هدف از این مقاله تولید نقشه خطرپذیری زمین‌شناسی برای منطقه کوه چانگ‌بای تحت تأثیر فعالیت‌های آتشفشانی بود. ابتدا، 159 زمین لغزش و 72 جریان زباله در شهر هلونگ بر اساس پروژه بررسی بلایای زمین شناسی و منطقه ای سازی (1:50000) شهر هلونگ نقشه برداری شد. سپس دوازده عامل تهویه زمین لغزش و یازده عامل تهویه جریان واریزه به عنوان متغیرهای مدل‌سازی انتخاب شدند. در میان آنها، احتمال ماورایی زمین لرزه آتشفشانی کوه چانگ بای بیشتر از درجه VI برای نشان دادن رابطه بین خطر زمین شناسی – حساسیت و وقوع زمین لرزه آتشفشانی کوه چانگ بای استفاده شد. علاوه بر این، دو مدل یادگیری ماشین (SVM و ANN) به مدل‌سازی خطرپذیری زمین‌شناسی معرفی شدند. منحنی مشخصه عملکرد گیرنده، روش تحلیل آماری و اعتبارسنجی متقابل پنج برابری برای مقایسه دو مدل استفاده شد. بر اساس نتایج مدل‌سازی، مدل SVM مدل بهتری برای نقشه‌برداری حساسیت جریان زمین لغزش و آوار است. نتایج حاکی از آن است که مناطق با حساسیت زمین لغزش کم، متوسط، زیاد و خیلی زیاد به ترتیب 58/31 درصد، 15/33 درصد، 07/17 درصد و 19/18 درصد است. و نواحی با حساسیت جریان واریزه کم، متوسط، زیاد و خیلی زیاد به ترتیب 25.63، 38.19، 23.47 درصد و 12.71 درصد می باشد. رده های حساس به لغزش زیاد و بسیار زیاد به ترتیب 54/85 درصد و 55/80 درصد از زمین لغزش ها و جریان واریزه های شناخته شده را تشکیل می دهند. علاوه بر این، لغزش بسیار بالا و حساسیت جریان واریزه عمدتاً در ناحیه ارتفاع پایین‌تر توزیع شده است. و عمدتاً در شهرها و شهرهای کوچک در شهر هلونگ توزیع شده است. در نتیجه، این مقاله راهنمای مفیدی برای استقرار پیشگیری و کاهش بلایا در شهر هلونگ خواهد بود و همچنین می‌تواند مرجعی برای ارزیابی حساسیت زمین لغزش در سایر مناطق فعال آتشفشانی ارائه کند.

کلید واژه ها:

نقشه برداری خطر و حساسیت زمین شناسی ; کوه چانگ بای ؛ زلزله آتشفشانی ؛ احتمال ماورایی

1. مقدمه

کوه چانگ بای، واقع در جنوب شرقی استان جیلین، یک جاذبه گردشگری مهم در شمال شرقی چین است. هنگامی که آتشفشان تیانچی کوه چانگ‌بای دوباره فعال شده و فوران می‌کند، نیروی لرزه‌ای ناشی از زمین‌لرزه مرتبط با آن منجر به بلایای زمین‌شناسی در ناحیه کوه چانگ‌بای می‌شود که منجر به تلفات جانی و مالی می‌شود و بر توسعه منطقه تأثیر می‌گذارد [ 1 ]]. بر اساس نتایج پایش آتشفشان تیانچی در کوه چانگ‌بای، از سال 2002 تا 2005، بزرگی زمین‌لرزه‌های مرتبط با آتشفشان تیانچی، تغییرات توپوگرافی، فرکانس زلزله و انتشار گازهای گلخانه‌ای روند افزایشی واضحی را نشان می‌دهد و فراوانی زمین‌لرزه‌ها حتی به یک عدد رسیده است. اوج بیش از 1200 بار در سال 2003. علاوه بر این، در می 2010، تغییر ارتفاع شیب شمالی مخروط آتشفشان تیانچی معکوس شد، با افت ناگهانی 12.72 میلی متر، قانون افزایش سالانه 4 میلی متر را شکست. [ 2 ]. نتایج پایش بالا نشان می دهد که آتشفشان تیانچی احتمالا وارد یک دوره فعال می شود. بنابراین، انجام نقشه‌برداری حساسیت خطرات زمین‌شناسی ناشی از فعالیت آتشفشانی تیانچی ضروری است.
حساسیت به بلایای زمین شناسی به احتمال مکانی و شدت بلایای زمین شناسی در یک منطقه خاص در یک دوره معین اشاره دارد [ 3 ، 4 ، 5 ]. این بازتابی از ویژگی های طبیعی بلایای زمین شناسی تحت تأثیر عوامل داخلی و خارجی است و می تواند با شاخص حساسیت (0-1) [ 6 ] توصیف شود. این شاخص برای ارزیابی مسئله «کجا و چه ترکیبی از شرایط محیطی زمین‌شناسی بیشتر مستعد بلایای زمین‌شناختی است» استفاده می‌شود [ 7 ، 8 ، 9 ]]. عمدتاً بر شرایط اولیه زمین شناسی بلایای زمین شناسی موجود یا احتمالی مانند شکل زمین، نوع سنگ و خاک، هواشناسی و هیدرولوژی، فعالیت های انسانی و غیره تمرکز می کند و احتمال وقوع بلایای زمین شناسی، یعنی تمایل به وقوع را پیش بینی می کند. از بلایای زمین شناسی از بررسی ادبیات مربوطه، فرآیند نقشه‌برداری حساسیت فاجعه زمین‌شناسی را می‌توان تقریباً به چهار بخش زیر تقسیم کرد: [ 10 ، 11 ، 12 ]: (الف) جمع‌آوری داده‌های موجودی بلایای زمین‌شناسی: این اساس فاجعه زمین‌شناسی است. -نگاشت حساسیت [ 13 ، 14 ، 15]. امروزه، روش تفسیر بلایای زمین‌شناسی با ادغام «فضا-آسمان-زمین» به بخش مهمی از جمع‌آوری داده‌های موجودی بلایای زمین‌شناسی تبدیل شده است [ 16 ، 17 ، 18 ، 19 ، 20 ]. (ب) انتخاب واحد نقشه برداری: واحد نقشه برداری واحد اصلی (حداقل غیرقابل تقسیم) نقشه برداری زمین شناسی حساس به بلایا است و دارای ویژگی های همگنی درون واحدها و ناهمگنی بین واحدها است [ 8 ، 21 ].]. امروزه واحدهای شبکه، واحدهای شیب، واحدهای حوزه آبخیز و غیره به واحدهای نقشه برداری رایج تبدیل شده اند. (ج) ایجاد سیستم شاخص ارزیابی: سیستم شاخص ارزیابی یکی دیگر از موضوعات کلیدی برای نقشه برداری زمین شناسی بلایای حساس است. در حال حاضر، اکثر مطالعات بر اساس تجربه کارشناسی، تحلیل علت و بررسی دقیق میدانی انجام می‌شود و شاخص‌هایی که همبستگی بالایی با وقوع بلایای زمین‌شناسی دارند، به‌عنوان شاخص ارزیابی انتخاب می‌شوند [ 22 ].]. (د) انتخاب مدل حساسیت: با توسعه فناوری کامپیوتری و مدل‌های ریاضی، تعداد مدل‌های اعمال شده برای منطقه‌بندی خطر بلایای زمین‌شناسی به تدریج در حال افزایش است. این مدل ها را می توان تقریباً به دو نوع تقسیم کرد، مدل هایی که از روش ارزیابی کیفی استفاده می کنند و مدل هایی که از روش ارزیابی کمی از طریق طبقه بندی و خلاصه استفاده می کنند [ 23 ]. روش ارزیابی کیفی با استفاده از تجربه تخصصی زمین شناسان، نقشه برداری خطر و حساسیت زمین شناسی را با تخصیص وزن ها و امتیازدهی [ 24 ، 25 ، 26 ]، مانند فرآیند تحلیل سلسله مراتبی [ 27 ] به کار می گیرد.]. امروزه کاربردهای بیشتری از تجزیه و تحلیل کمی وجود دارد، مانند رایج ترین روش آمار باینری [ 28 ، 29 ، 30 ، 31 ، 32 ، 33 ، 34 ]، روش وزن شواهد و غیره [ 35 ، 36 ]. الگوریتم‌های یادگیری ماشین و الگوریتم‌های داده‌کاوی نیز به طور فزاینده‌ای در نقشه‌برداری خطرپذیری زمین‌شناسی [ 37 ]، مانند مدل‌های ماشین بردار پشتیبانی [ 38 ] معرفی می‌شوند.
در این مطالعه، نقشه‌برداری خطرپذیری زمین‌شناسی شامل زمین لغزش و جریان زباله در شهر هلونگ که در شمال شرقی آتشفشان چانگ‌بای قرار دارد، انجام شد. ابتدا خطرات زمین شناسی در شهر هلونگ نقشه برداری شد. سپس واحد شیب و واحد حوضه به عنوان واحد نقشه برداری انتخاب شدند. احتمال ماورایی زمین لرزه آتشفشانی کوه چانگ بای بیشتر از درجه VI برای نشان دادن رابطه بین خطر-پذیری زمین شناسی و زلزله آتشفشانی کوه چانگ بای استفاده شد. یازده فاکتور تهویه کننده زمین لغزش و ده عامل تهویه جریان واریزه دیگر نیز به عنوان عوامل ارزیابی انتخاب شدند. سپس دو مدل، یک مدل SVM و یک مدل ANN، با استفاده از منحنی مشخصه عملکرد گیرنده، روش تحلیل آماری، مقایسه و ارزیابی شدند.

2. منطقه مطالعه

شهر هلونگ یک شهر در سطح شهرستان تحت حوزه قضایی ایالت یانبیان است که در جنوب غربی ایالت یانبیان و کرانه شمالی بخش بالایی رودخانه تومن در دامنه شرقی کوه چانگ بای واقع شده است ( شکل 1 a,b). محدوده شهر از 128 درجه و 22 دقیقه تا 129 درجه و 24 دقیقه و 17 سانتی‌متر طول شرقی و 41 درجه و 59 دقیقه تا 42 درجه و 57 دقیقه و 15 سانتی‌متر عرض جغرافیایی شمالی. از شمال به جنوب حدود 100 کیلومتر طول و از شرق به غرب 70 کیلومتر عرض دارد و مساحت آن 5068.62 کیلومتر مربع است .. شهر هلونگ در شمال شرقی رشته کوه چانگ بای قرار دارد و زمین آن به تدریج از جنوب غربی به شمال شرقی کاهش می یابد. جنوب غربی مرتفع و شیب دار، میانه تپه ای و شمال شرقی نسبتاً هموار است. نوع آب و هوای شهر هلونگ، منطقه آب و هوایی نیمه مرطوب موسمی معتدل متوسط ​​است. چهار فصل متمایز با بهارهای سرد و گرم، تابستان‌های کوتاه و نه چندان گرم، پاییز معتدل و خنک با روزهای آفتابی زیاد و زمستان‌های سرد طولانی مشخص می‌شود. بر اساس نقشه زمین شناسی، با مقیاس 1:250000، در شهر هلونگ 6 لایه به نام های کواترنر (Q)، نئوژن (N)، کرتاسه (K)، ژوراسیک (J)، مزوپروتروزوییک (Pt) و باستانی (Ar) ( شکل 1 ج).
با توجه به مانیتورینگ آتشفشانی کوه چانگ‌بای (ایستگاه پایش آتشفشان تیانچی کوه چانگ‌بای)، از سال 2002، فعالیت لرزه‌ای مرتبط با فعالیت‌های آتشفشانی کوه چانگ‌بای به طور قابل‌توجهی شروع به افزایش کرد و در سال 2003 به اوج رسید و تعداد زمین‌لرزه‌های ناشی از فعالیت‌های آتشفشانی ارتفاع کوه چانگ بای ممکن است تا سال 1293 باشد [ 1 ]. علاوه بر این، از سال 2002 تا 2005، ارتفاع مخروط آتشفشان تیانچی، 86.13 میلی متر اضافی، بیش از 3 برابر افزایش قبلی، به دست آورد و پس از سال 2005 به حالت عادی بازگشت. از سال 2010، ارتفاع عمودی مخروط آتشفشانی در شیب شمالی کوه تیانچی با افت ناگهانی 12.72 میلی متری دوباره غیرعادی شده است [ 2 ]]. اگرچه رویدادهای فوق نشان نمی دهد که فعالیت های آتشفشانی کوه چانگ بای وارد یک دوره فعال شده است، اما فعالیت های مکرر آتشفشانی مطمئناً بر پایداری شیب اطراف و بدنه زمین شناسی تأثیر می گذارد.

3. روش ها و داده ها

3.1. داده های موجودی خطرات زمین شناسی

ابتدا، داده های موجودی مخاطرات زمین شناسی دقیق باید به دست آید. دقت نتایج نقشه برداری تا حد زیادی تحت تأثیر درجه جزئیات در داده های موجودی خطرات زمین شناسی است. [ 8]. داده‌های موجودی بلایای زمین‌شناسی در این مقاله از پروژه بررسی بلایای زمین‌شناسی و منطقه‌بندی (1:50000) شهر هلونگ، استان جیلین است که توسط شعبه جیلین مرکز اکتشافات زمین‌شناسی صنعتی مصالح ساختمانی چین اجرا شده است. این پروژه با استفاده از تفسیر سنجش از دور، بررسی زمین، اکتشاف ژئوفیزیک، حفاری و سایر ابزارها، 236 نقطه فاجعه زمین شناسی را در شهر هلونگ شناسایی کرد که شامل جریان زباله، لغزش زمین، فروپاشی، شیب ناپایدار، شکاف های زمین و ریزش زمین می شود. تعداد و نسبت بلایای مختلف زمین شناسی در جدول 1 برشمرده شده است و مشخصات توزیع بلایای مختلف زمین شناسی در شکل 1 ج نشان داده شده است. میز 1نشان می دهد که شکاف های زمین و ریزش زمین تنها 2.12 درصد از کل بلایای زمین شناسی در شهر هلونگ را تشکیل می دهند و این دو نوع بلای زمین شناسی ناشی از فعالیت های معدنی هستند. بنابراین، بلایای زمین شناسی معمولی در شهر هلونگ عبارتند از رانش زمین (6.78٪)، فروپاشی (33.90٪)، شیب ناپایدار (26.69٪)، و جریان زباله (30.51٪). با توجه به اصل تشابه مکانیسم ژنتیکی و تناسب واحد نقشه برداری، در این تحقیق، سقوط، زمین لغزش و شیب ناپایدار در مجموع به عنوان خطرات زمین لغزش نامیده می شوند. با توجه به تفاوت عوامل مؤثر، این مقاله به ترتیب به بررسی نگاشت حساسیت زمین لغزش (شامل ریزش، زمین لغزش و شیب ناپایدار) و جریان واریزه می پردازد.

3.2. واحد نقشه برداری

انتخاب مناسب واحدهای نقشه برداری عامل کلیدی برای نتایج معقول نقشه برداری است. امروزه، پنج واحد نگاشت رایج وجود دارد [ 8 ، 9]، یعنی: (الف) واحدهای شبکه، که ساختار داده برای آنها بسیار ساده است و محاسبه سریع است، اما فاقد ارتباط با ویژگی های اصلی زمین است. (ب) واحد حوضه، طبقه بندی بر اساس خط حوضه منطقه ای مناسب برای نقشه برداری حساسیت جریان زباله، که خود به شدت تحت تاثیر آستانه جریان است. ج) واحد شیب یا طبقه‌بندی بر اساس خط حوضه و خط حوضه، که زیرمجموعه دیگری از واحد حوضه است و برای نقشه‌برداری حساسیت زمین لغزش مناسب است. د) واحدهای منطقه ای یا طبقه بندی بر اساس مرزهای اداری که برای پیشگیری و کاهش بلایا بر اساس تقسیمات اداری مناسب هستند. (ه) واحد شرطی یکنواخت، که طبقه بندی بر اساس لایه خاص است، مستقل از لایه است و محاسبه آن آسان است. بلایای زمین شناسی معمولی در شهر هلونگ جریان زباله است. زمین لغزش، ریزش و شیب ناپایدار. با توجه به کاربرد واحدهای مختلف نقشه برداری، حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است سقوط و شیب ناپایدار. با توجه به کاربرد واحدهای مختلف نقشه برداری، حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است سقوط و شیب ناپایدار. با توجه به کاربرد واحدهای مختلف نقشه برداری، حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است با توجه به کاربرد واحدهای مختلف نقشه برداری، حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است با توجه به کاربرد واحدهای مختلف نقشه برداری، حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است حساسیت جریان واریزه و لغزش (شامل زمین لغزش، ریزش و شیب ناپایدار) به ترتیب با انتخاب واحدهای آبخیز و واحدهای شیب ترسیم می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است و شیب ناپایدار) با انتخاب واحدهای حوضه و واحدهای شیب به ترتیب نقشه برداری می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است و شیب ناپایدار) با انتخاب واحدهای حوضه و واحدهای شیب به ترتیب نقشه برداری می شود. طبقه بندی واحدهای آبخیزداری بر اساس تحقق تابع تحلیل هیدرولوژیکی نرم افزار GIS است. با تنظیم آستانه های جریان مختلف، نتایج طبقه بندی بهینه بهینه می شوند. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است نتایج طبقه بندی بهینه بهینه شده است. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده است نتایج طبقه بندی بهینه بهینه شده است. از آنجایی که روش حوضه انحنای بیشتر در ناحیه واحدهای شیب متمرکز است و در داخل واحدها یکنواختی بهتری دارد، این مقاله این روش را برای طبقه‌بندی واحدهای شیب انتخاب می‌کند. بهینه سازی نتایج واحد شیب با تنظیم رزولوشن های مختلف DEM (مدل ارتفاعی دیجیتال) محقق می شود. فرآیند تقسیم واحد نقشه برداری در نشان داده شده استشکل 2 .
در این مقاله یک DEM با وضوح 8.30 متر از 91 Weitu دانلود شده استنرم افزار (شماره نسخه: V18.8.8، سازنده: Beijing Qianfan Shijing Technology Co., LTD، مکان: Beijing, China)، برای طبقه بندی واحدهای نقشه برداری استفاده می شود. برای به دست آوردن نتایج تقسیم واحد نقشه برداری معقول، وضوح DEM به ترتیب به 30 متر، 50 متر، 70 متر، 100 متر، 130 متر، 150 متر، 180 متر، 200 متر، 230 متر، 250 متر تبدیل می شود. تقسیم واحد شیب; و آستانه جریان برای تقسیم واحدهای حوضه به ترتیب 3000، 5000، 8000، 10000، 12000 و 15000 تعیین شده است. با مقایسه نتایج تقسیم واحد نقشه برداری فوق با تصویر گوگل، مشخص شد که نتایج تقسیم واحد نقشه برداری زمانی معقول ترین هستند که وضوح DEM 200 متر و آستانه جریان 10000 باشد. در مجموع 9574 واحد شیب طبقه بندی شد که بزرگترین و کوچکترین واحدها 3.15 کیلومتر مربع و 0.11 کیلومتر مربع را پوشش می دهند .، به ترتیب. در مورد واحد آبخیزداری در مجموع 2133 واحد طبقه بندی شد که بزرگترین واحد حوضه 17.78 کیلومتر مربع و کوچکترین آن 0.21 کیلومتر مربع است . نتایج طبقه بندی واحدهای نقشه برداری در شکل 3 نشان داده شده است.

3.3. عوامل تهویه

3.3.1. استقرار سیستم عوامل شرطی سازی

انتخاب شاخص‌های ارزیابی یکی از موضوعات کلیدی در مطالعه نقشه‌های زمین‌شناسی خطر و حساسیت است. در حال حاضر، انتخاب عوامل شرطی‌سازی بیشتر به بررسی میدانی، تجزیه و تحلیل مکانیسم تشکیل، تجربه کارشناسی و تحقیقات مرتبط در مورد بلایای زمین‌شناسی بستگی دارد. و عواملی که بیشترین همبستگی را با وقوع بلایای زمین شناسی دارند [ 22 ] انتخاب می شوند. در سال 2017، پورقاسمی و روسی [ 22] تجزیه و تحلیل آماری را بر روی زمان‌های کاربرد عوامل شرطی‌سازی انتخاب شده از 220 تحقیق مرتبط در مقالات منتشر شده از سال 2005 تا 2012 انجام داد. با توجه به نتایج آماری، عواملی که بیشترین استفاده را داشتند عبارت بودند از زاویه شیب، سنگ‌شناسی، جنبه شیب، کاربری زمین، فاصله از رودخانه، ارتفاع، فاصله از گسل ها، انحنای پلان، انحنای پروفیل و فاصله از جاده (ده اول). علاوه بر این، محیط زمین شناسی خاص در منطقه مورد مطالعه، به ویژه زلزله های آتشفشانی، نیز باید مورد توجه ویژه قرار گیرد. بنابراین، دوازده عامل شرطی‌سازی ( شکل 4 ) برای نقشه‌برداری حساسیت زمین لغزش، یعنی زمین‌شناسی (L1 )، زاویه شیب (L2 ) ، جنبه شیب (L3) انتخاب شده‌اند.)، نقش برجسته توپوگرافی (L 4 )، انحنا (L 5 )، فاصله تا گسل (L 6 )، کاربری اراضی (L 7 )، میانگین بارندگی سالانه (L 8 )، فاصله تا رودخانه (L 9 )، فاصله تا جاده (L 10 )، شدت زلزله پایه (L 11 )، و زلزله آتشفشانی (L 12 ).
وقوع جریان زباله فرآیند پیچیده ای است و عوامل موثر بر وقوع آن در مناطق مختلف متفاوت است. بر اساس آمار نیو و همکاران. [ 39 ] فراوانی کاربرد فاکتورهای تهویه برای نگاشت حساسیت جریان زباله، زاویه شیب، مساحت، جنبه شیب، سنگ‌شناسی، کاربری زمین، بارندگی و اختلاف ارتفاع از پرکاربردترین عوامل هستند. با در نظر گرفتن ویژگی‌های محیطی زمین‌شناسی منطقه مورد مطالعه، یازده عامل شرطی‌سازی برای نقشه‌برداری حساسیت جریان زباله ( شکل 5 ) انتخاب می‌شوند که عبارتند از: زمین‌شناسی (DB 1 )، زاویه شیب (DB 2 )، جنبه شیب (DB 3 )، مساحت. (DB 4، اختلاف ارتفاع حوضه (DB 5 )، گرد بودن (DB 6 )، فاصله تا گسل (DB 7 )، کاربری زمین (DB 8 )، میانگین بارندگی سالانه (DB 9 )، آنتروپی اطلاعات ژئومورفیک (DB 10 )، و زلزله آتشفشانی (DB 11 ).
منابع داده و روش های جهش دهنده هر عامل شرطی به واحد نگاشت در جدول 2 نشان داده شده است. این مقاله تنها استخراج عوامل لرزه ای آتشفشانی را با جزئیات معرفی می کند.
عمق اتاق ماگمایی کوه چانگ بای کمتر از 10 کیلومتر است و زمین لرزه های آتشفشانی ناشی از فعالیت های آتشفشانی کوه چانگ بای معمولاً زمین لرزه های کم عمقی هستند که تأثیر زیادی در پایداری شیب دارند. بر اساس داده های پایش کنونی کوه چانگ بای، از سال 2003، فراوانی و بزرگی زمین لرزه های آتشفشانی رو به افزایش بوده و دمای آب چشمه دریاچه تیانچی نیز به میزان قابل توجهی افزایش یافته است. کارشناسان زمین شناسی معتقدند که آتشفشان کوه چانگ بای پتانسیل یک فوران را دارد. منطقه مورد مطالعه تنها 70 کیلومتر با کوه چانگ بای فاصله دارد. فعالیت‌های لرزه‌ای فعال و مکرر ممکن است بر پایداری بلایای زمین‌شناسی تأثیر بگذارد. لیو (2016) [ 1] از احتمال ماورایی شدت زلزله آتشفشانی بیشتر از درجه VI برای نشان دادن تأثیر زمین لرزه آتشفشانی کوه چانگ بای بر پایداری سنگ و خاک منطقه استفاده کرد. این مطالعه همچنین عوامل زلزله آتشفشانی را طبق اصل محاسبه لیو (2016) استخراج کرد [ 1 ]. احتمال ماورایی شدت زلزله آتشفشانی کوه چانگ بای بیشتر از درجه VI به صورت زیر محاسبه می شود:

(1) برآورد بزرگی زمین لرزه های مرتبط با فعالیت آتشفشانی در کوه چانگ بای. نظریه گوتنبرگ-ریشتر به طور گسترده ای در زلزله شناسی برای پیش بینی فعالیت لرزه ای و پهنه بندی لرزه ای استفاده می شود که می تواند به شکل زیر بیان شود:

لog10ن(م)=-آم+ب،

که در آن M بزرگی زمین لرزه است. N ( M ) بسامد تجمعی زلزله است. و a و b ثابت هستند. این نظریه رابطه بین فرکانس تجمعی و بزرگی زمین لرزه ها را منعکس می کند. فراوانی وقوع فعالیت های آتشفشانی و فعالیت لرزه ای مرتبط با آن ویژگی های مشابهی با فعالیت لرزه ای زلزله ها به تنهایی دارد. بنابراین، با استفاده از شاخص فوران آتشفشانی ( VEI ) برای جایگزینی M ، و فرکانس فعالیت آتشفشانی N ( VEI ) برای جایگزینی N ( M )رابطه بین فراوانی فعالیت آتشفشانی و شاخص فوران آتشفشانی را می توان برقرار کرد. بر اساس پیش‌بینی لیو (2016) [ 1 ] از مقیاس فوران کوه چانگ‌بای در 5000 سال گذشته، شاخص فوران و فراوانی فعالیت آتشفشانی کوه چانگ‌بای را می‌توان تخمین زد. بنابراین در نظر گرفته می شود که در 5000 سال گذشته، یک فعالیت با VEI 7، دو فعالیت با VEI 6 و پنج فعالیت با VEI 5 ​​وجود داشته است. بر اساس رابطه (1)، رابطه بین N ( VEI ) و VEI را می توان به صورت زیر بدست آورد:

لog10ن(VEمن)=-0.2286VEمن+1.6286،

با توجه به لیو (2016) [ 1 ]، حداکثر بزرگی زمین لرزه های آتشفشانی تقریباً برابر با VEI است، بنابراین رابطه بین بزرگی زمین لرزه های مرتبط با فعالیت آتشفشانی در کوه چانگ بای و N ( VEI ) را می توان به صورت زیر بیان کرد. :

لog10ن(VEمن)=-0.2286اچ+1.6286،

که در آن H بزرگی زمین لرزه های مرتبط با فعالیت آتشفشانی در کوه چانگ بای است.

(2) محاسبه احتمال مازاد بر شدت زلزله. ارتباط آشکاری بین وقوع بلایای زمین شناسی و شدت زلزله وجود دارد. با توجه به تجزیه و تحلیل آماری بلایای زمین شناسی ناشی از زلزله در مناطق مختلف چین توسط دینگ (1999) [ 40 ]، در نظر گرفته می شود که شدت زلزله VI حداقل شدت لرزه ای است که باعث بروز بلایای زمین شناسی می شود. کاهش شدت زلزله در شرق چین را می توان محاسبه کرد:

L=1.454تی-1.792لوگاریتم(جی+16)+4.493،

که در آن L شدت زلزله زمانی است که فاصله کانونی G است . T قدر است. و G فاصله کانونی است. بنابراین، با استفاده از رابطه (4) می توان حداقل بزرگی زلزله را زمانی که شدت لرزه VI در هر مکانی به دست می آید، تخمین زد. با استفاده از معادله (5) می توان برای بدست آوردن احتمال فوران سالانه آتشفشان کوه چانگ بای در طی 5000 سال، معادله (3) را دوباره ترتیب داد:

پ=1/5000×10-0.2286اچ+1.6286

با ترکیب معادلات (4) و (5)، احتمال ( P VI ) هنگامی که شدت لرزه ناشی از فعالیت آتشفشانی کوه چانگ بای از VI بیشتر شود را می توان محاسبه کرد:

پVمن=🔻ک91/5000×10-0.2286اچ+1.6286🔻091/5000×10-0.2286اچ+1.6286،

که در آن K حداقل قدر لازم برای رسیدن شدت به درجه VI است. به این ترتیب می توان از PVI برای انعکاس تأثیر زمین لرزه های آتشفشانی که یک رویداد تصادفی است بر بلایای زمین شناسی در منطقه مورد مطالعه استفاده کرد .

3.3.2. تجزیه و تحلیل چند خطی

دقت پیش‌بینی بسیاری از مدل‌های خطرپذیری زمین‌شناختی، مانند مدل رگرسیون لجستیک، تا حد زیادی تحت‌تاثیر چند خطی بودن عوامل شرطی‌کننده قرار می‌گیرد [ 41 ]. عامل تورم واریانس (VIF) اغلب برای تجزیه و تحلیل چند خطی عوامل شرطی چندگانه استفاده می شود. معادله محاسبه VIF به صورت زیر است [ 41 ]:

VIF=11-آرمن2،

که در آن Ri ضریب همبستگی پیچیده بین عامل شرطی Xi و سایر عوامل شرطی‌سازی است. اگر مقدار VIF هر عامل شرطی بزرگتر از 10 باشد [ 42 ]، از مدل ها حذف می شود.

3.4. مدل زمین شناسی بلایای حساس

3.4.1. ماشین بردار پشتیبانی

روش ماشین بردار پشتیبان (SVM) یکی از متداول‌ترین روش‌های یادگیری ماشینی است که برای نگاشت حساسیت خطرات زمین‌شناسی استفاده می‌شود، زیرا می‌تواند مسائل تشخیص الگوی غیرخطی و با ابعاد بالا را با نمونه‌های کمتری نسبت به روش‌های دیگر حل کند [ 8 ] . نظریه یادگیری آماری را مبنای خود قرار می دهد. بر اساس توابع پایه مختلف، این مدل داده‌های غیرقابل تقسیم خطی را به فضای ابعاد بالاتر تبدیل می‌کند و یک ابر صفحه را در فضای ابعاد بالاتر برای دستیابی به تقسیم‌پذیری خطی پیدا می‌کند. با این روش می توان مسائل غیرخطی در فضای کم بعدی را تحلیل و ارزیابی کرد.
3.4.2. شبکه های عصبی مصنوعی
شبکه عصبی مصنوعی (ANN) متداول‌ترین روش یادگیری ماشینی است که به طور گسترده در نقشه‌برداری زمین‌شناسی آسیب پذیری بلایا استفاده می‌شود. چندین مزیت از مدل ANN وجود دارد: (الف) توانایی نگاشت غیرخطی خوب. (ب) درجه بالای یادگیری مستقل و سازگاری قوی؛ ج) تحمل خطای قوی؛ و (د) توانایی تعمیم قوی [ 43]. مدل ANN برهمکنش غیرخطی و بسیار پیچیده بین عوامل شرطی‌سازی و حساسیت زمین‌شناسی به فاجعه را با رابطه متقابل بین نورون‌ها توصیف می‌کند، و نیازی به فرمول‌های پیچیده ریاضی برای نشان دادن همبستگی بین عوامل شرطی‌سازی وجود ندارد. مدل ANN دارای اثر طبقه‌بندی خوبی است، به ویژه برای طبقه‌بندی پدیده‌های پیچیده زمین‌شناسی که تحت تأثیر عوامل مختلف قرار می‌گیرند، و دارای مزایایی در شبیه‌سازی نقشه‌های خطر-پذیری زمین‌شناسی با روابط پیچیده و تعامل بین متغیرها است.

3.5. روشهای اعتبارسنجی

3.5.1. منحنی مشخصه عملکرد گیرنده

منحنی مشخصه عملکرد گیرنده (ROC) یک روش ارزیابی دقت است که یک روش ارزیابی کمی برای مدل طبقه‌بندی باینری است [ 8 ]. حساسیت (نرخ مثبت کاذب) را به عنوان محور X و ویژگی 1 (نرخ مثبت واقعی) را به عنوان Y می گیرد.-محور. مقدار AUC ناحیه زیر منحنی ROC است. برای هر آزمایش پیش‌بینی، مقدار AUC همیشه در محدوده 0.5 تا 1 است. هر چه مقدار AUC به 1 نزدیک‌تر باشد، دقت پیش‌بینی مدل بالاتر است. فرآیند ارزیابی ROC ساده است و نتایج ارزیابی بسیار شهودی است، به طوری که اثر پیش‌بینی را می‌توان در ابتدا فقط با چشم غیر مسلح قضاوت کرد. بنابراین، به طور گسترده ای در ارزیابی مدل های خطرپذیری زمین شناسی استفاده شده است.
3.5.2. پارامترهای آماری

روش اعتبارسنجی مبتنی بر پارامترهای آماری می‌تواند اثربخشی مدل‌های خطرپذیری زمین‌شناسی را تأیید کند. پارامترهای آماری مورد استفاده در این مقاله به صورت زیر نشان داده شده است [ 8 ]:

دقت(AC)=تیrتوه پoسمنتیمنvه+تیrتوه nهgآتیمنvهتیrتوه پoسمنتیمنvه+تیrتوه nهgآتیمنvه+افآلسه پoسمنتیمنvه+افآلسه nهgآتیمنvه،
حساسیت(SE)=تیrتوه پoسمنتیمنvهتیrتوه پoسمنتیمنvه+افآلسه nهgآتیمنvه،
اختصاصی(SP)=تیrتوه nهgآتیمنvهتیrتوه nهgآتیمنvه+افآلسه پoسمنتیمنvه،
مثبت پیش بینی کننده ارزش(PPA)=تیrتوه پoسمنتیمنvهتیrتوه پoسمنتیمنvه+افآلسه پoسمنتیمنvه،
منفی پیش بینی کننده ارزش(NPV)=تیrتوه nهgآتیمنvهتیrتوه nهgآتیمنvه+افآلسه nهgآتیمنvه،

در جایی که مثبت واقعی تعداد واحدهای خطر زمین شناسی به درستی شناسایی شده را نشان می دهد. منفی واقعی تعداد واحدهای خطر غیر زمین شناسی را نشان می دهد که به درستی شناسایی شده اند. مثبت کاذب نشان دهنده تعداد واحدهای خطر زمین شناسی است که به اشتباه شناسایی شده اند. و منفی کاذب نشان دهنده تعداد واحدهای خطر غیر زمین شناسی است که به اشتباه شناسایی شده اند.

3.5.3. اعتبار سنجی متقابل
اعتبار سنجی متقابل می تواند بر مشکل داده های ناکافی غلبه کند و به طور موثر از مشکل برازش بیش از حد مدل جلوگیری کند [ 9 ]. در این مقاله، روش اعتبار سنجی متقاطع پنج برابری برای تأیید مدل خطرپذیری زمین‌شناسی اتخاذ شده است. به طور تصادفی کل مجموعه داده ها را به پنج زیر مجموعه تقسیم می کند که چهار زیر مجموعه به عنوان داده های آموزشی و یکی دیگر به عنوان داده های آزمون انتخاب می شوند تا زمانی که هر پنج زیر مجموعه به ترتیب به عنوان داده های آموزشی و داده های آزمون استفاده شوند. به این ترتیب مدل پنج بار آموزش و پنج بار مورد آزمایش قرار گرفت. سپس دقت پیش‌بینی مدل با ترکیب دقت پیش‌بینی پنج مدل مورد ارزیابی قرار گرفت.

3.6. اهمیت عوامل تهویه

3.6.1. روش مبتنی بر واریانس

این مقاله از تحلیل حساسیت برای محاسبه کاهش واریانس هدف قابل انتساب به هر عامل شرطی استفاده می کند، بنابراین ترتیب اهمیت هر عامل شرطی را تعیین می کند. تجزیه و تحلیل حساسیت به شرح زیر است [ 8 ، 44 ]:

جیمن=کمنک(اچ)=ک(E(اچ|Yمن))ک(اچ)،

جایی که Gi حساسیت است. Y i عامل شرطی است و i = 1, 2, …, k ; k تعداد ضریب شرطی سازی است. H نشان می دهد که آیا زمین لغزش وجود دارد یا خیر، با H = f ( Y 1 , Y2 , …, Y k ) به مدل سازی برای H با استفاده از Y 1 تا Y k اشاره دارد . و K ( H) واریانس خروجی بدون قید و شرط است. بنابراین، اهمیت هر عامل شرطی را می توان با استفاده از حساسیت نرمال شده محاسبه کرد:

منمن=جیمن∑من=1کجیمن،

جایی که من i اهمیت هر عامل شرطی است.

3.6.2. روش نسبت فرکانس

روش مبتنی بر واریانس می‌تواند اهمیت کلی عوامل شرطی‌سازی را منعکس کند، در حالی که نسبت فرکانس (FR) می‌تواند همبستگی بین هر زیر کلاس از عوامل شرطی‌سازی و وقوع بلایای زمین‌شناسی را منعکس کند. مقدار FR یک زیر کلاس از یک عامل شرطی را می توان به صورت زیر محاسبه کرد [ 45 ، 46 ]:

افآر=n/نمتر/م،

که در آن n تعداد خطرات زمین شناسی را در یک زیر کلاس خاص از عامل شرطی نشان می دهد. N تعداد کل خطرات زمین شناسی است. m مساحت زیر کلاس خاص عامل شرطی را نشان می دهد. و M مساحت کل منطقه مورد مطالعه است. از رابطه (15) می توان دریافت که نسبت فرکانس منعکس کننده احتمال وقوع و عدم وقوع بلایای زمین شناسی با یک ویژگی است [ 7 ]]. در تجزیه و تحلیل رابطه، مقدار FR 1 به این معنی است که تراکم فاجعه زمین شناسی این زیر کلاس با اندازه این زیر کلاس در نقشه عامل شرطی سازی متناسب است. بنابراین، 1 یک میانگین است. مقدار FR بیشتر از 1 نشان دهنده همبستگی بالا است. و مقدار کمتر از 1 نشان دهنده همبستگی کم است.

4. نتایج و بحث

4.1. نتایج تجزیه و تحلیل چند خطی

قبل از تجزیه و تحلیل چند خطی عوامل شرطی، عادی سازی عوامل شرطی برای حذف تأثیر ابعاد مختلف انجام می شود. معادله نرمال سازی به صورت زیر است [ 41 ]:

آ=آ-آمترمنnآمترآایکس-آمترمنn،

که در آن A مقدار نرمال شده است. A مقدار اصلی فاکتورهای شرطی است. و A max و A min به ترتیب حداکثر و حداقل مقدار فاکتورهای شرطی هستند. از این رو، بر اساس اصل مقادیر VIF، مقادیر VIF هر یک از عوامل شرطی محاسبه شده و در جدول 3 فهرست شده است. از جدول 3 می توان دریافت که مقادیر VIF هر عامل شرطی همگی کمتر از 10 است، بنابراین هیچ عامل شرطی نیازی به خارج شدن از مدل ندارد.

4.2. نتایج مدلسازی و مقایسه

4.2.1. نتایج مدلسازی

بر اساس نقشه فهرست سانحه زمین شناسی و نتایج تقسیم بندی واحد نقشه برداری، در مجموع 159 واحد شیب زمین لغزش زمین و 72 واحد آبخیز با جریان واریزه مواجه شده اند. تعداد مساوی از واحدهای بلایای غیر زمین‌شناسی (72) به‌طور تصادفی انتخاب می‌شوند تا شرایط مدل‌سازی را برآورده کنند، که حداقل 800 متر از واحدهای بلایای زمین‌شناسی فاصله داشت. بنابراین، بر اساس اصل اعتبار سنجی متقابل پنج برابری، داده های مدل سازی به طور تصادفی به پنج قسمت مساوی تقسیم شدند. مدل SVM و مدل ANN همگی در نرم افزار IBM SPSS ساخته شده اند. تابع هسته انتخاب شده تأثیر زیادی بر دقت پیش‌بینی مدل SVM دارد. در مدل SVM، تابع هسته تابع پایه شعاعی را تعیین می کند و تحت تأثیر C قرار می گیرد(پارامتر منظم سازی) و g (پارامتر هسته). در این مطالعه، C روی 0.8 و g روی 0.5 تنظیم شده است. یک مدل ANN که شامل یک ورودی، یک لایه پنهان و یک لایه خروجی است نیز ساخته شد. تابع فعال سازی سیگموئید لجستیک را تعیین می کند. تکانه، نرخ یادگیری و زمان آموزش به ترتیب 0.3، 0.3 و 500 تنظیم شده است. نتایج مدلسازی در جدول 4 فهرست شده است.
4.2.2. مقایسه مدل حساسیت زمین لغزش
حساسیت مخاطرات زمین‌شناسی معمولی در منطقه مورد مطالعه با روش‌های فوق مدل‌سازی شد. مدل ANN و مدل SVM بر اساس نتایج مدلسازی مقایسه شده اند ( جدول 4 ). جدول 4در مرحله آموزش نشان می دهد که میانگین دقت مدل SVM و مدل ANN تفاوت چندانی با هم ندارند و به ترتیب 850/0 و 831/0 هستند. با این حال، در مرحله آزمایش، میانگین دقت SVM (0.824) بسیار بالاتر از مدل ANN (0.728) است. از انحراف استاندارد میانگین دقت می توان دریافت که در هر دو مرحله آموزش و آزمایش، پایداری مدل SVM بهتر از مدل ANN است: مرحله آموزش: 0.005 برای مدل SVM و 0.034 برای مدل ANN. مرحله تست: 0.044 برای مدل SVM و 0.053 برای مدل ANN. بنابراین، بر اساس میانگین دقت، مدل SVM به طور قابل توجهی بهتر از مدل ANN است. بر اساس چهار پارامتر آماری دیگر، انحراف استاندارد مدل SVM به طور کلی کمتر از مدل ANN است. که نشان می دهد مدل SVM از نظر پایداری نسبت به مدل ANN برتری دارد. در مرحله آموزش، بر اساس مقدار میانگین چهار پارامتر، مدل SVM تفاوت چندانی با مدل ANN ندارد. با این حال، در مرحله آزمایش، مقادیر میانگین چهار پارامتر مدل SVM به طور کلی بیشتر از مدل ANN است. میانگین مقدار و پایداری پنج پارامتر آماری دو مدل هر دو در مرحله آزمایش کاهش یافت و مدل ANN به شدت کاهش یافت. علاوه بر این، بر اساس مقدار AUC، مدل SVM (0.895) تفاوت چندانی با مدل ANN (0.910) در مرحله آموزش ندارد. مدل SVM (0.873) بالاتر از مدل ANN (0.832) در مرحله آزمایش است. در نتیجه، بر اساس پارامترهای آماری و مقدار AUC، مدل SVM نسبت به مدل ANN برتری دارد.
4.2.3. مقایسه مدل حساسیت جریان زباله
از جدول 4مشاهده می شود که در مرحله آموزش، میانگین دقت مدل SVM (0.802) بیشتر از مدل ANN (0.774) است. مدل SVM (0.728) نیز بالاتر از مدل ANN (0.701) در مرحله آزمایش است. برای انحراف استاندارد میانگین دقت، انحراف استاندارد مدل SVM (0.008) در مرحله آموزش کوچکتر بود، در حالی که انحراف استاندارد مدل ANN (0.028) بزرگتر بود. در مرحله آزمایش، انحراف استاندارد دقت مدل SVM (0.063) و مدل ANN (0.058) هر دو افزایش یافت، در حالی که مدل SVM به طور قابل توجهی افزایش یافت. دو مدل فقط بر اساس دقت ارزیابی شدند. میانگین دقت و انحراف معیار دو مدل در مرحله آزمون نسبت به مرحله آموزش کاهش یافت، اما کاهش معنی‌دار نبود. و انحراف استاندارد دقت زیر 0.07 بود. بنابراین مدل SVM به عنوان مدل بهینه در نظر گرفته شد. برای چهار پارامتر آماری دیگر، انحرافات استاندارد آنها برای مدل SVM در مرحله آموزش همگی کم بود، در حالی که برای مدل ANN همه بزرگ بودند، که نشان می‌دهد پایداری دو مدل کاهش یافته است. انحراف معیار چهار پارامتر آماری در مرحله آزمون نسبت به مرحله آموزش به طور قابل توجهی افزایش یافت. این نشان می دهد که پایداری این دو مدل در مرحله تست بدتر از مرحله آموزش است. مقادیر میانگین چهار پارامتر آماری برای مدل SVM به طور قابل توجهی بالاتر از مدل ANN در هر دو مرحله آموزش و آزمایش است. علاوه بر این، مقدار AUC برای مدل SVM (0.872) تفاوت زیادی با ANN (0) ندارد. 885) مدل در مرحله آموزش; و در مرحله تست، برای مدل SVM (0.829) بیشتر از مدل ANN (0.808) است. در نتیجه، از منظر پارامترهای آماری و مقدار AUC، مدل SVM نسبت به مدل ANN برتری دارد.
4.2.4. مقایسه با سایر مدل ها
برخی مطالعات تحقیقاتی مشابه در شهر هلونگ در حال انجام است. بر اساس روش ICM (روش محتوای اطلاعاتی) و روش AHP (فرایند سلسله مراتبی تحلیلی)، یو و چن (2020) [ 23 ] حساسیت زمین لغزش شهر هلونگ را با استفاده از واحد شیب و واحد شبکه تحلیل کردند. با توجه به نسبت فرکانس (FR)، یو (2021) [ 47 ] حساسیت جریان زباله شهر هلونگ را با استفاده از واحد حوضه ارزیابی کرد. از جدول 5مشاهده می شود که مدل حساسیت زمین لغزش ایجاد شده با استفاده از واحد شیب نسبت به مدل ایجاد شده با استفاده از واحد شبکه برتری دارد، زیرا واحد شیب با زمین واقعی سازگارتر است. علاوه بر این، دقت پیش‌بینی مدل حساسیت زمین لغزش و مدل حساسیت جریان زباله ایجاد شده در این مطالعه بالاتر از Yu و Chen (2020) [ 23 ] و Yu (2021) [ 47 ] است، که نشان می‌دهد حساسیت زمین‌شناسی به خطر مدل در این مطالعه حاضر برای پیش بینی حساسیت خطرات زمین شناسی در منطقه مورد مطالعه مناسب است.

4.3. تجزیه و تحلیل اهمیت عوامل تهویه

4.3.1. تحلیل اهمیت عوامل تهویه زمین لغزش

با توجه به روش مبتنی بر واریانس، اهمیت هر یک از عوامل شرطی‌سازی زمین لغزش تحت اعتبارسنجی متقابل پنج برابری مدل SVM و مدل ANN تعیین شد. شاخص میانگین اهمیت برای انعکاس درجه تأثیر هر عامل شرطی سازی بر وقوع و توزیع مکانی زمین لغزش استفاده می شود ( شکل 6 ). مشاهده می شود که L 9 (فاصله تا رودخانه) مهمترین عامل شرطی سازی برای مدل سازی حساسیت زمین لغزش است (0.396 برای مدل SVM و 0.096 برای مدل ANN). از رابطه بین مقدار FR و L 9 ( جدول 6، مقدار FR هر زیر کلاس با افزایش فاصله رودخانه روند نزولی را نشان می دهد. به این دلیل که پای شیب مدت طولانی از فرسایش رودخانه رنج می برد. مواد در پای شیب به تدریج شل می شوند و سپس توسط رودخانه حمل و انتقال می شوند و به تدریج منجر به تندتر شدن زاویه شیب می شود. در انطباق با فرسایش رودخانه، زاویه شیب اغلب از طریق زمین لغزش به سرعت کاهش می یابد. علاوه بر این، از مقدار FR (2.11 برای کلاس زاویه شیب 18-24 درجه، و 29.06 برای کلاس زاویه شیب 24-30 درجه)، همچنین می توان دریافت که زاویه شیب تندتر (L 2 )، هر چه بیشتر مستعد رانش زمین است. ثانیاً، استحکام در پای دامنه‌هایی که از غوطه‌ور شدن رودخانه رنج می‌برند به تدریج کاهش می‌یابد و یک محیط زمین‌شناسی مساعد برای وقوع بلایای زمین لغزش ایجاد می‌کند. به طور کلی، هر چه رودخانه نزدیکتر باشد، شدت فرسایش رودخانه بیشتر است.
L 10 (فاصله تا جاده) یکی دیگر از فاکتورهای شرطی مهم دیگر است (0.306 برای مدل SVM و 0.154 برای مدل ANN). بر اساس بررسی میدانی، بیش از 80 درصد حوادث زمین لغزش در منطقه مورد مطالعه ناشی از فعالیت‌های مهندسی انسانی است که در این میان حفاری بزرگراه‌ها شایع‌ترین عامل است. این امر زاویه شیب طبیعی اولیه پایدار را از بین می برد، یک صورت آزاد یا صخره شیب دار را تشکیل می دهد و توده سنگ را در معرض عملکرد دینامیکی خارجی قوی تری قرار می دهد، در نتیجه به شرایط توپوگرافی و ژئومورفیک زمین لغزش ها کمک می کند. از منظر مقدار FR، مساعدترین فاصله جاده برای وقوع زمین لغزش 0-1500 متر است.
L 8(میانگین بارندگی سالانه) نیز عامل مهمی در ایجاد زمین لغزش در منطقه مورد مطالعه است (096/0 برای مدل SVM و 100/0 برای مدل ANN). با این حال، از مقدار FR می توان دریافت که با افزایش بارندگی، مقدار FR کاهش می یابد، که با درک رایج که هر چه شدت بارندگی بیشتر باشد، احتمال وقوع زمین لغزش بیشتر است، متفاوت است. بر اساس آمار، رانش زمین های رخ داده در شهرستان هلونگ بیشتر ناشی از بارندگی شدید است. با مقایسه بارش‌های کمتر از 470 میلی‌متر و بیشتر از 470 میلی‌متر، تعداد زمین لغزش‌ها به‌ویژه در شرایط بارندگی‌های شدید مداوم تقریباً دو برابر شده است و فصل سیلاب هر سال فصلی است که وقوع زمین لغزش‌ها زیاد است. با این حال، اکثر مناطق با بارش بیش از 520 میلی متر کوه های جنگلی متراکم هستند (L 6و فعالیت های انسانی نادر است، بنابراین همبستگی ضعیفی بین بارندگی سالانه و بلایای زمین شناسی زمین لغزش وجود دارد.
همچنین با توجه به جدول 6 و نتایج بررسی میدانی می توان مشخص کرد که مطلوب ترین ترکیب شرایط زمین شناسی برای وقوع زمین لغزش در منطقه مورد مطالعه به شرح زیر است: Q , K و J برای L 1 . 18 تا 30 درجه برای L 2 ؛ SE، و S برای L 3 . 103-180 متر، 252-339 متر، 339-595 متر برای L 4 ؛ محدب برای L 5 ; فاصله تا L 6 در 3000 متر؛ همروفیت، زمین برهنه، چوب برگ برای L 7 ; L 8 بیشتر از 470 میلی متر؛ فاصله تا L 9 در 1000 متر؛ فاصله تا L 10در 1500 متر؛ و L 11 و L 12 بزرگتر .
4.3.2. تجزیه و تحلیل اهمیت عوامل تهویه جریان دبری
از شکل 7 ، مشاهده می شود که DB 2 (زاویه شیب) مهم ترین عامل شرطی سازی برای مدل حساسیت جریان زباله است (0.298 برای مدل SVM و 0.138 برای مدل ANN). با توجه به نتایج تحقیقات میدانی، جریان‌های خندقی زیادی در امتداد جاده‌های شهر هلونگ وجود دارد، در حالی که مناطق تپه‌ای و کوهستانی معمولاً جریان‌های آوار دامنه تپه را نشان می‌دهند. جریان زباله های خندقی در دره هایی با شیب زیاد و مواد زباله غنی توزیع می شود، در حالی که جریان زباله های دامنه تپه به طور کلی در خندق هایی با شیب طولی زیاد و نسبت زیادی از بخش تغذیه توزیع می شود. از رابطه بین مقدار FR و DB 2 ( جدول 7، می توان دید که درجه توسعه جریان زباله با افزایش زاویه شیب کاهش می یابد. این به این دلیل است که 60 جریان زباله در شهر هلونگ از نوع خندقی، با حوضه آبریز بزرگ و شیب زمین ملایم در مقایسه با نوع دامنه تپه‌ای هستند، بنابراین جریان‌های زباله با شیب کمتر بیشتر است. DB 11 (زلزله آتشفشانی) دومین عامل شرطی مهم است (0.204 برای مدل SVM و 0.168 برای مدل ANN). بلایای زمین شناسی مانند زمین لغزش ناشی از زلزله آتشفشانی می تواند منابع مادی غنی را برای وقوع جریان زباله فراهم کند. DB 8(کاربری زمین) همچنین یک عامل شرطی مهم برای وقوع جریان زباله است (0.168 برای مدل SVM، و 0.084 برای مدل ANN). از نظر ارزش FR، کاربری زمین با همبستگی بالا برای وقوع جریان واریزه، زمین لخت (1.89) و همروفیت (3.76) است. نتایج نشان می‌دهد که به دلیل پوشش گیاهی کم و از بین رفتن پوشش گیاهی، احتمال وقوع جریان زباله در زمین‌های همروفیت و لخت بیشتر است.
جریان زباله مستعد وقوع در مناطقی با نوسانات توپوگرافی زیاد است و زمین های شیب دار منبع انرژی پتانسیل زیادی را در حوضه می بخشد. هنگامی که بارندگی با شدت کافی تحریک شود، جریان زباله احتمالاً در حوضه تشکیل می شود. آنتروپی اطلاعات ژئومورفیک (DB 10 ) به عنوان پارامتری که درجه تسکین توپوگرافی و مرحله توسعه حوضه را منعکس می کند، می تواند پیچیدگی زمین در دره را منعکس کند. با توجه به مقدار FR، زیر کلاس 0.349-1.357 DB 10 برای وقوع جریان زباله بسیار مساعد است. بر اساس مرحله توسعه ژئومورفیک که توسط DB 10 منعکس شده استخندق‌های جریان واریزه در منطقه مورد مطالعه در مرحله اولیه تا پیری هستند که نشان می‌دهد این خندق‌ها در مرحله فرسایش شدید قرار دارند، شرایط منشأ جریان واریزه را دارند و احتمال وجود جریان واریزه‌ای بسیار زیاد دارند.
به طور خلاصه، با توجه به جدول 7 و نتایج بررسی میدانی، می توان مشخص کرد که مطلوب ترین ترکیب شرایط زمین شناسی برای وقوع جریان زباله در منطقه مورد مطالعه به شرح زیر است: Q , K و J برای DB 1 . 6-11 درجه برای DB 2 ؛ E، S و SE برای DB 3 . 1.55–7.77 کیلومتر مربع برای DB 4 ؛ 0–206 متر برای DB 5 ; 0.14-0.52 برای L 6 ; فاصله تا DB 7 در 2400 متر؛ همروفیت، زمین برهنه برای DB 8 ; DB 9 بزرگتر از 470 میلی متر؛ 0.349-1.357 برای DB 10; DB 11 بزرگتر است.

4.4. تجزیه و تحلیل نقشه خطرپذیری زمین شناسی

بر اساس نتایج مدل حساسیت زمین لغزش و جریان واریزه و مقایسه این دو مدل، مشخص می‌شود که بهترین مدل برای نقشه‌برداری حساسیت هر دو فاجعه زمین‌شناسی، مدل SVM است. بنابراین، این مقاله در نهایت مدل SVM را برای نقشه‌برداری حساسیت جریان زمین لغزش و زباله در منطقه مورد مطالعه اتخاذ می‌کند. نقشه حساسیت با استفاده از مدل با بالاترین دقت در فرآیند مدلسازی تهیه شد. آسیب پذیری بلایای زمین شناسی با استفاده از روش شکست های طبیعی به چهار درجه کم، متوسط، زیاد و خیلی زیاد طبقه بندی می شود. نقشه های نگاشت حساسیت جریان زمین لغزش و آوار در شکل 8 نشان داده شده است.
بر اساس داده های آماری نقشه خطر-حساسیت زمین شناسی ( جدول 8 )، مناطق دارای حساسیت زمین لغزش کم، متوسط، زیاد و بسیار زیاد عبارتند از 1299.28 ، 1935.73، 1189.63 و 643.98 km2 . ٪، و 18.19٪ از کل منطقه مورد مطالعه، به ترتیب. تعداد زمین لغزش های موجود در چهار منطقه حساس به زمین لغزش به ترتیب 3، 20، 14 و 122 است که به ترتیب 1.89، 12.58، 8.81 درصد و 76.73 درصد از کل زمین لغزش ها را تشکیل می دهند. نواحی با حساسیت جریان واریزه کم، متوسط، زیاد و بسیار زیاد عبارتند از: 1600.98، 1680.37، 865.12 و 922.15 کیلومتر مربع .به ترتیب 25.63، 38.19، 23.47 درصد و 12.71 درصد از کل منطقه مورد مطالعه را به خود اختصاص داده اند. تعداد جریان واریزه های موجود در چهار منطقه حساس به زمین لغزش به ترتیب 1، 13، 7 و 51 است که به ترتیب 1.39، 18.06، 9.72 درصد و 70.83 درصد از کل جریان های آوار را تشکیل می دهند. بر اساس داده های آماری، نواحی با حساسیت زمین لغزش بسیار بالا و حساسیت جریان واریزه به ترتیب 26/35 درصد و 18/36 درصد را به خود اختصاص داده اند. با این حال، اینها در واقع 85.54 درصد از زمین لغزش های شناخته شده و 80.55 درصد از جریان های زباله شناخته شده را تشکیل می دهند، که نشان می دهد نقشه های خطر و حساسیت زمین شناسی در این مطالعه معقول هستند.
از شکل 8الف، مشاهده می شود که نواحی با حساسیت کم و متوسط ​​در ناحیه با ارتفاع زیاد پراکنده شده اند و 73/64 درصد از منطقه مورد مطالعه را تشکیل می دهند. در این منطقه پوشش گیاهی عمدتاً جنگل سوزنی برگ، جنگل پهن برگ و جنگل مختلط سوزنی برگ- پهن برگ است و میزان پوشش گیاهی بالاست. علاوه بر این، این منطقه از رودخانه‌ها و گسل‌های اصلی منطقه بسیار دور بوده و فرسایش رودخانه‌ها و فعالیت‌های زمین ساختی گسل‌ها تأثیر چندانی ندارد. به دلیل تأثیر ارتفاع، فعالیت های مهندسی انسانی در این منطقه نیز بسیار اندک است، بنابراین خطر وقوع فاجعه زمین شناسی زمین لغزش در این منطقه نسبتاً کم است. در جاهایی که درجه حساسیت زمین لغزش از زیاد تا خیلی زیاد است، این عمدتاً در ناحیه پایین‌تر از ارتفاع است که 26/35 درصد از منطقه را تشکیل می‌دهد. در اینجا، فعالیت های مهندسی انسانی بسیار شدید است، مانند حفاری راه و گسترش شهری که تاثیر زیادی در پایداری بدنه شیب دارد. همچنین از منظر محیط زمین شناسی، این منطقه عمدتاً زمین برهنه و پوشش گیاهی مصنوعی، با ضریب پوشش گیاهی کم و فاصله نسبتاً نزدیک از رودخانه ها، جاده ها و گسل ها است. این به شدت تحت تاثیر فعالیت های مهندسی انسانی، کنش رودخانه ها و فعالیت های زمین ساختی زمین شناسی قرار دارد. بنابراین خطر وقوع فاجعه زمین شناسی زمین لغزش در این منطقه نسبتاً زیاد است. همچنین قابل مشاهده است ( و خطاها این به شدت تحت تاثیر فعالیت های مهندسی انسانی، کنش رودخانه ها و فعالیت های زمین ساختی زمین شناسی قرار دارد. بنابراین خطر وقوع فاجعه زمین شناسی زمین لغزش در این منطقه نسبتاً زیاد است. همچنین قابل مشاهده است ( و خطاها این به شدت تحت تاثیر فعالیت های مهندسی انسانی، کنش رودخانه ها و فعالیت های زمین ساختی زمین شناسی قرار دارد. بنابراین خطر وقوع فاجعه زمین شناسی زمین لغزش در این منطقه نسبتاً زیاد است. همچنین قابل مشاهده است (شکل 8الف) این که حساسیت فاجعه زمین لغزش در مناطق دور از مناطق اصلی تولید و فعالیت های زیستی انسانی کم تا متوسط ​​است، بنابراین در هنگام وقوع فاجعه زمین لغزش آسیب نسبتا کمی ایجاد می کند. مناطق با حساسیت بالا تا بسیار زیاد زمین لغزش عمدتاً در اطراف شهرهایی که زندگی انسان و فعالیت های تولیدی در آنها متمرکز است، پراکنده شده است. در این مناطق، تراکم جمعیت، تراکم ساختمان، تراکم زمین های زیر کشت بالا و سطح صنعتی شدن نسبتاً توسعه یافته است؛ بنابراین، با وقوع زمین لغزش، خسارات جانی و مالی جدی وارد می شود. لذا پیشنهاد می‌شود نظارت بر بلایا در این مناطق تقویت شود، پایش بلادرنگ و هشدار سریع در مورد بلایای زمین لغزش انجام شود و به استقرار پیشگیری و کاهش بلایا توجه شود.
از شکل 8ب، مشاهده می شود که منطقه با حساسیت کم تا متوسط ​​به جریان آوار در شهر هلونگ 63.82 درصد را به خود اختصاص داده است که نشان می دهد خطر جریان آوار در شهر هلونگ به طور کلی کم است. این منطقه همچنین در ارتفاعات نسبتاً مرتفع منطقه مورد مطالعه، با پوشش گیاهی بالا و تأثیر کمی از فعالیت‌های مهندسی انسانی، فعالیت‌های رودخانه‌ای و زمین‌ساختی پراکنده شده است. مناطق با حساسیت بالا تا بسیار زیاد جریان زباله در شهر هلونگ، که 36.18٪ از منطقه مورد مطالعه را تشکیل می دهد، عمدتاً در منطقه پایین تر و عمدتاً در شمال شرقی شهر Longcheng، شهر Bajiazi، وسط شهر Toudao توزیع شده است. ، و بخش شمالی شهر دانگ چنگ. اینها تراکم جمعیت بالایی دارند و به شدت تحت تأثیر فعالیتهای مهندسی انسانی قرار دارند. نرخ پوشش گیاهی در اینجا بسیار کم است، و زمین برهنه و پوشش گیاهی مصنوعی رایج ترین انواع کاربری اراضی هستند. هنگامی که فاجعه زمین شناسی جریان زباله در هر یک از این مناطق رخ دهد، خسارات اقتصادی و مالی زیادی به شهرهای ذکر شده در بالا وارد می کند. لذا پیشنهاد می‌شود با تقویت تحقیقات پایش و هشدار اولیه در مورد بلایای جریان آوار در این مناطق، هشدار اولیه در مورد بلایای زمین‌شناسی جریان آوار از طریق پایش بارندگی و غیره محقق شود تا درجه خطر وقوع فاجعه جریان آوار کاهش یابد.

5. نتیجه گیری ها

در این مطالعه، نقشه‌برداری خطر-حساسیت زمین‌شناسی شامل نقشه‌برداری حساسیت جریان زمین لغزش و آوار در شهر هلونگ انجام شد. این مطالعه واحد شیب و واحد حوضه را به عنوان واحدهای نقشه برداری انتخاب کرد. احتمال ماورایی زمین لرزه آتشفشانی کوه چانگ بای بیشتر از درجه VI برای نشان دادن رابطه بین خطر-پذیری زمین شناسی و زلزله آتشفشانی کوه چانگ بای استفاده شد. یازده عامل تهویه زمین لغزش دیگر نیز به عنوان عوامل ارزیابی انتخاب شدند، یعنی (الف) زمین شناسی، (ب) زاویه شیب، (ج) جنبه شیب، (د) تسکین توپوگرافی، (ه) انحنا، (f) فاصله تا گسل، (ز) کاربری زمین، (ح) میانگین بارندگی سالانه، (i) فاصله تا رودخانه، (ی) فاصله جاده، (ک) شدت زلزله اولیه، و (ل) زلزله آتشفشانی. همراه با ده عامل تهویه کننده جریان زباله دیگر، یعنی (الف) زمین شناسی، (ب) زاویه شیب، (ج) جهت شیب، (د) مساحت، (ه) اختلاف ارتفاع حوضه، (f) گرد بودن، (ز) فاصله تا گسل ، (ح) کاربری زمین، (i) میانگین بارندگی سالانه، و (j) آنتروپی اطلاعات ژئومورفیک. دو مدل، یک مدل SVM و یک مدل ANN، سپس مقایسه و ارزیابی شدند. استنباط های زیر بدست آمد:
(1)
با توجه به نتایج مدل‌سازی، مدل SVM بهتر از مدل ANN برای نقشه‌برداری حساسیت زمین لغزش و نقشه‌برداری حساسیت جریان زباله است. نقشه حساسیت زمین لغزش مدل سازی شده با مدل SVM نشان می دهد که مناطق با حساسیت زمین لغزش کم، متوسط، زیاد و خیلی زیاد به ترتیب 58/31، 15/33، 07/17 درصد و 19/18 درصد از کل منطقه مورد مطالعه را تشکیل می دهند. علاوه بر این، رده های حساس به زمین لغزش زیاد و بسیار بالا 85.54 درصد از زمین لغزش های شناخته شده را تشکیل می دهند. مناطق با حساسیت جریان واریزه کم، متوسط، زیاد و خیلی زیاد به ترتیب 25.63، 38.19، 23.47 درصد و 12.71 درصد از کل منطقه مورد مطالعه را تشکیل می دهند که طبقات حساسیت جریان واریزه زیاد و خیلی زیاد 80.55 درصد از کل منطقه مورد مطالعه را تشکیل می دهند. زباله های شناخته شده جریان می یابد.
(2)
فاصله تا رودخانه، فاصله تا جاده و میانگین بارندگی سالانه سه عامل مهم برای نقشه‌برداری حساسیت زمین لغزش بودند. و زاویه شیب، زلزله آتشفشانی، کاربری زمین و آنتروپی اطلاعات ژئومورفیک چهار عامل مهم برای نقشه‌برداری حساسیت جریان زباله بودند.
(3)
از نتایج نقشه حساسیت به زمین لغزش و جریان های آوار، می توان دریافت که حساسیت بسیار زیاد و زیاد زمین لغزش و جریان واریزه عمدتاً در مناطق با ارتفاع پایین تر و عمدتاً در اطراف شهرها و شهرک های شهر هلونگ توزیع شده است. بنابراین پیشنهاد می‌شود پایش بلایا در این مناطق تقویت شود، پایش بلادرنگ و هشدار زودهنگام بلایای زمین‌شناسی انجام شود و به استقرار پیشگیری و کاهش بلایا توجه شود.

منابع

  1. لیو، X. ارزیابی خطر زمین لغزش و فروپاشی ناشی از فوران آتشفشانی در کوه‌های چانگ‌بای. پایان نامه کارشناسی ارشد، دانشگاه جیلین، چانگچون، چین، 2016. [ Google Scholar ]
  2. لیو، GSH؛ Guo, F. جدیدترین اطلاعات نظارتی آتشفشان چانگ بایشان، شمال شرقی چین. اکتا بنزین. گناه 2011 ، 27 ، 2905-2911. [ Google Scholar ]
  3. بلیز استیونز، ای. بهنیا، پ. کرمر، ام. پیج، ا. کونگ، آر. Bonham-Carter، G. نقشه‌برداری حساسیت زمین لغزش از کریدور حمل‌ونقل دریا به آسمان، بریتیش کلمبیا، کانادا: مقایسه دو روش. گاو نر مهندس جئول محیط زیست 2012 ، 71 ، 447-466. [ Google Scholar ] [ CrossRef ]
  4. کایاستا، پ. Dhital، MR; De Smedt, F. ارزیابی و مقایسه روش های نقشه برداری حساسیت زمین لغزش مبتنی بر GIS در حوزه آبخیز کولهخانی، نپال. جی. جئول. Soc. هند 2013 ، 81 ، 219-231. [ Google Scholar ] [ CrossRef ]
  5. ون وستن، سی جی; رنگرز، ن. Soeters, R. استفاده از اطلاعات ژئومورفولوژیکی در ارزیابی غیر مستقیم حساسیت زمین لغزش. نات خطرات 2003 ، 30 ، 399-419. [ Google Scholar ] [ CrossRef ]
  6. استگر، اس. بل، آر. پتچکو، اچ. گلید، تی. ارزیابی تأثیر روش‌های مدل‌سازی و فهرست‌های زمین لغزش مورد استفاده برای مدل‌سازی حساسیت آماری. در مجموعه مقالات دوازدهمین کنگره بین المللی IAEG، تورینو، ایتالیا، 15 تا 19 سپتامبر 2015. ص 201-204. [ Google Scholar ]
  7. سان، ایکس. چن، جی. بائو، ی. هان، ایکس. ژان، جی. پنگ، دبلیو. نقشه‌برداری حساسیت زمین لغزش با استفاده از تحلیل رگرسیون لجستیک در امتداد رودخانه جینشا و شاخه‌های آن در نزدیکی شهرستان Derong و Deqin، جنوب غربی چین. Isprs Int. J. Geo-Inf. 2018 ، 7 ، 438. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  8. سان، ایکس. چن، جی. هان، ایکس. بائو، ی. ژان، جی. پنگ، دبلیو. کاربرد روش واحد شیب مبتنی بر GIS برای نقشه‌برداری حساسیت زمین لغزش در امتداد بخش بالابرنده سریع رودخانه جینشا، جنوب غربی چین. گاو نر مهندس جئول محیط زیست 2020 ، 79 ، 533-549. [ Google Scholar ] [ CrossRef ]
  9. سان، ایکس. چن، جی. هان، ایکس. بائو، ی. ژو، ایکس. پنگ، W. نقشه‌برداری حساسیت زمین لغزش در امتداد رودخانه جینشا بالا، جنوب غربی چین: مقایسه روش‌های آبخیز هیدرولوژیکی و انحنای برای طبقه‌بندی واحد شیب. گاو نر مهندس جئول محیط زیست 2020 ، 79 ، 4657-4670. [ Google Scholar ] [ CrossRef ]
  10. Leventhal، AR؛ Kotze، GP حساسیت زمین لغزش و نقشه برداری خطر در استرالیا برای برنامه ریزی کاربری زمین – با اشاره به چالش ها در حومه شهری. مهندس جئول 2008 ، 102 ، 238-250. [ Google Scholar ] [ CrossRef ]
  11. سگونی، س. طوفانی، وی. رزی، ا. کاتانی، اف. Casagli، N. ترکیبی از آستانه بارش و نقشه های حساسیت برای ارزیابی خطر زمین لغزش پویا در مقیاس منطقه ای. جلو. علوم زمین 2018 ، 6 ، 85. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  12. شیت، پی کی; Bhunia، GS; Maiti، R. نقشه‌برداری حساسیت زمین لغزش با استفاده از مدل همپوشانی وزنی (WOM). سیستم زمین مدلسازی محیط زیست 2016 ، 2 ، 21. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  13. فراهانی، س. بهنام، ب. طاهرشمسی، ع. پهنه بندی کلان تغییر شکل زمین لرزه ای گذرا و دائمی ایران. نات سیستم خطرات زمین. علمی 2020 ، 20 ، 2889-2903. [ Google Scholar ] [ CrossRef ]
  14. فراهانی، س. طاهرشمسی، ع. بهنام، ب. ارزیابی آسیب‌پذیری شبکه خطوط لوله گاز شهری در برابر زلزله و پس از زلزله. نات خطرات 2020 ، 101 ، 327-347. [ Google Scholar ] [ CrossRef ]
  15. بینتا، KC; شپرد، جی.ام. پادشاه، AW; جانسون گایتر، سی. پیش بینی های خطر آب و هوای چندگانه برای ایالات متحده. نات خطرات 2021 ، 105 ، 1963-1976. [ Google Scholar ] [ CrossRef ]
  16. گوزتی، اف. موندینی، AC; کاردینالی، م. فیوروچی، اف. سانتانجلو، ام. چانگ، K.-T. نقشه‌های فهرست زمین لغزش: ابزارهای جدید برای یک مشکل قدیمی. Earth-Sci. Rev. 2012 , 112 , 42-66. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. دای، ک. لی، ز. توماس، آر. لیو، جی. یو، بی. وانگ، ایکس. چنگ، اچ. چن، جی. Stockamp, ​​J. نظارت بر فعالیت در زمین لغزش بزرگ Daguangbao (چین) با استفاده از تداخل سنجی سری زمانی Sentinel-1 TOPS. سنسور از راه دور محیط. 2016 ، 186 ، 501-513. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. ژائو، سی. کانگ، ی. ژانگ، Q. زو، دبلیو. لی، بی. IEEE. شناسایی و پایش زمین لغزش با تکنیک اینسار بر فراز رودخانه جینشا، چین. در مجموعه مقالات سی و ششمین سمپوزیوم بین المللی علوم زمین و سنجش از دور IEEE (IGARSS)، پکن، چین، 10 تا 15 ژوئیه 2016؛ صص 2881-2884. [ Google Scholar ]
  19. فارووا، ک. جلنک، جی. کوپاکووا-استرنادوا، وی. Kycl، P. مقایسه تکنیک‌های DInSAR و PSI به کار رفته در داده‌های Sentinel-1 برای نظارت بر پایداری بزرگراه: مطالعه موردی زمین لغزش عظیم Dobkoviky، جمهوری چک. Remote Sens. 2019 , 11 , 2670. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. سان، ایکس. چن، جی. لی، ی. نقشه‌برداری حساسیت زمین لغزش رنه، NN در امتداد دره رودخانه به سرعت در حال افزایش در رودخانه جینشا بالا، فلات جنوب شرقی تبت، چین. Remote Sens. 2022 , 14 , 1730. [ Google Scholar ] [ CrossRef ]
  21. وانگ، اف. خو، پی. وانگ، سی. وانگ، ن. جیانگ، ن. کاربرد یک روش واحد شیب مبتنی بر GIS برای نقشه‌برداری حساسیت زمین لغزش در امتداد رودخانه لونگزی، فلات جنوب شرقی تبت، چین. Isprs Int. J. Geo-Inf. 2017 ، 6 ، 172. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  22. پورقاسمی، HR; Rossi، M. مدل‌سازی حساسیت زمین لغزش در یک منطقه مستعد زمین لغزش در استان مازندران، شمال ایران: مقایسه بین روش‌های GLM، GAM، MARS و M-AHP. نظریه. Appl. کلیماتول. 2017 ، 130 ، 609-633. [ Google Scholar ] [ CrossRef ]
  23. یو، سی. چن، جی. استفاده از روش واحد شیب مبتنی بر GIS برای نقشه‌برداری حساسیت زمین لغزش در شهر هلونگ: ارزیابی مقایسه‌ای مدل ICM، AHP و RF. Symmetry-Basel 2020 , 12 , 1848. [ Google Scholar ] [ CrossRef ]
  24. خداداد، س. جانگ، دی.-اچ. نقشه‌برداری حساسیت زمین لغزش در جزیره پنانگ، مالزی – با استفاده از روش‌های AHP و OLS. جی.ژئومورفول کره ای. دانشیار 2015 ، 22 ، 109-121. [ Google Scholar ] [ CrossRef ]
  25. کوان، اچ. Deug، MH; جین، جی. پارک، اس.-اس. تحلیل حساسیت زمین لغزش در منطقه کوهستانی باکدو با استفاده از روش ANN و AHP. J. کره ای Geoenviron. Soc. 2014 ، 15 ، 79-85. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  26. ون، اچ. زی، پی. شیائو، پی. Hu, D. نگاشت حساسیت سریع خطرات زمین شیب ناشی از زلزله در شهرستان لوشان با ترکیب سنجش از دور با مدل AHP توسعه یافته برای زلزله Wenchuan. گاو نر مهندس جئول محیط زیست 2017 ، 76 ، 909-921. [ Google Scholar ] [ CrossRef ]
  27. Hasekiogullari، GD; Ercanoglu، M. رویکردی جدید برای استفاده از AHP در نقشه‌برداری حساسیت زمین لغزش: مطالعه موردی در Yenice (کارابوک، شمال غربی ترکیه). نات خطرات 2012 ، 63 ، 1157-1179. [ Google Scholar ] [ CrossRef ]
  28. کومار، اس. سنهمانی; Srivastava، PK؛ گور، آ. سینگ، مدل نسبت فرکانس فازی MK برای نقشه‌برداری حساسیت بهمن. بین المللی جی دیجیت. زمین 2016 ، 9 ، 1168-1184. [ Google Scholar ] [ CrossRef ]
  29. Rabby، YW; Li, Y. نقشه‌برداری حساسیت زمین لغزش با استفاده از روش‌های یکپارچه: مطالعه موردی در مناطق تپه‌ای چیتاگونگ، بنگلادش. Geosciences 2020 , 10 , 483. [ Google Scholar ] [ CrossRef ]
  30. یو، ی. ته کیونگ، بی. کیم، جی. پارک، اس. مطالعه تطبیقی ​​نسبت فرکانس و مدل‌های تابع باور شواهدی برای نقشه‌برداری حساسیت زمین لغزش. J. کره ای Soc. Surv. Geod. فتوگرام کارتوگر. 2016 ، 34 ، 597-607. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. چن، دبلیو. لی، دبلیو. چای، اچ. هو، ای. لی، ایکس. Ding، X. نقشه‌برداری حساسیت زمین لغزش مبتنی بر GIS با استفاده از مدل‌های فرآیند تحلیل سلسله مراتبی (AHP) و عامل قطعیت (CF) برای منطقه بائوژونگ شهر بائوجی، چین. محیط زیست علوم زمین 2016 ، 75 ، 63. [ Google Scholar ] [ CrossRef ]
  32. وانگ، کیو. گوا، ی. لی، دبلیو. او، جی. Wu، Z. مدل‌سازی پیش‌بینی خطرات زمین لغزش در شهرستان ون، شمال غربی چین بر اساس ارزش اطلاعات، وزن شواهد، و عامل قطعیت. Geomat. نات خطرات خطرات 2019 ، 10 ، 820-835. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. چن، دبلیو. لی، دبلیو. هو، ای. بای، اچ. چای، اچ. وانگ، دی. کوی، ایکس. Wang، Q. کاربرد نسبت فرکانس، شاخص آماری، و شاخص مدل‌های آنتروپی و مقایسه آنها در نقشه‌برداری حساسیت زمین لغزش برای منطقه بائوژونگ بائوجی، چین. عرب جی. ژئوشی. 2015 ، 8 ، 1829-1841. [ Google Scholar ] [ CrossRef ]
  34. وو، ی. لی، دبلیو. وانگ، کیو. لیو، کیو. یانگ، دی. زینگ، ام. پی، ی. Yan, S. ارزیابی حساسیت زمین لغزش با استفاده از مدل‌های نسبت فرکانس، شاخص آماری و عامل قطعیت برای شهرستان گانگو، چین. عرب جی. ژئوشی. 2016 ، 9 ، 84. [ Google Scholar ] [ CrossRef ]
  35. کولی، م. لوپاساکیس، سی. سوپیوس، پ. روزوس، دی. Vallianatos، F. نقشه‌برداری حساسیت زمین لغزش با مقایسه روش‌های چند معیاره WLC و WofE در جزیره کرت غربی، یونان. محیط زیست علوم زمین 2014 ، 72 ، 5197-5219. [ Google Scholar ] [ CrossRef ]
  36. زو، سی. وانگ، ایکس. Soc، IC نقشه‌برداری حساسیت زمین لغزش: مقایسه روش‌های اطلاعات و وزن شواهد در منطقه سه دره. در مجموعه مقالات کنفرانس بین المللی علوم زیست محیطی و فناوری کاربرد اطلاعات (ESIAT 2009)، ووهان، چین، 04-05 ژوئیه 2009. صص 342-346. [ Google Scholar ]
  37. Can، A. داگدلنلر، جی. ارکان اوغلو، م. Sonmez، H. نقشه‌برداری حساسیت زمین لغزش در Ovack-Karabuk (ترکیه) با استفاده از مدل‌های مختلف شبکه عصبی مصنوعی: مقایسه الگوریتم‌های آموزشی. گاو نر مهندس جئول محیط زیست 2019 ، 78 ، 89-102. [ Google Scholar ] [ CrossRef ]
  38. هوانگ، ی. ژائو، ال. بررسی نقشه‌برداری حساسیت زمین لغزش با استفاده از ماشین‌های بردار پشتیبان. Catena 2018 ، 165 ، 520–529. [ Google Scholar ] [ CrossRef ]
  39. Niu, C. Index Selection and Rating for Debris Flow Hazard Assessment. پایان نامه دکتری، دانشگاه جیلین، چانگچون، چین، 2013. [ Google Scholar ]
  40. Ding, Y. همبستگی بین زمین لغزش ها و لرزه ها و پارامترهای لرزه ای و کاربرد آن در پیش بینی فاجعه زلزله شیب. چانه. جی. ژئوفیس. 1999 . [ Google Scholar ] [ CrossRef ]
  41. چن، جی. پنگ، دبلیو. سان، ایکس. وانگ، کیو. هان، X. مقایسه چندین روش برای نقشه برداری حساسیت زمین لغزش: موردی از شهرهای بنزیلان و واکا، جنوب غربی چین. عرب جی. ژئوشی. 2021 ، 14 ، 1622. [ Google Scholar ] [ CrossRef ]
  42. O’Brien، RM احتیاط در مورد قوانین سرانگشتی برای عوامل تورم واریانس. کیفیت مقدار. 2007 ، 41 ، 673-690. [ Google Scholar ] [ CrossRef ]
  43. Quan، H.-C.; جین، جی.-ر. Destech Publicat، I. نقشه برداری حساسیت زمین لغزش در منطقه کوه چانگ بای با استفاده از GIS و شبکه عصبی مصنوعی (ANN). در مجموعه مقالات کنفرانس بین المللی GIS و مدیریت منابع (ICGRM)، گوانگژو، چین، 3 تا 5 ژانویه 2014. صص 174-179. [ Google Scholar ]
  44. سو، کیو. ژانگ، جی. ژائو، اس. وانگ، ال. لیو، جی. Guo, J. ارزیابی مقایسه ای از سه رویکرد غیر خطی برای نقشه برداری حساسیت زمین لغزش در یک منطقه معدن زغال سنگ. Isprs Int. J. Geo-Inf. 2017 ، 6 ، 228. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  45. گورو، بی. ویراپان، آر. سنگما، ف. Bera، S. مقایسه مدل‌های احتمالی و مبتنی بر خبره در نقشه‌برداری پهنه‌بندی حساسیت زمین لغزش در بخشی از ناحیه نیلگیری، تامیل نادو، هند. تف کردن Inf. Res. 2017 ، 25 ، 757-768. [ Google Scholar ] [ CrossRef ]
  46. ژانگ، ز. یانگ، اف. چن، اچ. وو، ی. لی، تی. لی، دبلیو. وانگ، کیو. تجزیه و تحلیل حساسیت زمین لغزش مبتنی بر GIS با استفاده از نسبت فرکانس و مدل‌های تابع باور شواهدی لیو، پی. محیط زیست علوم زمین 2016 ، 75 ، 948. [ Google Scholar ] [ CrossRef ]
  47. یو، سی. مطالعه بر روی نقشه برداری خطر خطرات زمین شناسی معمولی و ارزیابی جامع ظرفیت تحمل محیط زمین شناسی در شهر هلونگ. پایان نامه دکتری، دانشگاه جیلین، چانگچون، چین، 2021. [ Google Scholar ]
Ijgi 11 00344 g001 550
شکل 1. موقعیت منطقه مورد مطالعه ( الف ، ب ) و نقشه فهرست خطرات زمین شناسی و نقشه زمین شناسی ( ج ).
Ijgi 11 00344 g002 550
شکل 2. فرآیند تقسیم واحد نقشه برداری: ( الف ) واحد شیب. و ( ب ) واحد آبخیز.
Ijgi 11 00344 g003 550
شکل 3. طبقه بندی واحد نقشه برداری نتایج: ( الف ) واحد شیب، و ( ب ) واحد حوضه آبخیز.
Ijgi 11 00344 g004 550
شکل 4. عوامل شرطی سازی برای نقشه برداری حساسیت زمین لغزش: ( الف ) زمین شناسی، ( ب ) زاویه شیب، ( ج ) جنبه شیب، ( د ) تسکین توپوگرافی، ( ه ) انحنا، ( f ) فاصله تا گسل، ( گرم ) زمین استفاده، ( h ) میانگین بارندگی سالانه، ( i ) فاصله تا رودخانه، ( j ) فاصله تا جاده، ( k ) شدت زلزله پایه، و ( l ) زلزله آتشفشانی.
Ijgi 11 00344 g005 550
شکل 5. فاکتورهای شرطی سازی برای ترسیم حساسیت جریان زباله: ( الف ) زمین شناسی، ( ب ) زاویه شیب، ( ج ) جنبه شیب، ( د ) مساحت، ( ه ) اختلاف ارتفاع حوضه، ( f ) گردی، ( گرم ) فاصله به گسل، ( h ) کاربری زمین، ( i ) میانگین بارندگی سالانه، ( j ) آنتروپی اطلاعات ژئومورفیک، و ( k ) زلزله آتشفشانی.
Ijgi 11 00344 g006 550
شکل 6. اهمیت عوامل تهویه زمین لغزش برای مدل های SVM و ANN.
Ijgi 11 00344 g007 550
شکل 7. اهمیت عوامل تهویه جریان زباله برای مدل های SVM و ANN.
Ijgi 11 00344 g008 550
شکل 8. نقشه خطر و حساسیت زمین شناسی: ( الف ) نقشه حساسیت زمین لغزش، ( ب ) نقشه حساسیت جریان زباله.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید