هدف از مطالعه پیش رو، مدلسازی مکانی حساسیت وقوع زمینلغزش با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی و اولویتبندی عوامل مؤثر بر وقوع زمینلغزش در حوزه آبخیز بار نیشابور، استان خراسان رضوی است. الگوریتم جنگل تصادفی مبتنی بر دستهای از درختهای تصمیم است و در حال حاضر یکی از بهترین الگوریتمهای یادگیری ماشین است. برای این منظور، لایه نقشه پراکنش زمینلغزشهای منطقه شامل 73 زمینلغزش تهیه و به دو دسته برای آموزش مدل (70 درصد) و اعتبارسنجی مدل (30 درصد) بهصورت تصادفی تقسیم شدند. همچنین، 16 عامل مؤثر بر وقوع زمینلغزش در منطقه موردمطالعه با توجه بهمرور منابع گسترده شناسایی و لایههای رقومی در سامانه اطلاعات جغرافیایی تهیه شد. بهمنظور ارزیابی قدرت پیشبینی مدل از مساحت زیر منحنی تشخیص عملکرد نسبی (ROC) برای دو مرحله آموزش و اعتبارسنجی مدل استفاده شد. نتایج ارزیابی مدل نشان داد که مدل جنگل تصادفی با مقادیر سطح زیر منحنی 0/9 دارای دقت عالی در مرحله آموزش و 0/89 دارای دقت خیلی خوب در مرحله اعتبارسنجی است. نتایج اولویتبندی عوامل مؤثر بر وقوع زمینلغزش در منطقه موردمطالعه نشان داد که عوامل طول شیب و شیب دارای بیشترین اهمیت هستند. بر اساس نتایج مدل جنگل تصادفی، 23/7 درصد منطقه موردمطالعه در پهنه حساسیت خیلی زیاد و زیاد واقعشده است.
Dastranj A, Noor H, Vakili F. Landslide Susceptibility Mapping Using Machine Learning Algorithms and Prioritization of Factors Affecting the Occurrence of Landslides. jwmseir 2024; 17 (63) : 7 URL: http://jwmsei.ir/article-1-1076-fa.html
دسترنج علی، نور حمزه، وکیلی تجره فرزانه. ارزیابی نقشه حساسیت زمینلغزش با استفاده از الگوریتم یادگیری ماشین و اولویتبندی عوامل مؤثر بر وقوع زمینلغزش. مجله علوم ومهندسی آبخیزداری ایران. 1402; 17 (63) :71-83
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.