پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک
زمین‌لغزش از عمده مخاطرات طبیعی است که هرساله باعث خسارتهای جانی و مالی فراوانی میشود؛ بدین دلیل پرداختن به موضوع شناسایی علل و دلایل ایجاد آن و ارائه راهکار جهت کاهش این خسارتها از اهمیت خاص برخوردار است. منطقه شمال قوچان در ایران به دلیل موقعیت جغرافیایی، ویژگیهای طبیعی و زمین‌شناختی و همچنین...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Ferdowsi University of Mashhad
2018-09-01
|
| Series: | جغرافیا و مخاطرات محیطی |
| Subjects: | |
| Online Access: | https://geoeh.um.ac.ir/article_32522_12db723a283e56acf5a424fc44095dd3.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832591418300825600 |
|---|---|
| author | محسن خسروی علی اکبر جمالی |
| author_facet | محسن خسروی علی اکبر جمالی |
| author_sort | محسن خسروی |
| collection | DOAJ |
| description | زمین‌لغزش از عمده مخاطرات طبیعی است که هرساله باعث خسارتهای جانی و مالی فراوانی میشود؛ بدین دلیل پرداختن به موضوع شناسایی علل و دلایل ایجاد آن و ارائه راهکار جهت کاهش این خسارتها از اهمیت خاص برخوردار است. منطقه شمال قوچان در ایران به دلیل موقعیت جغرافیایی، ویژگیهای طبیعی و زمین‌شناختی و همچنین تغییر کاربری شدید زمین یکی از مناطق مستعد بروز زمین‌لغزش است. به‌منظور شناسایی و تعیین مناطق حساس به لغزش با کمک گرفتن از عوامل مؤثر در آن با استفاده از روش شبکه عصبی، روش آماری مارکوف و رگرسیون لجستیک این پژوهش انجام شد. نقشه زمین‌لغزش موجود با استفاده از تصاویر ماهواره‌ای گوگل ارث برای سال‌های 2004،2010 و 2016 تهیه شد و به دو کلاس، محلهای لغزش رخ‌داده و رخ نداده طبقه‌بندی شد. مقایسه نقشه شبیه‌سازی‌شده سال 2016 هر یک از مدلها با نقشه طبقه‌بندی‌شده واقعی نشان داد که شاخص کاپا در نقشههای حساسیت لغزش ایجادشده توسط مدل شبکه عصبی چند لایه پرسپترون، مدل مارکوف و مدل رگرسیون لجستیک به ترتیب برابر 0.96، 0.72 و 0.86 است. این بدان معنی است که مدل شبکه عصبی پرسپترون مدل مناسبی برای پیش‌بینی تغییرات زمین‌لغزش در این منطقه است. نتایج نشان داد، با سست شدن سازندها، تغییر کاربری اراضی به سمت مراتع فقیر و اراضی کشاورزی دیم، افزایش شیب خطر رخداد زمین‌لغزش زیاد شده است. |
| format | Article |
| id | doaj-art-062ab1ed79ee4364b8783de01a7e456e |
| institution | Kabale University |
| issn | 2322-1682 2383-3076 |
| language | English |
| publishDate | 2018-09-01 |
| publisher | Ferdowsi University of Mashhad |
| record_format | Article |
| series | جغرافیا و مخاطرات محیطی |
| spelling | doaj-art-062ab1ed79ee4364b8783de01a7e456e2025-01-22T12:09:38ZengFerdowsi University of Mashhadجغرافیا و مخاطرات محیطی2322-16822383-30762018-09-017311710.22067/geo.v0i0.7152032522پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیکمحسن خسروی0علی اکبر جمالی1دانشگاه آزاد اسلامی یزددانشگاه آزاد اسلامی یزد-میبدزمین‌لغزش از عمده مخاطرات طبیعی است که هرساله باعث خسارتهای جانی و مالی فراوانی میشود؛ بدین دلیل پرداختن به موضوع شناسایی علل و دلایل ایجاد آن و ارائه راهکار جهت کاهش این خسارتها از اهمیت خاص برخوردار است. منطقه شمال قوچان در ایران به دلیل موقعیت جغرافیایی، ویژگیهای طبیعی و زمین‌شناختی و همچنین تغییر کاربری شدید زمین یکی از مناطق مستعد بروز زمین‌لغزش است. به‌منظور شناسایی و تعیین مناطق حساس به لغزش با کمک گرفتن از عوامل مؤثر در آن با استفاده از روش شبکه عصبی، روش آماری مارکوف و رگرسیون لجستیک این پژوهش انجام شد. نقشه زمین‌لغزش موجود با استفاده از تصاویر ماهواره‌ای گوگل ارث برای سال‌های 2004،2010 و 2016 تهیه شد و به دو کلاس، محلهای لغزش رخ‌داده و رخ نداده طبقه‌بندی شد. مقایسه نقشه شبیه‌سازی‌شده سال 2016 هر یک از مدلها با نقشه طبقه‌بندی‌شده واقعی نشان داد که شاخص کاپا در نقشههای حساسیت لغزش ایجادشده توسط مدل شبکه عصبی چند لایه پرسپترون، مدل مارکوف و مدل رگرسیون لجستیک به ترتیب برابر 0.96، 0.72 و 0.86 است. این بدان معنی است که مدل شبکه عصبی پرسپترون مدل مناسبی برای پیش‌بینی تغییرات زمین‌لغزش در این منطقه است. نتایج نشان داد، با سست شدن سازندها، تغییر کاربری اراضی به سمت مراتع فقیر و اراضی کشاورزی دیم، افزایش شیب خطر رخداد زمین‌لغزش زیاد شده است.https://geoeh.um.ac.ir/article_32522_12db723a283e56acf5a424fc44095dd3.pdfgisزمین لغزششبکه عصبیمارکوفپیش بینیlcm |
| spellingShingle | محسن خسروی علی اکبر جمالی پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک جغرافیا و مخاطرات محیطی gis زمین لغزش شبکه عصبی مارکوف پیش بینی lcm |
| title | پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک |
| title_full | پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک |
| title_fullStr | پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک |
| title_full_unstemmed | پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک |
| title_short | پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی- مارکوف و رگرسیون لجستیک |
| title_sort | پیش‌بینی روند تغییرات زمین‌لغزش منطقه شمال قوچان با توجه به عوامل مؤثر بر لغزش به روش شبکه عصبی، اتوماتای سلولی مارکوف و رگرسیون لجستیک |
| topic | gis زمین لغزش شبکه عصبی مارکوف پیش بینی lcm |
| url | https://geoeh.um.ac.ir/article_32522_12db723a283e56acf5a424fc44095dd3.pdf |
| work_keys_str_mv | AT mḥsnkẖsrwy pysẖbynyrwndtgẖyyrạtzmynlgẖzsẖmnṭqhsẖmạlqwcẖạnbạtwjhbhʿwạmlmwtẖrbrlgẖzsẖbhrwsẖsẖbḵhʿṣbyạtwmạtạyslwlymạrḵwfwrgrsywnljstyḵ AT ʿlyạḵbrjmạly pysẖbynyrwndtgẖyyrạtzmynlgẖzsẖmnṭqhsẖmạlqwcẖạnbạtwjhbhʿwạmlmwtẖrbrlgẖzsẖbhrwsẖsẖbḵhʿṣbyạtwmạtạyslwlymạrḵwfwrgrsywnljstyḵ |