ارزیابی خطر رخداد سیل در مناطق سیل خیز با بکارگیری مدل های احتمالاتی و یادگیری ماشین مطالعه موردی: حوزه آبخیز قره سو و گرگانرود استان گلستان

سیل یکی از مخرب ترین بلایای طبیعی با پیامدهای اجتماعی، اقتصادی و زیست محیطی است که امروزه روش های یادگیری ماشین و احتمالاتی به منظور مدل سازی و پیش بینی آن توسعه داده شده اند. اهداف این پژوهش اولویت بندی عوامل موثر، پهنه بندی و پیش بینی حساسیت نسبت به رخداد سیل با استفاده از مدل های رگرسیون بردار پشتیبان (SVR) و وزن شاهد بیزین (WOE) و معرفی مناسب ترین آن ها در حوزه ی قره سو و گرگان رود استان گلستان می باشد. نقشه پراکنش رخداد سیل بر اساس ۳۶۸ مکان با تعداد تکرار ۷۸۲ رخداد سیل بر اساس اطلاعات موجود، بازدید میدانی و بررسی تصاویر گوگل ارث در بازه زمانی قبل و بعد از سیلاب تهیه شد. از این تعداد ۷۰ درصد (۲۵۸ نقطه) به عنوان داده های آموزشی و ۳۰ درصد (۱۱۰ نقطه) به عنوان داده های آزمایشی به ترتیب برای اجرا و اعتبارسنجی مدل به طور تصادفی انتخاب و تقسیم شدند. در مرحله بعد از ۱۵عامل زمین شناسی، هیدرولوژیک، مورفومتریک حوزه به همراه داده های اقلیم (به عنوان متغیر مستقل) و به منظور پهنه بندی و مدل سازی استفاده شد. ارتباط بین عوامل موثر و رخدادهای سیل با استفاده از نسبت فراوانی، کمی و وزن دار شدند. به منظور بررسی همپوشانی اطلاعاتی عوامل موثر، با استفاده از تحلیل رگرسیون چند متغیره خطی، استقلال داده ها مورد آزمون قرار گرفت. نقشه های پهنه بندی حساسیت حاصل از اجرای دو مدل با استفاده از سطح زیر منحنی ویژگی عملکرد گیرنده (AUC-ROC) مورد ارزیابی، اعتبارسنجی و مقایسه قرار گرفتند. نتایج بررسی عوامل موثر در هر دو مدل متفقا نشان داد، عوامل کاربری اراضی، ارتفاع و پوشش گیاهی به ترتیب تاثیر به سزایی در رخداد سیلاب داشته اند و بخش زیادی (بیش از ۸۰%) از سیل های رخداده در کلاس حساسیت خیلی زیاد و زیاد قرار می گیرد. نتایج ارزیابی طبقه بندی و اعتبارسنجی مدل ها نشان داد AUC-ROC برای میزان موفقیت مدل های رگرسیون بردار پشتیبان و وزن شاهد به ترتیب ۹۲/۰ و ۸۸/۰ است. بنابراین، نتایج مدل رگرسیون بردار پشتیبان نسبت به مدل وزن شاهد دقت بیشتری دارد. نقشه های پهنه بندی حساسیت به سیل حاصل از این پژوهش می تواند مبنای برنامه ریزی و مدیریت بحران ناشی از رخداد سیل قرار گیرد.

ارزیابی خطر رخداد سیل در مناطق سیل خیز با بکارگیری مدل های احتمالاتی و یادگیری ماشین مطالعه موردی: حوزه آبخیز قره سو و گرگانرود استان گلستان Keywords:

پهنه بندی , سیل , رگرسیون بردار پشتیبان , قره سو و گرگان رود , وزن شاهد بیزین