تحلیل فضایی مخاطرات محیطی، جلد ۱۱، شماره ۴، صفحات ۰-۰
عنوان فارسی پهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی در حوضه آبخیز میشخاص ایلام
چکیده فارسی مقاله زﻣﻴﻦﻟﻐﺰشﻫﺎ، یکی از مخاطرات طبیعی هستند که جان و مال انسانها را تهدید می کنند. زمین لغزش ممکن است در یک منطقه ده‌ها، صدها و شاید هزارن هکتار از اراضی را در زمانی کوتاه تخریب نماید. این مخاطره سالهاست که در منطقه کوهستانی میشخاص استان ایلام، اراضی ‌باغ میوه، مزارع، عرصه‌های جنگلی و مراتع، راه‌های ارتباطی، سکونتگاه‌های روستایی را تخریب نموده است. پهنه‌بندی خطر زمین‌لغزش جهت کنترل این مخاطره در این حوضه ضرورت دارد. هدف اصلی این تحقیق پهنه‌بندی مناطق خطر زمین‌لغزش در این حوضه آبخیز می باشد. یکی از روش‌های نوین جهت بررسی خطر زمین‌لغزش، روش شبکه عصبی مصنوعی می‌باشد .این روش نسبت به روش‌های دیگر دارای مزیت‌هایی است، توزیع آماری داده‌ها مستقل است و به متغیرهای آماری مخصوصی نیاز ندارد. در این تحقیق، ابتدا اقدام به تهیه نقشه پراکنش زمین‌لغزش در حوضه انتخابی گردید. سپس ارتباط بین متغیرهای مستقل مانند شیب، سنگ شناسی، فاصله از گسل، کاربری اراضی، فاصله از شبکه راه‌ها، فاصله از آبراهه‌ها، جهت شیب با مناطق تحت‌تاثیر زمین لغزش مورد بررسی قرار گرفت. پس از تهیه نقشه‌های وزنی، این لایه‌ها در محیط نرم‌افزار ArcGIS به اطلاعات عددی تبدیل و پس از استاندارد کردن به نرم افزار MATLAB وارد شده و برنامه‌ای با ساختار پرسپترون با الگوریتم یادگیری پس انتشار خطا، نوشته شد. بعد از مشخص شدن ساختار شبکه عصبی مصنوعی و آموزش و آزمایش آن، نتایج مورد ارزیابی و خروجی شبکه در محیط سیستم‌های اطلاعات جغرافیایی، تبدیل به نقشه خطر زمین لغزش شد. نقشه خطر حاصله به پهنه‌های مختلف خطر، طبقه‌بندی و مقدار زمین‌لغزش در هر پهنه آن محاسبه گردید. نتایج حاصل از بررسی عوامل نشان داد که در حوضه میشخاص ایلام سازند آسماری، طبقه شیب 10تا20 درصد، طبقه فاصله از گسل بیشتر از 500 متر، جهت شمال شرق، فاصله از آبراهه‌های بیشتر از 100 متر، باغات میوه حساس‌ترین کاربری‌ها و فاصله ازجاده بیشتر از 200 متر، حساس‌ترین طبقات نسبت به وقوع زمین‌لغزش و دارای بیشترین نسبت فراوانی وقوع زمین‌لغزش در حوضه می باشند. از سوی دیگر، نتایج حاصل از پهنه‌بندی خطر زمین‌لغزش با استفاده از روش شبکه عصبی مصنوعی نشان داد در حوضه میشخاص ایلام حدود 80 درصد زمین لغزش‌ها در پهنه‌های خطر زیاد و خیلی زیاد قرار گرفته‌اند.
کلیدواژه‌های فارسی مقاله پهنه بندی، شبکه عصبی مصنوعی، پرسپترون، پس انتشار خطا، زمین لغزش
عنوان انگلیسی Landslide risk zoning using artificial neural network (ANN) in Mishkhas watershed of Ilam
چکیده انگلیسی مقاله
 Landslides are one of the natural hazards that threaten human life and property. A landslide may destroy tens, hundreds and maybe thousands of hectares of land in a short time. For years, this hazard has destroyed orchard lands, fields, forest areas and pastures, communication roads, and rural settlements in the Mishkhas mountainous region of Ilam province. Landslide risk zoning is necessary to control this risk in this basin. The main goal of this research is the zoning of landslide risk areas in this watershed. One of the new methods to investigate the risk of landslides is the artificial neural network method. This method has advantages over other methods, the statistical distribution of the data is independent and does not require special statistical variables. In this research, first, a landslide distribution map was prepared in the selected basin. Then, the relationship between independent variables such as slope, lithology, distance from fault, land use, distance from road network, distance from waterways, direction of slope with areas affected by landslides was investigated. After preparing the weighted maps, these layers were converted into numerical information in the ArcGIS software environment, and after standardization, they were entered into the MATLAB software, and a program with a perceptron structure was written with the learning algorithm after the error propagation. After determining the structure of the artificial neural network and its training and testing, the evaluated results and the output of the network in the geographic information systems environment became a landslide risk map. The resulting risk map was calculated into different risk zones, classification and amount of landslide in each zone. The results of the analysis of the factors showed that in the Mishkhas basin of Ilam, Asmari Formation, the slope is 10-20%, the distance from the fault is more than 500 meters, the northeast direction, the distance from waterways is more than 100 meters, fruit orchards are the most sensitive land uses and the distance from the road is more than 200 meters are the most sensitive classes to the occurrence of landslides and have the highest rate of occurrence of landslides in the basin. On the other hand, the results of landslide risk zoning using artificial neural network method showed that in Mishkhas Basin of Ilam, about 80% of landslides are in high and very high-risk zones.
کلیدواژه‌های انگلیسی مقاله zoning, artificial neural network, perceptron, error back propagation, landslide
نویسندگان مقاله شمس اله عسگری | shamsollah Asgari
Assistant Prof, Soil Conservation and Watershed Management Research Department, Ilam Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran.
استادیار بخش تحقیقات منابع طبیعی و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان ایلام، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.

صمد شادفر | samad shadfar
Associate Prof, Soil Conservation and Watershed Management Research Institute (SCWMRI), Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran.
دانشیار پژوهشکده حفاظت خاک و آبخیزداری ، سازمان تحقیقات، آموزش و ترویج کشاورزی تهران، ایران.

نشانی اینترنتی http://jsaeh.khu.ac.ir/browse.php?a_code=A-10-464-4&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات