مجله پژوهش‌های فرسایش محیطی

احداث سد بر روی رودخانه ها هم در بالا دست و هم در پایین دست منجر به تغییرات ژئومورفولوژی و زیست محیطی گسترده ای می شود. در همین راستا جهت ارزیابی اثرات سد گلابر در دوره قبل و بعد از ساخت سد از روش های یادگیری ماشین بهره گرفته شد. جهت دسترسی به داه های مورد نیاز این پژوهش از مدل های رقومی ارتفاعی تصاویر ماهواره ای استر به صورت سری زمانی استفاده شد. ابتدا از طریق مدل GCD تغییرات حجمی میزان فرسایش و رسوب در پایین دست سد محاسبه گردید. سپس داده های حاصل از این مدل به عنوان متغیر هدف در کنار لایه های نه گانه ژئومورفومتری و بارش و رواناب به عنوان داده های پیش بین جهت پیاده کردن الگوریتم های یادگیری ماشین به سه روش رگرسیون خطی چندگانه، درخت تصمیم و جنگل تصادفی بکار گرفته شدند. 70 درصد داده ها برای مدلسازی و 30 درصد داده ها برای ارزیابی در نرم افزار برنامه نویسی R استفاده شدند. نتایج مدل سازی نشان داد بهره برداری از سد به شدت در میزان فرسایش و رسوب بستر رودخانه اثرگذار بوده و الگوریتم Random Forest با ضریب همبستگی بالای 70 درصد و RMSE کمتر از دو مدل دیگر، بهترین پیش بینی را برای هر دو دوره قبل و بعد از ساخت سد را نشان داد. نقشه های تولید شده با روش درخت تصمیم نیز روند فرسایش و رسوب را در بستر رودخانه در هر دو دوره سری زمانی را به خوبی مدل سازی کرد؛ اما خروجی مدل رگرسیون خطی از دقت کافی برخوردار نبود. جهت ارزیابی اجمالی الگوریتم های یادگیری ماشین، علاوه بر ارزیابی با داده های آزمایشی خود مدل ها، با نتایج میانگین کلی برخی از شاخص های مورفومتری رودخانه مانند تعداد پیچانرود، زاویه مرکزی، طول کانال، شاخص سینوزیته نیز مورد ارزیابی قرار گرفتند.

واژه‌های کلیدی: رسوب؛ سجاسرود؛فرسایش ؛ یادگیری ماشین؛GCD

     

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:

---

---