آناليز عددي عوامل مؤثر در رخداد زمين‌لغزش و پهنه‌بندي حساسيت آن با روش‌هاي رگرسيون لجستيك و رگرسيون چندمتغيره خطي (مطالعه موردي: حوضه ماربر)

Assessment of logistic and multivariate regression Models for Landslide hazard zonation (Case Study: Marbor basin)

هدف از اين پژوهش شناسايي عوامل مؤثر در رخداد زمين‌لغزش و پهنه‌بندي حساسيت آن با استفاده از روش‌هاي رگرسيون لجستيك و رگرسيون چند متغيره خطي است. بدين منظور در ابتدا با استفاده از تفسير عكس‌هاي هوايي با مقياس 1:40000، نقشه‌هاي توپوگرافي، زمين‌شناسي و عمليات ميداني با استفاده از GPS، نقشه پراكنش زمين‌لغزش‌ها به‌صورت سطح به‌عنوان متغير وابسته تهيه گرديد. براي تعيين عوامل مؤثر در رخداد زمين‌لغزش از آناليز مقادير عددي پارامترها با روش ماشين‌هاي بردار پشتيبان در محيط نرم‌افزار Rapid Miner استفاده گرديد و از 21 لايه اطلاعاتي انتخابي، 15 لايه اطلاعاتي انتخاب و جهت تهيه نقشه پهنه‌بندي به‌عنوان متغير مستقل در محيط ArcGIS 10.1 تهيه و رقومي گرديدند. پس از وزن دهي به لايه‌ها، نقشه پهنه‌بندي با استفاده از روش‌هاي انتخابي در 5 كلاس خيلي كم، كم، متوسط، زياد و خيلي زياد تهيه گرديد. نتايج وزن دهي لايه‌ها نشان داد كه در هر دو روش، كاربري اراضي و جهت شيب بيشترين تأثير را در وقوع زمين‌لغزش داشته‌اند. منحني ROC و مساحت زير منحني (AUC) براي نقشه‌هاي پهنه‌بندي ترسيم و از AUC براي صحت سنجي استفاده گرديد و مقادير حاصل از آن نشان داد كه مدل چند متغيره خطي ( 890/0) داراي كارايي بالاتري نسبت به مدل لجستيك (829/0) جهت پهنه‌بندي خطر زمين‌لغزش است. بر اساس نتايج مدل برتر (چند متغيره خطي)، 1/16046 هكتار (13/20 درصد) از منطقه در رده خطر زياد و 2/15671 هكتار (66/19 درصد) از منطقه در رده خطر خيلي زياد قرار گرفته است.

Present study seeks to identify effective factors in landslide occurrence and landslide sensitivity zonation using logistic regression and multivariate linear regression. Accordingly, through the interpretation of arial photos with scale of 1:40000, geological, topographic maps, and field survey using GPS, landslide hazard map was prepared as dependent variables. For determination of effective factors in landslide occurrence, using Support Vector Machines in Rapid Miner Software, the numerical values of the parameters were analyzed and from 21 selective data layers, 15 data layers were selected and were prepared and digitized for zonation map as the independent variable in ArcGIS 10.1. After weighing the layers, zonation map was prepared using selective method in five classes: very low, low, moderate, high and very high. Result of weighting layers showed that in both methods, land use and aspect have the greatest impact on landslides. The ROC (Receiver operating characteristic) curves and area under the curves (AUC) for landslide susceptibility maps were constructed and the areas under curves was assessed for validation purpose and its values showed that multivariate linear regression model (0.890) has a higher efficiency than the logistic model (0.829) for landslide hazard zonation. According to result of superior model (multivariate linear regression), 16046.1 hectare (20.13%) of the region was found to be located in high risk class and 15671.2 hectare (19.66%) was in very high risk class.