هدف این مطالعه ارزیابی کارایی دو مدل داده‌کاوی شبکه عصبی مصنوعی و الگوریتم ماشین پشتیبان­ بردار در سه حالت استفاده از شاخص­های مورفومتریک شامل شاخص خیسی توپوگرافی، شاخص موقعیت توپوگرافی، شاخص توان آبراهه، شاخص طول شیب، شاخص ناهمواری زمین، شاخص تعادل جرم، شاخص انحنای پروفیل و شاخص انحنای سطح­‌؛ استفاده از عوامل محیطی و انسانی شامل بارندگی، ارتفاع حوضه، درجه شیب­، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاضل نرمال‌شده پوشش گیاهی (NDVI)، فاصله از آبراهه، فاصله از جاده و فاصله از گسل؛ و ترکیبی از دو

more »

... حالت فوق، در پهنه­بندی حساسیت زمین­لغزش­های حوضه آبخیز چریک‌آباد ارومیه است. برای این منظور با استفاده از بازدیدهای میدانی و تصاویر گوگل ارث، تعداد 92 نقطه ­لغزشی در حوضه شناسایی شدند. نقشه شاخص­های مورفومتریک و عوامل محیطی و انسانی در SAGA_GIS6.4 و ArcGIS10.5 تهیه و رقومی شدند. نتایج ارزیابی دو مدل با استفاده از منحنی ROC نشان داد که در حالت استفاده از شاخص­های مورفومتریک دو مدل SVM و ANN به ترتیب با سطح زیر منحنی 742/0 و 763/0 دارای عملکرد خوب در پهنه­بندی حساسیت زمین­لغزش­ها بوده­اند. در حالت استفاده از عوامل انسانی و محیطی، دو مدل فوق به ترتیب با سطح زیر منحنی 876/0 و 929/0 دارای عملکرد خوب و خیلی خوب؛ و در حالت استفاده از هر دو عوامل انسانی و محیطی به همراه شاخص­های مورفومتریک، دو مدل با سطح زیر منحنی 940/0 و 936/0 دارای عملکرد تقریباً یکسان با رتبه عالی در پهنه­بندی مناطق حساس بوده­اند.­ بالاترین مقدار مجموع کیفیت (Qs) و نسبت تراکمی (Dr) بیشترین همبستگی بین رده­های خطر برای مدل SVM در حالت سوم بوده است. نتایج حاصل از شاخص کاپا در حالت برتر نشان داد که به ترتیب عوامل لیتولوژی، LS و ارتفاع حوضه بیشترین تأثیر را بر وقوع زمین­لغزش­ها داشته­اند؛ بنابراین تأثیر عوامل طبیعی نسبت به عوامل انسانی و در حالت کلی شاخص­های مورفومتری در مقایسه با عوامل محیطی و انسانی در وقوع لغزش­ها بیشتر بوده و حوضه ذاتاً حساس به وقوع لغزش­ است.