تهيه نقشه حساسيت به وقوع زمين لغزش در حوزه آبخيز سجارود با استفاده از مدل رگرسيون لجستيك

Landslide Susceptibility Mapping in Sajaroud Basin Using Logistic Regression Model

در تحقيق حاضر به منظور مدلسازي و تهيه نقشه پهنه‌بندي خطر زمين لغزش حوزه آبخيز سجارود از روش تحليل آماري رگرسيون لجستيك چند متغيره استفاده شده است. ابتدا نقشه پراكنش زمين لغزش‌هاي منطقه شامل 95 نقطه لغزشي به عنوان متغير وابسته تهيه شد و عدد يك به حضور و عدد صفر به 95 نقطه تصادفي عدم حضور زمين لغزش تعلق گرفت. ده عامل مؤثر بر وقوع زمين لغزشهاي منطقه شامل ارتفاع از سطح دريا، درجه شيب، جهت شيب، شكل شيب، بارندگي، فاصله از گسل، فاصله از شبكه زه‌كشي، فاصله از جاده، كاربري اراضي و سنگ شناسي به عنوان متغيرهاي مستقل در نظر گرفته شدند. تأثير هر متغير مستقل بر وقوع و عدم وقوع زمين لغزش بر اساس ضرايبي كه در معادله رگرسيون لجستيك ايجاد مي‌شوند، مشخص شد. تفسير ضرايب نشان داد كه شبكه جاده مهم‌ترين نقش را در بروز زمين لغزشهاي منطقه برعهده دارد. ارتفاع از سطح دريا، شكل شيب، بارندگي و فاصله از گسل به دليل عدم هم‌بستگي آماري با وقوع زمين لغزش از مدل نهايي حذف شدند. پس از انتقال معادله نهايي احتمال وقوع به نرم‌افزار Arc/view 3.2a، نقشه پهنه‌بندي خطر زمين لغزش منطقه تهيه شد. نتايج ارزيابي صحت نشان داد صحت كلي نقشه توليدي 85/3 درصد است. بر اين اساس 53 درصد از مساحت حوزه در منطقه خيلي كم خطر، 18/3 درصد در منطقه كم خطر، 21 درصد در منطقه با خطر متوسط و 7/7 درصد مساحت حوزه در منطقه پرخطر قرار گرفتند. صحت مدل آماري و نقشه پهنه‌بندي حاصل بر اساس آماره‌هاي -2LL ، R2 ناگلكرك و R2 كوكس و اسنل ارزيابي و مورد تأييد قرار گرفت.

In this research, logistic regression analysis was used to create a landslide hazard map for Sajaroud basin. At first, an inventory map of 95 landslides was used to preduce a dependent variable, which takes a value of 0 for absence and 1 for presence of landslides. Ten factors affecting landslide occurence such as elevation , slope gradient, slope aspect, slope curvature, rainfall, distance from fault, distance from drainage, distance from road , land use and geology were taken as independent parameters. The effect of each parameter on landslide occurrence was determined from the corresponding coefficient that appears in the logistic regression function. The interpretation of the coefficients showed that road network plays the most important role in determining landslide occurrence. Elevation, curvature, rainfall and distance from fault were excluded from the final analysis because these variables did not significantly add to the predictive power of the logistic regression. After transferring final probability function into Arc/view 3.2 software, landslide susceptibility map was prepared. The results of accuracy assessment showed that overall accuracy of produced map is 85.3 percent. Therefore, 53% of the area was located in very low hazard, 18.3% in low hazard, 21% in moderate hazard and 7.7 % residual area is located in high hazard regions. Model and then susceptibility map verity was assessed using -2LL, Cox and Snell R2, Nagelkerk R2, and was validated.