ارزیابی، پیش بینی و پهنه بندی خطر سیلاب در حوضه کشف رود با استفاده از الگوریتم های یادگیری ماشین

سیلاب به عنوان یکی از مخرب ترین مخاطرات طبیعی، سالانه خسارات جبران ناپذیری به زیرساخت ها و جوامع انسانی وارد می کند. پژوهش حاضر با هدف پهنه بندی دقیق خطر سیلاب در حوضه آبخیز کشف رود، از دو الگوریتم پیشرفته یادگیری ماشین LMT و RF بهره برده است. در این مطالعه، ۱۳ پارامتر موثر شامل ارتفاع، انحنا، بارش، تراکم زهکشی، جهت شیب، ویژگی های خاک و زمین شناسی، شیب، فاصله از آبراهه، کاربری اراضی، شاخص پوشش گیاهی (NDVI)، رطوبت توپوگرافی (TWI) و توان آبراهه (SPI) به عنوان متغیرهای ورودی مورد تحلیل قرار گرفت. داده های مربوط به ۱۴۵ نقطه سیلابی شناسایی و به دو مجموعه آموزش (۷۰٪) و اعتبارسنجی (۳۰٪) تقسیم شد. پس از وزن دهی لایه ها، نقشه های پتانسیل وقوع سیل با روش شکست طبیعی به پنج طبقه خطر طبقه بندی گردید. ارزیابی دقت مدل ها با استفاده از منحنی ROC نشان داد که مدل LMT با مقدار AUC برابر ۸۹۷/۰، دقت بالاتری نسبت به مدل RF با AUC برابر ۸۱۱/۰ دارد. نتایج پهنه بندی حاکی از تمرکز مناطق پرخطر در نواحی با شیب کم، سازندهای غیرقابل نفوذ، ارتفاعات پایین و دشت های سیلابی است. نواحی با خطر بسیار زیاد و زیاد عمدتا در بخش های مرکزی و خروجی حوضه متمرکز شده اند.

کلیدواژه ها:

پهنه بندی خطر سیلاب ، الگوریتم های یادگیری ماشین ، درخت مدل لجستیک (LMT) ، جنگل تصادفی (RF) ، سامانه اطلاعات جغرافیایی (GIS) و سنجش ازدور ، نقشه برداری حساسیت سیلاب