ارزیابی روش‌های مختلف پهنه‌بندی خطر وقوع زمین‌لغزش در اکوسیستم‌های جنگلی

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