Journal of Applied Research in Geographical Sciences

fa برآورد ناپایداری دامنه های کوهستانی حوضه آبریز الموت رود بر اساس بافت خاک با داده های سنجش از دور Estimation of Instability of Mountainous Slopes in Alamut River Basin Based on Soil Texture with Remotely Sensed Data ژئومورفولوژی Geomorphology پژوهشي Research چکیده حوضه آبریز الموت رود در استان قزوین، همه ساله شاهد مخاطرات دامنه ای و زمین لغزش های متعددی است که زیان های قابل توجه اقتصادی و بعضاً جانی به همراه دارد. تشخیص مناطق ناپایدار دامنه ها از طریق ویژگی های بافت خاک به دلیل مشکلات تهیه نمونه های خاک در مناطق کوهستانی، کاری دشوار است. به همین دلیل در پژوهش حاضر با استفاده از داده های راداری سنتینل یک A، با تعیین میزان درصد رس و شن موجود درخاک نقشه ی بافت خاک در اعماق 10، 60، 100 و 200 سانتی متری با دو الگوریتم جنگل تصادفی(RF) و ماشین بردار پشتیبان(SVM) در منطقه الموت شرقی تولید شد که با نمونه های پروفیل خاک صحت سنجی گردیدند. نتایج حاکی از دقت بیشتر شاخص کاپا در مدل RF در سه عمق 10، 60 و 100 سانتی متری بود. سپس با استخراج نقشه ی رطوبت خاک از داده های سنتینل 2، همزمان با بررسی زاویه اصطکاک داخلی انواع خاک های منطقه، در مقایسه با میزان شیب دامنه ها، انحنای پروفیل و فرم دامنه های محدب و مقعر (واگرا و همگرا)، نواحی ناپایدار در زمینه ی حرکات دامنه ای در دو مدل RF و SVM مشخص شده و با داده های GPS، بازدیدهای میدانی و گوگل ارث، اعتبارسنجی گردیدند. یافته های پژوهش نشان می دهد، نقشه ناپایداری منتج از مدل RF، از میزان دقت بالاتری (93/0 AUC=)، نسبت به نقشه ناپایداری منتج از مدل SVM (90/0 AUC=) برخوردار است و در نواحی با شیب متوسط تا بالا و با بافت خاک لوم رسی ماسه ای و لوم ماسه ای ناپایداری بیشتری وجود دارد. این روش در تهیه نقشه بافت خاک، تعیین نواحی ناپایدار دامنه ها در مقابل حرکات توده ای و زمین لغزش، تعیین نواحی آسیب پذیر در مناطق کوهستانی و کاهش خسارات مالی و جانی مزایای زیادی دارد.   Abstract The catchment area of Alamut River in Qazvin province is witnessing numerous landslide hazards and landslides every year, which cause significant economic and sometimes life-threatening losses. Diagnosing the unstable areas of slopes through soil texture characteristics is a difficult task due to the difficulties of obtaining soil samples in mountainous areas. For this reason, in the present study, by using Sentinel A1 radar data, by determining the percentage of clay and sand in the soil, the soil texture map at the depths of 10, 60, 100 and 200 cm with two random forest (RF) and support vector machine (SVM) algorithms was produced in the eastern Alamut region, which was verified with soil profile samples. The results indicated that the Kappa index was more accurate in the RF model at three depths of 10, 60 and 100 cm. Then, by extracting the soil moisture map from Sentinel 2 data, at the same time as examining the internal friction angle of the types of soils in the region, comparing the slope and profile of the slopes and the shape of the convex (divergent) and concave (convergent) slopes, the unstable areas of slope movements, RF and SVM models were specified and validated with GPS data, field visits and Google Earth. Research findings show that the instability map resulting from the RF model has a higher accuracy (AUC=0.93) than the instability map resulting from the SVM model (AUC=0.90) and there is more instability in areas with medium to high slope and with soil texture of sandy clay loam and sandy loam. . This method has many advantages in preparing the soil texture map, determining the unstable areas of the slopes against mass movements and landslides, determining the vulnerable areas in mountainous areas and reducing financial and human losses.   حرکات توده ای, بافت خاک, سنجش از دور, جنگل تصادفی, ماشین بردار پشتیبان, الموت شرقی Slope Instability, Soil Texture, Remote Sensing, Random Forest, Support Vector Machine, Eastern Alamut. 0 0 http://jgs.khu.ac.ir/browse.php?a_code=A-10-4749-2&slc_lang=fa&sid=1 Tahereh karimi طاهره کریمی karimi_tahereh@rocketmail.com 100319475328460019393 100319475328460019393 No Kharazmi University دانشگاه خوارزمی Amir karam امیر کرم karamA.khu@yahoo.com 100319475328460019390 100319475328460019390 Yes Kharazmi University دانشگاه خوارزمی Parviz Zeaiean Firuzabadi پرویز ضیائیان فیروز آبادی p.zeaiean@gmail.com 100319475328460019391 100319475328460019391 No Kharazmi University دانشگاه خوارزمی Seyyed Mohammad Tavakkoli Sabour سید محمد توکلی صبور tavakoli-m@yahoo.com 100319475328460019392 100319475328460019392 No Kharazmi University دانشگاه خوارزمی