نوع مقاله : پژوهشی
نویسندگان
1 دانش آموخته ی کارشناسی ارشد آبخیزداری، دانشکده ی کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه، تربت حیدریه، ایران
2 استادیار گروه مهندسی طبیعت و گیاهان دارویی، دانشکده ی کشاورزی و منابع طبیعی، دانشگاه تربت حیدریه، تربت حیدریه، ایران (نویسندهی مسئول).
3 استادیار گروه مرتع و آبخیزداری، دانشکدهی منابع طبیعی و محیط زیست، دانشگاه فردوسی مشهد، مشهد، ایران.
چکیده
حرکات تودهای با توجه به ماهیت، تنوع و خطراتی که دارند، همواره مورد توجه پژوهشگران علوم مختلف بودهاند. مطالعات گستردهای در زمینه ی شناخت عوامل مؤثر، پهنه بندی و مدل سازی این فرآیند صورت گرفته است، اما در زمینه ی کاربرد الگوریتم های داده کاوی مطالعات محدودی انجام شده است. لذا در این پژوهش با هدف استفاده از علم داده کاوی، زمین لغزش های جنوب شرق شهرستان نیشابور بررسی و نقشه ی پهنه بندی خطر با روش های آماری دو متغیره شامل ارزش اطلاعات و تراکم سطح تهیه شد. 15 لایه اطلاعاتی شامل ارتفاع از سطح دریا، شیب اراضی، جهت شیب، اقلیم، کاربری اراضی، خاک شناسی، پوشش گیاهی، زمین شناسی، میزان تبخیر، دما، بارش، تیپ اراضی، فاصله از جاده، فاصله از گسل و فاصله از آبراهه در محیط ArcGIS رقومی و با استفاده از الگوریتم های داده کاوی در نرم ا فزار R، بهترین الگوریتم و عوامل مؤثر شناسایی و معرفی شـدند. برطبق نـتایج این تحقیق، متغیرهای زمین شناسی، آب وهوا، جهت شیب، فاصله از جاده، ارتفاع، خاک شناسی و تیپ اراضی به عنوان مهمترین عوامل وقوع زمین لغزش در نظر گرفته شد. همچنین نتایج حاکی از برتری الگوریتم جنگل تصادفی با دقت 92% بود. نـتایج ارزیابی نـقشه ی پهنه بندی نشان داد بـه ترتیب 45/45% و 51/51% از حرکات توده ای مرحله ارزیابی، در پهنه با خطر زیاد و خیلی زیاد قرار گرفته است و مابقی در پهنه های با خطر کمتر واقع شده اند. بنابراین نتایج بیانگر دقت مناسب مدل سازی است، اما در مقایسه ی دو روش آماری، روش تراکم سطح نسبت به روش ارزش اطلاعات برای منطقه ی مورد مطالعه مناسب تر معرفی شد.
تازه های تحقیق
-
کلیدواژهها
عنوان مقاله [English]
Modeling of Mass Movements Using Data Mining Methods in the Southeast of Neyshabur City, Razavi Khorasan Province
نویسندگان [English]
- Mahsa Ariapour 1
- Mehdi Bashiri 2
- Ali Golkarian 3
1 - M.Sc. Student in Watershed Management, Faculty of Agriculture & Natural Resources, University of Torbat Heydarieh, Razavi-Khorasan. Iran.
2 Assistant Professor, Department of Nature Engineering and Medicinal Plants, Faculty of Agriculture & Natural Resources, University of Torbat Heydarieh, Razavi-Khorasan. Iran. (Corresponding Author),
3 -Assistant professor, Department of Range and Watershed Management, Faculty of Natural Resources and Environment, Ferdowsi University of Mashhad, Razavi-Khorasan. Iran
چکیده [English]
Introduction
Mass movement, according to their nature, variety, hazards for human lives, and properties, have always been a matter of interest to various scholars. Considering that the occurrence of this phenomenon has a complex mechanism and complex factors and variables can affect it, extensive studies to identify the effective factors, classification, zoning, and modeling of this process have been conducted. In this study, landslides of three watersheds in the southeast of Neishabour city were investigated and the hazard zonation map was prepared, using bivariate statistical methods of the information value and area density. There are few studies regarding the application of different data mining methods to determine the effective variables in the occurrence of landslides and most studies are based on other statistical methods. Data mining is called as knowledge discovery in databases and is a way to discover new and beneficial information through a lot of data. Some of the most important data mining algorithms include the decision tree, random forest, boosting aggregate demand, support vector machine, logistic regression, and neural network algorithm. The data mining extracts useful information from large volumes of data and has shown a good performance. Therefore, the aim of the present study was to prioritize
Methodology
The present study aimed to investigate the factors affecting the occurrence of a landslide and its zoning in three watersheds including Kharv, Harimabad and Grineh watersheds in the Razavi Khorasn province. First, 99 landslides were identified in the area and the landslide distribution map was prepared. Then, all effective factors on watershed landslides, in 15 information layers including the altitude, slope, aspect, climate, land use, pedology, vegetation cover, geology, evaporation, temperature, rainfall, land type, distance from road, distance from fault, and distance from river were digitized in the ArcGIS environment. Then, using data-mining algorithms in R software, the preferable algorithm and effective factors on landslide occurrence, were introduced. Finally, the landslide hazard zonation in the GIS software was done using bivariate statistical models.
Results
The results showed that the random forest algorithm with an accuracy of 92% is the best one and the variables of geology, climate, aspect, distance from road, altitude, pedology and land type are the most important variables in algorithms modeling. The most probability of occurrence of watershed landslides placed in areas with west and northwest directions, slopes higher than 30 degrees, dominant type of the environmental factors affecting the occurrence of a landslide including the altitude, slope, aspect, climate, land use, pedology, vegetation cover, geology, evaporation, temperature, rainfall, land type, distance from road, distance from fault, and distance from river using data mining algorithms, zoning its sensitivity, and bivariate statistical models of information value and area density in three watersheds including Kharv, Harimabad, Grineh watersheds in Razavi Khorasan province.
mountains, the semi-humid climate, 1500 to 2000 mm evaporation class, entisols, dense vegetation, the gardens, bushes and shrubs land uses, being close to the roads and faults and being far from the rivers, and the altitudes of 2000 to 2500 m with the phyllite, boulders and sandstone formations. The results of the zoning map evaluation using the information value and density area methods showed that 45.45% and 55.55 % of landslides were respectively located at the high and very high risk zones and the rest were in very low, low, and moderate risk zones. As a result, in both methods, most of landslides were in the high and very high risk zones that indicated the suitable accuracy of the model.
Discussion and Conclusions
According to the results of this research, variables including the geology, climate, aspect, distance from road, altitude, soil science, and land type were considered as the most important factors in the occurrence of a landslide. In addition, factors such as slope, land use, vegetation cover, distance from fault and distance from river were identified as the most important factors influencing the development of landslide and classified as natural factors, which could be influenced by human factors. The comparison of two mentioned methods showed that the area density method was more appropriate than the information value method for the study area.
کلیدواژهها [English]
- Keywords: Natural Hazards
- Landslide
- Data Mining Algorithms
- Bivariate Statistical Methods
- Hazard Zoning
مقدمه
مخاطرات به عنوان فرآیندها و حالاتی تعریف میشوند که پتانسیل ایجاد خطرات، خسارات و تأثیرات زیانآور دیگر را برای بشر و محیط پیرامون دارند. حرکات دامنهای و به طور اخص زمینلغزش، در زمره ی پرخسارتترین آنهاست. ایران به دلیل مستعد بودن شرایط جغرافیایی و فقدان مدیریت جامع و عدم رعایت آستانههای محیطی، جزء ده کشور بلاخیز جهان قرار گرفته است (متولی، 1390: 13). مدلها و روشهای گوناگونی جهت مطالعه زمینلغزشها و پهنهبندی آنها توسط محققین علوم مختلف انجام گرفته است. شناخت نواحی مستعد وقوع زمین لغزش ها از گام های اولیه در مدیریت منابع طبیعی و برنامه ریزی توسعه ای و عمرانی است.
شناسایی و طبقه بندی نواحی مستعد لغزش و پهنه بندی خطر آن نقش غیرقابل انکاری را در مدیریت حوضه های آبخیز ایفا میکند (شادفر و یمانی، 1386: 10). تهیه ی نقشه یپهنه بندی با صحت بالا نتیجه کلیه ی مراحل جمع آوری اطلاعات و شناسایی پارامترهای مؤثر، وزن دهی و امتیازدهی به پارامترها و نحوه ی تلفیق و رده بندی مقادیر خطر میباشد. در مورد پهنه بندی خطر زمین لغزش پژوهش های فراوانی انجام گرفته است اما این مطالعات از نظر روش شناسی و فرایند انجام کار با هم متفاوت بوده اند (رحیم پور و همکاران، ۱۳۹۶: ۲). در تحقیق حسن وند و سوری (1395: 7) پس از بررسی عوامل مؤثر بر وقوع لغزش در حوضه کسمت لرستان، جهت پهنه بندی از مدل تراکم سطح استفاده شد. نتایج پهنهبندی نشان داد به ترتیب 85/29، 35/38، 45/18، 34/10 و سه درصد از مساحت منطقه در کلاسهای خطر خیلی کم،کم، متوسط، زیاد و خیلی زیاد قرار گرفته است. عابدی و همکاران جهت شناسایی عوامل مؤثر در وقوع زمینلغزش و مشخص کردن نواحی دارای پتانسیل لغزشی در حوضه ی آذرشهرچای پژوهشی را انجام دادند (عابدیقشلاقی و همکاران، 1395: 9). پارامترهای مؤثر در وقوع این خطر شناسایی و سپس لایه ی رقومی این فاکتورها تهیه و به روش منطق فازی وزندهی لایه ها انجام گرفت. در نهایت نقشه ی پهنهبندی زمینلغزش آماده گردید. ارزیابی نتایج بهدستآمده نشان داد که 77/27، 79/17، 94/23، 54/17، 96/2 درصد از مساحت منطقه به ترتیب در کلاسهای خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است. روستایی و همکاران، به ارزیابی کمی روشهای رگرسیون لجستیک[1] و شبکه ی عصبی مصنوعی در تنگه ی درهدیز (آذربایجان شرقی) پرداختند. پس از تهیه ی لایه های اطلاعاتی در محیط ArcGIS، نقشه پهنهبندی خطر ناپایداری در پنج کلاس خیلی زیاد تا خیلی کم طبقه بندی شد و دو عامل شیب و فاصله از گسل، فاکتورهای مهم در وقوع ناپایداریهای حوضه معرفی شدند (روستایی و همکاران، 1394: 23). در خارج از کشور، هونگ[2] و همکاران (2015: 13) با استفاده از تکنیک داده کاوی و مدل های آماری به پهنه بندی زمین لغزش در چین پرداختند. مجموعاً 163 رخداد لغزشی تشخیص داده شد. نتایج حاکی از مقادیر خروجی بالاتر از 70 درصد بود که حاکی از دقت بالای این روشها میباشد. کالکسن[3] و همکاران ( 2016: 11) در منطقه ی تونیا[4]در ترابزون ترکیه پژوهشی را با هدف مقایسه ی عملکرد دو GPR[5] و SVM[6]در تحلیل حساسیت نقشه های لغزشی انجام دادند و نتایج مدلسازی را با روش رگرسیون لجستیک مقایسه نمودند که حاکی از دقت بالای عملکرد دو الگوریتم GPR و SVM میباشد (به ترتیب 46/90 و 37/90) و با روش رگرسیون لجستیک 18 درصد تفاوت دارد. یوسف[7] و همکاران (2016: 7) در پهنه بندی خطر زمین لغزش در منطقه ی عسیر[8]در عربستان سعودی، عملکرد روش های جنگل تصادفی، درخت رگرسیون بوست، درخت تصمیم و مدل های خطی را باهم مقایسه کردند و به این نتیجه رسیدند که مدل های فوق با سطح زیر منحنی به ترتیب برابر با 78 %، 95%، 81 % و 82 %، دقت قابل قبولی در پهنه بندی خطر زمینلغزش دارند. هایوان[9] و همکاران (2015: 15) جهت تشخیص نواحی مستعد خطر زمینلغزش از سه مدل درخت تصمیم متناوب[10]، ماشین بردار پشتیبان و کرنل رگرسیون لجستیک دو کلاسه[11] در حوضه ی ییهوآنگ[12] چین استفاده کردند. بر اساس منحنی ROC دو الگوریتم ارتقاء یافته درخت تصمیم متناوب و کرنل رگرسیون لجستیک دو کلاسه جهت تعیین نواحی مستعد لغزشی مناسب معرفی شدند. موتاسم[13] و همکاران (2014: 9) جهت بررسی حساسیت لغزشی ایسلند، با روش درخت تصمیم بیان داشتند الگوریتم درختی CRT با دقت 6/75 و متغیرهای شیب، فاصله از شبکه ی زهکشی، جهت شیب، انحنای مقطع و ارتفاع بخش سطحی بهعنوان مؤثرترین عوامل وقوع لغزشهای منطقه هستند، در حالی که پودیال[14] (2013: 7)، با روش درخت تصمیم و دقت 9/95% عامل شاخص قدرت جریان و شیب را مؤثر گزارش نمود. وقوع پدیده ی زمینلغزش یکی از معضلات عمدهای است که استان خراسانرضوی و شهرستانهای این استان با آن روبهرو است. بنابراین ایجاد یک استراتژی منطقهای برای حفاظت از منابع انسانی و طبیعی و کاهش خسارات ناشی از وقوع آن ضروری بوده و ارائه یک مدل مناسب و تهیه ی نقشه ی پهنهبندی خطر زمینلغزش میتواند در برنامهریزی و مدیریت محیط منطقه ی مطالعاتی کمک شایانی به مراکز ذیصلاح نماید. هدف پژوهش حاضر شناسایی و طبقه بندی نواحی حساس به حرکات تودهای، تعیین مهمترین عوامل مؤثر در وقوع لغزش ها و تعیین اولویت الگوریتم ها در وقوع این پدیده است. با توجه به بررسی حرکات تودهای و فراوانی بیشتر زمین لغزش ها نسبت به سایر انواع حرکات تودهای در استان، پژوهش حاضر با هدف شناسایی و مدلسازی نواحی حساس به خطر زمین لغزش، شناخت عوامل مؤثر در وقوع خطر، پهنهبندی آن و ارائه راهکارهایی جهت کنترل و تثبیت دامنهها، با استفاده از الگوریتمهای دادهکاوی در سه حوضه ی خرو، حریمآباد و گرینه در جنوبشرق شهرستان نیشابور در استان خراسان رضوی انجام شد.
شکل (1) موقعیت منطقه ی مطالعاتی در استان خراسانرضوی و شهرستان نیشابور
مواد و روش ها
- معرفی منطقه موردمطالعه
شهرستان نیشابور یکی از شهرستانهای بخش مرکزی استان خراسانرضوی است که بین ׳19°58 تا ׳30 °59 طول شرقی و ׳40 °35 تا ׳39 °36 عرض شمالی در حاشیه شمال شرقی کویر مرکزی ایران واقع شده است. وسعت آن 892530 هزار هکتار میباشد. متوسط کل بارندگی این شهرستان 4/247 میلیمتر بوده و بر اساس طبقهبندی اقلیمی دومارتن دارای اقلیم خشک میباشد.
- روش انجام پژوهش
الف) تهیه ی داده ها و اطلاعات
جهت انجام پژوهش در ابتدا اقدام به شناسایی نواحی دارای حرکات تودهای در سطح استان خراسانرضوی شد. با بررسی عکسهای هوایی، تصاویر ماهوارهای گوگل ارث[15] و نقشههای زمینشناسی و بازدیدهای میدانی سه حوضه ی خرو، حریم آباد و گرینه در جنوب شرق نیشابور با مجموعاً 99 حرکت لغزشی مورد بررسی قرار گرفت. با استفاده از GPS مختصات نقاط ثبت و سپس با استفاده از مدل رقومی ارتفاع (DEM) منطقه با دقت ده متر و لایه آبراهه های استان، مرزهای سه حوضه توسط نرمافزار ArcHydro ترسیم شد. 15 عامل در وقوع حرکات توده ای حوضـه جهت بررسی معرفی شـدند. لایه های شیب، جهت شیب و ارتفاع با استفاده از مدل رقومی ارتفاع با دقت ده متر، لایه های زمین شـناسی، گـسل های حوضه و لیتولوژی با استـفاده از شیت 1:50000 سازمان زمین شناسی و لایه ی پوشش گیاهی از طریق تصاویر ماهوارهای لندست 8 سال 2016 در نرمافزار ENVI5.3 تهیه گردید. شیپ فایل اطلاعاتی سایر لایه ها همچون خطوط همدما، همبارش، هم تبخیر، فاصله از جاده، فاصله از آبراهه، خاک شناسی،کاربری اراضی و تیپ اراضی از سـازمان هواشناسی و سازمان جـغرافیایی استان خراسان دریافت و با بـرش پلیگون هر یک از این لایه ها براساس مرز حوزه مطالعاتی، اطلاعات آنها به عنوان ورودی فرآیند مدل سازی تهیه و آماده سازی شدند.
ب) تجزیه وتحلیل داده ها
پس از تهیه ی لایه های رقومی فاکتورهای مؤثر در پژوهش، لایه ی پراکندگی لغزش های منطقه با مشاهدات میدانی و استفاده از تصاویر گوگل ارث به صورت پلیگونی ترسیم شد. پس از ادغام لایه نقاط لغزشی و نقاط فاقد وقوع زمین لغزش، از مجموع 198 نقطه درنظرگرفته شده، نقاط لغزشی حوضه (99 نقطه) با کد یک و نقاط فاقد لغزش (99 نقطه) با کد صفر معرفی شدند تا در فرآیند مدل سازی بکار روند. در مرحله ی بعد اقدام به مدلسازی از طریق نرمافزار R با استفاده از هریک از الگوریتمهای جنگل تصادفی، درخت تصمیم، ماشین بردار پشتیبان، رگرسیون لجستیک، شبکه عصبی، الگوریتم تجمعی بوست[16] و شبکه ی عصبی مصنوعی شد. در این فرآیند دادههای پژوهش به دو دسته دادههای آموزشی[17] و دادههای آزمایشی جداسازی شدند؛ بدینصورت که 70 درصد دادهها به صورت کاملاً تصادفی، بهعنوان دادههای آموزش وارد مدل گردید و 30 درصد باقیمانده به عنوان داده آزمون جهت ارزیابی و صحت سنجی مدل در نظر گرفته شد. آزمایش و اعتبارسنجی مدل های اجرا شده در این پژوهش با محاسبه شاخص ویژگی های عامل نسبی یا همان منحنی مشخصه عملیاتی دریافتکننده ی (ROC) به دست آمد. بهترین مدل سطح زیر منحنی نزدیک به یک دارد، درحالیکه مقادیر نزدیک به 5/0 نشاندهنده ی عدم صحت در مدل است (فاوکت[18]، 2006: 13).
جهت پهنهبندی خطر وقوع زمین لغزش ابتدا لایه های مختلف جهت مدل سازی کلاسه بندی شدند. سپس با محاسبه ی فراوانی لغزش های به وقوع پیوسته در هر کلاس از لایه های اطلاعاتی و فراوانی کل هر کلاس، تراکم زمین لغزش های هر کلاس برآورد گردید. در مرحله ی بعد با استفاده از فراوانی لغزش های رخ داده در حوضه ی مطالعاتی، تراکم لغزش های رخ داده در حوضه به دست آمد. پس از اینکه وزن هریک از کلاس های پارامترهای در نظر گرفته شده محاسبه شد، در محیط ArcMap وزن مربوط به هر کلاس اعمال شد که با روی هم گذاری پارامترها و ضرب مقادیر وزنی در ضریب جینی[19] حاصل از مدل سازی الگوریتم جنگل تصادفی به دلیل داشتن بالاترین دقت در بین الگوریتم های مورد مطالعه، و سپس جمع جبری مقادیر حاصل، نقشه نهایی حساسیت زمین لغزش های حوضه بر اساس روش های آماری دومتغیره ارزش اطلاعاتی[20] (رابطه ی ۱) و تراکم سطح[21] (رابطه ی۲) به دست آمد.
رابطه ی (1) |
Wi = Ln= Ln |
رابطه ی (2) |
Wi=1000 |
که در روابط 1 و 2، Wi: وزن مربوط به طبقه ی مشخص از یک متغیر، Densclass: تراکم زمینلغزش در طبقه ی مشخص از یک متغیر، Densmap: تراکم زمینلغزش در کل محدوده، NpixSi: تعداد سلولها یا مساحت زمینلغزشهای رخداده در هر طبقه از متغیر، NpixNi: تعداد سلولها یا مساحت کل هر طبقه از متغیر،∑NpixSi : مجموع کل زمینلغزشهای منطقه و ∑NpixNi: مساحت کل منطقه است.
بحث و نتایج
نقشه ی لایه های اطلاعاتی فاکتورهای مؤثر در وقوع زمین لغزش های منطقه در شکل های (2 تا 8) ارائه شده است.
شکل (2) نقشه ی لایه های جهت شیب (الف) و تندی شیب (ب) حوضه
|
|
شکل (3) نقشه ی لایه های کاربری اراضی (الف) و خاک شناسی (ب) حوضه
|
|
شکل (4) نقشه ی لایه های فاصله از آبراهه (الف) و فاصله از جاده (ب) حوضه
|
|
شکل (5) نقشه ی لایه های تبخیر (الف) و پوشش گیاهی (ب) حوضه
شکل(6) نقشه ی لایه های فاصله از گسل (الف) و تیپ اراضی (ب) حوضه
شکل(7) نقشه ی لایه های زمین شناسی(الف) و اقلیم (ب) حوضه
شکل( 8) نقشه ی لایه ی طبقات ارتفاعی حوضه
بر پایه زمین لغزش های مشاهداتی در منطقه و روش های آماری دومتغیره مورد استفاده، نتایج محاسبه ی وزن طبقات هر لایه در جدول (1) ارایه شده است. پس از محاسبه ی وزن لایههای مختلف و نرخ مربوط به هرکلاس و جمع نهایی لایه های رستری با وزن به دست آمده، نقشه ی نهایی خطر زمینلغزش با دو روش ارزش اطلاعات و تراکم سطح و با استفاده از روش شکستگیهای طبیعی[22] در پنج کلاس خطر وقوع دستهبندی شد (بشیری و همکاران، ۱۳۹۷: ۸). شکل (9) نقشه ی پهنهبندی خطر وقوع این پدیده را با روش ارزش اطلاعات و تراکم سطح نشان میدهد.
جدول (1) مقادیر وزنی طبقات لایه ها با استفاده از روش های آماری دومتغیره
متغیر |
کلاس |
تراکم لغزش ها |
وزن طبقه (ارزش اطلاعات) |
وزن طبقه (تراکم سطح) |
جهت شیب |
هموار |
0052/0 |
32/0 |
07/1 |
شمال |
0039/0 |
24/0 |
77/0 |
|
شمال شرقی |
0029/0 |
01/0- |
03/0- |
|
شرق |
0007/0 |
04/1- |
83/1- |
|
جنوب شرقی |
0021/ |
34/0- |
83/0- |
|
جنوب |
0026/0 |
07/0- |
23/0- |
|
جنوب غربی |
0015/0 |
70/0- |
43/1- |
|
غرب |
0062/0 |
78/0 |
37/3 |
|
شمال غربی |
0028/0 |
32/0 |
07/1 |
|
شیب |
5-0 |
0 |
0 |
83/2- |
15-5 |
0007/0 |
39/1- |
13/2- |
|
30-15 |
0029/0 |
02/0 |
07/0 |
|
>30 |
0031/0 |
09/0 |
27/0 |
|
تیپ اراضی |
کوهها |
0031/0 |
27/0 |
09/0 |
تپهها |
0 |
0 |
83/2- |
|
واریزههای بادبزنی شکل سنگریزهدار |
0006/0 |
23/2- |
55/1- |
|
آب و هوا |
نیمهخشک میانی |
0 |
0 |
83/2- |
نیمهخشک شدید |
0028/0 |
01/0- |
03/0- |
|
نیمه مرطوب |
0052/0 |
60/0 |
37/2 |
|
مرطوب |
0022/0 |
25/0- |
63/0- |
|
تبخیر |
1500-1000 |
0011/0 |
94/0- |
73/1- |
2000-1500 |
0031/0 |
09/0- |
27/0 |
|
خاکشناسی |
اریدی سول |
0 |
0 |
83/2- |
اینسپتی سول |
0029/0 |
02/0 |
07/0 |
|
انتی سول |
0030/0 |
06/0 |
17/0 |
|
ادامه جدول (1) مقادیر وزنی طبقات لایه ها با استفاده از روش های آماری دومتغیره |
||||
متغیر |
کلاس |
تراکم لغزشها |
وزن طبقه (ارزش اطلاعات) |
وزن طبقه (تراکم سطح) |
پوشش گیاهی |
متراکم |
0031/0 |
09/0 |
27/0 |
متوسط |
0028/0 |
01/0- |
03/0- |
|
ضعیف |
0015/0 |
63/0- |
33/1- |
|
کاربری اراضی |
زراعت آبی |
0 |
0 |
83/2- |
اراضی باغی |
0050/0 |
56/0 |
17/2 |
|
مرتع با پوشش متوسط |
0012/0 |
85/0- |
63/1- |
|
بیشهزار و بوتهزار |
0033/0 |
15/0 |
47/0 |
|
مرتع با پوشش فقیر |
0 |
0 |
83/2- |
|
محدوده شهری |
0 |
0 |
83/2- |
|
فاصله از جاده |
500-0 |
0035/0 |
21/0 |
67/0 |
1000-500 |
0026/0 |
08/0 |
23/0- |
|
2000-1000 |
0022/0 |
25/0- |
63/0- |
|
3000-2000 |
0015/0 |
63/0- |
33/1- |
|
>3000 |
0 |
0 |
83/2- |
|
فاصله از گسل |
500-0 |
0022/0 |
25/0- |
63/0- |
1000-500 |
0042/0 |
39/0 |
37/1 |
|
2000-1000 |
0041/0 |
37/0 |
27/1 |
|
3000-2000 |
0 |
0 |
83/2- |
|
>3000 |
0 |
0 |
83/2- |
|
فاصله از آبراهه |
100-0 |
0011/0 |
94/0- |
73/1- |
300-100 |
0034/0 |
18/0 |
57/0 |
|
500-300 |
0017/0 |
50/0- |
13/1- |
|
700-500 |
0045/0 |
46/0 |
67/1 |
|
>700 |
0028/0 |
01/0- |
03/0- |
|
ارتفاع |
1500-0 |
0 |
0 |
83/2- |
2000-1500 |
0033/0 |
15/0 |
47/0 |
|
ادامه جدول (1) مقادیر وزنی طبقات لایهها با استفاده از روشهای آماری دومتغیره |
||||
متغیر |
کلاس |
تراکم لغزشها |
وزن طبقه (ارزش اطلاعات) |
وزن طبقه (تراکم سطح) |
|
2500-2000 |
0043/0 |
41/0 |
47/1 |
3000-2500 |
0009/0 |
14/1- |
93/1- |
|
>3000 |
0 |
0 |
83/2- |
|
زمین شناسی |
Qt2 |
0007/0 |
39/1- |
13/2- |
Phh |
0042/0 |
39/0 |
37/1 |
|
Db |
0026/0 |
08/0- |
23/0- |
|
Pz1 |
0 |
0 |
83/2- |
|
El |
0 |
0 |
83/2- |
|
Sn |
0006/0 |
55/1- |
23/2- |
|
E2sht |
0018/0 |
45/0- |
03/1- |
|
E2c |
0 |
0 |
83/2- |
|
Omr |
0 |
0 |
83/2- |
پس از بهدست آمدن نقشههای حاصل از پهنهبندی با دو روش ذکر شده، با استفاده از یک سوم لغزشهای رخ داده در منطقه، نقشه ی تهیه شده از لحاظ دقت مورد ارزیابی قرار گرفت. بهاینترتیب که با استفاده از روش وزن شواهد و یک سوم لغزشهای رخ داده در منطقه که در اجرای مدل استفاده نشده بودند، پراکنش فضایی لغزشها در کلاسهای پنجگانه نقشه حساسیت لغزش مورد ارزیابی آماری قرار گرفت که نتایج حاصل در جدول (2) ارائه شده است. مقایسه ی نتایج مرحله ارزیابی پهنه بندی خطر وقوع نشان میدهد در روش ارزش اطلاعات، بیشترین درصد تراکم لغزش ها در کلاس خطر متوسط رخ داده است و سپس کلاس های خطر خیلی زیاد و زیاد در مراتب بعدی قرار میگیرند. در روش تراکم سطح نیز کلاس خطر متوسط با بیشترین درصد وقوع خطر (34/33)، در مرتبه ی اول قرار گرفته است و سپس کلاس خطر خیلی زیاد و زیاد قرار میگیرد و همانند روش ارزش اطلاعات در این روش نیز کلاس های خطر زیاد و خیلی زیاد بیشترین درصد وقوع را به خود اختصاص داده اند. به طور کلی طبق دقت روش تراکم سطح بالاتر است؛ زیرا درصد بیشتری از لغزش های کنار گذاشته شده برای ارزیابی، در کلاس های با ریسک زیاد و خیلی زیاد قرار گرفته است. نتایج ارزیابی الگوریتم های بکار رفته نشان داد الگوریتم جنگل تصادفی با سطح زیر منحنی برابر 92% بهترین عملکرد را برای پیش بینی پهنه بندی زمین لغزش نسبت به چهار مدل دیگر نشان داد. جدول (3) درصد مقادیر مربوط به هر یک از الگوریتم های بکار رفته در مدلسازی را ارائه کرده است.
|
|
شکل (9) نقشه ی پهنه بندی خطر با روش ارزش اطلاعات (الف) و تراکم سطح (ب)
جدول (2) طبقات حساس به حرکات تودهای با استفاده از روش ارزش اطلاعات و تراکم سطح
طبقات پهنه بندی |
ارزش اطلاعات |
تراکم سطح |
||
تعداد لغزش |
درصدتراکم لغزش |
تعداد لغزش |
درصدتراکم لغزش |
|
خطر خیلی کم |
3 |
10/9 |
0 |
0 |
خطر کم |
4 |
12/12 |
5 |
15/15 |
خطر متوسط |
11 |
33/33 |
11 |
34/34 |
خطر زیاد |
5 |
15/15 |
9 |
27/27 |
خطر خیلی زیاد |
10 |
30/30 |
8 |
24/24 |
جدول(3) مقادیر سطح زیر منحنی ROC در پیش بینی وقوع زمین لغزش ها
ماشین بردارپشتیبان |
تجمعی بوست |
شبکهی عصبی |
جنگل تصادفی |
درخت تصمیم |
الگوریتم |
91% |
89% |
50% |
92% |
84% |
سطح زیرمنحنی |
نتیجه گیری
باتوجه به خروجی های حاصل از پژوهش، ارزیابی الگوریتم های درخت تصمیم، جنگل تصادفی، الگوریتم تجمعی بوستینگ، شبکه عصبی و ماشین بردار پشتیبان با استفاده از منحنی ROC نشان داد که نتایج مدلسازی با الگوریتم درخت تصمیم از میان متغیرهای مورد بررسی، به ترتیب چهار عامل زمین شناسی، آب وهوا، جهت شیب و فاصله از جاده را با بیشترین تأثیر در وقوع حرکات توده ای حوضه مطالعاتی نشان داده است. اما در مطالعه ی (موتاسم و همکاران، 2016: 9) با استفاده از درخت تصمیم پنج متغیر شیب، فاصله از شبکه ی زهکشی، جهت شیب، انحنای مقطع و ارتفاع بخش سطحی بهعنوان مهمترین عوامل مؤثر در وقوع لغزشهای منطقه پنانگ ایسلند معرفی شدند. در مطالعه (هونگ[23]و همکاران، 2016: 13)، مهمترین متغیرها در وقوع زمین لغزش با شاخص جینی بهترتیب فاصله از آبراهه، فاصله از جاده، شیب و طول دامنه و در شاخص صحت متغیرهای فاصله از آبراهه، شیب، فاصله از جاده و طول دامنه معرفی شدهاند. در مدل رده بندی درختی بوست نیز مهمترین عوامل به ترتیب آب وهوا، طبقات ارتفاعی و تیپ اراضـی معرفی شـدند. پـژوهش نفسلیوگلو و هـمکاران (2008) در کـشور تـرکیه فاکتورهای درجه شیب، ارتفاع از سطح دریا و فاصله از جاده را مهمترین عوامل مؤثر در وقوع حرکتهای تودهای و مطالعه متکان و همکاران (1388) فاکتور کاربری اراضی را به تنهایی به عنوان مهمترین عامل گزارش نمودند. همچنین شیرانی و همکاران (1392) و طلائی و شریعتجعفری (1386) فاکتور لیتولوژی را بهعنوان مؤثرترین عامل در وقوع لغزشهای منطقه و مطالعه ی عبدالخانی و جمالی (1389) فاکتورهای شیب، لیتولوژی و کاربری اراضی بهعنوان مهمترین عوامل مؤثر در ایجاد زمینلغزشهای حوضه ی منشاد یزد معرفی نمودند. مقایسه نتایج مرحله ارزیابی نقشه های پهنه بندی خطر وقوع با یک سوم نقاط کنار گذاشته شده نشان میدهد در روش ارزش اطلاعات، بیشترین درصد تراکم لغزش ها در کلاس خطر متوسط رخ داده است و سپس کلاس های خطر خیلی زیاد و زیاد در مراتب بعدی قرار میگیرند. در روش تراکم سطح نیز کلاس خطر متوسط با بیشترین درصد وقوع خطر در رتبه ی اول قرار گرفته است و سپس کلاس خطر خیلی زیاد و زیاد قرار میگیرد. همانند روش ارزش اطلاعات در این روش نیز کلاس های خطر زیاد و خیلی زیاد بیشترین درصد وقوع را به خود اختصاص داده اند. درنتیجه دقت روش تراکم سطح بالاتر است؛ زیرا درصد بیشتری از لغزش های کنار گذاشته شده برای ارزیابی، در کلاس های با ریسک زیاد و خیلی زیاد قرار گرفته است. بر پایه وزن به دست آمده برای متغیرهای مؤثر در زمین لغزش، در هر دو روش آماری تراکم سطح و ارزش اطلاعات و مقایسه ی نتایج آنها، هفت متغیر زمین شناسی، آب وهوا، جهت شیب، فاصله از جاده، ارتفاع، خاکشناسی و تیپ اراضی از عوامل بسیار مهم در ناپایداری های دامنه ای هستند.
نتایج پژوهش نشان داد الگوریتم های داده کاوی دقت بالایی را در طبقه بندی فاکتورهای مؤثر در وقوع لغزش نشان دادند که با نتایج یوسف و همکاران (2016) در عربستان، هونگ و همکاران (2016)، هایوان و همکاران در چین (2015)، موتاسم و همکاران (2016) در ایسلند مشابهت و همخوانی دارد. بنابراین استفاده از الگوریتم های طبقه بندی با توجه به محاسبات دقیق و عدم نیاز به صرفه هزینه و وقت زیاد و ابزارهای پیشرفته توصیه میگردد. به طور کلی روش های داده کاوی با دقت مناسب به عنوان جایگزینی مناسب در کاربرد سایر روش های آماری معرفی میگردد و پیشنهاد میشود این روش در حوضه های وسیعتر و با الگوریتم های طبقه بندی بیشتر و جدیدتری مورد بررسی قرار گیرد.
[1]- Logestic Regression
[2]- Hong
[3]- Colkesen
[4]- Tonya
[5]- Gaussian Process Regression
[6]- Support Vector Regression
[7]- Youssef
[8]- Asir
[9]- Haoyuan
[10]- Alternating Decision Tree
[11]- Two-Class Kernel Logistic Regression
[12]- Yihuang
[13]- Mutasem
[14]- Poudyal
[15]- Google Earth
[16]- Boost
[17]- Training Data
[18]- Fawcett
[19]- Gini
[20]- Information Value
[21]- Density Area
1- Natural Breaks
[23]- Hong
و پهنهبندی آنها توسط محققین علوم مختلف انجام گرفته است. شناخت نواحی مستعد وقوع زمینلغزشها از گامهای اولیه در مدیریت منابع طبیعی و برنامهریزی توسعهای و عمرانی است.
شناسایی و طبقهبندی نواحی مستعد لغزش و پهنهبندی خطر آن نقش غیرقابل انکاری را در مدیریت حوضههای آبخیز ایفا میکند (شادفر و یمانی، 1386: 10). تهیهی نقشهیپهنهبندی با صحت بالا نتیجه کلیهی مراحل جمعآوری اطلاعات و شناسایی پارامترهای مؤثر، وزندهی و امتیازدهی به پارامترها و نحوهی تلفیق و ردهبندی مقادیر خطر میباشد. در مورد پهنهبندی خطر زمینلغزش پژوهشهای فراوانی انجام گرفته است اما این مطالعات از نظر روششناسی و فرایند انجام کار با هم متفاوت بودهاند (رحیمپور و همکاران، ۱۳۹۶: ۲). در تحقیق حسنوند و سوری (1395: 7) پس از بررسی عوامل مؤثر بر وقوع لغزش در حوضه کسمت لرستان، جهت پهنهبندی از مدل تراکم سطح استفاده شد. نتایج پهنهبندی نشان داد به ترتیب 85/29، 35/38، 45/18، 34/10 و سه درصد از مساحت منطقه در کلاسهای خطر خیلیکم،کم، متوسط، زیاد و خیلیزیاد قرار گرفته است. عابدی و همکاران جهت شناسایی عوامل مؤثر در وقوع زمینلغزش و مشخص کردن نواحی دارای پتانسیل لغزشی در حوضهی آذرشهرچای پژوهشی را انجام دادند (عابدیقشلاقی و همکاران، 1395: 9). پارامترهای مؤثر در وقوع این خطر شناسایی و سپس لایهی رقومی این فاکتورها تهیه و به روش منطق فازی وزندهی لایهها انجام گرفت. در نهایت نقشهی پهنهبندی زمینلغزش آماده گردید. ارزیابی نتایج بهدستآمده نشان داد که 77/27، 79/17، 94/23، 54/17، 96/2 درصد از مساحت منطقه به ترتیب در کلاسهای خطر خیلیکم، کم، متوسط، زیاد و خیلیزیاد قرار گرفته است. روستایی و همکاران، به ارزیابی کمی روشهای رگرسیون لجستیک[1] و شبکهی عصبی مصنوعی در تنگهی درهدیز (آذربایجان شرقی) پرداختند. پس از تهیهی لایههای اطلاعاتی در محیط ArcGIS، نقشه پهنهبندی خطر ناپایداری در پنج کلاس خیلیزیاد تا خیلیکم طبقهبندی شد و دو عامل شیب و فاصله از گسل، فاکتورهای مهم در وقوع ناپایداریهای حوضه معرفی شدند (روستایی و همکاران، 1394: 23). در خارج از کشور، هونگ[2] و همکاران (2015: 13) با استفاده از تکنیک دادهکاوی و مدلهای آماری به پهنهبندی زمینلغزش در چین پرداختند. مجموعاً 163 رخداد لغزشی تشخیص داده شد. نتایج حاکی از مقادیر خروجی بالاتر از 70 درصد بود که حاکی از دقت بالای این روشها میباشد. کالکسن[3] و همکاران ( 2016: 11) در منطقهی تونیا[4]در ترابزون ترکیه پژوهشی را با هدف مقایسهی عملکرد دو GPR[5] و SVM[6]در تحلیل حساسیت نقشههای لغزشی انجام دادند و نتایج مدلسازی را با روش رگرسیون لجستیک مقایسه نمودند که حاکی از دقت بالای عملکرد دو الگوریتم GPR و SVM میباشد (به ترتیب 46/90 و 37/90) و با روش رگرسیون لجستیک 18 درصد تفاوت دارد. یوسف[7] و همکاران (2016: 7) در پهنهبندی خطر زمینلغزش در منطقهی عسیر[8]در عربستان سعودی، عملکرد روشهای جنگل تصادفی، درخت رگرسیون بوست، درخت تصمیم و مدلهای خطی را باهم مقایسه کردند و به این نتیجه رسیدند که مدلهای فوق با سطح زیر منحنی به ترتیب برابر با 78 %، 95%، 81 % و 82 %، دقت قابل قبولی در پهنهبندی خطر زمینلغزش دارند. هایوان[9] و همکاران (2015: 15) جهت تشخیص نواحی مستعد خطر زمینلغزش از سه مدل درخت تصمیم متناوب[10]، ماشین بردار پشتیبان و کرنل رگرسیون لجستیک دو کلاسه[11] در حوضهی ییهوآنگ[12] چین استفاده کردند. بر اساس منحنی ROC دو الگوریتم ارتقاء یافته درخت تصمیم متناوب و کرنل رگرسیون لجستیک دو کلاسه جهت تعیین نواحی مستعد لغزشی مناسب معرفی شدند. موتاسم[13] و همکاران (2014: 9) جهت بررسی حساسیت لغزشی ایسلند، با روش درخت تصمیم بیان داشتند الگوریتم درختی CRT با دقت 6/75 و متغیرهای شیب، فاصله از شبکهی زهکشی، جهت شیب، انحنای مقطع و ارتفاع بخش سطحی بهعنوان مؤثرترین عوامل وقوع لغزشهای منطقه هستند، در حالی که پودیال[14] (2013: 7)، با روش درخت تصمیم و دقت 9/95% عامل شاخص قدرت جریان و شیب را مؤثر گزارش نمود. وقوع پدیدهی زمینلغزش یکی از معضلات عمدهای است که استان خراسانرضوی و شهرستانهای این استان با آن روبهرو است. بنابراین ایجاد یک استراتژی منطقهای برای حفاظت از منابع انسانی و طبیعی و کاهش خسارات ناشی از وقوع آن ضروری بوده و ارائه یک مدل مناسب و تهیهی نقشهی پهنهبندی خطر زمینلغزش میتواند در برنامهریزی و مدیریت محیط منطقهی مطالعاتی کمک شایانی به مراکز ذیصلاح نماید. هدف پژوهش حاضر شناسایی و طبقهبندی نواحی حساس به حرکات تودهای، تعیین مهمترین عوامل مؤثر در وقوع لغزشها و تعیین اولویت الگوریتمها در وقوع این پدیده است. با توجه به بررسی حرکات تودهای و فراوانی بیشتر زمینلغزشها نسبت به سایر انواع حرکات تودهای در استان، پژوهش حاضر با هدف شناسایی و مدلسازی نواحی حساس به خطر زمینلغزش، شناخت عوامل مؤثر در وقوع خطر، پهنهبندی آن و ارائه راهکارهایی جهت کنترل و تثبیت دامنهها، با استفاده از الگوریتمهای دادهکاوی در سه حوضهی خرو، حریمآباد و گرینه در جنوبشرق شهرستان نیشابور در استان خراسان رضوی انجام شد.
شکل (1) موقعیت منطقهی مطالعاتی در استان خراسانرضوی و شهرستان نیشابور
مواد و روشها
- معرفی منطقه موردمطالعه
شهرستان نیشابور یکی از شهرستانهای بخش مرکزی استان خراسانرضوی است که بین ׳19°58 تا ׳30 °59 طول شرقی و ׳40 °35 تا ׳39 °36 عرض شمالی در حاشیه شمالشرقی کویر مرکزی ایران واقع شده است. وسعت آن 892530 هزار هکتار میباشد. متوسط کل بارندگی این شهرستان 4/247 میلیمتر بوده و بر اساس طبقهبندی اقلیمی دومارتن دارای اقلیم خشک میباشد.
- روش انجام پژوهش
الف) تهیهی دادهها و اطلاعات
جهت انجام پژوهش در ابتدا اقدام به شناسایی نواحی دارای حرکات تودهای در سطح استان خراسانرضوی شد. با بررسی عکسهای هوایی، تصاویر ماهوارهای گوگل ارث[15] و نقشههای زمینشناسی و بازدیدهای میدانی سه حوضهی خرو، حریمآباد و گرینه در جنوبشرق نیشابور با مجموعاً 99 حرکت لغزشی مورد بررسی قرار گرفت. با استفاده از GPS مختصات نقاط ثبت و سپس با استفاده از مدل رقومی ارتفاع (DEM) منطقه با دقت ده متر و لایه آبراهههای استان، مرزهای سه حوضه توسط نرمافزار ArcHydro ترسیم شد. 15 عامل در وقوع حرکات تودهای حوضـه جهت بررسی معرفی شـدند. لایههای شیب، جهت شیب و ارتفاع با استفاده از مدل رقومی ارتفاع با دقت ده متر، لایههای زمینشـناسی، گـسلهای حوضه و لیتولوژی با استـفاده از شیت 1:50000 سازمان زمینشناسی و لایهی پوشش گیاهی از طریق تصاویر ماهوارهای لندست 8 سال 2016 در نرمافزار ENVI5.3 تهیه گردید. شیپ فایل اطلاعاتی سایر لایهها همچون خطوط همدما، همبارش، همتبخیر، فاصله از جاده، فاصله از آبراهه، خاکشناسی،کاربری اراضی و تیپ اراضی از سـازمان هواشناسی و سازمان جـغرافیایی استان خراسان دریافت و با بـرش پلیگون هر یک از این لایهها براساس مرز حوزه مطالعاتی، اطلاعات آنها به عنوان ورودی فرآیند مدلسازی تهیه و آمادهسازی شدند.
ب) تجزیهوتحلیل دادهها
پس از تهیهی لایههای رقومی فاکتورهای مؤثر در پژوهش، لایهی پراکندگی لغزشهای منطقه با مشاهدات میدانی و استفاده از تصاویر گوگل ارث به صورت پلیگونی ترسیم شد. پس از ادغام لایه نقاط لغزشی و نقاط فاقد وقوع زمین لغزش، از مجموع 198 نقطه درنظرگرفتهشده، نقاط لغزشی حوضه (99 نقطه) با کد یک و نقاط فاقد لغزش (99 نقطه) با کد صفر معرفی شدند تا در فرآیند مدلسازی بکار روند. در مرحلهی بعد اقدام به مدلسازی از طریق نرمافزار R با استفاده از هریک از الگوریتمهای جنگل تصادفی، درخت تصمیم، ماشین بردار پشتیبان، رگرسیون لجستیک، شبکه عصبی، الگوریتم تجمعی بوست[16] و شبکهی عصبی مصنوعی شد. در این فرآیند دادههای پژوهش به دو دسته دادههای آموزشی[17] و دادههای آزمایشی جداسازی شدند؛ بدینصورت که 70 درصد دادهها به صورت کاملاً تصادفی، بهعنوان دادههای آموزش وارد مدل گردید و 30 درصد باقیمانده به عنوان داده آزمون جهت ارزیابی و صحتسنجی مدل در نظر گرفته شد. آزمایش و اعتبارسنجی مدلهای اجرا شده در این پژوهش با محاسبه شاخص ویژگیهای عامل نسبی یا همان منحنی مشخصه عملیاتی دریافتکنندهی (ROC) به دست آمد. بهترین مدل سطح زیر منحنی نزدیک به یک دارد، درحالیکه مقادیر نزدیک به 5/0 نشاندهندهی عدم صحت در مدل است (فاوکت[18]، 2006: 13).
جهت پهنهبندی خطر وقوع زمینلغزش ابتدا لایههای مختلف جهت مدلسازی کلاسهبندی شدند. سپس با محاسبهی فراوانی لغزشهای بهوقوع پیوسته در هر کلاس از لایههای اطلاعاتی و فراوانی کل هر کلاس، تراکم زمینلغزشهای هر کلاس برآورد گردید. در مرحلهی بعد با استفاده از فراوانی لغزشهای رخ داده در حوضهی مطالعاتی، تراکم لغزشهای رخ داده در حوضه به دست آمد. پس از اینکه وزن هریک از کلاسهای پارامترهای در نظر گرفته شده محاسبه شد، در محیط ArcMap وزن مربوط به هر کلاس اعمال شد که با رویهمگذاری پارامترها و ضرب مقادیر وزنی در ضریب جینی[19] حاصل از مدلسازی الگوریتم جنگل تصادفی به دلیل داشتن بالاترین دقت در بین الگوریتمهای مورد مطالعه، و سپس جمع جبری مقادیر حاصل، نقشه نهایی حساسیت زمینلغزشهای حوضه بر اساس روشهای آماری دومتغیره ارزش اطلاعاتی[20] (رابطهی ۱) و تراکم سطح[21] (رابطهی۲) بهدست آمد.
رابطهی (1) |
Wi = Ln= Ln |
رابطهی (2) |
Wi=1000 |
که در روابط 1 و 2، Wi: وزن مربوط به طبقهی مشخص از یک متغیر، Densclass: تراکم زمینلغزش در طبقهی مشخص از یک متغیر، Densmap: تراکم زمینلغزش در کل محدوده، NpixSi: تعداد سلولها یا مساحت زمینلغزشهای رخداده در هر طبقه از متغیر، NpixNi: تعداد سلولها یا مساحت کل هر طبقه از متغیر،∑NpixSi : مجموع کل زمینلغزشهای منطقه و ∑NpixNi: مساحت کل منطقه است.
بحث و نتایج
نقشهی لایههای اطلاعاتی فاکتورهای مؤثر در وقوع زمینلغزشهای منطقه در شکلهای (2 تا 8) ارائه شده است.
شکل (2) نقشهی لایههای جهت شیب (الف) و تندی شیب (ب) حوضه
|
|
شکل (3) نقشهی لایههای کاربری اراضی (الف) و خاکشناسی (ب) حوضه
|
|
شکل (4) نقشهی لایههای فاصله از آبراهه (الف) و فاصله از جاده (ب) حوضه
|
|
شکل (5) نقشهی لایههای تبخیر (الف) و پوشش گیاهی (ب) حوضه
شکل(6) نقشهی لایههای فاصله از گسل (الف) و تیپ اراضی (ب) حوضه
شکل(7) نقشهی لایههای زمینشناسی(الف) و اقلیم (ب) حوضه
شکل( 8) نقشهی لایهی طبقات ارتفاعی حوضه
بر پایه زمینلغزشهای مشاهداتی در منطقه و روشهای آماری دومتغیره مورد استفاده، نتایج محاسبهی وزن طبقات هر لایه در جدول (1) ارایه شده است. پس از محاسبهی وزن لایههای مختلف و نرخ مربوط به هرکلاس و جمع نهایی لایههای رستری با وزن بهدست آمده، نقشهی نهایی خطر زمینلغزش با دو روش ارزش اطلاعات و تراکم سطح و با استفاده از روش شکستگیهای طبیعی[22] در پنج کلاس خطر وقوع دستهبندی شد (بشیری و همکاران، ۱۳۹۷: ۸). شکل (9) نقشهی پهنهبندی خطر وقوع این پدیده را با روش ارزش اطلاعات و تراکم سطح نشان میدهد.
جدول (1) مقادیر وزنی طبقات لایهها با استفاده از روشهای آماری دومتغیره
متغیر |
کلاس |
تراکم لغزشها |
وزن طبقه (ارزش اطلاعات) |
وزن طبقه (تراکم سطح) |
جهت شیب |
هموار |
0052/0 |
32/0 |
07/1 |
شمال |
0039/0 |
24/0 |
77/0 |
|
شمال شرقی |
0029/0 |
01/0- |
03/0- |
|
شرق |
0007/0 |
04/1- |
83/1- |
|
جنوب شرقی |
0021/ |
34/0- |
83/0- |
|
جنوب |
0026/0 |
07/0- |
23/0- |
|
جنوب غربی |
0015/0 |
70/0- |
43/1- |
|
غرب |
0062/0 |
78/0 |
37/3 |
|
شمال غربی |
0028/0 |
32/0 |
07/1 |
|
شیب |
5-0 |
0 |
0 |
83/2- |
15-5 |
0007/0 |
39/1- |
13/2- |
|
30-15 |
0029/0 |
02/0 |
07/0 |
|
>30 |
0031/0 |
09/0 |
27/0 |
|
تیپ اراضی |
کوهها |
0031/0 |
27/0 |
09/0 |
تپهها |
0 |
0 |
83/2- |
|
واریزههای بادبزنی شکل سنگریزهدار |
0006/0 |
23/2- |
55/1- |
|
آب و هوا |
نیمهخشک میانی |
0 |
0 |
83/2- |
نیمهخشک شدید |
0028/0 |
01/0- |
03/0- |
|
نیمه مرطوب |
0052/0 |
60/0 |
37/2 |
|
مرطوب |
0022/0 |
25/0- |
63/0- |
|
تبخیر |
1500-1000 |
0011/0 |
94/0- |
73/1- |
2000-1500 |
0031/0 |
09/0- |
27/0 |
|
خاکشناسی |
اریدی سول |
0 |
0 |
83/2- |
اینسپتی سول |
0029/0 |
02/0 |
07/0 |
|
انتی سول |
0030/0 |
06/0 |
17/0 |
|
ادامه جدول (1) مقادیر وزنی طبقات لایهها با استفاده از روشهای آماری دومتغیره |
||||
متغیر |
کلاس |
تراکم لغزشها |
وزن طبقه (ارزش اطلاعات) |
وزن طبقه (تراکم سطح) |
پوشش گیاهی |
متراکم |
0031/0 |
09/0 |
27/0 |
متوسط |
0028/0 |
01/0- |
03/0- |
|
ضعیف |
0015/0 |
63/0- |
33/1- |
|
کاربری اراضی |
زراعت آبی |
0 |
0 |
83/2- |
اراضی باغی |
0050/0 |
56/0 |
17/2 |
|
مرتع با پوشش متوسط |
0012/0 |
85/0- |
63/1- |
|
بیشهزار و بوتهزار |
0033/0 |
15/0 |
47/0 |
|
مرتع با پوشش فقیر |
0 |
0 |
83/2- |
|
محدوده شهری |
0 |
0 |
83/2- |
|
فاصله از جاده |
500-0 |
0035/0 |
21/0 |
67/0 |
1000-500 |
0026/0 |
08/0 |
23/0- |
|
2000-1000 |
0022/0 |
25/0- |
63/0- |
|
3000-2000 |
0015/0 |
63/0- |
33/1- |
|
>3000 |
0 |
0 |
83/2- |
|
فاصله از گسل |
500-0 |
0022/0 |
25/0- |
63/0- |
1000-500 |
0042/0 |
39/0 |
37/1 |
|
2000-1000 |
0041/0 |
37/0 |
27/1 |
|
3000-2000 |
0 |
0 |
83/2- |
|
>3000 |
0 |
0 |
83/2- |
|
فاصله از آبراهه |
100-0 |
0011/0 |
94/0- |
73/1- |
300-100 |
0034/0 |
18/0 |
57/0 |
|
500-300 |
0017/0 |
50/0- |
13/1- |
|
700-500 |
0045/0 |
46/0 |
67/1 |
|
>700 |
0028/0 |
01/0- |
03/0- |
|
ارتفاع |
1500-0 |
0 |
0 |
83/2- |
2000-1500 |
0033/0 |
15/0 |
47/0 |
|
ادامه جدول (1) مقادیر وزنی طبقات لایهها با استفاده از روشهای آماری دومتغیره |
||||
متغیر |
کلاس |
تراکم لغزشها |
وزن طبقه (ارزش اطلاعات) |
وزن طبقه (تراکم سطح) |
|
2500-2000 |
0043/0 |
41/0 |
47/1 |
3000-2500 |
0009/0 |
14/1- |
93/1- |
|
>3000 |
0 |
0 |
83/2- |
|
زمین شناسی |
Qt2 |
0007/0 |
39/1- |
13/2- |
Phh |
0042/0 |
39/0 |
37/1 |
|
Db |
0026/0 |
08/0- |
23/0- |
|
Pz1 |
0 |
0 |
83/2- |
|
El |
0 |
0 |
83/2- |
|
Sn |
0006/0 |
55/1- |
23/2- |
|
E2sht |
0018/0 |
45/0- |
03/1- |
|
E2c |
0 |
0 |
83/2- |
|
Omr |
0 |
0 |
83/2- |
پس از بهدست آمدن نقشههای حاصل از پهنهبندی با دو روش ذکر شده، با استفاده از یک سوم لغزشهای رخ داده در منطقه، نقشهی تهیه شده از لحاظ دقت مورد ارزیابی قرار گرفت. بهاینترتیب که با استفاده از روش وزن شواهد و یک سوم لغزشهای رخ داده در منطقه که در اجرای مدل استفاده نشده بودند، پراکنش فضایی لغزشها در کلاسهای پنجگانه نقشه حساسیت لغزش مورد ارزیابی آماری قرار گرفت که نتایج حاصل در جدول (2) ارائه شده است. مقایسهی نتایج مرحله ارزیابی پهنهبندی خطر وقوع نشان میدهد در روش ارزش اطلاعات، بیشترین درصد تراکم لغزشها در کلاس خطر متوسط رخ داده است و سپس کلاسهای خطر خیلی زیاد و زیاد در مراتب بعدی قرار میگیرند. در روش تراکم سطح نیز کلاس خطر متوسط با بیشترین درصد وقوع خطر (34/33)، در مرتبهی اول قرار گرفته است و سپس کلاس خطر خیلیزیاد و زیاد قرار میگیرد و همانند روش ارزش اطلاعات در این روش نیز کلاسهای خطر زیاد و خیلی زیاد بیشترین درصد وقوع را بهخود اختصاص دادهاند. به طور کلی طبق دقت روش تراکم سطح بالاتر است؛ زیرا درصد بیشتری از لغزشهای کنار گذاشته شده برای ارزیابی، در کلاسهای با ریسک زیاد و خیلی زیاد قرار گرفته است. نتایج ارزیابی الگوریتمهای بکار رفته نشان داد الگوریتم جنگل تصادفی با سطح زیر منحنی برابر 92% بهترین عملکرد را برای پیشبینی پهنهبندی زمینلغزش نسبت به چهار مدل دیگر نشان داد. جدول (3) درصد مقادیر مربوط به هر یک از الگوریتمهای بکار رفته در مدلسازی را ارائه کرده است.
|
|
شکل (9) نقشهی پهنهبندی خطر با روش ارزش اطلاعات (الف) و تراکم سطح (ب)
جدول (2) طبقات حساس به حرکات تودهای با استفاده از روش ارزش اطلاعات و تراکم سطح
طبقات پهنهبندی |
ارزش اطلاعات |
تراکم سطح |
||
تعداد لغزش |
درصدتراکم لغزش |
تعداد لغزش |
درصدتراکم لغزش |
|
خطر خیلی کم |
3 |
10/9 |
0 |
0 |
خطر کم |
4 |
12/12 |
5 |
15/15 |
خطر متوسط |
11 |
33/33 |
11 |
34/34 |
خطر زیاد |
5 |
15/15 |
9 |
27/27 |
خطر خیلی زیاد |
10 |
30/30 |
8 |
24/24 |
جدول(3) مقادیر سطح زیر منحنی ROC در پیشبینی وقوع زمینلغزشها
ماشین بردارپشتیبان |
تجمعی بوست |
شبکهی عصبی |
جنگل تصادفی |
درخت تصمیم |
الگوریتم |
91% |
89% |
50% |
92% |
84% |
سطح زیرمنحنی |
نتیجهگیری
باتوجه به خروجیهای حاصل از پژوهش، ارزیابی الگوریتمهای درخت تصمیم، جنگل تصادفی، الگوریتم تجمعی بوستینگ، شبکه عصبی و ماشین بردار پشتیبان با استفاده از منحنی ROC نشان داد که نتایج مدلسازی با الگوریتم درخت تصمیم از میان متغیرهای مورد بررسی، بهترتیب چهار عامل زمینشناسی، آبوهوا، جهت شیب و فاصله از جاده را با بیشترین تأثیر در وقوع حرکات تودهای حوضه مطالعاتی نشان داده است. اما در مطالعهی (موتاسم و همکاران، 2016: 9) با استفاده از درخت تصمیم پنج متغیر شیب، فاصله از شبکهی زهکشی، جهت شیب، انحنای مقطع و ارتفاع بخش سطحی بهعنوان مهمترین عوامل مؤثر در وقوع لغزشهای منطقه پنانگ ایسلند معرفی شدند. در مطالعه (هونگ[23]و همکاران، 2016: 13)، مهمترین متغیرها در وقوع زمینلغزش با شاخص جینی بهترتیب فاصله از آبراهه، فاصله از جاده، شیب و طول دامنه و در شاخص صحت متغیرهای فاصله از آبراهه، شیب، فاصله از جاده و طول دامنه معرفی شدهاند. در مدل ردهبندی درختی بوست نیز مهمترین عوامل بهترتیب آبوهوا، طبقات ارتفاعی و تیپ اراضـی معرفی شـدند. پـژوهش نفسلیوگلو و هـمکاران (2008) در کـشور تـرکیه فاکتورهای درجه شیب، ارتفاع از سطح دریا و فاصله از جاده را مهمترین عوامل مؤثر در وقوع حرکتهای تودهای و مطالعه متکان و همکاران (1388) فاکتور کاربری اراضی را به تنهایی به عنوان مهمترین عامل گزارش نمودند. همچنین شیرانی و همکاران (1392) و طلائی و شریعتجعفری (1386) فاکتور لیتولوژی را بهعنوان مؤثرترین عامل در وقوع لغزشهای منطقه و مطالعهی عبدالخانی و جمالی (1389) فاکتورهای شیب، لیتولوژی و کاربری اراضی بهعنوان مهمترین عوامل مؤثر در ایجاد زمینلغزشهای حوضهی منشاد یزد معرفی نمودند. مقایسه نتایج مرحله ارزیابی نقشههای پهنهبندی خطر وقوع با یک سوم نقاط کنار گذاشته شده نشان میدهد در روش ارزش اطلاعات، بیشترین درصد تراکم لغزشها در کلاس خطر متوسط رخ داده است و سپس کلاسهای خطر خیلی زیاد و زیاد در مراتب بعدی قرار میگیرند. در روش تراکم سطح نیز کلاس خطر متوسط با بیشترین درصد وقوع خطر در رتبهی اول قرار گرفته است و سپس کلاس خطر خیلیزیاد و زیاد قرار میگیرد. همانند روش ارزش اطلاعات در این روش نیز کلاسهای خطر زیاد و خیلی زیاد بیشترین درصد وقوع را به خود اختصاص دادهاند. درنتیجه دقت روش تراکم سطح بالاتر است؛ زیرا درصد بیشتری از لغزشهای کنار گذاشته شده برای ارزیابی، در کلاسهای با ریسک زیاد و خیلی زیاد قرار گرفته است. بر پایه وزن بهدست آمده برای متغیرهای مؤثر در زمینلغزش، در هر دو روش آماری تراکم سطح و ارزش اطلاعات و مقایسهی نتایج آنها، هفت متغیر زمینشناسی، آبوهوا، جهت شیب، فاصله از جاده، ارتفاع، خاکشناسی و تیپ اراضی از عوامل بسیار مهم در ناپایداریهای دامنهای هستند.
نتایج پژوهش نشان داد الگوریتمهای دادهکاوی دقت بالایی را در طبقهبندی فاکتورهای مؤثر در وقوع لغزش نشان دادند که با نتایج یوسف و همکاران (2016) در عربستان، هونگ و همکاران (2016)، هایوان و همکاران در چین (2015)، موتاسم و همکاران (2016) در ایسلند مشابهت و همخوانی دارد. بنابراین استفاده از الگوریتمهای طبقهبندی با توجه به محاسبات دقیق و عدم نیاز به صرفه هزینه و وقت زیاد و ابزارهای پیشرفته توصیه میگردد. به طور کلی روشهای دادهکاوی با دقت مناسب به عنوان جایگزینی مناسب در کاربرد سایر روشهای آماری معرفی میگردد و پیشنهاد میشود این روش در حوضههای وسیعتر و با الگوریتمهای طبقهبندی بیشتر و جدیدتری مورد بررسی قرار گیرد.
[1]- Logestic Regression
[2]- Hong
[3]- Colkesen
[4]- Tonya
[5]- Gaussian Process Regression
[6]- Support Vector Regression
[7]- Youssef
[8]- Asir
[9]- Haoyuan
[10]- Alternating Decision Tree
[11]- Two-Class Kernel Logistic Regression
[12]- Yihuang
[13]- Mutasem
[14]- Poudyal
[15]- Google Earth
[16]- Boost
[17]- Training Data
[18]- Fawcett
[19]- Gini
[20]- Information Value
[21]- Density Area
1- Natural Breaks
[23]- Hong