مقايسه مدل‌هاي رگرسيون لجستيك و نسبت فراواني در پهنه‌بندي خطر ريزش ‌سنگ

مقايسه مدل‌هاي رگرسيون لجستيك و نسبت فراواني در پهنه‌بندي خطر ريزش ‌سنگ

نوسان‌هاي اقليمي و دخالت‌هاي نادرست انسان در طبيعت از عوامل ايجاد انواع حركت‌هاي توده‌اي هستند. اين حركت‌ها امكان توليد خطرهاي جاني و مالي زيادي را براي انسان فراهم مي‌آورند. بنابراين لازم است كه آن‌ها شناسايي و از لحاظ ميزان خطر با روش‌هاي مناسب پهنه‌بندي شوند. هدف از انجام اين پژوهش، مقايسه كارايي دو مدل آماري رگرسيون لجستيك و مدل احتمالاتي نسبت فراواني در تهيه نقشه پهنه‌بندي خطر ريزش ‌‌سنگ در گردنه صلوات‌آباد واقع در شرق شهرستان سنندج مي‌باشد. هشت عامل موثر بر رخداد ريزش سنگ‌ها شامل درجه شيب، جهت شيب، شكل شيب، ارتفاع از سطح دريا، فاصله از جاده، فاصله از گسل، سنگ‌شناسي و كاربري اراضي بر روي 34 دامنه حساس و مستعد به ريز‌ش‌ سنگ به عنوان دامنه‌هاي ناپايدار و 34 دامنه به عنوان دامنه‌هاي مقاوم به ريز‌ش ‌سنگ در منطقه مورد پژوهش ارزيابي شدند. روابط ميان ريزش‌ سنگ‌ها و عوامل موثر، توسط مدل‌ آماري رگرسيون لجستيك و مدل احتمالاتي نسبت فراواني محاسبه شد. نقشه پهنه‌بندي خطر ريزش ‌سنگ با موقعيت ريزش ‌سنگ‌ها مقايسه و آزمون شدند. نتايج نشان داد كه روش رگرسيون لجستيك با 09/85 درصد گستره آن زير منحني ROC در مقايسه با روش نسبت فراواني با 74/76 درصد، درست‌بودن پيش‌بيني بالاتري را در جداسازي و شناسايي مناطق مستعد و حساس به ريز‌ش ‌سنگ در منطقه مورد بررسي داشت. بنابراين مدل آماري رگرسيون لجستيك كارايي بهتري براي منطقه مورد بررسي دارد.

Climatic factors and human activities can cause mass movements. Due to the risk of these movements to human communities, one has to control them. In order to control mass movements, different aspects of the movements should be studied in detail. The aim of this research is to evaluate the efficiency of a statistical model - logistic regression - and a probabilistic model - frequency ratio - in rockfall hazard mapping in the Salavatabad saddle in eastern Sanandaj, Iran. The study of 34 sensitive slopes and 34 stable slopes in the study area using field works, local interviews and the literature review showed that 8 factors including slope gradient, slope aspect, slope curvature, elevation above the sea, and distance from road, distance from faults, lithology and landuse are the most effective factors for occurring rockfalls. The relationships of rockfall and these 8 factors were studied by the logistic regression model and the probabilistic frequency ratio model and the generated rockfall susceptibility maps were compared. The results showed that both models work reasonably well for rockfall hazard studies; however, the logistic regression model has an accuracy of 85.09 percent of the Area under ROC Curve (AUC) in prediction of sensitive areas compared to the accuracy of 76.74 percent by the probabilistic frequency ratio model. Therefore, the logistic regression model can be used for rockfall hazard studies in the study area.