بررسی کارآیی روش های نمونه برداری داده های مشاهداتی بر پهنه بندی قابلیت نفوذ آب در خاک با روش ماکزیمم آنتروپی

روش های مدل سازی آماری مبنی بر روش های رگرسیونی چندمتغیره و نیازمند داده های حضور و عدم حضور برای ساخت مدل می باشند. در اغلب موارد داده های عدم حضور قابل اطمینان وجود ندارد. بنابراین از دیگر روش هایی که تنها مبتنی بر داده های حضور پدیده موردنظر هستند، استفاده می شود. بدر این مقاله به منظور بررسی مناطق دارای قابلیت نفوذ، سه روش نمونه برداری بوت استرپ، اعتبارسنجی متقابل یا متقاطع (CV)۱ و زیرنمونه گیری، با استفاده از روش ماکزیمم آنتروپی در حوزه آبخیز ماربره مورد مطالعه قرار گرفت. برای انجام پژوهش حاضر، نقشه نقاط دارای نفوذپذیری اندازه گیری شده در حوزه آبخیز ماربره با استفاده از استوانه مضاعف، به عنوان پارامتر وابسته در فرایند آموزش و آزمون از طریق بازدید صحرایی و برداشت میدانی تهیه شد. همچنین به دلیل گستردگی سطح حوضه و هزینه بر بودن فرآیند نمونه برداری، از اطلاعات مطالعات قبلی صورت گرفته در منطقه مانند گزارش جامع ازنا الیگودرز و همچنین مطالعات توجیهی حفاظت خاک و آبخیزداری حوزه های آبخیز ماربره و بخشی از رودخانه تیره در شمال دورود، که از شرکت آب منطقه ای استان لرستان تهیه گردید استفاده شد. نمودار عامل ROC برای صحت سنجی استفاده شد. مقدار AUROC یا سطح زیر نمودار برای روش های بوت استرپ، متقابل و زیرنمونه گیری، به ترتیب برابر با ۰/۹۵۵، ۰/۹۵۱ و ۰/۹۵۲ می باشد که نشان دهنده صحت نتایج حاصل از مدل سازی می باشد. نتایج نهایی نشان داد که هر کدام از پارامترها در هر یک از این سه روش تا حدودی متفاوت از هم بودند که این اختلاف در فاکتورهای تراکم زهکشی، کاربری اراضی و بافت خاک نسبتا بیشتر مشاهده شد. بر اساس نتیجه حاصل از شاخص عملکرد، اختلاف بسیار جزئی بین هر یک از سه روش نمونه برداری مشاهده شد بطوریکه می توان تفاوت آنها را در ارتباط با استراتژی های متفاوت شان دانست و این اختلاف در خروجی فرایند مدل سازی پدیده مورد نظر ارتباطی به تنوع پدیده مورد مطالعه ندارد. علی رغم افزایش تعداد پیسکل های مناطق با قابلیت نفوذ بالا در روش نمونه برداری بوت استرپ نسبت به دو روش دیگر، عملکرد مدل پهنه بندی قابلیت نفوذ به صورت جزیی افزایش نشان داد (%۰/۹۵۵= AUROC). در این مطالعه با توجه به بررسی های انجام شده، روش بوت استرپ با توجه به تعداد کم داده های نمونه برداری نسبت به سطح بسیار وسیع حوضه مطالعاتی برای مدل سازی  نقاط تغذیه حوضه مورد نظر توصیه می شود. با توجه به سطح بسیار زیاد منطقه مورد مطالعه، پیشنهاد می شود برای بررسی مطالعات مشابه، این شبیه سازی برای دقت هرچه بیشتر، در سطوح حوضه های کوچکتر و یا برای حوضه های وسیع با داده بیشتری انجام شود.

Keywords:

Bootstrap , Cross Validation , Infiltration , Maxent , Recharge , بوت استرپ , تغذیه , کراس ولیدیشن , نفوذپذیری , مکسنت