امید رحمتی - دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده کشاورزی، دانشگاه لرستان
ناصر طهماسبی پور - استادیار، دانشکده کشاورزی، دانشگاه لرستان
علی حقی زاده - استادیار، دانشکده کشاورزی، دانشگاه لرستان
حمیدرضا پورقاسمی - استادیار، دانشکده کشاورزی، دانشگاه شیراز
بختیار فیضی زاده - استادیار، دانشکده جغرافیا و برنامه ریزی، دانشگاه تبریز

فرسایش آبکندی، مشکلی مهم در مدیریت منابع طبیعی و توسعه پایدار بوده که غالبا با پیامدهای زیست­ محیطی، اقتصادی و اجتماعی همراه است. بنابراین، پژوهش حاضر با هدف بررسی قابلیت مدل بیشینه آنتروپی برای پیش ­بینی مکانی استعداد وقوع فرسایش آبکندی در حوزه آبخیز کشکان-پل دختر، واقع بین استان­ های لرستان و ایلام انجام شد. ابتدا بر اساس بررسی­ های میدانی و با استفاده از دستگاه GPS، نقشه پراکنش فرسایش­ آبکندی منطقه مورد مطالعه تهیه شد. همچنین، عوامل موثر بر فرسایش آبکندی شامل سنگ­ شناسی، بافت خاک، کاربری اراضی، تراکم زهکشی، فاصله تا جریان ­های سطحی، شاخص رطوبت توپوگرافی، ارتفاع، درصد شیب، انحنای سطح و فاصله از جاده انتخاب و نقشه آن­ ها در سامانه اطلاعات جغرافیایی تهیه شد. در مجموع، موقعیت ۶۵ واقعه فرسایش آبکندی ثبت­ و این پایگاه داده به ­صورت تصادفی به دو دسته آبکندهای گروه آموزش مدل (۴۵ واقعه) و آبکندهای گروه اعتبار سنجی مدل (۲۰ واقعه) تقسیم شد. پیش­ بینی استعداد فرسایش آبکندی و تعیین اهمیت عوامل موثر بر وقوع آن بر اساس مدل بیشینه آنتروپی در نرم­افزار MAXENT انجام گرفت. در نهایت برای اعتبار­ سنجی نتایج پیش ­بینی، از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج نشان داد که بخش ­های مرکزی حوزه آبخیز مورد مطالعه دارای استعداد فرسایش آبکندی بالایی هستند. بر اساس نتایج اعتبارسنجی، نقشه مناطق مستعد فرسایش آبکندی حاصل از مدل بیشینه آنتروپی ۹۰.۷ درصد دقت داشت. همچنین، نتایج اثبات نمود که "بافت خاک"، "تراکم زهکشی"، "سنگ­ شناسی" و "فاصله از جریان" مهمترین عوامل موثر در وقوع فرسایش آبکندی منطقه مورد مطالعه بوده که مقدار شاخص اهمیت آن­ ها به­ ترتیب ۲۳، ۱۸، ۱۵.۲ و ۱۵.۱ درصد به دست آمد. این درحالی است که عوامل "ارتفاع"، "فاصله از جاده"، "جهت شیب"، "کاربری اراضی"، "شاخص رطوبت توپوگرافی" و "انحنای سطح" تاثیر کمتری در وقوع فرسایش آبکندی منطقه مورد مطالعه داشتند. بنابراین، پیش ­بینی دقیق استعداد فرسایش آبکندی با استفاده از مدل بیشینه آنتروپی در مطالعه حاضر مورد تایید قرار گرفت.

پیش بینی مکانی, حساسیت به فرسایش, عوامل موثر, مدل ماشین یادگیری