ارزیابی عوامل موثر بر خطر شوری آبهای زیرزمینی با استفاده از روش های داده کاوی و آماری در مناطق خشک و نیمه خشک

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DRNL-1-1_005

تاریخ نمایه سازی: 24 بهمن 1400

چکیده مقاله:

طی دهه گذشته روند افت سطح ایستابی و همچنین کاهش کیفیت آب­های زیر زمینی در کنار کمیت مسئله اساسی در مدیریت منابع آب به حساب می­آید. در پژوهش حاضر اقدام به پهنه بندی خطر شوری آب­های زیرزمینی با استفاده از روش های نسبت فراوانی، شاخص آماری، وزن شاهد، الگوریتم طبقه بندی درخت تصمیم و جنگل تصادفی در بخش جنوبی حوزه آبخیز بختگان گردید. پس از در نظر گرفتن حد آستانه شوری برای آب­های زیرزمینی (۱۰۰۰< EC میکروزیمنس بر سانتی­متر) و تهیه نقشه آن، نقشه ۲۱ عامل موثر در فرآیند شوری آب­های زیرزمینی شامل ارتفاع، فاصله از تاقدیس ها، نادویس ها، کفه های نمکی، دریاچه های شور و فاصله سدها، شاخص شوری خاک، شاخص رطوبت توپوگرافی، انحنای کلی، انحنای دشت، انحنای پروفیل، جریان تجمعی، جهت جریان، شیب، جهت، کاربری اراضی، خاک، اقلیم، پوشش اراضی، افت آب­های زیرزمینی، سطح آب­های زیرزمینی تهیه گردید. داده های هدایت الکتریکی به دو دسته آموزش و اعتبارسنجی تقسیم و با مقایسه نقشه شوری آب­های زیرزمینی با ۲۱ فاکتور مستقل، وزن دهی روش های دو متغیره و پارامترهای روش های چند متغیره برآورد گردید. نتایج روش حذف ویژگی بازگشتی  (RFE) نشان داد که در دشت های جنوبی حوزه آبخیز بختگان عوامل ارتفاع، فاصله از کفه های نمکی، فاصله از ناودیس ها و تاقدیس ها و فاصله از دریاچه های آب شور از اهمیت بیشتری در رخداد شوری آب­های زیرزمینی برخوردار هستند. نتایج اعتبارسنجی مدل های دو متغیره مقدار مساحت زیر منحنی (ROC) را برای روش های نسبت فراوانی (۹۲۳/۰)، شاخص آماری (۹۰۵/۰) و وزن شاهد (۹۰۸/۰) برآورد نمود که گویای عملکرد بهتر روش نسبت فراوانی در مقایسه با دو روش دیگر می باشد. همچنین نتایج روش های چند متغیره بیانگر عملکرد بهتر روش جنگل تصادفی با مقادیر ضریب تطابق (۹۱/۰) و ضریب همبستگی (۸۵/۰) نسبت به روش الگوریتم طبقه بندی درخت تصمیم با ضریب تطابق (۸۹/۰) و ضریب همبستگی (۸۲/۰) بود. به طور کلی در هر تحقیقی کارایی مدل ها بستگی به انتخاب مناسب فاکتوردهای موثر در وقوع پدیده مورد بررسی، کیفیت داده های جمع آوری شده و کیفیت نقشه های مورد استفاده دارد.

نویسندگان

حمیدرضا قره چائی

Technical Expert at UNDP/DoE Conservation of Iranian Wetlands Project, Iran)

علی اکبر نظری سامانی

Department of Reclamation of Arid and Mountainous Regions, Tehran University

شهرام خلیقی سیگارودی

Department of Reclamation of Arid and Mountainous Regions, Tehran University, Tehran, Iran

ابوالحسن فتح آبادی

Department of Rangeland and Watershed Management Engineering, University of Gonbad

خالد احمدآلی

Department of Reclamation of Arid and Mountainous Regions, Tehran University, Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Agterberg, F.P., G.f. Bonham-carter and D.F. Wright. ۱۹۹۰. Statistical pattern ...
  • Ashraf, H. and F. Cawood. ۲۰۱۵. Geospatial subsidence hazard modelling ...
  • Bai, S., J. Wang, Z. Zhang and C. Cheng. ۲۰۱۲. ...
  • Bonham-Carter, G.F. ۱۹۹۴. Geographic information systems for geoscientists: Modelling with ...
  • Bradd, J.M., W.A. Milne-Home and G. Gates. ۱۹۹۷. Overview of ...
  • Breiman, L. ۲۰۰۱. Random forests. Machine learning, ۴۵(۱): ۵-۳۲ ...
  • Breiman, L., J. Friedman, C.J. Stone and R.A. Olshen. ۱۹۸۴. ...
  • Chen, W. ۲۰۱۷. Spatial prediction of landslide susceptibility using an ...
  • Chen, W., W. Li, E. Hou and H. Bia. ۲۰۱۴. ...
  • Choubin, B., E. Moradi, M. Golshan., J. Adamowski, F. Sajedi-Hosseini ...
  • Dewitte, O., M. Daoudi., C. Bosco and M. Van Den ...
  • Evans, R., C. Horstman and M. Conzemius. ۲۰۰۵. Accuracy and ...
  • Feizizadeh, B. and T. Blaschke. ۲۰۱۴. An uncertainty and sensitivity ...
  • Ghorbanzadeh, O., B. Feizizadeh and T. Blaschke. ۲۰۱۷. Multi-criteria risk ...
  • Goetz, J.N., A. Brenning., H. Petschko and P. Leopold. ۲۰۱۵. ...
  • Hastie, T., R.Tibshirani and J. Friedman. ۲۰۰۹. The Elements of ...
  • Lee, S., I. Park and J.K. Choi. ۲۰۱۲. Spatial prediction ...
  • Li, J., A. D. Heap, A. Potter and J.J. Daniell. ...
  • Luca, F., M. Conforti and G. Robustilli. ۲۰۱۱. Comparison of ...
  • Mohammady, M., H.R. Pourghasemi and B. Pradhan. ۲۰۱۲. Landslide susceptibility ...
  • National Research Council. ۱۹۸۹. Irrigation-induced water quality problems. National Academies ...
  • Oh, H.J. and S. Lee. ۲۰۱۱. Integration of ground subsidence ...
  • Ozdemir, A. and T. Altural. ۲۰۱۳. A comparative study of ...
  • Pham, B.T. ۲۰۱۶. A comparative study of different machine learning ...
  • Pradhan, B. and M.N. Jebur. ۲۰۱۷. Spatial prediction of landslide-prone ...
  • Schumann, G.P., H. Vernieuwe, B. De Baets and N.E.C. Verhoest. ...
  • Sokolova, M., N. Japkowicz and S. Szpakowicz. ۲۰۰۶. Beyond accuracy, ...
  • Vahidnia, M.H. ۲۰۱۰. A GIS-based neuro-fuzzy procedure for integrating knowledge ...
  • Van Westen, C.J. ۱۹۹۳. Application of geographic information systems to ...
  • Van Westen, C.J., T.W.J. Van Asch and R. Soeters. ۲۰۰۶. ...
  • نمایش کامل مراجع