده از منحنی میزان های ارتفاعی برگرفته از نقشه های توپوگرافی 1:25000 منطقه نقشه طبقات ارتفاعی تهیه شد. پس از آن، منطقه به شبکه های یک کیلومترمربعی تقسیم و نقشه های با کمترین و بیشترین میزان ارتفاع در شبکه های یک کیلومترمربعی حاصل شد؛ و در مرحله آخر با تفریق این دو نقشه، نقشه ای به دست آمد که اطلاعات آن بیانگر مقدار شاخص پستی و بلندی نسبی است. برای به دست آوردن شاخص رطوبت خاک نیز از بارندگی ماهانه استفاده شد. در نهایت با استفاده از نقشه پهنه بندی حاصل شده از الگوریتم های سه مدل جنگل تصادفی، شبکه عصبی مصنوعی و الگوریتم درخت تصمیم برای مدل سازی خطر وقوع زمین لغزش در محیط نرم افزارSTATISTICA12.0  استفاده شد. همچنین از بین شاخص های مورد بررسی و موثر در وقوع زمین لغزش که به عنوان متغیرهای ورودی در مدل سازی وارد شد؛ به ترتیب اولویت، درجه بندی صورت گرفت.

برطبق نتایج، بیشترین توزیع مساحت زمین لغزش متعلق به طبقه با خطر کم (76 درصد) است و به ترتیب متغیرهای شدت بارندگی، حساسیت لیتولوژیک، پستی و بلندی نسبی و شدت لرزه ای براساس درجه اهمیت به عنوان مهمترین عوامل وقوع زمین لغزش در نظر گرفته شد. نتایج حاصل از اعتبارسنجی با سه الگوریتم جنگل تصادفی، درخت تصمیم و شبکه عصبی مصنوعی؛ با توجه به ضریب تبیین، درصد مجذور میانگین مربعات خطا و اریبی حاصل شده در مدل سازی خطر وقوع زمین لغزش نشان داد که مدل شبکه عصبی مصنوعی با تعداد 5 لایه ورودی، 7 لایه پنهان و (0/99R2=، 12/28=RMSE% و 3/33=BIAS%-) نسبت به سایر روش ها دارای دقت بالاتری است.

نتایج پژوهش حاضر نشان داد روش های داده کاوی قابلیت بالایی در پیش بینی خطر وقوع زمین لغزش دارند. لذا استفاده از روش های مذکور می تواند در کاهش خطرات همراه زمین لغزش و برنامه ریزی برای کاربری زمین مورد نظر قرار گیرد.