Abstract:
< p dir="RTL">با توجه به توانایی تکنیکهای دادهکاوی، کاربرد آنها در رشتههای علوم زمین گسترش فراوانی داشته است. هدف از پژوهش حاضر پهنهبندی حساسیت زمینلغزش با استفاده از الگوریتم جنگل تصادفی، در شهرستان لارستان، استان فارس است. جنگلهای تصادفی یک نوع مدرن از درخت - پایه هستند که شامل انبوهی از درختهای کلاسبندی و رگرسیونی میباشند. الگوریتم جنگل تصادفی مبتنی بر دستهای از درختهای تصمیم است و در حال حاضر یکی از بهترین الگوریتمهای یادگیری است. برای انجام پژوهش حاضر لایههای اطلاعاتی درجه شیب، جهت شیب، ارتفاع از سطح دریا، شکل شیب، فاصله از گسل، فاصله از آبراهه، فاصله از جاده، بارندگی، لیتولوژی و کاربری اراضی بهعنوان عوامل مؤثر بر وقوع زمینلغزش شناسایی و نقشههای آن در نرمافزار ArcGIS10/2 رقومی و تهیه شدند. سپس با استفاده از الگوریتم جنگل تصادفی، ارتباط بین عوامل مؤثر و موقعیت زمینلغزشهاو وزن هر یک از آنها در نرمافزار آماری R محاسبه و در نهایت جهت تهیه نقشه حساسیت زمینلغزش منطقه مورد مطالعه به محیط GIS منتقل گردید. نتایج ارزیابی دقت روش پهنهبندی با استفاده از منحنی تشخیص عملکرد نسبی و ۳۰ درصد نقاط لغزشی استفاده نشده در فرآیند مدلسازی، بیانگر دقت عالی مدل جنگل تصادفی با سطح زیر منحنی 8/98 درصد است. توصیه اجرایی جهت کاهش خطر پایدارسازی مناطق ناپایدار و دوری جستن از این مناطق است؛ و هرگونه برنامهریزی در توسعه آتی عناصر کالبدی زیرساختی شهری باید با توجه بهاحتمال سانحه زمینلغزش صورت گیرد.
Due to the ability of data mining techniques, their application in the field of earth sciences has been widely developed. The purpose of this study is to zoning landslide sensitivity using stochastic forest algorithm in Larestan city, Fars province. Random forests are a modern type of tree-base that includes a host of classification and regression trees. The random forest algorithm is based on a bunch of decision trees and is currently one of the best learning algorithms. For the present study, information layers of slope degree, slope direction, altitude, slope shape, distance from fault, distance from waterway, distance from road, rainfall, lithology and land use as factors affecting landslide occurrence were identified and its maps in software. ArcGIS10 / 2 digit and were prepared. Then, using a random forest algorithm, the relationship between the effective factors and the location of landslides and the weight of each of them were calculated in R statistical software and finally transferred to the GIS environment to prepare a landslide susceptibility map. The results of evaluating the accuracy of the zoning method using the relative yield detection curve and 30% of the slip points not used in the modeling process, indicate the excellent accuracy of the random forest model with the area below the curve being 98.8%. The executive recommendation is to reduce the risk of stabilization of unstable areas and to avoid these areas; And any planning in the future development of the physical elements of urban infrastructure should be done with regard to the possibility of landslides.
Machine summary:
براي انجام پژوهش حاضر لايه هاي اطلاعاتي درجه شيب ، جهت شيب ، ارتفاع از سطح دريا، شکل شيب ، فاصله از گسل ، فاصله از آبراهه ، فاصله از جاده ، بارندگي، ليتولوژي و کاربري اراضي به عنوان عوامل مؤثر بر وقوع زمين لغزش شناسايي و نقشه هاي آن در نرم افزار ArcGIS١٠٢ رقومي و تهيه شدند.
(شکل ٢) (به تصویر صفحه مراجعه شود) ماخذ: نگارنده شکل ٢: عوامل مؤثر بر وقوع پديده زمين لغزش در منطقه لارستان : درجه شيب ، انحناي شيب ، ارتفاع ، جهت شيب ، انحناي طولي شيب ، انحناي عرضي شيب ، فاصله از جاده ، فاصله از آبراهه ، فاصله از گسل ، کاربري اراضي، ليتولوژي ، زمين شناسي الگوريتم جنگل تصادفي مدل جنگل تصادفي يک روش يادگيري ترکيبي براي دسته بندي، رگرسيون است که بر اساس ساختاري متشکل از شمار بسياري درخت تصميم ، بر روي زمان آموزش و خروجي کلاس ها (کلاس بندي) يا براي پيش بينيهاي هر درخت به شکل مجزا، کار ميکنند.
در نهايت منطقه مطالعاتي به سه کلاس حساسيت بالا، متوسط و کم طبقه بندي شد که ارزيابي تمامي نتايج نشان دهنده عملکرد بالا و ظرفيت پيش بيني خوب مدل RBF-SVM در شناسايي پهنه ها با پتانسيل بالاي لغزشي است که مي تواند جهت انتخاب مکان مناسب ، کاهش خطرات و آسيب هاي زمين ۔ لغزش ، برنامه ريزي هاي کاربري اراضي، مديريت و تصميم گيري بهتر در شهرستان لارستان مورد استفاده قرار گيرد.