%0 Journal Article %T مدل سازی و پیش بینی مکانی مخاطره زمین لغزش با استفاده از الگوریتم های پیشرفته داده کاوی(مطالعه موردی: شهرستان کلات) %J پژوهشهای ژئومورفولوژی کمّی %I انجمن ایرانی ژئومورفولوژی %Z 22519424 %A گلی مختاری, لیلا %A ناعمی تبار, مهناز %D 2022 %\ 03/21/2022 %V 10 %N 4 %P 116-137 %! مدل سازی و پیش بینی مکانی مخاطره زمین لغزش با استفاده از الگوریتم های پیشرفته داده کاوی(مطالعه موردی: شهرستان کلات) %K : زمین لغزش %K الگوریتم‌های پیشرفته داده کاوی %K ماشین بردار پشتیبان %K تابع شواهد قطعی %K تابع شواهد وزنی %R 10.22034/gmpj.2022.291242.1284 %X هدف از پژوهش حاضر، مدل‌سازی و پهنه‌بندی حساسیت زمین لغزش در حوزه آبخیز کلات، واقع در استان خراسان رضوی میباشد. بدین منظور، از سه مدل داده کاوی ماشین بردار پشتیبان(SVM)، تابع شواهد قطعی(EBF) و شواهد وزنی(WOE) به لحاظ الگوریتم محاسباتی توانمند در زمینه ارزیابی فرایند زمین لغزش استفاده شد. ابتدا 36 زمین لغزش با استفاده از تصاویر ماهواره‌ای لندست و گوگل ارتث شناسایی شدند. سپس این نقاط به طور تصادفی به منظور تهیه مدل و اعتبار سنجی به ترتیب به دو گروه آموزش 70 درصد و اعتبار سنجی 30 درصد تقسیم شدند. 17 لایه اطلاعاتی شامل ارتفاع، جهت شیب، شیب، فاصله از گسل، تراکم آبراهه، فاصله از رودخانه، خاک، کاربری اراضی، فاصله از جاده، شاخص پوشش گیاهی NDVI، زمین شناسی، انحنا شیب، تیپ اراضی، پروفیل عرضی دامنه، پروفیل طولی دامنه، شاخص توان آبراهه(SPI) و شاخص رطوبت توپوگرافی(TWI) برای پهنه-بندی پتانسیل خطر زمین لغزش در نظر گرفته شدند. به منظور ارزیابی نتایج مدل‌ها، از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی(ROC) در فرایند مدل‌سازی استفاده شد. برطبق نتایج این پژوهش، متغیرهای زمین شناسی، ارتفاع، شیب، خاک شناسی و کاربری اراضی به عنوان مهمترین عوامل وقوع زمین لغزش در نظر گرفته شدند. نتایج تحلیل منحنی ویژگی عملگر نسبی نشان داد که مدل های SVM، EBF و WOEبه ترتیب دارای مقدار AUC 897/0، 901/0و 878/ 0 هستند. اما در مقایسه سه مدل آماری، مدل EBF نسبت به دو مدل دیگر دارای بیشترین مقدار AUC بوده و بهترین مدل برای پیش‌بینی مکانی خطر زمین لغزش در منطقه پژوهش است. %U https://www.geomorphologyjournal.ir/article_144147_2927c923a0e2b92d7dca27f8f15e67e5.pdf