ارزیابی کارایی مدل های فردی و ترکیبی در شناسایی پهنه های مستعد نفوذپذیری (حوزه آبخیز ماربره- استان لرستان)
- سال انتشار: 1401
- محل انتشار: فصلنامه مدل سازی و مدیریت آب و خاک، دوره: 2، شماره: 2
- کد COI اختصاصی: JR_MMWS-2-2_006
- زبان مقاله: فارسی
- تعداد مشاهده: 134
نویسندگان
دانش آموخته دکترا/ گروه علوم و مهندسی آبخیزداری، دانشکده کشاورزی، دانشگاه لرستان، خرم آباد، ایران
هیئت علمی/ گروه حفاظت آب و خاک مرکز تحقیقات، ترویج و آموزش کشاورزی استان لرستان، خرم آباد، ایران
چکیده
برآورد تغذیه آب های زیرزمینی با در نظر گرفتن سایر عوامل اقتصادی، اجتماعی و هیدرولوژیکی موثر بر آن، کلید اصلی درک آبخوان ها، پیش بینی دسترسی بالقوه و پایداری این منابع است. هدف از پژوهش حاضر، بررسی کارایی مدل های منفرد و ترکیبی و اثر فرآیند ترکیب در افزایش کارایی مدل های فردی بود که به این منظور این فرآیند در تعیین مناطق مستعد تغذیه آب های زیرزمینی در حوزه آبخیز ماربره استان لرستان به کار برده شد. در ابتدا، لایه های اطلاعاتی موثر بر تغذیه تهیه و همراه با داده های نمونه برداری شده نفوذ حاصل از استوانه مضاعف، وارد مدل های بیزین و جنگل تصادفی شدند. سپس به منظور تقویت نتایج، این دو مدل در قالب چند سناریو با یکدیگر ترکیب شدند. کارایی مدل ها، با استفاده از شاخص های ROC، CCI و TSS، مورد ارزیابی قرار گرفت. میزان نفوذپذیری در پنج طبقه بسیار زیاد، زیاد، متوسط، کم و خیلی کم طبقه بندی شدند که بافت خاک شنی-رسی-لومی و رسوبات کواترنری Qft۲ حداکثر نفوذپذیری را نشان دادند. بر اساس نتایج بهدست آمده، مدل جنگل تصادفی، هم نسبت به مدل بیزین و هم مدل های ترکیبی، بهعنوان مدل برتر شناسایی شد و از بین مدل های ترکیبی نیز مدل RFBa۵ کارآمدترین مدل در شناسایی مناطق مستعد تغذیه ارزیابی گردید. بر اساس مدل جنگل تصادفی، حدودا ۱۱%سطح حوزه مطالعاتی دارای قابلیت نفوذپذیری متوسط تا بسیار زیاد برآورد شد و بیش تر سطح آن (۸۹%) دارای توانایی کم و بسیار کم شناخته شد. بر اساس مدل RFBa۵ نیز ۳۰% سطح مطالعاتی دارای پتانسیل متوسط تا بسیار زیاد و ۷۰% آن دارای قابلیت کم و بسیار کم برآورد شد. بر اساس نتایج کلی، مدل بیزین بعنوان ضعیف ترین مدل مشاهده شد که طی ترکیب با مدل جنگل تصادفی در قالب سناریوهای مختلف، عملکرد این مدل تقویت گردید که نشان دهنده اثر مثبت ترکیب مدل ها می باشد. نقشه پتانسیل مناطق مستعد تغذیه این امکان را می دهد تا با شناسایی مناطق با پتانسیل بالا و بسیار زیاد، برنامه ریزی دقیق تر نسبت به اجرای طرح های تغذیه مصنوعی، حفاظت خاک و آبخیزداری و آبخوانداری در راستای حفاظت از منابع آب و خاک اقدام کرده و با کنترل و هدایت رواناب ها، علاوه بر جلوگیری از فرسایش خاک، احتمال نفوذپذیری را در جهت افزایش احتمال تغذیه منابع آب زیرزمینی بیش تر کرد.کلیدواژه ها
تئوری بیزین, تغذیه آب زیرزمینی, جنگل تصادفی, سناریوهای ترکیب, نفوذپذیری, مدل سازیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.