بهبود تخمین فاکتور C در مدل فرسایش خاک RUSLE بوسیله الگوریتم گرگ خاکستری

فرسایش خاک یکی از مخاطرات طبیعی است که باعث کاهش کیفیت و  تخریب آب ، خاک و زندگی بشر می شود، بنابراین، انجام عملیات حفاظت خاک در مناطقی که فرسایش سریع رخ می دهد ضروری است. نرخ فرسایش خاک معمولا با استفاده از مدل های تخمین و پیشبینی فرسایش محاسبه می شود. به دلیل داده های در دسترس تر و سهولت استفاده، معروف ترین و پرکاربردترین این مدلها معادله جهانی تلفات خاک (USLE) و نسخه بازبینی شده آن (RUSLE) است. دربین فاکتورهای مدل RUSLE  ، فاکتور C  (فاکتور پوشش زمین) به دلیل اهمیت زیاد و تعدد روشهای پیشنهادی تخمین آن ، بیشتر مورد توجه و مطالعه قرار می گیرد. رایج ترین روش تخمین فاکتور C بر اساس رگرسیونهای شاخص های گیاهی سنجش از دور به ویژه NDVI می باشد زیرارویکردهای مبتنی بر فناوری سنجش از دور محدودیت زمانی و مکانی کمتری در تشخیص پوشش گیاهی دارد و رابطه معنادار فاکتور C با شاخص های گیاهی سنجش از دور در تحقیقات پیشین اثبات شده است. هدف از این مطالعه بهبود تخمین فاکتور C در مدل RUSLE  با استفاده از رگرسیون شاخص های پوشش گیاهی NDVI و SAVI و با کمک الگوریتم بهینه ساز گرگ خاکستری است. مزایای بهینه ساز گرگ خاکستری بر سایر روشهای فراابتکاری از جمله سادگی، انعطاف پذیری در حل مسائل مختلف، سهولت پیاده سازی، قابلیت بهبود و توسعه ، کم بودن پارامترهای کنترل الگوریتم ، تعادل بین اکتشاف و بهره برداری طی جستجو و نیز نتایج با صحت بهتر در مطالعات پیشین بحث شده است. بنابراین در این مطالعه ضرایب رگرسیون تخمین فاکتور C با الگوریتم بهینه سازگرگ خاکستری بهینه شد. نتایج این مطالعه حاکی از بهبود صحت تخمین فاکتور C در پوشش های مختلف زمین  با روش ارائه شده نسبت به رگرسیونهای پیشین است؛ بنابراین استفاده از رگرسیونهای پیشنهادی به جای رگرسیونهای پیشین در تعیین این فاکتور هنگام مدلسازی RUSLE پیشنهاد می شود.

Keywords:

مدل RUSLE , فاکتور پوشش زمین , بهینه ساز گرگ خاکستری , شاخص های گیاهی , بهینه سازی