پیش بینی حساسیت وقوع زمین لغزش با الگوریتم یادگیری ماشین بیشینه آنتروپی (حوزه آبخیز بار نیشابور)

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 368

This Paper With 21 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ESRJ-13-3_005

تاریخ نمایه سازی: 28 فروردین 1402

Abstract:

زمین لغزش یکی از مخرب ترین بلایای طبیعی محسوب می شود. در مواجهه با زمین لغزش در لحظه وقوع، کار چندانی نمی توان انجام داد، درحالی که می توان با برنامه ریزی مناسب و پیش بینی شده، خسارات و تلفات احتمالی را کاهش داد. بنابراین تهیه نقشه جامع حساسیت وقوع زمین لغزش برای کاهش آسیب های احتمالی به افراد و زیرساخت ها لازم و ضروری است. هدف پژوهش حاضر، اولویت بندی عوامل موثر بر وقوع زمین لغزش و پهنه بندی حساسیت وقوع آن با استفاده از روش حداکثر آنتروپی در حوزه آبخیز بار نیشابور، واقع در استان خراسان رضوی است. روش پژوهش در این مطالعه از نظر هدف کاربردی و از نظر ماهیت توصیفی- تحلیلی است که از روش های کتابخانه ای، بازدیدهای میدانی و مدل سازی استفاده شده است. بدین منظور با توجه به مرور منابع گسترده، ۱۶ عامل موثر بر وقوع زمین لغزش در منطقه موردمطالعه انتخاب و لایه رقومی عوامل موثر در سامانه اطلاعات جغرافیایی تهیه شدند. سپس لایه زمین لغزش های موجود تهیه و به منظور مدل سازی حساسیت وقوع زمین لغزش به صورت تصادفی ۷۰ درصد زمین لغزش ها به منظور آموزش(واسنجی) مدل و ۳۰ درصد برای اعتبارسنجی نتایج مدل انتخاب شدند. سپس با استفاده از الگوریتم بیشینه آنتروپی، ارتباط بین عوامل موثر و موقعیت زمین لغزش ها در نرم افزار MaxENT، محاسبه و به منظور طبقه بندی نقشه حساسیت زمین لغزش به محیط GIS منتقل شد. در ادامه به منظور ارزیابی نتایج مدل از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی (ROC) با استفاده از دودسته داده آموزش و اعتبارسنجی استفاده شد. براساس نتایج نمودار Jackknife، از بین پارامترهای انتخاب شده در فرایند مدل سازی به ترتیب لایه های طول شیب(LS)، جهت شیب و شیب بیشترین مشارکت و تاثیر را در وقوع زمین لغزش های حوزه بار را دارند. سطح زیر منحنی (AUC) براساس منحنی تشخیص عملکرد نسبی، نشان دهنده دقت عالی (۹۲/۰=AUC) در مرحله آموزش و خیلی خوب (۸۷/۰=AUC) در مرحله اعتبار سنجی هست. براساس نتایج مدل حداکثر آنتروپی، حدود ۱۳ درصد از حوزه بار نیشابور در پهنه حساسیت زیاد و خیلی زیاد قرار گرفته است.

Authors

علی دسترنج

بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خراسان رضوی، سازمان تحقیقات، آموزش و ترویج کشاورزی، مشهد، ایران

ابراهیم کریمی سنگچینی

بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران

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 :
  • بابلی موخر، ح.، شیرانی، ک. و تقیان، ع.ر.، ۱۳۹۷. ارزیابی ...
  • تیموری، م. و اسدی نلیوان، ا.، ۱۳۹۸. پهنه بندی حساسیت ...
  • حیدری، ن.، حبیب نژاد، م.، کاویان، ع. و پورقاسمی، ح.، ...
  • کارایی الگوریتم حداکثر آنتروپی و سامانه اطلاعات جغرافیایی در ارزیابی حساسیت پذیری زمین لغزش های کم عمق [مقاله ژورنالی]
  • روستایی، ش.، مختاری، د. و اشرفی فینی، ز.، ۱۳۹۹. پهنه ...
  • رحمتی، ا.، طهماسبی پور، ن.، حقی زاده، ع.، پورقاسمی، ح. ...
  • طالبی، ع.، نفرزادگان، ع. و ملکی نژاد، ح.، ۱۳۸۹. مروری ...
  • عظیم پورمقدم، و.، ۱۳۹۴. پهنه بندی خطر زمین لغزش با ...
  • علی پور، ح. و ملکیان، آ.، ۱۳۹۴. پهنه بندی خطر ...
  • قاسمیان، ب.، عابدینی، م.، روستایی، ش. و شیرزادی، ع.، ۱۴۰۰. ...
  • قاسمیان، ب.، عابدینی، م.، روستایی، ش. و شیرزادی، ع.، ۱۳۹۶. ...
  • کرنژادی، آ.، اونق، م.، پورقاسمی، ح.، بهره مند، ع. و ...
  • کرنژادی، آ. و پورقاسمی، ح.، ۱۳۹۸. ارزیابی حساسیت زمین لغزش ...
  • کوه پیما، ا.، ۱۳۹۶. پهنه بندی حساسیت، ارزیابی و مدیریت ...
  • شبیه سازی احتمال وقوع زمین لغزش با استفاده از منطق فازی و فرایند تحلیل سلسله مراتبی [مقاله ژورنالی]
  • محمدیاری، ف.، میرسنجری، م. و زرندیان، ا.، ۱۳۹۷. پایش تغییرات ...
  • ملکی، ا.، مارابی، ه. و رحیمی، ح.، ۱۳۹۵. ارزیابی شاخص ...
  • Chen, W., Zhang, S., Li, R. and Shahabi, H., ۲۰۱۸. ...
  • Dahal, R.K., Hasegawa, S., Nonomura, A., Yamanaka, M., Dhakal, S. ...
  • Ercanoglu, M. and Gokceoglu, C., ۲۰۰۲. Assessment of landslide susceptibility ...
  • Fathi, M.H., Khohdel, K., Shoreh Kandi, A., Ashrafifeini, Z. and ...
  • Fell, R., Corominas, J., Bonnard, C., Cascini, L., Leroi, E. ...
  • Kerekes, A.H., Poszet, S.L. and Andrea, G.Á.L., ۲۰۱۸. Landslide susceptibility ...
  • Kornejady, A., Ownegh, M. and Bahremand, A., ۲۰۱۷. Landslide susceptibility ...
  • Kornejady, A., Pourghasemi, H.R. and Afzali, S.F., ۲۰۱۹. Presentation of ...
  • Lee, S., Hwang, J. and Park, I., ۲۰۱۳. Application of ...
  • Liu, J. and Duan, Z., ۲۰۱۸. Quantitative assessment of landslide ...
  • Meten, M., PrakashBhandary, N. and Yatabe, R., ۲۰۱۵. Effect of ...
  • Mirzaei, G., Soltani, A., Soltani, M. and Darabi, M., ۲۰۱۸. ...
  • Pandey, V.K., Pourghasemi, H.R. and Sharma, M.C., ۲۰۲۰. Landslide susceptibility ...
  • Park, N.W., ۲۰۱۵. Using maximum entropy modeling for landslide susceptibility ...
  • Pradhan, B., ۲۰۱۱. Use of GIS-based fuzzy logic relations and ...
  • Phillips, S.J., Anderson, R.P. and Schapire, R.E., ۲۰۰۶. Maximum entropy ...
  • Tien Bui, D., Shahabi, H., Shirzadi, A., Chapi, K., Alizadeh, ...
  • Wang, P., Bai, X., Wu, X., Yu, H., Hao, Y. ...
  • Zare, M., Pourghasemi, H.R., Vafakhah, M. and Pradhan, B., ۲۰۱۳. ...
  • نمایش کامل مراجع