برآورد حساسیت زمین لغزش با استفاده از مدل رگرسیون لجستیک و شاخص آنتروپ ی مطالعه موردی: ارتفاعات شهرستان دالاهو
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 226
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSAEH-6-2_010
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
چکیده:
زمین لغزشها بخصوص در کشورهای در حال توسعه و جهان سوم، یکی از شناخته شده ترین مخاطرات طبیعی در جهان هستند و نتایج آنها به ویژه در مناطق شهری میتواند تهدیدی مستقیم برای زندگی و اقتصاد مردم در معرض خطر باشد. در این مطالعه به تهیه نقشه حساسیت زمین لغزش دامنههای شهرستان دالاهو با استفاده از مقایسهی شاخص آنتروپی و رگرسیون لجستیک پرداخته شده است. پارامترهای مورد مطالعه در تهیه نقشه LSM شامل شیب، جهت شیب، ارتفاع، فاصله از رود، فاصله از جاده، فاصله از گسل، کاربری اراضی، لیتولوژی و بارش هستند. هر یک از پارامترها با توجه به تاثیر بر مخاطره لغزش، طبق نظرات کارشناسی امتیازدهی شده و به صورت رستری به عنوان لایههای اصلی در شاخص آنتروپی بکار گرفته شدهاند. ماتریس آنتروپی برای هر یک از عوامل محاسبه شده، و در محیط GIS نقشه پهنه بندی زمین لغزش منطقه، تهیه شده است. در تهیه نقشه حساسیت زمین لغزش با استفاده از مدل رگرسیون لجستیک با توجه به متغیرهای مستقل( پارامترهای موثر بر لغزش) و متغیر وابسته(داده های زمین لغزش) به تعیین بهترین معادله اقدام شده و با استفاده از ضرایب مربوط به هر یک از متغیرهای مستقل، نقشه LSM منطقه مورد مطالعه تهیه شده است. جهت اعتبار سنجی مدلها، با استفاده از ۳۰ درصد نقاط لغزشی، منحنی ROC، ترسیم شده و مساحت زیر منحنی(AUC) محاسبه شده است. نتایج اعتبار سنجی نشان داده که شاخص مدل آنتروپی(AUC = .۸۶.) نسبت به مدل رگرسیون لجستیک (AUC= .۸۰) در تولید نقشههای حساسیت زمین لغزش در منطقه مورد مطالعه از صحت بیشتری برخوردار است.
Keywords:
Keywords: Landslide , Index of Entropy model , Logistic Regression model , Dalahoo , کلمات کلیدی: آنتروپی , رگرسیون لجستیک , زمین لغزش , دالاهو.
Authors
سحر دارابی شاهماری
kharazmi university
امیر صفاری
kharazmi university
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :