چکیده:
با توجه به توانایی تکنیکهای داده کاوی، کاربرد آنها در رشته های مختلف مهندسی و علوم زمین گسترش فراوانی داشته است. هدف از پژوهش حاضر پهنهبندی حساسیت زمینلغزش با استفاده از الگوریتم جنگل تصادفی، در حوزه آبخیز سردارآباد در شهرستان خرمآباد، استان لرستان 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 موثر بر وقوع زمینلغزش شناسایی و نقشه های آن در نرمافزار ArcGIS10.2 رقومی و تهیه گردیدند. سپس با استفاده از الگوریتم جنگل تصادفی، ارتباط بین عوامل موثر و موقعیت زمینلغزشها و وزن هر یک از آنها در نرمافزار آماری R محاسبه و درنهایت جهت تهیه نقشه حساسیت زمینلغزش منطقه موردمطالعه به محیط GIS منتقل گردید. نتایج ارزیابی دقت روش پهنهبندی با استفاده از منحنی تشخیص عملکرد نسبی و 30 درصد نقاط لغزشی استفادهنشده در فرآیند مدلسازی، بیانگر دقت عالی مدل جنگل تصادفی با سطح زیر منحنی 8/ 98 درصد است. همچنین بر اساس الگوریتم جنگل تصادفی، عوامل لیتولوژی، فاصله از جاده و فاصله از رودخانه به ترتیب بیشترین تاثیر را در وقوع زمینلغزش حوزه آبخیز سردارآباد داشتهاند.
With respect to the ability of data analysis techniques, their applications in various engineering and geosciences disciplines have been expanded. In this study, the random forest algorithm has been used for landslide susceptibility mapping in the Sardarabad Watershed, Lorestan Province. Random forest is another popular and very efficient algorithm, based on model aggregation ideas, for both regression and classification problems. The method combines the idea of bagger with random feature selection. For this purpose, layers of slope, aspect, elevation, curvature, distance from the fault, distance from the river, distance from the road, rainfall, lithology and land use were prepared as the factors influencing landslide. Then, their maps were digitized in ArcGIS10.2 map-software. Then, sensitive areas to landslides were evaluated using adaptive random forest algorithms. Meanwhile, random forest algorithms were written in R software and finally, ROC curves were used for evaluating the models. Based on the obtained results in the study area, the accuracy of the random forest algorithm is 98.8%. Overall, the random forest algorithm indicates that lithology and distance to roads are the main factors on landslide occurrence. Overall, the random forest algorithm indicates that lithology and distance to roads are the main factors on landslide occurrence.
خلاصه ماشینی:
بررسی امکان تهیه نقشه خطر زمین لغزش با استفاده از الگوریتم جنگل تصادفی (محدوده ی موردمطالعه : حوزه آبخیز سردارآباد، استان لرستان ) علی طالبی ١*، سحرگودرزی ٢، حمیدرضا پورقاسمی 3 چکیده با توجه به توانایی تکنیک های داده کاوی، کاربرد آن ها در رشته های مختلف مهندسی و علوم زمین گسترش فراوانی داشته است .
برای انجام پژوهش حاضر لایه های 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 به عنوان عوامل مؤثر بر وقوع زمین لغزش شناسایی و نقشه های آن در نرم افزار ArcGIS١٠٢ رقومی و تهیه گردیدند.
1- Rahmati 3- Maximum entropy )به تصویرصفحه رجوع شود)شکل ٢: نقشه راه های دسترسی و مناطق مسکونی حوزه آبخیز سردارآباد (مأخذ: اداره منابع طبیعی استان لرستان ) سنگ شناسی یکی از مهم ترین پارامترهای مؤثر در مطالعه زمین لغزش ها است زیرا واحدهای سنگی مختلف دارای درجات حساسیت گوناگونی در بروز این پدیده هستند (یسلنیکار١، ٢٠٠٥؛ یالسین و همکاران ، ٢٠٠٨؛ گارسیا و 2 همکاران ، ٢٠٠٨).
لایه های اطلاعاتی جهت شیب ، ارتفاع از سطح دریا، شکل شیب ، فاصله از جاده ، فاصله از گسل ، فاصله از آبراهه ، بارندگی، لیتولوژی و کاربری اراضی به عنوان عوامل مؤثر بر وقوع زمین لغزش از روی نقشه های پایه (توپوگرافی، زمین شناسی و تصاویر ماهواره ای) موجود با استفاده از الحاقیهای مختلف در محیط سامانه اطلاعات جغرافیایی رقومی و تهیه گردید.