دانشجوی دکتری ژئومورفولوژی، دانشکده برنامهریزی و علوم محیطی، دانشگاه تبریز ، adnannaseri@yahoo.com
چکیده: (2608 مشاهده)
بررسی موقعیت و ارزش محیطهای انسانی آسیبپذیر در برابر مخاطرات ژئومورفیک، از وظایف مهم دانش ژئومورفولوژی است. هدف تحقیق حاضر، امکانسنجی و ارزیابی خطر وقوع زمینلغزش با تولید نقشههای پهنهبندی خطر و درجهبندی حساسیت این پهنهها به عنوان یکی از مخاطرات ژئومورفیک در منطقه ی پایین دست سد سنندج است. در این تحقیق با استفاده از نرمافزار ARCGIS و زبان برنامهنویسی پایتون، از مدل شبکه عصبی پرسپترون برای شناسایی پهنههای خطر زمینلغزش در منطقه استفاده شد؛ بدین منظور، 9 لایه ی ورودی درجهی شیب، جهت شیب، لیتولوژی، کاربری اراضی، بارش، ارتفاع، فاصله از عوامل آبراهه، جاده و گسل در پهنهبندی خطر زمینلغزش بررسی شد. نقاط لغزشی و غیر لغزشی منطقه نیز با استفاده از تصاویر ماهوارهای، بازدیدهای میدانی و ... مشخص شد. در مدل شبکه عصبی، از وزنیابی درونی در تعیین وزن لایه ها استفاده شد. داده ها با استفاده از شبکه ی پرسپترون چندلایه با الگوریتم یادگیری آدام آموزش دیدند. از الگوریتم جستجوی شبکه ای نیز به منظور بهینه سازی و تنظیم فراپارامترهای شبکه عصبی استفاده شد. ساختار نهایی شبکه دارای 9 نرون در لایه ورودی، 30 نرون در لایه میانی و 1 نرون در لایه خروجی است. از 5 روش محاسبه ی میزان خطای مدل ها (امتیاز F1، دقت کلی، خطای تولیدکننده، خطای کاربر و ماتریس خطا) نیز برای صحت سنجی مدل استفاده شد. در نهایت، نقشه ی پهنهبندی خطر زمینلغزش در 5 کلاس خطر تهیه شد. بر اساس این پهنهبندی۱۱.۵ درصد از مساحت منطقه در کلاس خطر خیلیکم، ۱۹.۷ درصد در کلاس خطر کم، ۲۹.۶ درصد در طبقه متوسط، 31 درصد در طبقه زیاد و ۸.۱ درصد در طبقه خیلی زیاد قرار میگیرد. با توجه به نتایج صحت سنجی مدل نیز مشخص شد مدل شبکه عصبی پرسپترون با دقت ۹۱.۴۹ درصد، در پهنهبندی خطر زمینلغزش انطباق مناسبی با جغرافیای منطقه دارد.