شناسایی مناطق مستعد فرسایش خندقی و زمین لغزش در قالب نقشه دو خطره با استفاده از مدلهای یادگیری ماشین در حوزه ی آبخیز گرگانرود

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 56

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWMS-17-62_008

تاریخ نمایه سازی: 3 دی 1402

Abstract:

پژوهش حاضر با هدف شناسایی مناطق مستعد فرسایش خندقی و زمین لغزش  به صورت نقشه­ی دو خطره در قالب یک نقشه­ی واحد در حوزه آبخیز گرگانرود انجام شد. علاوه برآن، استفاده از دو مدل یادگیری ماشینی RF و SVM برای تعیین ارتباط میان این خطرات و متغیرهای زمین - محیطی و همچنین تهیه نقشه مناطق مستعد وقوع هر خطر به صورت منفرد به عنوان هدف ثانویه مدنظر قرار گرفت. برای اعتبارسنجی نقشه های استعداد وقوع هر خطر، از منحنیROC استفاده شد، و بهترین مدل برای تعیین نقشه حساسیت­پذیری هر خطر با بالاترین دقت انتخاب شد. در نهایت با ادغام نقشه حساسیت مربوط به خطرات زمین­لغزش و فرسایش خندقی با ترکیب مدل های مختلف و مدل برتر، نقشه حساسیت دو خطره به دست آمد. نتایج نشان داد مدل RF با (۹/۸۲ AUC=) برای خطر زمین­لغزش و (۹/۹۶ AUC=) برای فرسایش خندقی نسبت به مدل SVM با مقدار(۰/۷۶ AUC=) برای خطر زمین­لغزش و (۹/۹۳ AUC=) برای فرسایش خندقی دارای دقت بالاتری است. در نهایت با ادغام نقشه حساسیت مربوط به هر خطر یک نقشه­ی واحد و جامع که نشان­دهنده­ی مناطق مستعد هردو خطر باشد به دست آمد. نقشه­ نهایی می­تواند به عنوان ابزاری باارزش برای برنامه ریزی پایدار برای کاربری اراضی در مناطق مستعد چند خطره مورداستفاده قرار گیرد.

Keywords:

Spatial prediction , Natural hazards , two- hazard map , Machine learning models , Relative receiver operating characteristic curve , پیش بینی مکانی , مخاطرات طبیعی , نقشه دو خطره , مدل های یادگیری ماشینی , منحنی تشخیص عملکرد نسبی.

Authors

نرگس جاویدان

Sari Agricultural Sciences and Natural Resources University

عطااله کاویان

Sari Agricultural Sciences and Natural Resources University

سجاد رجبی

Sari Agricultural Sciences and Natural Resources University

حمیدرضا پورقاسمی

Faculty of Agriculture, Shiraz University, Shiraz, Iran

زینب جعفریان

Sari Agricultural Sciences and Natural Resources 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 :
  • Baharvand, S. Suri, S. and the Rahnmavard, J. ۲۰۱۷. Zoning ...
  • Dube, F. Nhapi, I. Murwira, A. Gumindoga, W. Goldin, J. ...
  • Khodadadi, F. Entezari, M. and Sasanpour, F. ۲۰۱۹. Analysis and ...
  • Kornejady, A. Pourghasemi, H.R. Nalivan, O.A. and Ownegh, M. ۲۰۱۸. ...
  • Lee, S. Choi, J. ۲۰۰۴. Landslide susceptibility mapping in the ...
  • Maraei, A. and Arayesh, S. ۲۰۰۹. Landslide Hazard Zoning in ...
  • Mohamadi, M. and Pourqasemi, H.R. ۲۰۱۷. Prioritization of factors affecting ...
  • Pourghasemi, H.R. Mohammady, M. and Pradhan, B. ۲۰۱۲. Landslide susceptibility ...
  • Rahmati, O. Haghizadeh, A. Pourghasemi, H.R. and Noormohamadi, F. ۲۰۱۶. ...
  • Rahmati, O. Tahmasebipour, N. Haghizadeh, A. Pourghasemi H.R. and Feizizadeh, ...
  • Shadfar, S . ۲۰۱۴ Application of Fuzzy Logic in the ...
  • Shit, P.K. Paira, R. Bhunia, G. and Maiti, R. ۲۰۱۵. ...
  • Servati, M.R. Ghahrodi Tali, M. Golkarami, A. and Njafi, E. ...
  • Skilodimou, H.D. Bathrellos, G.D. Chousianitis, K. Youssef, A.M. and Pradhan, ...
  • Solaimani, K. Mousavi, SZ. Kavian, A. ۲۰۱۳. Landslide susceptibility mapping ...
  • Trigila, A. Iadanza, C. Esposito, C. Scarascia-Mugnozza, G. ۲۰۱۵. Comparison ...
  • Talebi, A. Goodarzi, S. And Pourqasemi H.R. ۲۰۱۷. Investigating the ...
  • Wang, L. ۲۰۰۵. Support Vector Machines: Theory and Applications. Springer- ...
  • Yesilnacar, EK. ۲۰۰۵. The Application of Computational Intelligence to Landslid ...
  • نمایش کامل مراجع