ارزيابي كارايي مدل ‌هاي يادگيري ماشين در تهيه ي نقشه ي خطر زمين ‌لغزش در آبخيز بار نيشابور

مقدمه و هدف پهنه‌بندي حساسيت رخداد زمين ‌لغزش با استفاده از روش‌هاي گوناگون، يكي از راهكارهاي مديريت زمين ‌لغزش است. هدف از اين پژوهش، مدل‌ سازي مكاني حساسيت رخداد زمين‌ لغزش با استفاده از سه روش مدل يادگيري ماشين جنگل تصادفي (RF)، بيشينه‌ي آنتروپي (ME) و مدل ماشين‌بردار پشتيبان (SVM) بود. افزون بر اين، كارايي اين مدل‌ها در پهنه‌بندي حساسيت رخداد زمين‌لغزش در آبخيز بار نيشابور، استان خراسان رضوي مقايسه شد.مواد و روش‌هادر اين پژوهش، لايه‌ي نقشه‌ي پراكنش زمين‌لغزش‌هاي آبخيز بار با 73 نقطه‌ي ثبت‌شده، تهيه شد. اين نقاط به‌شكل تصادفي به دو دسته براي آموزش مدل (70%) و اعتبارسنجي مدل (30%) تقسيم شدند. همچنين، با توجه به بررسي منابع گسترده، 16 عامل مؤثر بر رخداد زمين‌لغزش در منطقه‌ي مطالعه‌شده شناسايي شد و لايه‌هاي رقومي در سامانه‌ي اطلاعات جغرافيايي تهيه شد. سپس نقشه‌ي خطر (استعداد) زمين‌لغزش بر اساس سه روش مزبور تهيه شد. سرانجام، براي ارزيابي صحت مدل سازي و مقايسه‌ي كارايي مدل‌ها از شاخص جمع كيفيت (Qs) استفاده شد. نتايج و بحثنتايج اين پژوهش نشان داد كه روش مدل جنگل تصادفي (RF) به‌عنوان مدل برتر (0/018 =Qs) براي آبخيز برگزيده شد. مدل‌هاي بردار پشتيبان (SVM) با Qs برابر با 0/014 و مدل بيشينه‌ي آنتروپي (ME) با Qs برابر با 0/013 به‌ترتيب اولويت‌هاي بعدي بودند.نتيجه‌گيري و پيشنهادهابر اساس نتايج اين پژوهش مدل جنگل تصادفي هم نتايج بهتر و هم كاربردي‌تر ارائه داد. تطبيق نتايج به‌دست آمده از اين مدل با شرايط واقعي موجود با بازديدهاي ميداني انجام شد. افزون بر اين ميان نتايج نقشه‌ي پهنه‌بندي حساسيت زمين‌لغزش با استفاده از مدل جنگل تصادفي و شرايط واقعي موجود در منطقه‌ي مطالعه‌شده تطبيق بسيار زيادي وجود داشت. سرانجام مشخص شد كه با فرض تمركز عمليات مديريتي در طبقه‌‌هاي با حساسيت زياد و انتخاب مدل جنگل تصادفي به‌عنوان مدل برتر، 75/5%  از مساحت منطقه از روند مديريتي خارج‌شده است. بنابراين، براي مديريت اين بخش به زمان كم‌ تر و تخصيص منابع مالي نياز است.