آب شناسی
الهام ابراهیمزاده؛ ابراهیم رحیمی؛ وحید باقری
چکیده
تعیین مناطق حساس و مستعد لغزش، زمینهای برای برنامههای پایدارسازی دامنهها و کاهش خسارات احتمالی فراهم میآورد. در حوضۀ آبریز حبلهرود از شبکههای عصبی مصنوعی و منطق فازی (FL) به عنوان یکی که از روشهای تحلیل تصمیمگیری چند معیاره مبتنیبر ArcGIS در ارزیابی علمی نواحی مستعد زمینلغزش، استفاده شده است. در این زمینه از نرمافزارهای ...
بیشتر
تعیین مناطق حساس و مستعد لغزش، زمینهای برای برنامههای پایدارسازی دامنهها و کاهش خسارات احتمالی فراهم میآورد. در حوضۀ آبریز حبلهرود از شبکههای عصبی مصنوعی و منطق فازی (FL) به عنوان یکی که از روشهای تحلیل تصمیمگیری چند معیاره مبتنیبر ArcGIS در ارزیابی علمی نواحی مستعد زمینلغزش، استفاده شده است. در این زمینه از نرمافزارهای MATLAB، IDRISI وArcGIS بهره گرفته شد. بعد از تهیۀ نقشههای حساسیت زمینلغزش، پهنههای مستعد پیشبینی شده توسط منطق فازی و شبکۀ عصبی مصنوعی پرسپترون چندلایه (MLP-ANN) ، با بانک اطلاعاتی (نقشۀ پراکنش) زمینلغزشهای حوضه مقایسه شدند. نتایج، بیانگر همپوشانی خوب بین پهنههای مستعد پیشبینی شده توسط شبکۀ عصبی مصنوعی پرسپترون چندلایه و برداشتهای صحرایی زمینلغزش میباشد. نهایتاً، عملکرد روشهای مختلف در تولید نقشههای حساسیت زمینلغزش با استفاده از شاخصهای صحتسنجی "جمع مطلوبیت (Qs)" و "منحنی مشخصۀ عملکرد سیستم (ROC)" با یکدیگر مقایسه شد تا روش مطلوب و کاربردی برای مدیریت خطر زمین لغزش حوضه تعیین شود. با تحلیل نقشههای پهنهبندی و با توجه به مقادیر جمع مطلوبیت و مقدار "سطح زیر منحنی (AUC)" حاصله مشاهده میشود که مقدار Qs (1.6299) و AUC (0.806- خیلی خوب) حاصل از MLP-ANN، بیشتر از مقداری است که برای نقشههای حساسیت حاصل از عملگرهای مختلف FL محاسبه شده است.