ارزیابی عملکرد مدل جنگل تصادفی در ارزیابی خطر سیلاب حوزه آبخیز کشکان

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 176

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_NAWEE-4-2_008

تاریخ نمایه سازی: 10 آبان 1404

چکیده مقاله:

سیلاب یکی از خطرناک ترین پدیده های طبیعی در جهان است که ناشی از ترکیبی از عوامل اقلیمی، هیدرولوژیکی، ژئومورفولوژیکی و زمین شناسی می باشد. سیلاب ها می توانند به دلیل بارش های شدید، بارش های طولانی مدت، ذوب سریع برف یا شکست سد رخ دهند. صرف نظر از علت، سیلاب ها باعث تخریب گسترده و آسیب به جوامع انسانی و زیرساخت ها می شوند. با توجه به خطرات شدید، ارزیابی خطرات سیلاب ضروری است. نقشه های حساسیت به سیلاب ابزارهای مفیدی برای تحلیل و مدیریت مناطق سیل خیز هستند.روش ها:هدف این تحقیق شناسایی مناطق حساس به سیلاب با استفاده از مدل جنگل تصادفی (RF) در حوضه کشکان، استان لرستان است. در این تحقیق از ۱۳ عامل مرتبط با سیلاب و نقشه ای از رخدادهای سیلابی گذشته استفاده شده است. از میان ۵۸ نقطه سیلابی ثبت شده، ۷۳٪ برای آموزش مدل و ۲۷٪ برای اعتبارسنجی استفاده شده اند.نتایج:تحلیل ها نشان داد که فاصله از رودخانه، ارتفاع، شیب و شاخص زبری بیشترین تاثیر را در وقوع سیلاب در این منطقه دارند. عملکرد مدل RF با استفاده از شاخص ROC ارزیابی شد که مقدار ۰.۹۷ را نشان داد، که بیانگر دقت عالی مدل در تولید نقشه حساسیت به سیلاب است.نتیجه گیری:سیلاب ها تحت تاثیر عوامل مختلف محیطی و انسانی رخ می دهند. بر اساس نقشه پیش بینی ریسک سیلاب، می توان استراتژی های مدیریتی مناسبی برای کاهش خسارات و تلفات ناشی از سیلاب ها اتخاذ کرد.

کلیدواژه ها:

نویسندگان

Atefe Amiri

Department of Natural Engineering, Faculty of Natural Resources, Shahrekord University, Shahrekord, Iran.

Afshin Honarbaksh

Department of Natural Engineering, Faculty of Natural Resources, Shahrekord University, Shahrekord, Iran.

Rafat Zare Bidaki

Department of Natural Engineering, Faculty of Natural Resources, Shahrekord University, Shahrekord, Iran.

Hossein Zeinivand

Department of Natural Engineering, Faculty of Natural Resources, Lorestan University, Khorramabad, 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 :
  • Arab Ameri, A., Pourghasemi, H.R., Shirani, K. ۲۰۱۷. Flood susceptibility ...
  • Avand, M., Moradi, H.R., Ramazanzadeh, M. ۲۰۲۰. Flood susceptibility mapping ...
  • Breiman, L. ۱۹۸۴. Classification and regression trees CA, Wadsworth International ...
  • Breiman, L. ۲۰۰۱. Random forests. Machine Learning, ۴۵(۱): ۵-۳۲ ...
  • Chang, L.C., Chang, F.J. ۲۰۲۰. IoT-based flood depth sensors in ...
  • Fernandez, D.S., Lutz, M.A. ۲۰۱۰. Urban flood hazard zoning in ...
  • Grahn T., Nyberg L. ۲۰۱۷. Assessment of pluvial flood exposure ...
  • Hazarika, N., Barman, D., Das, A.K., Sarma, A.K., Borah, S.B. ...
  • Kiani, Asl M.A., Moteshaffeh, B., Roshaan, S.H. ۲۰۲۳. Evaluation of ...
  • Li, Y., Hong, H. ۲۰۲۳. Modeling flood susceptibility based on ...
  • Lee Sunmin Kim, J.C., Jung, H.S., Lee, M.J., Lee, S. ...
  • Mahdizadeh Gharakhanlou, N., Perez, L. ۲۰۲۳. Flood susceptible prediction through ...
  • Siahkamri, S., Zainivand, H. ۲۰۱۶. The potential of flood-prone areas ...
  • Satarzadeh, E., Sarraf, A.P., Hajikandi, H., Sadeghian, M.S. ۲۰۲۲. Spatial ...
  • Tich Vu, V., Duy Nguyen, H., Lan Vu, P., Cuong ...
  • Wehrhan, M., Sommer, M. ۲۰۲۱. A Parsimonious Approach to Estimate ...
  • Youssef, A.M., Mahdi, A.M., Pourghasemi, H.R. ۲۰۲۳. Optimal flood susceptibility ...
  • نمایش کامل مراجع