پهنه بندي خطر زمين لغزش با استفاده از تئوري بيزين

Landslide Hazard Zoning Using Bayesian Theory

هدف از تحقيق حاضر پهنه‌بندي خطر زمين‌لغزش با استفاده از تئوري بيزين در بخشي از استان گلستان است. به اين منظور ابتدا با استفاده از نقاط لغزشي بانك اطلاعات زمين‌لغزش كشور (392 نقطه لغزشي) نقشه پراكنش زمين‌لغزش‌هاي منطقه تهيه گرديد. سپس نقشه‌هاي هر يك از عوامل مؤثر بر وقوع زمين‌لغزش مانند درجه شيب، جهت شيب، شكل شيب، ارتفاع، كاربري اراضي، زمين‌شناسي، فاصله از جاده، فاصله از آبراهه، فاصله از گسل، شاخص توان آبراهه، شاخص حمل رسوب، بافت خاك و پهنه‌هاي بارش منطقه در محيط GIS تهيه گرديد. با استفاده از تئوري احتمالات بيزين ارتباط هر يك از عوامل و نقاط لغزشي موجود تعيين و وزن طبقه‌هاي هر عامل مشخص شد. نهايتاً نقشه‌هاي پهنه‌بندي خطر زمين‌لغزش با 14 رويكرد مدل‌سازي (استفاده از تمام عوامل مؤثر و حذف تك تك عوامل) با استفاده از تئوري بيزين براي منطقه مورد مطالعه تهيه گرديد. ارزيابي مدل‌هاي مذكور با استفاده از منحني ROC و30% نقاط لغزشي صورت گرفت. نتايج ارزيابي نشان داد كه دقت مدل احتمالاتي تهيه شده با رويكرد دوم مدل‌سازي (حذف عامل جهت شيب از تحليل‌ها) در منطقه مورد مطالعه 71/37% (خوب) برآورد شد.

The aim of present research is landslide hazard zoning using Bayesian theory in a part of Golestan province. For this purpose, landslides inventory map was created by landslide locations of landslide database (392 landslide locations). Then, the maps of effective parameters in landslide such as slope degree, aspect, altitude, slope curvature, geology, land use, distance of drainage, distance of road, distance of fault, stream power index (SPI), sediment transport index (STI), and rainfall were prepared in GIS environment. Relationship between effective factors and landslide locations were considered using Bayesian probability theory. In the next step, parameters classes weights were found and the landslide susceptibility mapping was achieved by fourteen modeling approaches (using whole parameters and deleting parameters one by one). The verification results by ROC curve and 30% landslide locations showed that the Bayesian probability model has 71.37% accuracy for the second approach of modeling in the study area.