عنوان فارسی مقاله:یک رویکرد یکپارچه یادگیری ماشینی، سنجش از دور و داده های GIS برای نقشه برداری حساسیت زمین لغزش(رانش زمین)
چکیده
رانش زمین در مناطق کوهستانی می تواند پیامدهای فاجعه باری داشته باشد، زندگی انسان ها را تهدید کند و میلیاردها دلار خسارت اقتصادی به بار آورد. از این رو، نقشه برداری از مناطق مستعد زمین لغزش برای به حداقل رساندن خطر آن ضروری است. در اطراف ابوت آباد، شهری بزرگ در شمال پاکستان، تعداد زیادی رانش زمین را می توان یافت. این مطالعه با هدف ترسیم حساسیت زمین لغزش بر روی این مناطق در پاکستان با استفاده از سه تکنیک یادگیری ماشین (ML) بهویژه رگرسیون خطی (LiR) رگرسیون لجستیک (LoR) و ماشین بردار پشتیبان (SVM) انجام شد. چندین عامل تأثیرگذار برای شناسایی مناطق بالقوه زمین لغزش استفاده شد، از جمله ارتفاع، درجه شیب، عرض شیب، انحنای عمومی، انحنای پلان، انحنای پروفیل، سیستم طبقهبندی پوشش زمین، شاخص تفاضل نرمال شده آب (NDWI) شاخص گیاهی تفاوت نرمال شده (NDVI) خاک، سنگ شناسی، تراکم گسل، شاخص ناهمواری توپوگرافی، و تراکم جاده. وزن این عوامل با استفاده از تکنیک ML محاسبه شد. ابزار همپوشانی وزن برای ترسیم خروجی نهایی به کار گرفته شده است. با توجه به سه مدل ML، سنگشناسی، NDWI، شیب و LCCS به طور قابلتوجهی بر وقوع زمین لغزش تأثیر میگذارند. سطح زیر منحنی ROC (AUC) برای اعتبارسنجی عملکرد مدلها اعمال میشود و نتایج نشان میدهد که مقدار AUC LiR (88%) بهتر از مدلهای SVM (86%) و LoR (85%) است. مدلهای ML و نقشه حساسیت نهایی دقت خوبی ارائه میدهند که میتواند برای نتایج قابل اعتماد باشد. نتیجه این مطالعه، مبنایی را برای سیاستگذاران فراهم میکند تا اقدامات حفاظتی و کاهشی کافی در برابر زمین لغزشهای منطقه را پیشنهاد کنند، و هر محقق دیگری میتواند این روش را برای ترسیم حساسیت زمین لغزش در منطقه دیگری با ویژگیهای مشابه اتخاذ کند.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.