مدل سازی و پهنه بندی توزیع مکانی بیماری سالک در استان اصفهان با استفاده از الگوریتم های یادگیری ماشین

چکیدهلیشمانیوز پوستی از مهم ترین بیماری های منتقله از ناقل در ایران است و استان اصفهان به عنوان یکی از کانون های فعال آن، نیازمند شناسایی نواحی پرخطر جهت بهینه سازی برنامه های پیشگیری و کنترل است. هدف این پژوهش، مدل سازی و پهنه بندی حساسیت مکانی بروز لیشمانیوز پوستی در شهرستان های استان اصفهان طی سال های ۱۴۰۰ تا ۱۴۰۲ با استفاده از الگوریتم های یادگیری ماشین است. در این مطالعه گذشته نگر، متغیرهای اقلیمی، پوشش گیاهی، توپوگرافی، فاصله از آبراهه، کاربری اراضی و تراکم جمعیت به عنوان متغیرهای مستقل و موارد تاییدشده بیماری به عنوان متغیر وابسته در نظر گرفته شدند. داده ها پس از پیش پردازش در ArcGIS ۱۰.۸ با الگوریتم های LightGBM و CART در RStudio ۲۰۲۵.۰۶.۱۴  مدل سازی شدند. نتایج نشان داد مدل LightGBM با دقت ۵۵/۹۶%، ضریب کاپای ۰۹/۹۳% و سطح زیر منحتی (AUC) برابر ۹۹۲/۰ نسبت به مدل مدل CART با دقت ۶۵/%۹۶، ضریب کاپای ۴۲/%۹۱ و سطح زیر منحنی (AUC) برابر ۹۷۵/۰ عملکرد بهتری داشت. براساس مدل LightGBM به عنوان مدل برتر، پهنه بندی حساسیت مشخص کرد ۶۱/%۹۳ مساحت استان در کلاس بسیار کم خطر و تنها ۴۳/%۳ در کلاس های خطر زیاد و بسیار زیاد قرار دارد که عمدتا در بخش های مرکزی و شمال غربی استان شامل شهرستان های اصفهان، خمینی شهر، نجف آباد، فلاورجان، برخوار، مبارکه، کاشان و آران و بیدگل متمرکز شده اند. مهم ترین عوامل موثر در پیش بینی بیماری شامل کاربری اراضی، سرعت باد، شاخص EVI و فاصله از آبراهه بودند. این یافته ها با شناسایی دقیق نواحی پرخطر، به برنامه ریزی هدفمند اقدامات پیشگیرانه و کنترلی در سطح استان کمک می کند.

کلیدواژه ها:

مدل سازی ، سالک ، عوامل جغرافیایی ، داده کاوی