سال 13، شماره 1 - ( بهار 1402 1402 )
جلد 13 شماره 1 صفحات 28-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
paknejad F, Ahmadabadi A, Qanavati E, zahmatkesh H. Zoning of Susceptible Areas with Debris Flows Using Machine Learning Algorithms (Case study of Tangarah Basin -Golestan Province). E.E.R. 2023; 13 (1) :1-28
URL: http://magazine.hormozgan.ac.ir/article-1-702-fa.html
URL: http://magazine.hormozgan.ac.ir/article-1-702-fa.html
پاکنژاد فریبا، احمدآبادی علی، قنواتی عزت اله، زحمتکش حسن. پهنهبندی مناطق مستعد دارای جریانهای واریزهای با استفاده از الگوریتمهای یادگیری ماشین (مطالعه موردی: حوضه تنگراه استان گلستان). پژوهش هاي فرسايش محيطي. 1402; 13 (1) :1-28
دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران ، Ahmadabadi@khu.ac.ir
چکیده: (2616 مشاهده)
سیلاب، رخدادی طبیعی و نامنتظره است که در دهه‌های اخیر به فراوانی رخ داده و آسیب‌های جبران‌ناپذیری به همراه داشتهاست. ارزیابی جامع خطر جریانهای واریزهای به علت پیچیدگی و فقدان قطعیت شاخصهای مختلف مربوطه، بسیار چالشبرانگیز است. یک ارزیابی منطقی و معقول باید بر اساس دادههای کافی و رویکردهای واقعگرایانه باشد. این مطالعه با استفاده از الگوریتمهای یادگیری ماشین، رویکرد دقیقی را برای ارزیابی ریسک خطر جریان واریزهای ارائه میدهد. در این راستا به منظور ارزیابی آسیبپذیری سیلابهای رخ داده در منطقه، نقشه پهنهبندی ریسک سیلاب از دو مدل RF و ANN در حوضه آبریز تنگراه تهیه شد. بر اساس دادههای خطر جریان واریزهای، پیمایشهای گسترده میدانی و دادههای ژئومورفولوژیکی و محیطی انجام شده، یازده عامل مؤثر برای اجرای این مدل آماده شد که شامل طبقات ارتفاعی، درصد شیب، فاصله از آبراهه، تراکم زهکشی، زمینشناسی، میزان بارندگی، کاربری اراضی، جهت شیب، لایه خاکشناسی، شاخص قدرتآبراهه (SPI) و شاخص رطوبت توپوگرافیک (TWI) است. با استفاده از نرمافزارMatlab R2020a ، 609 منطقه مستعد جریان واریزهای شناسایی شد که از هفتاد درصد آن برای اجرای مدل و از سی درصد آن برای اعتبارسنجی استفاده شد. رویکرد RF بیشترین مقادیر دقت، احتمال تشخیص خطر و AUC (ناحیه زیر منحنی مشخصه عملکرد گیرنده) را ارائه داد. ارزیابی نتایج به دست آمده از مدل الگوریتم جنگل تصادفی نیز با استفاده از ضریب تعیین 089/0 و خطای 24/0 ایجاد شد که سطح دقت بالای این مدل را نسبت به مدل شبکه عصبی مصنوعی با دقت 078/0 و خطای 35/0 نشان داد. براساس پهنهبندی صورت گرفته، نتایج نشان داد که 17، 22، 26، 22 و 12 درصد از مساحت منطقه به ترتیب پهنههای دارای خطر بسیار زیاد با مساحت 14/108 کیلومتر مربع، زیاد 2/136، متوسط 25/168، کم 2/142 و خیلی کم با 56/80 کیلومتر مربع است. اعتبارسنجی ثانویه توسط معیار ROC و سطح زیر منحنی برای مدل RF، 94/0 و برای مدل ANN 088/0 است که دقت برآوردی مدل رندم فارست را نشان میدهد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
دریافت: 1400/10/3 | انتشار: 1402/2/8
دریافت: 1400/10/3 | انتشار: 1402/2/8
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
