مدل سازی فضایی توان آب زیرزمینی با استفاده از تلفیق روش آنتروپی بیشینه و روش جنگل تصادفی در محیط سامانه اطلاعات جغرافیایی مطالعه موردی: حوضه آبریز قوریچای اردبیل
محل انتشار: مجله هیدروژیومورفولوژی، دوره: 9، شماره: 31
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 203
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HYD-9-31_005
تاریخ نمایه سازی: 19 دی 1401
چکیده مقاله:
آب های زیرزمینی از مهم ترین منابع طبیعی در مناطق خشک و نیمه خشک محسوب می شوند. هدف از این پژوهش شناسایی مناطقی است که توان آب زیرزمینی دارند و اولویت بندی عوامل موثر بر آن هست. در این پژوهش ۱۱ شاخص تاثیرگزار بر توان آب زیرزمینی شامل شیب، ارتفاع، جهت شیب، فاصله از آب راه، تراکم زه کشی، فاصله از گسل، شاخص رطوبت پستی و بلندی، موقعیت پستی و بلندی، سنگ شناسی، کاربری زمین و موقعیت شیب نسبی به کاربرده شد. به روش تصادفی۳۰ درصد از مجموع ۵۸ چشمه در گروه داده های اعتبارسنجی و ۷۰ درصد آن در گروه داده های آموزش گذاشته شد. برای اولویت بندی عامل های موثر و پهنه بندی توان آب زیرزمینی در آبخیز قوریچای، روش جنگل تصادفی ارتقاء یافته با بیشینه آنتروپی با بهره گیری از سامانه اطلاعات جغرافیایی به کار برده شد و برای ارزیابی مدل منحنی تشخیص عمل کرد نسبی (ROC) و سطح زیر منحنی (AUC )به کاربرده شد. نتیجه نشان داد که توان آب زیرزمینی در حدود هشت درصد حوضه آبخیز، بیش تر در خروجی حوضه است. بر اساس نمودار VIP لایه TWI با مقدار ۳۲۹/۰ و لایه فاصله از رودخانه با مقدار ۱۷۵/۰ به ترتیب بیش ترین و کمترین عامل های تاثیرگزار بر توان آب زیرزمینی با مقادیر بود. سطح زیر منحنی AUC نشان دهنده ی دقت ۸۷ درصدی در مرحله ی آموزش برای شناخت منطقه های دارای توان آب زیرزمینی بود. نتیجه ی این پژوهش می تواند در مدیریت آب زیرزمینی در حوضه آبخیز قوریچای در رابطه با افزایش جمعیت و همچنین گسترش ساخت و ساز انسانی و توسعه کشاورزی منطقه به کار برده شود.
کلیدواژه ها:
نویسندگان
جعفر جعفرزاده
گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران
میثم ارگانی
گروه سنجش از دور و GIS - دانشکده جغرافیا - دانشگاه تهران
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 :