نویسندگان
1 دانشجوی دکتری مهندسی جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران
2 دانشیار گروه جنگلداری و اقتصاد جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، نویسنده مسول*:
3 دانشجوی دکتری جنگلشناسی و اکولوژی جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران
چکیده
امروزه مهندسین جنگل هنگام طراحی شبکه جادههای جنگلی، با بهره جستن از انواع روشهای پهنهبندی، مبادرت به شناسایی واریانتهای کم خطر تر جادههای جنگلی از نظر زمینلغرش میکنند تا از این طریق، هزینههای تعمیر و نگهداری جادهها را کاهش دهند. به دلیل ارتباط زمینلغزش با مسیریابی جادههای جنگلی، پیدا کردن روش مناسب پهنهبندی خطر زمینلغزش که قابلیت بهکارگیری در مناطق مختلف جنگل را نیز دارا باشد، یکی از مهمترین گامها برای تحقق یک طراحی هوشمند توسط کارشناسان و مهندسین جنگل است. بنابراین هدف از این پژوهش، دست یافتن به روشی مناسب برای پهنهبندی خطر زمینلغزش، به منظور طراحی بهتر شبکه جادههای جنگلی است. روشهای بسیاری برای پهنهبندی خطر وقوع زمینلغزش در دنیا معرفی شدهاند که به سه دسته روشهای آماری (مانند روشهای دو متغیره و چندمتغیره، رگرسیون لجستیک و مدل ارزش اطلاعات)، ابتکاری یا تجربی (مانند روش استوینسن، نیلسن و براب، آنبالاگان و مورا-وارسون) و ترکیبی (مانند شبکه عصبی مصنوعی و منطق فازی) تقسیمبندی میشوند. از بین روشهای آماری: مدل دو متغیره، روشهای تجربی: مدل مورا-وارسون و روشهای تلفیقی: شبکه عصبی مصنوعی بیشترین کاربرد را دارند. نتایج این پژوهش بیانگر این موضوع است که مدلهای آماری قابلیت بهتر و کاربرد بیشتری در پهنهبندی خطر زمینلغزش نسبت به مدلهای ابتکاری دارند، هرچند که مدلهای تلفیقی (مانند شبکه عصبی مصنوعی و منطق فازی) بیشترین صحت و دقت را در بین روشها دارا میباشند و اگر دادههایی با تعداد کم موجود باشد، مطمئناً روشهای تلفیقی میتوانند پهنهبندی دقیقتری را نسبت به دیگر مدلها در ارتباط با خطر زمینلغزش در جنگل ارایه دهند.
کلیدواژهها