حمیدرضا قره چائی - Technical Expert at UNDP/DoE Conservation of Iranian Wetlands Project, Iran)
علی اکبر نظری سامانی - Department of Reclamation of Arid and Mountainous Regions, Tehran University
شهرام خلیقی سیگارودی - Department of Reclamation of Arid and Mountainous Regions, Tehran University, Tehran, Iran
ابوالحسن فتح آبادی - Department of Rangeland and Watershed Management Engineering, University of Gonbad
خالد احمدآلی - Department of Reclamation of Arid and Mountainous Regions, Tehran University, Tehran, Iran

طی دهه گذشته روند افت سطح ایستابی و همچنین کاهش کیفیت آب­های زیر زمینی در کنار کمیت مسئله اساسی در مدیریت منابع آب به حساب می­آید. در پژوهش حاضر اقدام به پهنه بندی خطر شوری آب­های زیرزمینی با استفاده از روش های نسبت فراوانی، شاخص آماری، وزن شاهد، الگوریتم طبقه بندی درخت تصمیم و جنگل تصادفی در بخش جنوبی حوزه آبخیز بختگان گردید. پس از در نظر گرفتن حد آستانه شوری برای آب­های زیرزمینی (۱۰۰۰< EC میکروزیمنس بر سانتی­متر) و تهیه نقشه آن، نقشه ۲۱ عامل موثر در فرآیند شوری آب­های زیرزمینی شامل ارتفاع، فاصله از تاقدیس ها، نادویس ها، کفه های نمکی، دریاچه های شور و فاصله سدها، شاخص شوری خاک، شاخص رطوبت توپوگرافی، انحنای کلی، انحنای دشت، انحنای پروفیل، جریان تجمعی، جهت جریان، شیب، جهت، کاربری اراضی، خاک، اقلیم، پوشش اراضی، افت آب­های زیرزمینی، سطح آب­های زیرزمینی تهیه گردید. داده های هدایت الکتریکی به دو دسته آموزش و اعتبارسنجی تقسیم و با مقایسه نقشه شوری آب­های زیرزمینی با ۲۱ فاکتور مستقل، وزن دهی روش های دو متغیره و پارامترهای روش های چند متغیره برآورد گردید. نتایج روش حذف ویژگی بازگشتی  (RFE) نشان داد که در دشت های جنوبی حوزه آبخیز بختگان عوامل ارتفاع، فاصله از کفه های نمکی، فاصله از ناودیس ها و تاقدیس ها و فاصله از دریاچه های آب شور از اهمیت بیشتری در رخداد شوری آب­های زیرزمینی برخوردار هستند. نتایج اعتبارسنجی مدل های دو متغیره مقدار مساحت زیر منحنی (ROC) را برای روش های نسبت فراوانی (۹۲۳/۰)، شاخص آماری (۹۰۵/۰) و وزن شاهد (۹۰۸/۰) برآورد نمود که گویای عملکرد بهتر روش نسبت فراوانی در مقایسه با دو روش دیگر می باشد. همچنین نتایج روش های چند متغیره بیانگر عملکرد بهتر روش جنگل تصادفی با مقادیر ضریب تطابق (۹۱/۰) و ضریب همبستگی (۸۵/۰) نسبت به روش الگوریتم طبقه بندی درخت تصمیم با ضریب تطابق (۸۹/۰) و ضریب همبستگی (۸۲/۰) بود. به طور کلی در هر تحقیقی کارایی مدل ها بستگی به انتخاب مناسب فاکتوردهای موثر در وقوع پدیده مورد بررسی، کیفیت داده های جمع آوری شده و کیفیت نقشه های مورد استفاده دارد.

Conformity Coefficient, Curve ROC, Groundwater salinity, Multivariate methods, Random forest, جنگل تصادفی, چند متغیره, شوری آب های زیرزمینی, ضریب تطابق, منحنی ROCC