ارزیابی مدل رگرسیون لجستیک و منطق فازی در تهیه نقشه حساسیت به زمین‌لغزش‌های شهر سنندج

نوع مقاله: مقاله پژوهشی

10.22092/wmej.2016.109741

چکیده

وقوع زمین‌لغزش در شهر سنندج باعث خسارات مالی فراوان و مهم‌تر از آن استرس حاکم بر مردم ساکن در مناطق لغزشی شده است. هدف از این پژوهش تفکیک و شناسایی میزان حساسیت مناطق اطراف زمین لغزش‌ها و مقایسه کارایی دو مدل رگرسیون لجستیک و منطق فازی با تابع عضویت گوسی و مثلثی می‌باشد. با توجه به مرور منابع داخلی و خارجی وهمچنین بازدیدهای صحرایی اولیه ازشهرسنندج، هشت عامل بر وقوع زمین‌لغزش‌های منطقه مورد مطالعه، موثر شناخته شدند. نرم افزار SPSS 19 جهت پردازش آماری مدل رگرسیون لجستیک و نرم‌افزار MATLAB جهت استفاده در مدل منطق فازی و نرم افزارArc GIS 9.2 برای تهیه نقشه حساسیت زمین لغزش منطقه مورد مطالعه استفاده شدند. بر اساس ضرایب به دست آمده از مدل رگرسیون لجستیک، معادله احتمالاتی و نقشه پهنه‌بندی حساسیت زمین لغزش شهر سنندج در نرم افزار Arc GIS 9.2 و در 4 کلاس حساسیت کم، متوسط، حساسیت بالا و خیلی حساس تهیه شدند. ارزیابی مدل آماری رگرسیون لجستیک با روش منحنی ROC انجام و با درصد مساحت زیر منحنی 958/0 مدل آماری صحت بالایی نشان داد. لیتولوژی و ارتفاع به دلیل همبستگی در سطح اعتماد آماری 95% با پراکنش زمین‌لغزش‌ها در مدل رگرسیون لجستیک به عنوان موثرترین عوامل معرفی گردیدند.در مدل منطق فازی،جداول نرمالیزه کلاس‌های هر فاکتور تهیه و با استفاده از فرمول نهایی به صورت دو تابع مثلثی و گوسی به نرم‌افزار مربوطه وارد شدند. نتایج مدل منطق فازی نشان داد که بیشترین زمین‌لغزش‌ها در مناطقی با فعالیت‌های ساختمان‌سازی و جاده‌سازی، جهت شمال، کلاس شیب بین 30-40 درصد، کلاس ارتفاعی 1700-1500 متر، فاصله بیشتر از 400 متر از گسل، فاصله 100-0 متری از جاده، سازندهای KSh2(شیل سیاه و زرد با ماسه سنگ و آهک میکرایتی (شیل سنندج)، خاک‌های خیلی کم عمق تا کم عمق سنگلاخی و سنگریزه دار بر روی شیست با بافت لومی تا حدی شنی وقوع یافته است. نتایج نهایی مقایسه ارزیابی صحت نقشه‌های حساسیت زمین‌لغزش نشان داد که مدل منطق فازی با دو تابع عضویت مثلثی با درصد صحت 21/13 و گوسی با درصد صحت 14/13 در تهیه نقشه حساسیت خطر نسبت به مدل رگرسیون لجستیک با درصد صحت 9/1 بسیار دقیق‌تر عمل کرده است.

کلیدواژه‌ها


عنوان مقاله [English]

Assessing logistic regression and fuzzy-logic models to make sensitivity map of landslides of Sanandaj city

چکیده [English]

The occurrence of landslides in Sanandaj cause significant financial losses and lot of stress on people living in the sliding regions.The purpose of this research is to separate and identify the sensitivity of landslide area and performance compared with two logistic regression model and fuzzy membership function with Gaussian and triangular.According to the review of internal and external studies and Field survey of Sanandaj, eight factors on the occurrence of landslides of the study area were considered effective. SPSS 19 software for data processing by logistic regression model and MATLAB software for using in fuzzy logic model and Arc GIS 9.2 software for landslide susceptibility map of the study area were used. Based on the coefficients obtained from the logistic regression model, equation Probabilistic and landslide susceptibility zonation map of the city of Sanandaj in Arc GIS 9.2 software and the sensitivity of the 4 classes low, medium, high sensitivity, and were very susceptible to preparation. Logistic regression model was evaluated using ROC curves and the area under the curve of 0.958 showed a high accuracy of the statistical models. Lithology and elevation of sea because of the statistical confidence level of 95% correlation with the landslide were introduced as the most influential factors in the logistic regression model. In the fuzzy logic model, normalized tables classes for each factor provide and using the final formula as two Triangular and Gaussian function were entered into the software. Results show that in the fuzzy model, the most landslides has occurred in areas with activities and road building, north aspect, slope between 30-40 percent, elevation of sea 1700 to 1500 m, 400 meters away from the fault, a distance of 100 -0 m from the road, constructive KSh2 (yellow with black shale’s and limestone Mykraity (shale Sanandaj), the soil was too shallow to shallow, rocky and gravel on schist with some sandy loam. Final results of comparing the validity of landslide susceptibility maps showed that in the case study the fuzzy logic with tow membership functions; triangular by 13.21 percentage of accuracy and Gaussian by 13.14 percentage of accuracy is more precise of the mapping than the logistic regression model by 1.9 percentage of accuracy.

کلیدواژه‌ها [English]

  • Landslide susceptibility
  • Logistic regression
  • fuzzy logic
  • Kurdistan
  • Sanandaj