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

مقدمه 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 ۹.۲ درصد (۲۶۰۰ 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 ژئومورفولوژی، 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.   مواد و روش­ ها حوضه مورد پژوهش، با مساحت ۲۷۹۱۸ هکتار در جنوب استان اردبیل و در جنوب غرب شهرستان خلخال واقع شده است. در این حوضه، نقشه پراکنش ۱۱۳ زمین­ لغزش تهیه شد که در آن به­ ترتیب ۷۰ و۳۰ 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 (۰.۱۳۶) و بیشینه شتاب افقی زمین (۰.۱۳۴)، بیشترین تاثیر را در پیش­ بینی احتمال وقوع زمین­ لغزش ­ها داشته ­اند. عوامل فاصله از گسل­ ها (۰.۱۱۰)، واحدهای سنگ­ شناسی (۰.۱۰۹)، فاصله از راه­ ها (۰.۱۰۹)، فاصله از رودخانه ­ها (۰.۱۰۱)، فاصله از مناطق مسکونی (۰.۰۹۶)، جهات جغرافیایی دامنه ها (۰.۰۶۹)، کاربری اراضی (۰.۰۶۸) و درصد شیب دامنه­ ها (۰.۰۶۷) 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 ۰.۰۰ تا ۰.۹۶۱، 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، ۸۵.۷ درصد از منطقه در پهنه­ های با حساسیت کم و بسیار کم، قرار می­ گیرد. در ۶.۶ درصد از منطقه، احتمال حساسیت به زمین­ لغزش متوسط و در ۷.۷ 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 ۷۹.۹، ۱۰.۱ و ۱۰ 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 ۰.۸۴۸ و ۰.۹۲۹ است. نتایج هر دو مدل، خوب بوده است و دقت بالاتر از ۸۴ 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.   نتیجه گیری 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 پیش­بینی 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 (۷۱.۴ درصد)، کم (۱۴.۳ درصد)، متوسط (۶.۶ درصد)، زیاد (۴.۳ درصد) و بسیار زیاد (۳.۴)، 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.

Keywords:

احتمال , ارزیابی , پیش‎بینی , خسارت , دقت , عوامل موثر و مخاطرات طبیعی