[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 1، شماره 1 - ( 1-1404 ) ::
جلد 1 شماره 1 صفحات 82-63 برگشت به فهرست نسخه ها
ارزیابی مناطق مستعد رخداد فرسایش خندقی در حوضه آبریز الشتر با استفاده از مدل‌های یادگیری ماشین
علی داودی* ، امیر کرم ، پرویز ضیائیان فیروزآبادی ، علی احمد آبادی
گروه ژئومورفولوژی، دانشکده جغرافیا، دانشگاه خوارزمی، تهران، ایران.
چکیده:   (964 مشاهده)
هدف: فرسایش خندقی یکی از بارزترین اشکال فرسایش آبی است که تأثیرات قابل‌توجهی بر تخریب اراضی، کاهش حاصلخیزی خاک و افزایش رسوب‌گذاری در منابع آبی دارد. در این پژوهش، به‌منظور شناسایی و پهنه‌بندی مناطق مستعد فرسایش خندقی در حوضه آبریز الشتر از مدل‌های خطی تعمیم‌یافته (GLM)، درخت رگرسیون تقویت‌شده (BRT) و مدل خطی تقویت‌شده (BLM) استفاده شده است.
روش پژوهش: پارامترهای فضایی-محیطی مؤثر بر رخداد فرسایش خندقی زمین و نرم‌افزار R استفاده شده است. متغیرهای موردبررسی شامل عوامل توپوگرافی، اقلیمی، هیدرولوژیکی، پوشش گیاهی، کاربری اراضی و ویژگی‌های فیزیکی و شیمیایی خاک بودند که با استفاده از سامانه اطلاعات جغرافیایی (GIS) و داده‌های سنجش از دور استخراج شدند.
یافته‌ها: ارزیابی توزیع فضایی مناطق مستعد فرسایش خندقی توسط هر سه مدل نشان داد که مناطق حاشیه دشت الشتر که شامل مناطق مرکزی، جنوب و غرب حوضه هستند بیشترین استعداد رخداد فرسایش خندقی را دارند. ارزیابی دقت مدل‌ها با استفاده از منحنی راک نشان داد که مدل BLM با AUC=0.84 عملکرد بهتری در شناسایی مناطق پرخطر فرسایش خندقی نسبت به مدل‌های  GLMو BRT دارد. بر اساس مدل BLM، 39 درصد حوضه دارای استعداد خیلی زیاد و زیاد فرسایش خندقی، 22 درصد از حوضه در کلاس متوسط و 39 درصد نیز در کلاس‌های کم و خیلی کم استعداد فرسایش خندقی قرار می‌گیرد. تحلیل اهمیت متغیرهای مورداستفاده در مدل‌سازی نشان داد که فاصله از رودخانه، شاخص رطوبت توپوگرافی (TWI)، واحدهای زمین‌شناسی، شاخص زبری سطح (TRI) و میزان بارش، تأثیرگذارترین عوامل در وقوع این پدیده هستند.
نتیجه‌گیری: نتایج این پژوهش می‌تواند به‌عنوان ابزاری مؤثر در مدیریت اراضی و تدوین برنامه‌های کاهش فرسایش مورداستفاده قرار گیرد. پیشنهاد می‌شود در مطالعات آتی از مدل‌های ترکیبی پیشرفته و داده‌های با وضوح بالاتر برای بهبود دقت پیش‌بینی و ارائه راهکارهای بهینه‌تر استفاده شود.
واژه‌های کلیدی: فرسایش خندقی، مدل یادگیری ماشین، حوضه آبریز الشتر، سیستم اطلاعات جغرافیایی (GIS)، مدیریت اراضی.
متن کامل [PDF 1994 kb]   (777 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: تخصصي
دریافت: 1404/6/17 | پذیرش: 1404/6/30 | انتشار: 1404/6/30
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Davoudi A, Karam A, Zeaiean Firouzabadi P, Ahmadabadi A. (2025). Assessment of gully erosion-prone areas in the Aleshtar basin using machine learning models. IDR. 1(1), 63-82. doi:https://doi.org/10.22034/1.1.63
URL: http://disaster.ndri.ac.ir/article-1-31-fa.html

داودی علی، کرم امیر، ضیائیان فیروزآبادی پرویز، احمد آبادی علی.(1404). ارزیابی مناطق مستعد رخداد فرسایش خندقی در حوضه آبریز الشتر با استفاده از مدل‌های یادگیری ماشین تاب‌آوری در برابر حوادث و سوانح 1 (1) :82-63 https://doi.org/10.22034/1.1.63

URL: http://disaster.ndri.ac.ir/article-1-31-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 1، شماره 1 - ( 1-1404 ) برگشت به فهرست نسخه ها
فصلنامه تخصصی تاب‌آوری در برابر حوادث و سوانح Incidents and Disasters resilience
Persian site map - English site map - Created in 0.22 seconds with 37 queries by YEKTAWEB 4772