ارزیابی روش های یادگیری نظارتی هوشمند و سطح پاسخ برای بهینه سازی عوامل موثر بر فرسایش خاک (مطالعه ی موردی حوزه آبخیز امامزاده عبدالله باغملک)

ارزیابی عوامل موثر بر کنترل فرسایش خاک در قالب شیوه­های مدیریتی از اهمیت شایانی برخوردار است. در این پژوهش تاثیرات شیوه­های مدیریتی غیر سازه ای شامل قرق و اصلاح پوشش گیاهی توسط مدل WEPP در حوزه­ آبخیز امامزاده عبدالله باغملک واقع در شمال شرقی استان خوزستان، شبیه­سازی شد. بهینه­سازی متغیرهای فیزیکی و هیدرولیکی موثر بر فرسایش شامل بافت خاک و اجزاء معادله­ ون­گنوختن توسط روش­های سطح پاسخ (RSM)، جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و شبکه­ی عصبی مصنوعی (ANN) صورت پذیرفت. همچنین مقدار فرسایش خاک قبل از اعمال شیوه­های مدیریتی به عنوان پاسخ اول (R۱) و مقدار فرسایش خاک پس از اعمال شیوه­های مدیریتی تحت عنوان پاسخ دوم (R۲) تعریف شد. نتایج بهینه­سازی توسط نرم­افزار Orange شامل روش­های جنگل تصادفی، ماشین بردار پشتیبان و شبکه­ عصبی مصنوعی نشان داد که روش جنگل تصادفی  با MSE، RMSE و R۲ به ترتیب برابر ۹۹۱/۰، ۹۹۵/۰ و ۹۶۳/۰ برای پاسخ اول و برای پاسخ دوم به ترتیب برابر ۰۹۵/۰، ۳۰۷/۰ و ۹۷۴/۰، به عنوان مناسب ترین روش است. همچنین بهینه سازی به روش سطح پاسخ با نتایج آماری MSE، RMSE و R۲ برای پاسخ اول به ترتیب ۷/۲۸، ۳۷/۵ و ۹۹۹/۰ و برای پاسخ دوم به ترتیب برابر ۱۶/۴، ۰۳/۲ و ۹۹۸/۰، مناسب ترین روش محسوب می­شود. در مجموع استفاده از روش­های بهینه­سازی، ابزاری مناسب برای ارزیابی شیوه­های مدیریتی و در نهایت انتخاب بهترین آن ها در مناطق بحرانی می­باشد. متناسب بودن شیوه­های مدیریتی بر پایه­ی شرایط بهینه، منجر به کاهش هدررفت منابع آب و خاک می­شود.

Keywords:

Soil erosion , response surface methodology , Support Vector Machines , Random forest , Management Scenarios