ارزیابی مدل های مختلف داده کاوی برای پیش بینی نقشه حساسیت فرسایش آبکندی در حوزه آبخیز رباط ترک استان مرکزی

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 275

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ESRJ-11-2_003

تاریخ نمایه سازی: 21 شهریور 1400

Abstract:

فرسایش آبکندی یکی از اشکال فرسایشی است که موجب هدر رفت مقدار زیادی خاک می­گردد. بنابرین از این فرسایش می­توان به ­عنوان یکی از علل اصلی تخریب زمین و محیط زیست نام برد. این تحقیق با هدف پهنه­بندی حساسیت فرسایش آبکندی با استفاده از مدل­های داده­کاوی، مدل خطی تعمیم یافته (GLM) و شبکه عصبی مصنوعی (ANN) در حوزه آبخیز رباط ترک انجام شد. مناطق دارای فرسایش آبکندی طی بازدیدهای میدانی شناسایی و تعداد ۲۴۲ نقطه فرسایشی انتخاب گردید. ۱۲ متغیر محیطی موثر در فرسایش آبکندی، نقشه رقومی ارتفاع، درجه شیب، جهت شیب، شکل شیب، شاخص همگرایی، فاصله از رودخانه، تراکم زهکشی، فاصله از جاده، سنگ­شناسی، کاربری اراضی، شاخص اختلاف پوشش گیاهی نرمال شده (NDVI) و نقشه هم باران به منظور مدل­سازی حساسیت فرسایش آبکندی مورد استفاده قرار گرفتند. به منظور ارزیابی و اعتبارسنجی مدل­های مورد استفاده از معیارهای ROC، TSS و Kappa استفاده شد. نتایج حاصل از ارزیابی مدل نشان داد که مدل­ GLM با مقدار ROC، Kappa و TSS به ترتیب ۸۹/۰، ۷/۰ و ۷/۰ و مدل ANN با ROC، Kappa و TSS به ترتیب ۸۸/۰، ۷/۰ و ۷/۰ کارایی خیلی خوبی در مدل­سازی مناطق حساس به فرسایش آبکندی دارند. همچنین بررسی کلی مدل­های مورد استفاده براساس شاخص­های ذکر شده نشان داد که مدل GLM دارای کارایی مناسب­تری نسبت به مدل ANN در منطقه مورد مطالعه دارد. نتایج حاصل از پهنه­بندی حساسیت فرسایش آبکندی در منطقه مورد مطالعه نشان داد که مناطق مرکزی حوزه دارای حساسیت خیلی زیاد و زیاد نسبت به فرسایش آبکندی می­باشد.

Keywords:

فرسایش آبکندی , مدل های داده کاوی , منحنی ROC , حوضه آبخیز رباط ترک

Authors

سعید جانی زاده

گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس تهران، تهران، ایران

احمد نوحه گر

گروه برنامه ریزی، مدیریت و آموزش محیط زیست، دانشکده محیط زیست دانشگاه تهران، تهران، ایران

محمدتقی آوند

گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس تهران، تهران، ایران

مجتبی دولت کردستانی

گروه مرتع و آبخیزداری، دانشکده علوم کشاورزی و منابع طبیعی دانشگاه جیرفت، جیرفت، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • -اکبری، م.، بشیری، م. و رنگ آور، ع.ا.، ۱۳۹۶. کاربرد ...
  • حسین زاده، م.م.، نصرتی، ک.، خلجی، س. و درفشی، خ.، ...
  • رضایی مقدم، م.ح.، نیکجو، م.ر.، ولی زاده، خ.، بلواسی، ا.ع. ...
  • عرب عامری، ع.، رضایی، خ. و یمانی، م.، ۱۳۹۷. تحلیل ...
  • شیرزادی، ع.، سلیمانی، ک.، حبیب نژاد، م.، کاویان، ع. و ...
  • Angileri, S.E., Conoscenti, C. and Hochschild, V., ۲۰۱۶. Water erosion ...
  • Avand, M., Janizadeh, S., Naghibi, S.A., Pourghasemi, H.R., Khosrobeigi Bozchaloei, ...
  • Arabameri, A., Rezaei, K., Pourghasemi, H.R., Lee, S. and Yamani, ...
  • Arabian Ameri, A., Rezaei, J. and Yamani, M., ۲۰۱۸. Analysis ...
  • Beullens, J., Van de Velde, D. and Nyssen, J., ۲۰۱۴. ...
  • Cama, M., Lombardo, L., Conoscenti, C. and Rotigliano, E., ۲۰۱۷. ...
  • Centeri, C.S., Herczeg, E., Vona, M., Balazc, K. and Penksza, ...
  • Conoscenti, C., Angileri, S., Cappadonia, C., Rotigliano, E., Agnesi, V. ...
  • Conoscenti, C., Agnesi, V., Angileri, S., Cappadonia, C., Rotigliano, E. ...
  • Dai, F.C., Lee, C.F. and Xu, Z.W., ۲۰۰۱. Assessment of ...
  • Dayhoff, J.E., ۱۹۹۰. Neural Network Principles, Prentice-Hall International, U.S.A. ۱۹۷ ...
  • Dehnavi, A., Aghdam, I.N., Pradhan, B. and Varzandeh, M.H.M., ۲۰۱۵. ...
  • Gabris, G.Y., Kertesz, Á. and Zambo, L., ۲۰۰۳. Land use ...
  • Galang, M.A., Markewitz, D., Morris, L.A. and Busseli, P., ۲۰۰۷. ...
  • Golkarian, A., Naghibi, S.A., Kalantar, B. and Pradhan, B., ۲۰۱۸. ...
  • Grace, J.M., ۲۰۰۴. Soil erosion following forest operations in the ...
  • He, M.Z., Zheng, J.G., Li, X.R. and Qian, Y.L., ۲۰۰۷. ...
  • Jaafari, A., Najafi, A., Pourghasemi, H.R., Rezaeian, J. and Sattarian, ...
  • Janizadeh, S., Avand, M., Jaafari, A., Phong, T.V., Bayat, M., ...
  • Khanna, T., ۱۹۹۰. Foundation of neural networks, Addison-Wesley Publishing Company, ...
  • Lee, S., Park, I. and Choi, J.K., ۲۰۱۲. Spatial prediction ...
  • Naghibi, S.A., Pourghasemi, H.R., Pourtaghi, Z.S. and Rezaei, A., ۲۰۱۴. ...
  • Pelletier, J.D., Barron-Gafford, G.A., Breshears, D.D., Brooks, P.D., Chorover, J., ...
  • Poesen, J., Vandekerckhove, L., Nachtergaele, J., Oostwoud Wijdenes, D., Verstraeten, ...
  • Pourghasemi, H.R., Yousefi, S., Kornejady, A. and Cerdà, A., ۲۰۱۷. ...
  • Rahmati, O., Haghizadeh, A., Pourghasemi, H.R. and Noormohamadi, F., ۲۰۱۶. ...
  • Rahmati, O., Tahmasebipour, N., Haghizadeh, A., Reza, H. and Feizizadeh, ...
  • Shadfar, S., ۲۰۱۵. Application of Fuzzy Logic operators for investigation ...
  • Tehrany, M.S., Pradhan, B. and Jebur, M.N., ۲۰۱۴. Flood susceptibility ...
  • Turner, H., ۲۰۰۸. Introduction to Generalized Linear Models, Department of ...
  • Wang, L., Wei, S., Horton, R. and Shao, M., ۲۰۱۱. ...
  • Water Resources Company of Markazi (WRCM), ۲۰۱۷. Precipitation and temperature ...
  • Yamani, S., Zamanzadeh, M. and Ahmadi, M., ۲۰۱۳. Analysis of ...
  • Yesilnacar, E.K., ۲۰۰۵. The application of computational intelligence to landslide ...
  • Youssef, A.M., Pradhan, B. and Hassan, A.M., ۲۰۱۱. Flash flood ...
  • Zabihi, M., Mirchooli, F., Motevalli, A., Khaledi Darvishan, A., Pourghasemi, ...
  • Zakerinejad, R. and Maerker, M., ۲۰۱۵. An integrated assessment of ...
  • نمایش کامل مراجع