|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
۴ نتیجه برای زمین‌لغزش
علی کلانتری اسکوئی، محمد نمکی،
دوره ۸، شماره ۳ - ( ۱۱-۱۳۹۷ )
چکیده
این تحقیق با هدف بررسی تاثیر عوامل مختلف در الگوی توزیع جمعیت و آسیبپذیریهای محتمل بر جمعیت ساکن در حوزههای آبخیز با استفاده از قابلیتهای سامانه اطلاعات مکانی (GIS) انجام شده است. حوزه آبخیز قرنقو واقع در استان آذربایجان شرقی محدوده مطالعاتی تحقیق حاضر بوده است. بر اساس روش تحقیق ابتدا با مرور منابع مهمترین عوامل موثر بر توزیع جمعیت شامل ارتفاع، شیب، گسل، بارش، کاربری اراضی، زمین‌لغزش، فاصله از جاده و آبراهه انتخاب و سپس داده و اطلاعات مکانی مرتبط با عوامل مذکور به همراه آمار جمعیتی، برای حوزه مطالعاتی از منابع مختلف تهیه و جمعآوری گردید. برای پردازشهای مکانی از توابع مختلف GIS استفاده شد و پردازشهای آماری نیز در محیط صفحه گسترده انجام شد. بر اساس نتایج حاصل، طی زمان از جمعیت مناطق کوهستانی و پرشیب حوزه کاسته شده و در عوض به جمعیت مناطق دشتی افزوده شده است. همچنین فاصله روستاهای حوزه از آبراهههای حوزه افزایش یافته و از تعداد روستاها و جمعیت حوزه در مناطق دارای شیب و زمین‌لغزش زیاد، کاسته شده و به نوعی جمعیت و روستاهای حوزه از مناطق آسیبپذیر حذف شدهاند. گرچه اکثریت جمعیت حوزه مطالعاتی از خطرات گسل در امان میباشند اما حدود ۳۶ درصد از جمعیت بایستی در برابر خطرات احتمالی زلزله ناشی از گسل محافظت گردند. در کل روند تغییرات جمعیتی در حوزه عمدتاً در راستای کاهش تهدیدات ناشی از عوامل طبیعی و ژئومورفولوژیکی عمل نمودهاند و ظاهراً بین جمعیت حوزه و عوامل طبیعی آن نوعی سازش در راستای حفظ حیات و امکان بهرهبرداری از منابع حوزه شکل گرفته است. در پایان پیشنهاد‌اتی در راستای بهبود فرآیند ارزیابی جمعیت حوزهها ارائه شده است.
میثم عفتی، عباس عسگری سرشگی،
دوره ۹، شماره ۳ - ( ۱۲-۱۳۹۸ )
چکیده
زمین‌لغزش یکی از پدیده‌های طبیعی است که سالانه سبب ایجاد خسارات مالی و جانی فراوانی در سطح کشور می‌شود. از این‌رو تشخیص مناطق مستعد لغزش، برای به‌کارگیری روش‌های پیشگیری یا مقابله با ناپایداری دامنه‌ها به‌منظور کاهش خطر و ریسک حاصل از آنها، بسیار اهمیت دارد. در این پژوهش روشی جهت پهنه‌بندی خطر زمین‌لغزش، مبتنی بر تحلیل‌های مکانی و مدل‌سازی عدم قطعیت ارائه می‌گردد که بر پایه داده‌کاوی رخدادهای پیشین است. بدین منظور در موتور استنتاج روش پیشنهادی از الگوریتم عصبی-فازی تطبیقی با ساختاری منطبق بر تحلیل حساسیت خطر لغزش استفاده‌شده است. منطقه مورد مطالعه این پژوهش استان البرز می‌باشد. در روش پیشنهادی، فاکتورهایی چون ارتفاع، سنگ‌شناسی، شیب، جهت شیب، فاصله از گسل و بارندگی که از مهمترین علل ناپایداری دامنه هستند به‌عنوان عوامل ایجاد لغزش در نظر گرفته شده و نقشه رستری هر یک از فاکتورها در محیط GIS تولیدشده و در بانک داده مکان مرجع ذخیره‌سازی شده است. سپس مناطق حساس به زمین‌لغزش با استفاده از یافته‌های مدل پیشنهادی تهیه گردیده و درنهایت مدل به کمک داده‌های ارزیابی مورد اعتبار سنجی قرار گرفته است. نتایج مدل پیشنهادی با متوسط ریشه مربع خطا ۸۱۹/۰ و ضریب همبستگی ۹۳۴/۰ دقت نسبتاً مناسبی را به‌منظور پهنه‌بندی خطر زمین‌لغزش ارائه می‌دهد. همچنین در نقشه توزیع مکانی خطر لغزش در منطقه موردمطالعه، مساحت مناطق با خطرپذیری بالا بیشترین مساحت را نسبت به مساحت کل استان به خود اختصاص می‌دهد که نشان‌دهنده خطرپذیری بالای استان البرز در بروز لغزش‌ها می‌باشد.
میثم محرمی، محمدرضا جلوخانی نیارکی،
دوره ۱۳، شماره ۲ - ( ۹-۱۴۰۲ )
چکیده
زمین‌لغزش یکی از شایع‌ترین مخاطرات طبیعی در سرتاسر جهان است. شناسایی مناطق مستعد وقوع زمین‌لغزش یکی از روش‌هایی است که می‌توان از آن برای پیش‌بینی و کاهش خسارات احتمالی ناشی از زمین‌لغزش بهره برد. هدف از این پژوهش تهیۀ نقشۀ مناطق مستعد وقوع زمین‌لغزش در کشور اتریش با استفاده از مدل‌های آزمون آماری T و جنگل تصادفی است. در این پژوهش، ۹ معیار مؤثر در وقوع زمین‌لغزش مورد بررسی قرار گرفت که عبارت‌اند از: ارتفاع، شیب، جهت شیب، فاصله تا آبراهه‌ها، فاصله تا گسل، فاصله تا راه، پوشش زمین، لیتولوژی و بارش. در مدل آزمون آماری T ابتدا با استفاده از آزمون T وزن هر یک از معیارها محاسبه شد و در ادامه با استفاده از روش جمع وزنی ساده، لایه‌های معیار و وزن هر یک از آنها با یکدیگر تلفیق شد و بر این اساس، نقشۀ مناطق مستعد وقوع زمین‌لغزش به‌دست آمد. در مدل جنگل تصادفی، یادگیری بر اساس درختان متعدد تصمیم‌گیر انجام شد و بر پایۀ نقاط وقوع زمین‌لغزش و نقشۀ لایه‌های معیار، وزن نسبی هر یک از لایه‌ها محاسبه شد. در نهایت نقشۀ مناطق مستعد وقوع زمین‌لغزش تهیه شد. به‌منظور مقایسۀ دو مدل با یکدیگر، منحنی مشخصۀ عملکرد نسبی و سطح زیر منحنی به‌کار رفت. بر این اساس، مدل جنگل تصادفی با سطح زیر منحنی ۰/۸۹۳ عملکرد نسبتاً بهتری را نسبت به مدل آزمون آماری T با سطح زیر منحنی ۰/۸۵۲ ارائه داد. بررسی اهمیت معیارهای مختلف نشان داد معیارهای شیب و بارش در هر دو مدل از بیشترین اهمیت در وقوع زمین‌لغزش برخوردارند. بر اساس نتایج به‌دست‌آمده، هر دو مدل از مزیت‌های منحصربه‌فردی در تهیۀ نقشۀ مناطق مستعد وقوع زمین‌لغزش برخوردارند؛ به‌طوری‌که صحت بیشترِ مدلِ جنگل تصادفی، و امکان وزن‌دهی به معیارها و زیرمعیارها در مدل آزمون آماری T، باعث می‌شود تا هر دو مدل در این زمینه دارای جنبۀ کاربردی باشند.
سارا بهشتی فر، پویا نوروزی،
دوره ۱۴، شماره ۲ - ( ۹-۱۴۰۳ )
چکیده
زمین‌لغزش یکی از مخاطرات طبیعی است که می‌تواند خسارات فراوانی به دنبال داشته باشد. بنابراین، شناسایی مناطق مستعد زمین‌لغزش برای کاهش خسارات ناشی از آن، امری ضروری است. برای این منظور، می‌توان از نقشه حساسیت استفاده کرد که تولید آن، مستلزم انتخاب صحیح عوامل مؤثر و تعیین وزن مناسب برای آنها می‌باشد. هم انتخاب عوامل و هم تعیین وزن آنها می‌توانند بر اساس روش‌های مبتنی بر دانش کارشناسی و یا روش‌های یادگیری ماشین و مبتنی بر داده‌ها صورت گیرند. در این پژوهش، لایه‌های اطلاعاتی هفده عامل مرتبط با وقوع زمین‌لغزش نظیر زمین‌شناسی و شاخص رطوبت توپوگرافی (TWI) برای استان آذربایجان‌غربی، در محیط سیستم اطلاعات مکانی، تهیه شدند و به عنوان ویژگی‌ها (متغیرهای وابسته) مد نظر قرار گرفتند. همچنین، نقشه پراکنش زمین‌لغزش‌های قبلی تولید و به عنوان متغیر مستقل تعریف شد. سپس شش روش مختلف انتخاب ویژگی در حوزه یادگیری ماشین شامل روش همبستگی، بهره اطلاعات، نسبت بهره، زیرمجموعه ویژگی‌ها بر اساس همبستگی(CFS)، Relief F و عدم‌قطعیت متقارن، برای تعیین میزان همبستگی عوامل مختلف با یکدیگر، نقش و میزان تأثیر هر عامل در وقوع زمین‌لغزش و در نهایت انتخاب یا عدم آن، مورد بررسی قرار گرفتند. نتایج پژوهش نشان داد که روش‌های مختلف انتخاب ویژگی ممکن است خروجی‌های متفاوتی در خصوص تعیین عوامل مؤثر داشته باشند. با این‌حال، برخی از عوامل همچون زمین‌شناسی در تمامی روشها، انتخاب شدند که می‌توان با اطمینان بیشتری آنها را به عنوان عوامل مؤثر معرفی نمود. از سوی دیگر، برخی از عوامل، بر اساس داده‌های موجود، در هیچ‌یک از روشها جزو عوامل انتخابی نبوده‌اند. سه روش عدم‌قطعیت متقارن، بهره اطلاعات و نسبت بهره، از لحاظ عوامل انتخابی، نتایج مشابهی داشته‌اند. نتایج روش ReliefF به دلیل ماهیت آن و نحوه تعریف همسایه‌ها، تفاوت بیشتری با سایر روشها داشته؛ به‌گونه‌ای که فاصله از رودخانه که در سایر روشها جزو عوامل مؤثر بوده، در این روش انتخاب نشده؛ در مقابل، نوع خاک و فاصله از جاده فقط در این روش انتخاب گردیده‌اند. با به‌کارگیری روش‌های مختلف، امکان انتخاب عوامل متنوعی فراهم می‌شود. در نهایت، انتخاب برخی از عوامل مؤثر بر اساس روش‌های انتخاب ویژگی، می‌تواند منجر به کاهش پیچیدگی مدل‌های پیش‌بینی مبتنی بر یادگیری ماشین گردد.
|
|
