ارزیابی نقشه حساسیت زمین لغزش با استفاده از الگوریتم یادگیری ماشین و اولویت بندی عوامل موثر بر وقوع زمین لغزش

هدف از مطالعه پیش رو، مدل سازی مکانی حساسیت وقوع زمین لغزش با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی و اولویت بندی عوامل موثر بر وقوع زمین لغزش در حوزه آبخیز بار نیشابور، استان خراسان رضوی است. الگوریتم جنگل تصادفی مبتنی بر دسته ای از درخت های تصمیم است و در حال حاضر یکی از بهترین الگوریتم های یادگیری ماشین است. برای این منظور، لایه نقشه پراکنش زمین لغزش های منطقه شامل ۷۳ زمین لغزش تهیه و به دو دسته برای آموزش مدل (۷۰ درصد) و اعتبارسنجی مدل (۳۰ درصد) به صورت تصادفی تقسیم شدند. همچنین، ۱۶ عامل موثر بر وقوع زمین لغزش در منطقه موردمطالعه با توجه به مرور منابع گسترده شناسایی و لایه های رقومی در سامانه اطلاعات جغرافیایی تهیه شد. به منظور ارزیابی قدرت پیش بینی مدل از مساحت زیر منحنی تشخیص عملکرد نسبی (ROC) برای دو مرحله آموزش و اعتبارسنجی مدل استفاده شد. نتایج ارزیابی مدل نشان داد که مدل جنگل تصادفی با مقادیر سطح زیر منحنی ۰/۹ دارای دقت عالی در مرحله آموزش  و ۰/۸۹ دارای دقت خیلی خوب در مرحله اعتبارسنجی است. نتایج اولویت بندی عوامل موثر بر وقوع زمین لغزش در منطقه موردمطالعه نشان داد که عوامل طول شیب و شیب دارای بیشترین اهمیت هستند. بر اساس نتایج مدل جنگل تصادفی، ۲۳/۷ درصد منطقه موردمطالعه در پهنه حساسیت خیلی زیاد و زیاد واقع شده است.

ارزیابی نقشه حساسیت زمین لغزش با استفاده از الگوریتم یادگیری ماشین و اولویت بندی عوامل موثر بر وقوع زمین لغزش Keywords:

Random Forest algorithm , Bar watershed , ROC , الگوریتم جنگل تصادفی , حوزه بار , ROC