پهنه‌بندي حساسيت وقوع زمين‌لغزش با استفاده از الگوريتم‌هاي يادگيري ماشين (منطقه‌ مورد مطالعه: بخشي از حوزه‌ آبخيز هراز)

زمين‌لغزش يكي از انواع پديده‌هاي زمين‌شناسي در سراسر جهان است كه هر ساله تلفات جاني و خسارات اقتصادي زيادي را به همراه دارد. بنابراين، اين پژوهش به‌منظور ارزيابي پهنه‌بندي حساسيت وقوع زمين‌لغزش با استفاده از الگوريتم‌هاي مختلف يادگيري ماشين از نوع ماشين پشتيبان بردار (SVM) و رگرسيون فرآيند گاوسي (SVM) با دو كرنل (PUK و RBF) و جنگل تصادفي (RF) در بخشي از حوزه‌ آبخيز هراز، ايران انجام شده است. در پژوهش حاضر از نُه عامل شيب، جهت، ارتفاع، زمين‌شناسي، كاربري اراضي، فاصله از گسل، فاصله از جاده، فاصله از رودخانه و بارش به‌عنوان پارامترهاي ورودي و نقاط لغزشي و غيرلغزشي به‌عنوان پارامتر خروجي براي مدل‌سازي و پهنه‌بندي حساسيت وقوع زمين‌لغزش استفاده شد. از مجموع 148 نقاط لغزشي و غيرلغزشي، 70 درصد براي مرحله‌ آموزش و 30 درصد براي مرحله‌ آزمايش مدل‌سازي استفاده شد. براي ارزيابي كارايي مدل‌ها و انتخاب مدل بهينه از معيارهاي سنجش خطاي مدل Accuracy، F1-score و AUC و براي تحليل حساسيت از روش حذفي استفاده شد. نتايج به‌دست ‌آمده نشان داد كه مدل RF (با 9/0Accuracy =، 957/0F1-score= و 999/0AUC=) در بخش آزمايش در مقايسه با ديگر مدل‌ها به‌عنوان بهترين مدل براي پهنه‌بندي حساسيت وقوع زمين‌لغزش انتخاب شد. بر اساس نتايج نقشه‌ پهنه‌بندي مشخص شد كه به‌ترتيب 86/31، 16/32، 38/13، 73/9 و 84/12 درصد در طبقات با حساسيت خيلي كم، كم، متوسط، زياد و خليي زياد قرار دارد. علاوه‌براين نتايج تحليل حساسيت مدل نشان داد كه جهت شيب، حساس‌ترين پارامتر در پهنه‌بندي خطر وقوع زمين لغزش است. مقايسه‌ نتايج مدل‌ها نشان داد كه ارتباط معناداري بين مقادير پيش‌بيني ‌شده و مقادير مشاهداتي با استفاده از مدل‌هاي استفاده شده وجود ندارد. بر اساس نتايج به‌دست آمده از نقشه‌ پهنه‌بندي حساسيت وقوع زمين‌لغزش مي‌توان به اولويت‌بندي و مديريت مناطق پايدار و با حساسيت كم به وقوع حركت‌هاي توده‌اي براي اجراي عمليات عمراني پرداخت.