ارزیابی و مقایسه الگوریتم های مختلف داده کاوی جهت تهیه نقشه خطر فرسایش آبکندی در حوضه آبخیز میان آب شوشتر

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 82

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JPHGR-58-1_001

تاریخ نمایه سازی: 6 اردیبهشت 1405

چکیده مقاله:

فرسایش آبکندی در واقع تشکیل و گسترش کانال های فرسایشی در خاک در نتیجه جریان متمرکز آب است. به طورکلی وقتی آبراهه های فرسایش یافته موجود در سطح زمین به اندازه ای بزرگ باشند که نتوان آن ها را به وسیله عملیات کشت وزرع معمولی تسطیح کرد آبکند نامیده می شوند. هدف این پژوهش مقایسه مدل های CART و SVM جهت شناسایی مناطق پرخطر فرسایش آبکندی و همچنین تعیین مهم ترین پارامترهای تاثیرگذار در وقوع فرسایش آبکندی در حوضه میان آب شوشتر در استان خوزستان است. ابتدا موقعیت آبکند های موجود با استفاده از تصاویر ماهواره ای، نرم افزار گوگل ارث و سیستم تعیین موقعیت جهانی (GPS)  ثبت شدند. سپس شاخص های مستقل تاثیرگذار در فرسایش آبکندی تهیه و پس از تخصیص مقادیر مربوط به شاخص های مستقل، مدل سازی جهت پهنه بندی یا پیش بینی مناطق مستعد فرسایش آبکندی در محیط نرم افزار R انجام شد. در مجموع ۳۰۰۰ داده مربوط به فرسایش آبکندی جمع آوری شدند که ۷۰ درصد برای آموزش و ۳۰ درصد جهت آزمون مدل ها به کار گرفته شدند. طبق نتایج مدل SVM  با ثبت مقدار ۸۴۶/۰ برای شاخص R۲  از دقت بالاتری نسبت به مدل CART برخوردار بوده است. همچنین بر اساس نقشه­های پهنه بندی، طبقه با خطر خیلی کم، بیشترین مساحت حوضه  (حدود ۵۹ درصد) را به خود اختصاص داده و بعد از آن کلاس های خطر کم، خطر متوسط، خطر زیاد و خطر خیلی زیاد به ترتیب ۲۷/۱۲، ۲۹/۱۰، ۲۳/۹ و ۴۹/۸ درصد  مساحت حوضه را در برگرفته­اند. طبق نتایج، شاخص های کاربری اراضی، پوشش گیاهی و بافت خاک بیشترین نقش را در وقوع و گسترش فرسایش آبکندی داشته اند.

نویسندگان

یاسمین غبیشاوی

گروه جغرافیای طبیعی، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران

رضا ذاکری نژاد

گروه جغرافیای طبیعی، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران

زینب میری

گروه جغرافیای طبیعی، دانشکده علوم جغرافیایی و برنامه ریزی، دانشگاه اصفهان، اصفهان، ایران

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 :
  • اسدی نلیوان، امید؛ رابط، علیرضا؛ وکیلی تجره، فرزانه؛ رمضانی، مرضیه؛ ...
  • تیموریان، تیمور؛ نظری سامانی، علی اکبر؛ فیض نیا، سادات؛ احمدآلی، ...
  • خلیل آباد، هادی و مومنی دمنه، جواد. (۱۴۰۳). ارزیابی کارآیی ...
  • رفاهی، حسینقلی. (۱۳۸۵). فرسایش آبی و کنترل آن. چاپ پنجم، ...
  • ارزیابی مدل های شبکه عصبی مصنوعی و حداکثر آنتروپی در پهنه بندی حساسیت فرسایش آبکندی حوزه آبخیز سد گلستان [مقاله ژورنالی]
  • کردوانی، پرویز. (۱۳۸۱). کتاب حفاظت خاک. تهران: انتشارات دانشگاه تهران ...
  • یوسفی مبرهن، ابراهیم و شیرانی، کورش. (۱۴۰۲). ارزیابی کارایی مدل ...
  • doi:۱۰.۶۱۱۸۶/jwmr.۱۴.۲۸.۳۷وثوقی، شیما؛ ذاکری نژاد، رضا و انتظاری، مژگان. (۱۴۰۳). پیش ...
  • Aboutaib, F., Krimissa, S., Pradhan, B., Elaloui, A., Ismaili, M., ...
  • Castillo, C., & Gómez, J. A. (۲۰۱۶). A century of ...
  • Mohebzadeh, H., Biswas, A., & DeVries, B. (۲۰۲۴). Transferability of ...
  • Oraegbu, A., & Jolaiya, E. (۲۰۲۴). Mapping soil erosion classes ...
  • Shahbazi, A., Vakili tajareh, F., Alvandi, E., Bayat, A., & ...
  • Wischmeier, W. H., & Smith, D. D. (۱۹۷۸). Predicting rainfall erosion ...
  • Xia, J., Cai, C., Wei, Y., & Wu, X. (۲۰۱۹). ...
  • Zakerinejad, R., & Maerker, M. (۲۰۱۴). Prediction of gully erosion ...
  • نمایش کامل مراجع