فریبا کرمی - دانشگاه تبریز
مریم بیاتی خطیبی - دانشگاه تبریز
منصور خیری زاده - دانشگاه تبریز
ابوالفضل مختاری اصل - دانشگاه تبریز

برای کاهش خطرات احتمالی و مدیریت اراضی، ترسیم نقشه حساسیت زمین­لغزش، در مناطق مستعد ضروری است. هدف اصلی این پژوهش، ارزیابی کارایی الگوریتم ماشین بردار پشتیبان (SVM) در پهنه­بندی حساسیت زمین­لغزش حوضه آبریز اهرچای در شمال غرب ایران، است. رخداد زمین­لغزش به عنوان یکی از مهم­ترین مسائل و مخاطرات محیطی این حوضه به شمار می­آید. در ابتدا زمین­لغزش­های منطقه مطالعاتی با استفاده از تصاویر ماهواره­ای گوگل ارث مربوط به تابستان 1396 شناسایی شدند و پس از بازدیدهای میدانی متعدد برای شناسایی و مطابقت با واقعیت، نقشه پراکنش زمین­لغزش­ها ترسیم گردید. در حدود 200 مورد زمین­لغزش در حوضه آبریز اهرچای شناسایی شد. 70 درصد از زمین­لغزش­ها برای آموزش مدل و 30 درصد از آنها برای اعتبارسنجی مدل مورد استفاده قرار گرفت. برای تهیه نقشه حساسیت زمین­لغزش با استفاده از الگوریتم ماشین بردار پشتیبان از 14 معیار مؤثر در وقوع زمین­لغزش، شامل ارتفاع، جهت و زاویه شیب، تحدب دامنه، طول دامنه (LS)، شاخص رطوبت توپوگرافی (TWI)، عمق دره (VD)، لیتولوژی، فاصله از گسل، کاربری اراضی، شاخص NDVI، فاصله از آبراهه، توان رودخانه (SPI) و بارش استفاده شد. درنهایت نقشه حساسیت زمین لغزش در 5 کلاس بسیار زیاد، زیاد، متوسط، کم و بسیار کم تهیه گردید. برای ارزیابی عملکرد این الگوریتم از منحنی (ROC) و سطح زیرمنحنی (AUC) استفاده شد. نتایج ارزیابی 4 تابع از الگوریتم ماشین بردار پشتیبان نشان داد که تابع پایه شعاعی (RBF) با سطح زیرمنحنی 988/0 = AUC و 958/0= AUC به ترتیب برای داده­های آموزشی و صحت­سنجی، در پهنه­بندی حساسیت زمین­لغزش­های منطقه مطالعاتی بهترین عملکرد را دارد. همچنین به دلیل قدرت تشخیص بالای آزمون، منحنی ROC بالای قطر مربع قرار می­گیرد و بنابراین به حالت ایده­آل نزدیک­تر می­باشد. نتایج پهنه­بندی نیز نشان داد که 61/26 درصد از اراضی منطقه که عمدتاً در غرب و بالادست حوضه و بخش­های جنوبی آن واقع شده­اند در کلاس با حساسیت زیاد و بسیار زیاد قرار گرفتند.

پهنه بندی حساسیت زمین لغزش, الگوریتم ماشین بردار پشتیبان (SVM), تابع پایه شعاعی (RBF), حوضه آبریز اهرچای