این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۱۴، شماره ۲۷، صفحات ۰-۰
عنوان فارسی مدل سازی خطر وقوع زمین لغزش با استفاده از داده کاوی در جنگل های هیرکانی
چکیده فارسی مقاله مقدمه و هدف: در سال‌های اخیر، افزایش جمعیت و گسترش سکونتگاه‌ها در مناطق خطرناک تا حد زیادی تأثیر بلایای طبیعی را در کشورهای صنعتی و در حال توسعه افزایش داده است. پهنه­ بندی خطر زمین­ لغزش به شناسایی نقاط استراتژیک و مناطق بحرانی جغرافیایی مستعد، کمک می ­کند. بنابراین اقدامات برای کاهش سریع، ایمن و برنامه­ ریزی استراتژیک برای آینده اهمیت دارد. در واقع ارزیابی خطر زمین ­لغزش ممکن است یک کمک مناسب و مقرون‌به‌صرفه برای برنامه‌ریزی کاربری زمین باشد، لذا در این راستا هدف از پژوهش حاضر مدل­ سازی خطر وقوع زمین ­لغزش با استفاده از داده کاوی در حوضه ­های جنگل شمال کشور است. مواد و روش­ ها: برای این منظور نقشه خطر زمین­ لغزش به روش مورا وارسون با تأثیر فاکتورهای مؤثر بر وقوع زمین­ لغزش­ شامل عوامل توپوگرافیکی، عوامل هیدرولوژیکی و اقلیمی، عوامل زمین ­شناسی، عامل پوشش زمین، عوامل انسانی، شبکه هیدروگرافی از مدل رقومی ارتفاعی، نقشه زمین­ شناسی با استفاده از نقشه سازمان زمین­ شناسی کشور تهیه و برای به ­دست آوردن شاخص پستی ‌و بلندی نسبی ابتدا با استفاده از منحنی میزان­ های ارتفاعی برگرفته از نقشه ­های توپوگرافی 1:25000 منطقه نقشه طبقات ارتفاعی تهیه شد. پس از آن منطقه، به شبکه‌های یک کیلومترمربعی تقسیم و نقشه ­های با کمترین و بیشترین میزان ارتفاع در شبکه‌های یک کیلومترمربعی حاصل شد؛ و در مرحله آخر با تفریق این دو نقشه، نقشه­ های به­دست آمد که اطلاعات آن بیانگر مقدار شاخص پستی‌ و بلندی نسبی است. برای به­ دست آوردن شاخص رطوبت خاک نیز از بارندگی ماهانه استفاده شد. در نهایت با استفاده از نقشه پهنه­ بندی حاصل شده از الگوریتم­­ های سه مدل جنگل تصادفی، شبکه عصبی مصنوعی و الگوریتم درخت تصمیم برای مدل­ سازی خطر وقوع زمین­ لغزش در محیط نرم­افزارSTATISTICA12.0  استفاده شد. یافته­ ها: برطبق نتایج، بیشترین توزیع مساحت زمین­ لغزش متعلق به طبقه با خطر کم (76 درصد) است و به ­ترتیب متغیرهای شدت بارندگی، حساسیت لیتولوژیک، پستی ‌و بلندی نسبی و شدت لرزه­ای براساس درجه اهمیت به ­عنوان مهمترین عوامل وقوع زمین­ لغزش در نظر گرفته شد. نتایج حاصل از اعتبارسنجی با سه الگوریتم جنگل تصادفی، درخت تصمیم و شبکه عصبی مصنوعی؛ با توجه به ضریب تبیین، درصد مجذور میانگین مربعات خطا و اریبی حاصل شده در مدل­ سازی خطر وقوع زمین­ لغزش نشان داد که مدل شبکه عصبی مصنوعی با تعداد 5 لایه ورودی، 7 لایه پنهان و (99/0R2=، 28/12RMSE%= و 33/3BIAS%=-) نسبت به سایر روش ­ها دارای دقت بالاتری است. نتیجه ­گیری: نتایج پژوهش حاضر نشان داد روش­ های داده­ کاوی قابلیت بالایی در پیش ­بینی خطر وقوع زمین ­لغزش دارند. لذا استفاده از روش­ های مذکور می­ تواند در کاهش خطرات همراه زمین ­لغزش و برنامه­ ریزی برای کاربری زمین مورد نظر قرار گیرد.  
کلیدواژه‌های فارسی مقاله حوضه های جنگل شمال کشور، درخت تصمیم، شبکه عصبی مصنوعی، مدل سازی، مدل رگرسیون.
عنوان انگلیسی Landslide Risk Modeling Using Data Mining in Hyrcanian Forests
چکیده انگلیسی مقاله Extended Abstract Introduction and Objective: In recent years, the increases in population and expansion of settlements in hazardous areas have greatly increased the impact of natural disasters in industrialized and developing countries. Landslide risk zoning helps to identify strategic points and geographically prone critical areas. Therefore, measures for rapid, safe mitigation and strategic planning for the future are important. In fact, landslide risk assessment may be a suitable and cost-effective help for land use planning, so in this regard, the aim of the current research is to model the risk of landslides using non-parametric data mining in watershed of Hyrcanian forests. Material and Methods: For this purpose, the map of landslide risk according to the Mora and  vahrsonon method with the effect of factors affecting the occurrence of landslides including topographical factors, hydrological and climatic factors, geological factors, land cover factors, human factors, hydrographic network from digital elevation model, geological map It was prepared using the map of the Geological Organization of the country, and to obtain the elevation index and the relative height, first, using the curve of height levels taken from the 1:25000 topographic maps of the region, the map of the elevation classes was prepared. After that, the study area was divided into one-square-kilometer grids, and maps with the lowest and highest elevations in one-square-kilometer grids were obtained; in the last step, by subtracting these two maps, a map was obtained whose information shows the value of the postal index and relative height. Monthly rainfall was also used to obtain the soil moisture index. Finally, algorithms of three random forest models, an artificial neural network, and a decision tree algorithm were used to model the risk of landslides in the STATISTICA 12.0 software environment. Results: According to the results, the highest distribution of landslide areas belongs to the low-risk class (76%). TP, SL, SR, and TS variables were considered the essential factors of landslide occurrence based on their importance. The results of validation with three algorithms of RF, CART, and ANN showed; According to the coefficient of explanation obtained in modeling the risk of landslides, the artificial neural network model with (R2=0.99) is more accurate than other methods. Conclusion: The results of the present study showed that data mining methods have a high capability in predicting the risk of landslides. Therefore, the use of the mentioned methods can be considered in reducing the risks associated with landslides and planning for land use.  
کلیدواژه‌های انگلیسی مقاله Artificial neural network, Decision tree, Modeling, Regression model, Watershed Hyrcanian forests.
نویسندگان مقاله نسترن نظریانی | Nastara Nazariani
Sari University of Agricultural Sciences and Natural Resources
دانشگاه علوم کشاورزی و منابع طبیعی ساری

اصغر فلاح | Asghar Fallah
Sari University of Agricultural Sciences and Natural Resources
دانشگاه علوم کشاورزی و منابع طبیعی ساری

نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1861-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده سایر موضوعات وابسته به مدیریت حوزه آبخیز
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات