چکیده:
فرونشست زمین یکی از مهمترین مشکلات محیطزیستی است که بر کشاورزی و زیرساختهای شهری تأثیر میگذارد. لذا بهمنظور برنامهریزی برای کاهش خطرات ناشی از فرونشست، شناسایی مناطق پرخطر و مستعد وقوع این پدیده در دشتهای مختلف ایران ضروری است. هدف اصلی این تحقیق، حساسیتپذیری فرونشست زمین در آبخوان کاشان با استفاده از روشهای دمپستر- شفر، وزندهی شواهد، آنتروپی شانون و نسبت فراوانی است. برای انجام این تحقیق از 14 عامل مؤثر بر وقوع فرونشست شامل ارتفاع، شیب، جهت شیب، انحنای سطح، فاصله از آبراهه، فاصله از گسل، فاصله از جاده، لیتولوژی، کاربری اراضی، انحنای طولی و عرضی، تغییرات سطح ایستابی، فاصله از معدن و تراکم چاه در سطح آبخوان استفاده شد. آنگاه پس از تعیین 108 موقعیت فرونشست و نیز 108 موقعیت عدم فرونشست در سطح آبخوان، این نقاط بهصورت تصادفی و به نسبت 30 و 70 درصد بهترتیب بهعنوان دادههای اعتبارسنجی و دادههای آزمون طبقهبندی شدند و برای ارزیابی هرکدام از مدلها از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج نشان داد که از بین روشهای مورداستفاده بر اساس منحنی ROC و میزان AUC، روش نسبت فراوانی (آموزش: 84/0 و اعتبارسنجی: 89/0) بهترین عملکرد را داشته است و بهعنوان بهترین روش پیشبینی مناطق دارای حساسیت فرونشست در منطقه مطالعاتی معرفی میشود. روشهای آنتروپی شانون، دمپستر- شفر و وزندهی شواهد نیز بهترتیب در رتبههای بعدی قرار گرفتند. نتایج این تحقیق برای کاهش خسارات ناشی از وقوع فرونشست زمین و تعیین مناطق بالقوه فرونشست، قابلاستفاده برای مدیران استانی خواهد بود.
Land subsidence is one of the most important environmental problems that affects agriculture and urban infrastructure. In order to plan for mitigating the damages caused by land subsidence, it is necessary to identify high-risk and prone areas for this phenomenon specially in different plains of Iran. The main purpose of this research was zoning the land subsidence in Kashan aquifer using Dempster-Schafer, Weight of Evidence, Shannon Entropy, and Frequency Ratio. To conduct this research, 14 factors affecting the occurrence of subsidence including elevation, slope, slope direction, surface curvature, distance from stream, distance from fault, distance from road, lithology, land use, longitudinal and transverse curvature, water table changes, distance from mining and well density in aquifer surface were used. Then, determining 108 subsidence positions and 108 non-subsidence positions at the aquifer level, these points were randomly classified as 30% and 70% as validation data and test data, respectively. To evaluate each of the models, the ROC curve was used. The results showed that among the used methods based on the ROC curve and the amount of AUC, the Frequency Ratio method (training: 0.84 and validation: 0.89) performed best and is introduced as the best method for predicting areas with subsidence sensitivity in studied area. Shannon Entropy, Dempster-Schafer and Weight of Evidence were also ranked next, respectively. The results of this study can be used by provincial managers to reduce the damage caused by land subsidence and to determine areas with subsidence sensitivity.