به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
فهرست مطالب نویسنده:

hamid reza pourghasemi

  • نرگس کریمی نژاد، حمیدرضا پورقاسمی*، محسن حسینعلی زاده، وحید شفاهی
    مقدمه

    زمین لغزش ها و فروچاله ها به زیرساخت های اجتماعی، اقتصادی و طبیعی آسیب می زنند. این فرایندها تاثیرات مستقیم و غیرمستقیم بر زیرساخت های مهم، از جمله مناطق مسکونی دارند و بر تغییر کاربری اراضی و مهاجرت از روستا به شهر تاثیرگذارند. یکی از اهداف اصلی در مدیریت پایدار اراضی، شناسایی و کنترل بلایای طبیعی است که از یک سو سبب ارتقاء کمی و کیفی تولید در طولانی مدت شده و از سوی دیگر، علاوه بر حفظ کیفیت خاک از تخریب خاک جلوگیری می کند. به منظور مدیریت بهتر و پایدارتر، آگاهی از نحوه تغییر پذیری و شناسایی شکل های مختلف فرسایشی مانند فروچاله ها و زمین لغزش ها ضروری به نظر می رسد.

    مواد و روش ها

    با پیشرفت های اخیر در استفاده از تصاویر پهپاد (UAV) و روش های یادگیری عمیق (DL)، امکان ارائه روش های نیمه خودکار برای شناسایی واحدهای اراضی در مناطق مختلف با دقت مکانی بسیار خوب فراهم شده است. در این پژوهش، توانمندی دو مدل یادگیری عمیق پیشرفته، یعنی مدل U-Net و مدل U-Net با نظارت عمیق (ADSMS) که بر روی تصاویر به دست آمده از پهپاد اعمال شده است، برای نقشه برداری زمین لغزش ها و فروچاله ها در بخشی از نهشته های لسی استان گلستان مورد بررسی قرار گرفته است.

    نتایج و بحث:

    عملکرد مدل U-Net در زمینه زمین لغزش ها نشان می دهد که مدل دارای مقادیر مثبت کاذب کمتری است، اما هم زمان، بسیاری از سلول های زمین لغزش را از دست داده است. درعین حال، مدل ADSMS U-Net در تشخیص سلول های زمین لغزش عملکرد بهتری داشته، اما موارد زیادی را به پیش بینی های نادرست نسبت داد (که با امتیاز پایین دقت توضیح داده شده است). بهترین امتیاز F1  به مقدار 0.68 برای مدل ADSMS U-Net به دست آمده است. برای همه ترکیب باندها در تشخیص فروچاله ها، عملکردهای ADSMS U-Net نسبت به مدلU-Net  سنتی بهتر است. بهترین امتیازات کلی توسطADSMS U-Net  زمانی به دست آمد که بر روی داده های ALL، آموزش داده شد. در مورد اثربخشی مختلف ترکیب های ارزیابی شده در این پژوهش، می توان رفتار متناقض مدل ها را مشاهده کرد. U-Net سنتی، بهترین عملکرد را با استفاده از ترکیب نوری RGB به دست می آورد، درحالی که ADSMS U-Net  می تواند از اطلاعات مشتقات توپوگرافی و داده های نوری بهره برده و با ترکیبALL  بهترین نتایج را نشان دهد. علاوه بر این، واضح است که داده های DSHC به تنهایی برای هر دو مدل بدترین نتایج را ارائه می دهد. به طور کلی نتایج نشان داد که قابلیت ADSMS U-Net برای پیش بینی زمین لغزش ها در مقایسه با U-Net به واقعیت زمین نزدیک تر است. این مدل اغلب زمین لغزش های موجود در قسمت های آزمون را شناسایی می کند. همچنین، برای همه ترکیب باندهای فروچاله ها، عملکرد ADSMS U-Net نسبت به مدل U-Net بهتر است. بهترین امتیازات کلی توسط ADSMS U-Net زمانی به دست آمده است که بر روی داده های ALL آموزش داده شده اند.

    نتیجه گیری

    از آنجایی که فروچاله ها منشا اصلی برخی از فرسایش های عمده دیگر ازجمله شروع و گسترش آبکند محسوب می شوند، استفاده از ابزارها و فناوری جدید نظیر پهپاد و یادگیری عمیق، بسیار مهم است. با استفاده از مدل های مورداستفاده در این پژوهش، زمین لغزش ها با امتیاز قابل قبول ٪69=F1 نقشه برداری شدند. همچنین، مشتقات توپوگرافیکی به دست آمده از مدل رقومی ارتفاع مبتنی بر پهپاد، توانایی نقشه برداری فروچاله ها و زمین لغزش ها با داده های موجود را دارا هستند. تحقیقات بعدی می توانند استفاده از چنین رویکردی را برای نقشه برداری از زمین لغزش ها و فروچاله ها در طول زمان مورد بررسی قرار داده تا تغییرات مبتنی بر زمان بر روی شکل گیری و گسترش مخاطرات طبیعی را ارزیابی کنند.

    کلید واژگان: پهپاد بال ثابت, توپوگرافیکی, فتوگرامتری, مدل ADSMS U-Net, مدل U-Net
    Naeges Kariminejad, Hamid Reza Pourghasemi *, Mohsen Hoseinalizadeh, Vahid Shafaie
    Introduction

    Landslides and sinkholes damage social, economic, and natural infrastructure. These processes have direct and indirect impacts on important infrastructure, including residential areas, and influence land use change and migration from rural to urban areas. Sinkholes and landslides occur when parts of a soil collapse mainly in more gentle or steeper slopes, which are often triggered by intensive rainfall. One of the main goals in sustainable land management is the identification and control of natural disasters, which on the one hand leads to the quantitative and qualitative improvement of production in the long term, and on the other hand, maintains the quality of the soil and prevents soil degradation. In order to manage better and more stable, it seems necessary to know how to change and identify different forms of erosion such as sinkholes and landslides. Sinkholes and landslides occur when parts of a soil collapse mainly in more gentle or steeper slopes, which are often triggered by intensive rainfall. 

    Materials and methods

    Recent advances in acquiring images from unmanned aerial vehicles (UAV) (UAV) and deep learning (DL) methods inherited from computer vision have made it feasible to propose semi-automated soil landform detection methodologies for large areas at an unprecedented spatial resolution. In this study, we evaluate the potential of two cutting-edge DL deep learning segmentation models, the vanilla U-Net model, and the Attention Deep Supervision Multi-Scale U-Net model, applied to UAV-derived products, to map landslides and sinkholes in a semi-arid environment, the “Golestan Province” (north-east Iran).

    Results and discussion

    Landslides: The performance of the U-Net model shows that it has fewer false positives, but at the same time, it has missed many landslide cells. Meanwhile, the ADSMS U-Net model has performed better in detecting landslide cells, but it attributed many cases to incorrect predictions (which is explained by the low accuracy score). The best F1 score achieved for the ADSMS U-Net model is 0.68. Sinkholes: For all band combinations, the performances of ADSMS U-Net are better than those of the traditional U-Net model. The best overall scores by ADSMS U-Net were obtained when trained on the ALL data. Regarding the effectiveness of the various combinations evaluated in this study, we can observe the contradictory behaviors of the models. The traditional U-Net achieves the best performance using the RGB optical combination, while the ADSMS U-Net can leverage topographic derivative information and optical data, showing the best results with the ALL combination. Moreover, it is evident that the DSHC data alone provides the worst results for both models. In overall, the results show that the ability of ADSMS U-Net to predict landslides is closer to the ground reality compared to U-Net. This model identifies most of the landslides in the test sections. Also, for all combinations of sinkhole bands, ADSMS U-Net performs better than the U-Net model. The best overall scores were obtained by ADSMS U-Net when trained on ALL data.

    Conclusions

    Since this kind of soil erosion is the main origin of some major soil erosion including gully initiation and extension, applying new technology namely, UAV and deep learning is highly important and recommended. Our framework can successfully map landslides in a challenging environment (with an F1-score of 69 %), and topographical derivates from UAV-derived DSM decrease the capacity of mapping sinkholes and landslides of the models calibrated with optical data. Future research could explore the use of such an approach to map landslides and sinkholes over time to assess time-based changes in the formation and spread of natural hazards.

    Keywords: ADSMS U-Net Model, Fixed-Wing Drones, Photogrammetry, Topography, U-Net Model
  • نیما شفیعی کیگاسری، سید عطاالله حسینی*، حمیدرضا پورقاسمی
    مقدمه و هدف

    زمین لغزش ها از جمله مخاطرات محیطی است که هرساله موجب خسارات زیاد جانی و مالی در قسمت های وسیعی از نواحی کوهستانی کشورمان می شود، از این رو شناسایی عوامل مهم و موثر بر وقوع  این پدیده، می تواند به عنوان ابزاری کاربردی در کاهش زیان احتمالی مورد استفاده قرار گیرد. بنابراین شناخت عوامل محیطی تاثیرگذار در شکل گیری وقوع زمین لغزش در شبکه های ارتباطی جنگلی از اهمیت زیادی برخوردار است. شهرستان رامسر به دلیل توپوگرافی عمدتا کوهستانی، و فعالیت زمین ساختی زیاد، پتانسیل طبیعی برای زمین لغزش های گسترده در حریم شبکه های ارتباطی را دارد. هدف از این پژوهش، پهنه بندی حساسیت پذیری وقوع زمین لغزش در محدوده شهرستان رامسر با در نظر گرفتن عوامل موثر به خصوص شبکه جاده های جنگلی و استفاده از قابلیت های سیستم اطلاعات جغرافیایی می باشد.

    مواد و روش ها

    بدین منظور در ابتدا موقعیت زمین لغزش ها با استفاده از مطالعات میدانی، گزارش های تاریخی و تصاویر گوگل ارث مشخص شد. در مجموع 95 زمین لغزش در منطقه شناسایی، که به دو گروه برای مدل سازی (70 درصد) و ارزیابی (30درصد) تقسیم شد. جهت تحلیل مکانی حساسیت پذیری وقوع زمین لغزش معیارهایی از قبیل: شیب، جهت شیب، کاربری اراضی، فاصله از مراکز سکونتی، انحنای زمین، بارش، دما، فرسایس، ارتفاع، تراکم پوشش گیاهی، واحدهای سنگ شناسی، بافت خاک، تراکم آبراهه، فاصله از جاده، و شاخص رطوبت توپوگرافی مورد استفاده قرار گرفت. به منظور محاسبه تراکم و میزان سبزی پوشش گیاهی از پروداکت 16 روزه ماهواره لندست 8  در محیط سامانه گوگل ارث انجین استفاده گردید و خروجی نهایی با روش های رگرسیون وزنی در GIS محاسبه شد. تمامی فرآیندها و تجزیه تحلیل داده ها در محیط Excel و نرم افزار (ArcMap) انجام شد. همچنین به منظور ارزیابی و اعتبار سنجی مدل ها از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد.

    یافته ها

    مهمترین عوامل تاثیرگذار در حساسیت پذیری زمین لغزش شامل نوع خاک، شیب زمین، پوشش گیاهی، زمین شناسی،جریان های هیدروژئولوژیکی، توپوگرافی، میزان بارندگی و خطوط ارتباطی هستند. پهنه های با حساسیت پذیری وقوع زمین لغزش و تراکم زمین لغزش ها در مناطقی نمایان شده است که عمدتا مناطق حاشیه محور های مواصلاتی را شامل می شود. به دلیل احداث گسترده ساختمان ها و تاثیرات جانبی جاده سازی، و همچنین به دلیل تخریب شیب طبیعی زمین برای ایجاد جاده و گسترش آن، در این مناطق به وقوع پیوسته است. تطبیق پارامتر های موثر بر وقوع زمین لغزش با لایه پراکنش زمین لغزش ها نشان داد حدود 76 درصد از زمین لغزش ها در محدوده شیب 11 - 38 درجه رخ داده اند. فرسایش دامنه ها به وسیله جریان های پرسرعت سیلابی، باعث بروز بیش از 63 درصد از زمین لغزش ها تا فاصله 500 متری از آبراهه ها شده است. در کنار سه عامل اصلی نوع خاک، شیب طبیعی زمین، فرسایش دامنه ها وقوع خطرزمین لغزش، بازسازی و توسعه جاده بدون در نظر گرفتن اصول پایداری شیب باعث از بین رفتن تکیه گاه در شیب های تند شده و در صورت مساعد بودن سایر شرایط، بروز زمین لغزش را سبب شده است. بیش از نیمی از زمین لغزش رخ داده در منطقه در تناوبی از سنگ، شیل، ماسه سنگ، سنگ جوش، همراه با لایه هایی از زغال رخ داده اند. قطع لایه زمین لغزش رخ داده با طبقات فاصله از جاده نشان داده رخ داد زمین لغزش تا فاصله 400 متری از جاده به دلیل تاثیر مستقیم عملیات راه سازی و ترانشه زنی در به هم زدن تعادل دامنه های مشرف به جاده بوده است، به گونه ای که با دور شدن از جاده اصلی مساحت زمین لغزش ها به تدریج کم تر می شود. نتایج نشان داد مدل نسبت فراوانی (Frequency ratio models) با سطح زیر منحنی 0/760 دقت قابل قبولی برای تهیه نقشه حساسیت زمین لغزش ارائه کرده است. نتایج به دست آمده نقشه نهایی حساسیت پذیری وقوع زمین لغزش نشان دهنده آن است که طبقه 5 با ضریب حساسیت پذیری خیلی زیاد 13/06 درصد از کل مساحت منطقه، طبقه4 با ضریب حساسیت پذیری زیاد 16/35 درصد، طبقه3 با ضریب حساسیت پذیری متوسط22/32 درصد، طبقه 2 با ضریب حساسیت پذیری کم27/46 درصد، طبقه1 با ضریب حساسیت پذیری خیلی کم20/79 درصد را به خود اختصاص داده اند در نتیجه31/79 درصد از کل منطقه در معرض لغزش شدید قرار دارد.  با توجه به نقشه نهایی و  ارتباط نزدیک بین حضور جاده و وقوع زمین لغزش می توان بیان داشت که جاده های شمال غربی و شرقی  شهرستان رامسر بیش تر در معرض وقوع زمین لغزش هستند.

    نتیجه گیری

    به نظر می رسد حذف پوشش گیاهی، تغییر مسیر آبراهه ،تغییر شیب طبیعی زمین،برداشت خاک ها و سنگ ها برای ساخت جاده در منطقه باعث بروز زمین زلغزش ها در اطراف جاده های جنگلی شده است. محدوده های حاشیه محورهای مواصلاتی افتراق زیادی بین ضرایب حساسیت پذیری نشان داده اند، که این امر نشان دهنده اهمیت بالقوه وقوع زمین لغزش در این مناطق است. می توان نتیجه گرفت که ارائه توصیه ها و راه کارهای مناسب برای کاهش ریسک های زمین لغزش ها، بهبود مدیریت مناطق و اجرای استراتژی های پیشگیرانه در این منطقه بسیار ضروری است. این تحقیق نشان می دهد که با انجام تحلیل های دقیق و انطباق با وضعیت محیطی، می توان تدابیر موثری را به منظور کاهش آثار زمین لغزش ها و افزایش پایداری مناطق اجرایی کرد. از این رو، ترکیبی از تحلیل های زمین شناسی، هیدروژئولوژی، توپوگرافی و اطلاعات جغرافیایی می تواند به عنوان یک ابزار موثر برای مطالعه، پیش بینی و مدیریت ریسک زمین لغزش ها در مناطق کوهستانی استفاده شود.

    کلید واژگان: پهنه بندی, جاده, روش های آماری, لغزش, مدلسازی
    Nima Shafiee Kigasari, Ata O. Hosseini*, Hamidreza Pourghasemi
    Background

    Landslides are among the environmental hazards that annually cause significant human and financial losses in extensive mountainous regions of our country. Therefore, identifying the important and influential factors in the occurrence of this phenomenon can be used as a practical tool to reduce potential damage. Consequently, recognizing the environmental factors affecting the occurrence of landslides in forest road networks is of great importance. Due to its mainly mountainous topography and extensive tectonic activity, Ramsar County has a natural potential for widespread landslides within the communication network area. The objective of this study is to assess the susceptibility of landslide occurrence in the Ramsar County area by considering influential factors, especially forest road networks, and utilizing Geographic Information System (GIS) capabilities.

    Methods

    To achieve this goal, the locations of landslides were determined using field studies, historical reports, and Google Earth images. A total of 95 landslides were identified in the region, which were divided into two groups for modeling (70%) and validation (30%). Sensitivity analysis of landslide occurrence was carried out based on criteria such as slope, slope direction, land use, distance from residential centers, terrain curvature, precipitation, temperature, erodibility, elevation, vegetation cover density, lithological units, soil texture, drainage density, distance from roads, and topographic wetness index. Land cover density and vegetation greenness were calculated using 16-day products from Landsat 8 satellite in Google Earth Engine, and the final output was calculated using weighted regression methods in GIS and Excel software. Receiver Operating Characteristic (ROC) curves were employed for model evaluation and validation.

    Results

    The most significant factors affecting landslide susceptibility include soil type, slope of the terrain, vegetation cover, geology, hydrogeological flows, topography, precipitation, and communication lines. Susceptibility zones and landslide density are more pronounced in peripheral areas of transportation corridors. The construction of extensive structures, side effects of road construction, and the disruption of natural terrain balance for road construction and expansion have led to continuous occurrences in these areas. The correlation of parameters influencing landslide occurrence with the landslide distribution layer indicates that approximately 76% of landslides have occurred in slopes ranging from 11 to 38 degrees. Erosion of slopes by high-velocity runoff flows has caused more than 63% of landslides to occur within 500 meters of watercourses. Alongside the three main factors of soil type, natural slope, and slope erosion, landslide occurrence is influenced by road reconstruction and development without considering slope stability principles. More than half of the observed landslides in the area have occurred in a sequence of rock, shale, sandstone, and volcanic rock, accompanied by coal layers. The discontinuity of the landslide layer with the distance from the road indicates that landslide occurrence up to a distance of 400 meters from the road has been due to direct effects of road construction and embankment activities, disrupting the balance of slopes adjacent to the road, gradually decreasing with the distance from the main road. The results show that the Frequency Ratio model provides an acceptable accuracy with an area under the curve (AUC) of 0.76 for landslide susceptibility mapping. The final susceptibility map indicates that class 5 with very high susceptibility covers 13.06% of the total area, class 4 with high susceptibility covers 16.35%, class 3 with moderate susceptibility covers 22.32%, class 2 with low susceptibility covers 27.46%, and class 1 with very low susceptibility covers 20.79%. Consequently, 31.79% of the total area is at risk of severe landslides. Considering the final map and the close relationship between road presence and landslide occurrence, it can be stated that the northwestern and eastern forest roads of Ramsar County are more exposed to landslide occurrence.

    Conclusion

    It appears that the removal of vegetation cover, alteration of watercourse routes, modification of natural terrain slopes, and excavation of soils and rocks for road construction in the area have led to landslide occurrences around forest roads. The marginal areas of transportation corridors show a significant discrepancy in susceptibility coefficients, highlighting the potential importance of landslide occurrence in these regions. It can be concluded that providing appropriate recommendations and strategies to reduce landslide risks, improving area management, and implementing preventive measures in this region are highly necessary. This study demonstrates that through accurate analyses and alignment with environmental conditions, effective measures can be taken to reduce the effects of landslides and enhance the stability of operational areas. Therefore, a combination of geological, hydrogeological, topographic, and geographical information analyses can be used as an effective tool for studying, predicting, and managing landslide risks in mountainous regions.

    Keywords: Zoning, Road, Landslide, Statistical Methods, Modeling
  • فاطمه رضایی، حمیدرضا پورقاسمی*، سید رشید فلاح شمسی، رسول خسروی، نرگس کریمی نژاد
    مقدمه

    سیلاب یکی از مخرب ترین بلایای طبیعی محسوب می شود؛ بنابراین تهیه نقشه حساسیت سیل گیری گامی مهم در راستای مدیریت سیلاب است. به دلیل کمبود اطلاعات در اکثر حوزه های آبخیز کشور، بسیاری از محققان برای مطالعه های هیدرولوژیکی و سیل گیری از تجزیه وتحلیل های مکانی در محیط GIS استفاده می کنند. بر این اساس، شناسایی مهم ترین عوامل موثر بر ایجاد و تشدید وقوع سیل و هم چنین تهیه نقشه حساسیت پذیری آن می تواند یکی از مهم ترین راهکارها در راستای کاهش خطر سیل باشد؛ بنابراین هدف از پژوهش حاضر، تهیه نقشه حساسیت پذیری سیل در استان بوشهر با استفاده از تکنیک های یادگیری ماشین و شناسایی عوامل مهم و موثر بر وقوع آن است.

    مواد و روش ها

    پژوهش حاضر به منظور مقایسه کارایی سه مدل یادگیری ماشین، شامل جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و مدل جمعی تعمیم یافته (GAM) در تهیه نقشه سیل گیری استان بوشهر انجام شده است. در این تحقیق ابتدا لایه های اطلاعاتی تاثیرگذار بر رخداد سیلاب در منطقه موردمطالعه تعیین و هر یک از نقشه های تهیه شده به عنوان ورودی به مدل های ذکرشده در این تحقیق معرفی شدند تا بر اساس آن ها نقشه حساسیت به سیلاب (سیل گیری) در محدوده مطالعاتی تهیه شود. بدین منظور، لایه های اطلاعاتی درجه شیب، جهت شیب، ارتفاع، فاصله از رودخانه، تراکم زهکشی، سنگ شناسی، کاربری اراضی، شاخص رطوبت توپوگرافی، شاخص تفاضلی پوشش گیاهی نرمال شده و بارندگی در محیط سامانه اطلاعات مکانی در نرم افزارهای ArcGIS و SAGA-GIS تهیه شد. سپس بر اساس اطلاعات 925 موقعیت سیلاب های رخ داده و شناسایی شده در محیط گوگل ارث انجین، از 70 درصد تعداد کل نقاط (645 نقطه) به منظور مدل سازی و 30 درصد باقیمانده (280 نقطه) برای ارزیابی استفاده شد. به منظور اعتبارسنجی و ارزیابی کارایی مدل ها نیز از منحنی تشخیص عملکرد نسبی استفاده شد.

    نتایج و بحث:

     نتایج روش جنگل تصادفی نتایج نشان داد از بین 10 عامل اصلی، عوامل ارتفاع، بارندگی و سنگ شناسی به عنوان مهم ترین فاکتورهای تاثیرگذار بر وقوع سیل در منطقه موردمطالعه بوده و در مقابل عوامل جهت شیب و فاصله از رودخانه دارای کم ترین تاثیر بر وقوع سیل می باشند. به عبارت دیگر، نتایج نشان داد که عوامل ارتفاع، بارندگی و سنگ شناسی بیش ترین تاثیر را بر سیل گیری منطقه موردمطالعه دارند. نتایج ارزیابی دقت مدل ها با استفاده شاخص سطح زیر منحنی نشان داد که مدل ماشین بردار پشتیبان (86/0)، مدل جمعی تعمیم یافته (85/0) و مدل جنگل تصادفی (88/0) دارای دقت خیلی خوب هستند. همچنین بیشترین مساحت حساسیت سیل در مدل جنگل تصادفی و مدل جمعی تعمیم یافته مربوط به طبقه کم است. اگرچه در مدل ماشین بردار پشتیبان بیشترین کلاس حساسیت مربوط به طبقه متوسط است؛ بنابراین بر اساس شاخص های مذکور هر سه مدل توانائی خوبی در شناسایی مناطق سیل گیر دارند. به بیان دیگر، نتایج به دست آمده بر اساس مدل ماشین بردار پشتیبان نشان می دهد که 32/37 درصد از مساحت استان دارای حساسیت کم، 01/26 درصد از مساحت استان دارای حساسیت متوسط، 42/12 درصد از استان دارای حساسیت زیاد و 42/24 درصد از مساحت استان دارای حساسیت خیلی زیاد نسبت به سیل خیزی هستند. همچنین دو مدل دیگر نیز از دقت خیلی خوبی برای مدل سازی سیل در منطقه موردمطالعه برخوردار بوده اند. نمودار ROC مربوط به مربوط به مدل جنگل تصادفی، ماشین بردار پشتیبان و مدل جمعی تعمیم یافته نشان دهنده دقت 5/88 برای مدل جنگل تصادفی، دقت 86 درصد برای مدل ماشین بردار پشتیبان و دقت 85 درصد برای مدل جمعی است.

    نتیجه گیری

    نتایج به دست آمده از تحقیق حاضر می تواند کمک قابل توجهی به دولت، برنامه ریزان و مهندسین در پیش گیری و کاهش وقوع سیلاب نماید. هم چنین می توان از روش های دیگر و ترکیب آن ها برای مدل سازی و مقایسه نتیجه آن با پژوهش حاضر استفاده کرد. بنا بر نتایج این تحقیق می توان اذعان داشت با استفاده از ابزارهای قدرتمند هوش مصنوعی، محققان و ذینفعان درک عمیق تری از پویایی پیچیده در وقوع سیل به دست می آورند و در نتیجه تصمیم گیری آگاهانه تر و استراتژی های موثرتری را در کاهش و کنترل سیل به کار می برند.

    کلید واژگان: سیل گیری, مدل سازی, یادگیری ماشین, استان بوشهر
    Fatemeh Rezaei, Hamidreza Pourghasemi *, Seyed Rashid Fallah Shamsi, Rasoul Khosravi, Narges Kariminejad
    Introduction

    Given the scarcity of data on river basins nationwide, numerous researchers turn to spatial analysis within a Geographic Information System (GIS) setting for hydrological studies and flood investigations. On that basis, identifying the most important factors influencing flood occurrence and severity, as well as building their sensitivity maps can be one of the most important solutions for flood reduction. Therefore, the objective of this study is to prepare a flood risk map in Bushehr province using machine learning techniques and to identify important factors affecting flood hazards.

    Materials and methods

    In this study conducted in Bushehr province, we aimed to compare the effectiveness of three machine learning models: Support Vector Machine (SVM), Random Forest (RF), and Generalized Additive Model (GAM). Initially, layers of information influencing flood occurrence in the study area were identified. Each prepared map served as input for the models. Various layers such as slope, slope direction, elevation, distance to river, drainage density, lithology, land use, topographic wetness index, and vegetation cover index were prepared using ArcGIS and SAGA-GIS software, crucial for analyzing flood patterns. Using data from 925 flood locations, points were divided into two sets: 70% (645 points) for modeling and 30% (280 points) for evaluation. The effectiveness of the models was validated using Receiver Operating Characteristic (ROC) analysis.

    Results and Discussion

    The results indicated that among the ten main factors, height, rainfall, and lithology were the most important factors affecting flood occurrence, while slope and distance from the river had the least impact. Evaluating model accuracy using ROC revealed very good accuracy for the SVM model (0.86), generalized additive model (0.85), and RF model (0.88). Flood sensitivity analysis showed RF and GAM methods identified the highest area in the low susceptibility class, while the SVM method identified the highest area in the medium susceptibility class. Results indicated that 37.32% of the study area had low sensitivity, 26.01% had medium sensitivity, 12.42% had high sensitivity, and 24.42% were very sensitive to flood hazards. Also, two other models have had very good accuracy for flood modeling in the studied area. The ROC related to the RF model, SVM, and generalized collective model showed an accuracy of 88.5 for the RF model, 86% accuracy for the SVM model, and 85% accuracy for the generalized collective model.

    Conclusion

    This study concludes that integrating machine learning models, namely SVM, RF, and GAM, with GIS analysis holds tremendous potential for advancing our understanding of flood patterns in Bushehr province. Leveraging these tools allows for a deeper comprehension of flood dynamics, aiding informed decision-making and effective mitigation strategies. This approach marks a significant leap forward in proactively addressing flood challenges and fostering resilient flood management practices in Bushehr province.

    Keywords: Flood, Modeling, Machine Learning, Bushehr Province
  • نرگس جاویدان*، عطاالله کاویان، سجاد رجبی، حمیدرضا پورقاسمی، زینب جعفریان

    پژوهش حاضر با هدف شناسایی مناطق مستعد فرسایش خندقی و زمین لغزش  به صورت نقشه ی دو خطره در قالب یک نقشه ی واحد در حوزه آبخیز گرگانرود انجام شد. علاوه برآن، استفاده از دو مدل یادگیری ماشینی RF و SVM برای تعیین ارتباط میان این خطرات و متغیرهای زمین - محیطی و همچنین تهیه نقشه مناطق مستعد وقوع هر خطر به صورت منفرد به عنوان هدف ثانویه مدنظر قرار گرفت. برای اعتبار‏‏سنجی نقشه های استعداد وقوع هر خطر، از منحنیROC استفاده شد، و بهترین مدل برای تعیین نقشه حساسیت پذیری هر خطر با بالاترین دقت انتخاب شد. در نهایت با ادغام نقشه حساسیت مربوط به خطرات زمین لغزش و فرسایش خندقی با ترکیب مدل های مختلف و مدل برتر، نقشه حساسیت دو خطره به دست آمد. نتایج نشان داد مدل RF با (9/82= AUC) برای خطر زمین لغزش و (9/96 =AUC) برای فرسایش خندقی نسبت به مدل SVM با مقدار(0/76= AUC) برای خطر زمین لغزش و (9/93= AUC) برای فرسایش خندقی دارای دقت بالاتری است. در نهایت با ادغام نقشه حساسیت مربوط به هر خطر یک نقشه ی واحد و جامع که نشان دهنده ی مناطق مستعد هردو خطر باشد به دست آمد. نقشه نهایی می تواند به عنوان ابزاری باارزش برای برنامه ریزی پایدار برای کاربری اراضی در مناطق مستعد چند خطره مورداستفاده قرار گیرد.

    کلید واژگان: پیش بینی مکانی, مخاطرات طبیعی, نقشه دو خطره, مدل های یادگیری ماشینی, منحنی تشخیص عملکرد نسبی
    Narges Javidan*, Ataollah Kavian, Sajad Rajabi, HamidReza Pourghasemi, Zeinab Jafarian

    The aim of this study is to identify the areas prone to gully erosion and landslide as a two-hazard map in the form of a single map in Gorganrood watershed. In addition, the use of two machine learning models such as RF and SVM to establishing the spatial relationship between these hazards and the GEFs and any hazard susceptibility mapping separately. In addition, the validation of the hazards susceptibility maps was conducted based on the ROC curve method, and the best model was chosen with the highest predictive performances. Finally, by combining the susceptibility landslides and gully maps, the two-hazard probability maps were produced, which were a combination of different models and the best model. The results showed a RF model with (AUC = 82.9) for landslide and (AUC = 96.9) for gully erosion have higher accuracy compared to the SVM model with a value of (AUC = 0.76) for landslide and (AUC = 93.9) for gully erosion. Finally, a single and comprehensive map was obtained by combining of the each hazard susceptibility map for identification the areas prone to both hazards based on both models. The final two-hazard map can be used as a valuable tool for sustainable land use planning in multi-hazard prone areas.

    Keywords: Spatial prediction, Natural hazards, two- hazard map, Machine learning models, Relative receiver operating characteristic curve
  • نرگس کریمی نژاد، حمیدرضا پورقاسمی*، محسن حسینعلی زاده

    فرسایش های تونلی، آبکندی و حرکات توده ای پیچیدگی هایی دارند که بهترین راه برای بررسی همه جانبه آن ها، استفاده از روش های نوین مطالعاتی است. هدف از این پژوهش، تجزیه و تحلیل مکانی گسترش فرسایش های تونلی، آبکندی و حرکات توده ای مبتنی بر آماره های مکانی و مطالعات میدانی است. در این تحقیق، پس از پیمایش میدانی و نقشه برداری هوایی توسط پهپاد فتوگرامتری، مدل رقومی ارتفاع تهیه شد. سپس الگوی پراکنش مکانی و روابط متقابل سه رخساره بررسی و تاثیر عامل محیطی شیب در تمامی تحلیل های مکانی، مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد الگوی پراکنش مکانی براساس تابع همبستگی جفتی (g(r)) برای هر دو فرسایش آبکندی و تونلی خوشه ای و برای حرکات توده ای تا فاصله 140 متر، پراکنده است. آماره های اختصاری دو متغیره (g12(r)) نشان داد ارتباط متقابل مثبت و معنی داری بین فرسایش های آبکندی و تونلی وجود دارد. ارتباط متقابل هر یک از فرسایش های آبکندی و تونلی با حرکات توده ای در فاصله های کم، مثبت بود. افزایش شیب به عنوان یک ویژگی کمی بر پراکنش و توزیع مکانی حرکات توده ای اثر زیاد و بر پراکنش مکانی فرسایش تونلی و آبکندی اثر کم داشت. لذا، استفاده از آماره های کمی، می تواند منجر به شناسایی بهتر فرآیندهای موثر بر آنها شده و در نهایت سرعت خطرات طبیعی را به صورت موثرتری پیش بینی کند.

    کلید واژگان: آماره های اختصاری, پهپاد, حرکات توده ای, فرسایش آبکندی, فرسایش تونلی, نهشته های لسی
    Narges Kariminejad, Hamid Reza Pourghasemi*, Mohsen Hosseinalizadeh

    Piping erosion, gully erosion, and mass movement have complexity that the best way to comprehensively identify them is to use new statistical tools. The purpose of this study is spatial analysis of soil landforms based on spatial statistics and field studies. In this research, a digital elevation model was prepared. Then, the spatial pattern and interaction of the three soil landforms were investigated and the spatial effect of slope degree was analyzed on the spatial distributions of them. The results showed the pair correlation function (g(r)) was clustered for both piping erosion and gully erosion. However, it was dispersed for mass movements up to spatial distance of 140 m. The bivariate statistic (g12(r)) showed there is a significantly positive correlation between gully erosion and piping erosion. The correlation between mass movements with each of gullies and piping erosions were positive at the near distances. In addition, increasing the slope had a large effect on the spatial distribution of mass movements and a small effect on the spatial distribution of piping erosion and gully erosion. Therefore, a comprehensive approach to a landscape using quantitative statistics can lead to better identification of processes affecting them, and then, reduction of natural hazards.

    Keywords: summary statistics, UAV, mass movements, gully ersion, piping erosion, loess deposits
  • سعیده اسکندری*، فاطمه احمدلو، حمیدرضا پورقاسمی، یزدانفر آهنگران، ذوالفقار رضاپور
    آتش سوزی یکی از پدیده های مخرب عرصه های طبیعی است که طی سال های اخیر بخش وسیعی از جنگل ها و مراتع استان گیلان را نابود کرده است. این پژوهش به منظور بررسی رابطه زمانی و مکانی بین متغیرهای اقلیمی و آتش سوزی در استان گیلان انجام شد. متغیرهای آتش سوزی شامل تعداد و وسعت آتش سوزی ها و متغیرهای اقلیمی شامل هفت متغیر طی 26 سال اخیر بودند. برای بررسی رابطه زمانی بین آتش سوزی ها و متغیرهای اقلیمی، از همبستگی پیرسون و روابط رگرسیونی استفاده شد. برای بررسی رابطه مکانی بین وقوع آتش سوزی ها و متغیرهای اقلیمی ، از روش های یادگیری ماشین استفاده شد. نقشه آتش سوزی ها در جنگل ها و مراتع استان، از اداره کل منابع طبیعی و آبخیزداری استان گیلان (1400-1375) و سنجنده مادیس (1400-1381) تهیه شد. نقشه متغیرهای اقلیمی با روش های درون یابی در GIS تهیه شدند. اهمیت نسبی متغیرهای اقلیمی در وقوع آتش سوزی با آماره های میانگین کاهش جینی (Mean Decrease Gini: MDG) و میانگین کاهش صحت (Mean Decrease Accuracy: MDA) تعیین شد. برای مدل سازی و تهیه نقشه های احتمال وقوع آتش سوزی، از 70 درصد موقعیت آتش سوزی ها و مدل های مختلف یادگیری ماشین (رگرسیون لجستیک، جنگل تصادفی، ماشین بردار پشتیبان و مدل ترکیبی SVM-RF) در نرم افزار زبان برنامه نویسی R استفاده شد. برای صحت سنجی مدل ها، از 30 درصد موقعیت آتش سوزی ها و مشخصه AUC استفاده شد. نتایج رابطه زمانی نشان داد، طی دوره 26 ساله، بین تعداد آتش سوزی و میانگین بارندگی فصلی به صورت منفی و بین تعداد آتش سوزی و میانگین سرعت باد فصلی و میانگین حداکثر سرعت باد فصلی به صورت مثبت، رابطه معنی داری در سطح اطمینان 95 درصد وجود داشت. به علاوه، بین وسعت آتش سوزی و میانگین بارندگی فصلی، رابطه معنی دار منفی در سطح اطمینان 95 درصد مشاهده شد. نتایج رابطه مکانی نشان داد، میانگین حداکثر درجه حرارت فصلی، میانگین بارندگی فصلی و میانگین رطوبت نسبی فصلی بیشترین اهمیت را در وقوع آتش سوزی استان گیلان در گستره مکانی داشته اند. نتایج اعتبارسنجی نقشه های احتمال وقوع آتش سوزی نشان داد، مدل جنگل تصادفی (AUC: 0/82) و مدل ترکیبی SVM-RF (AUC: 0/79) دقت بیشتری در نقشه برداری احتمال وقوع آتش سوزی داشته اند. بنابراین پیش بینی آتش سوزی های ناشی از عوامل اقلیمی در جنگل ها و مراتع استان گیلان با استفاده از نقشه های مذکور امکان پذیر است که کمک شایانی به مدیران منابع طبیعی در انجام اقدامات حفاظتی در مناطق پرخطر می کند. در این مورد، ضروری است که اقدامات کنترلی برای پیشگیری از وقوع آتش سوزی های آینده در مناطق پرخطر آتش سوزی، با حساسیت بیشتری توسط یگان حفاظت اداره کل منابع طبیعی و آبخیزداری استان انجام شود.
    کلید واژگان: تحلیل زمانی و مکانی آتش سوزی, تعداد و وسعت آتش سوزی, رگرسیون خطی, متغیرهای اقلیمی, مدل های یادگیری ماشین
    Saeedeh Eskandari *, Fatemeh Ahmadloo, Hamid Reza Pourghasemi, Yazdanfar Ahangaran, Zolfaghar Rezapour
    Fire is one of the destructive phenomena that have devastated a significant portion of forests and grasslands in Gilan Province in recent years. This study aimed to investigate the temporal and spatial relationship between climatic variables and wildfires in Gilan Province. The wildfire variables included the number and extent of wildfires, and the climatic variables consisted of seven parameters over the past 26 years (2001-2026). Pearson correlation and regression analysis were utilized to examine the temporal relationship. The relative importance of climatic variables in wildfire occurrence was determined using Mean Decrease Gini (MDG) and Mean Decrease Accuracy (MDA) statistics. For modeling and generating probability maps of wildfire occurrence, 70% of wildfire locations and various machine learning models (Logistic Regression, Random Forest, Support Vector Machine, and SVM-RF Hybrid) were employed using the R programming language. Model validation was conducted using 30% of wildfire locations and the Area Under the Curve (AUC) metric. The temporal results showed that during the 26-year period (2001-2026), a significant negative correlation was observed between the number of wildfires and the average seasonal precipitation, while positive correlations were found between the number of wildfires and the average seasonal wind speed and maximum wind speed at a 95% confidence level. Furthermore, a significant negative correlation was observed between the extent of wildfires and the average seasonal precipitation at a 95% confidence level. The spatial relationship analysis indicated that the average maximum temperature, average seasonal precipitation, and average relative humidity had the highest importance in wildfire occurrence within the geographical extent of Gilan Province. Model validation results revealed that the Random Forest model (AUC: 0.82) and the SVM-RF Hybrid model (AUC: 0.79) outperformed others in predicting the occurrence of wildfires. Therefore, predicting wildfires resulting from climatic factors in the forests and grasslands of Gilan Province using the aforementioned maps is feasible and can significantly aid natural resource managers in implementing protective measures in high-risk wildfire areas. Hence, it is imperative that proactive measures be taken by the Natural Resources and Watershed Management Organization of the province to prevent future wildfires with greater sensitivity.
    Keywords: Climatic variables, number, area of fire, fire spatial, temporal analysis, Linear regression, Machine learning models
  • عادل قاسمی، امید بهمنی*، سمیرا اخوان، حمیدرضا پورقاسمی

    فرونشست با توجه به ماهیت زمین شناسی و ارتباط آن با بهره برداری از آبهای زیرزمینی مورد توجه محققین حوزه های مدیریت منابع آب و زمین شناسی قرار گرفته است. در این راستا بررسی فرونشست آبخوان کبودراهنگ در استان همدان با استفاده از تکنیک تداخل سنجی راداری و بررسی تغییرات آب زیرزمینی این دشت مورد مطالعه قرار گرفت. از سویی ارتباط بین فرونشست و تغییرات آب زیرزمینی با استفاده از روابط رگرسیونی در نظر گرفته شد. نتایج حاکی از فرونشست دشت طی سالیان 1393 تا 1398 به میزان 124/7 میلیمتر و نرخ متوسط 13 میلیمتر در هر 6 ماه بود. با توجه هدایت هیدرولیکی متفاوت آبخوان در کنار ساختارهای زمین شناسی متفاوت دشت، بین بهره برداری از آب زیرزمینی و پدیده فرونشست تاخیر وجود داشت که با استفاده از رگرسیون تاخیری، زمان تاخیر فرونشست و بهره برداری از آب زیرزمینی به میزان متوسط 1/5 سال تعیین گردید. همچنین تاثیر بیشتر فرونشست بر اراضی کشاورزی به دلیل بهره برداری از آب زیرزمینی به منظور کشت مورد تاکید قرار گرفت.

    کلید واژگان: آب های زیرزمینی, تداخل سنجی راداری, زمان تاخیر, دشت کبودراهنگ, فرونشست
    Adel Ghasemi, Omid Bahmani *, Samira Akhavan, HamidReza Pourghasemi
    Background and Objectives

    Iran is located in an arid and semi-arid climate with an average rainfall of about 239.3 mm during five years ago. There are many challenges for decision-makers in terms of supplying water for agriculture, industry, and drinking. On the other hand, lack of comprehensive decision-makers, along with lack of awareness of beneficiaries of the consequences of excessive use of groundwater resources, has led to land subsidence in most plains of the country. This issue, due to the nature of land cognition and its relation to the use of groundwater, has been considered by researchers in the fields of water resources management and geology. Land subsidence of Iran has been studied worldwide and the effects of groundwater abstraction have been determined at a high level compared to other factors. Hamedan province in the western part of Iran is not far from overuse of water and the effects of land subsidence, due to the extensive agricultural lands and agricultural hubs. In this regard, studying Kaboudrahang aquifer subsidence with its sinkholes (18 massive sinkholes) was selected as the study site in the northwest of Hamadan province. The hydrograph of the plain aquifer unit shows a profound drop in the groundwater level of the aquifer (40 meters) between the years 1988 and 2018.

    Methodology

    Regarding plain subsidence, some researches have been done. Accordingly, the radar interference technique in ENVI software was used to determine the amount of land subsidence and finally its output expressed in GIS software. To use this method, 11 Sentinel satellite images from 2014 to 2019 were selected and groundwater changes in 49 observation wells were studied. To investigate land subsidence and groundwater changes, the relation between land subsidence rate and groundwater level drop was examined through a regression analysis, as well as several observation wells that have a reduction in the date of the last satellite image relative to the water level. A regression analysis was selected between the water level drop and land subsidence rate and between the water level drop and the cumulative land subsidence obtained by radar interferometry during the period. To investigate in more detail, the effect of groundwater abstraction in each observation well and the relationship between land subsidence and its changes over time have also been investigated. On the other hand, land subsidence is delayed according to some research on groundwater exploitation, which varies due to the different hydraulic conductivity of the aquifer along with the different geological structures of the plain. Lag regression was used as a simple tool to determine the lag time between groundwater exploitation and land subsidence.

    Findings

    The study results showed that during the years 2014 to 2019, the land subsidence of the plain was 124.7 mm and an average rate was 13 mm every six months. Positive and negative values were observed in the land subsidence rate map in which positive values indicate upward radar visibility and negative values are related to radar visibility or subsidence. In general, across the plain, there is no equal correlation between subsidence rate and groundwater level decline. Its main reason can be found in the difference of geological structures and diverse soil texture throughout the plain, which has led to different responses to groundwater exploitation. Wells that had a drop in water level between the first and last satellite image show a decreasing trend of land subsidence rate and cumulative land subsidence. This indicates a decrease in the power of land subsidence in the utilization of water over time. The reason is that groundwater passed through subsidence-sensitive layers, after which the effect on land subsidence is reduced. The lag time of subsidence and operation of groundwater was determined as an average of 1.5 years.

    Conclusion

    Based on the analysis of this research, more significant impact of land subsidence on agricultural lands can be identified due to the use of groundwater. On the other hand, there is need for proposals and solutions to reduce the rate of land subsidence, and so it is recommended to change the cultivation pattern, to control surface water with artificial recharge, and to create deep plowing in agricultural areas to increase permeability.

    Keywords: lag time, Groundwater, InSAR, Kabudrahang plain, land subsidence
  • مرضیه کیهان پناه، علی نجفی نژاد*، حمیدرضا پورقاسمی، علی محمدیان بهبهانی
    برآورد رسوب دهی آبخیز، یک فرآیند مهم در مدیریت آبخیز است. به دلیل محدودیت اطلاعات تولید رسوب در آبخیزهای کوچک، روش هایی تجربی برای برآورد مقادیر آن در آبخیزهای مختلف توسعه داده شده است. اتصال رسوبی یکی از مشخصه های مهم تولید رسوب حوضه است و برای تخمین بهتر با نسبت تحویل رسوب (SDR) مقایسه می شود. هدف از پژوهش حاضر مقایسه و ارزیابی تغییرات مکانی مقادیر SDR و شاخص اتصال در مقیاس آبخیز کوچک است. این مطالعه در آبخیزمارچشمه استان سمنان با مساحت 2418 هکتار، انجام گردید. در خروجی این آبخیز یک بند خاکی توسط مدیریت آبخیزداری سازمان جهاد سازندگی سابق استان (1373)، احداث شده و در آبخیز بالادست آن هیچ گونه عملیات آبخیزداری اجرا نشده است. در سال 1391 توسط مرکز تحقیقات استان سمنان مقدار رسوب به تله افتاده در پشت بند اندازه گیری شد. لازم به ذکر است تا زمان اندازه گیری رسوب تمامی رسوب رسیده به خروجی آبخیز در مخزن بند به تله افتاده و رسوبی از بند سرریز ننموده است. بااستفاده از مقدار رسوب اندازه گیری شده، واسنجی مدل WaTEM/SEDEM برای محاسبه SDR انجام شد و مقادیر SDR برای کل حوضه به صورت توزیعی برآورد شد. نقشه توزیعی شاخص اتصال رسوبی تهیه شد. بیش ترین مقدار نقشه SDR نزدیک به 5/0 و کمترین مقدار آن نزدیک به صفر و شاخص اتصال رسوبی از 71/6- تا 04/3 متغیر بود. براساس هر دو شاخص SDR و IC، نزدیک خروجی آبخیز میزان تحویل رسوب و انتقال رسوب بیشتر از میانگین کل آبخیز است؛ اما در قسمت های شمالی آبخیز، تمرکز حوضه بر تحویل و انتقال رسوب نیست. در نظر گرفتن این دوشاخص و نحوه پراکندگی آنها می تواند برای اولویت بندی مناطق ازنظر مدیریت فرسایش خاک و رسوب مورد اهمیت باشد. این مطالعه، کاربرد به روز داده های دردسترس و توسعه ی پتانسیل تحلیل آنها را نشان می دهد.
    کلید واژگان: اتصال ساختاری رسوب, نسبت تحویل رسوب, مدل WaTEM, SEDEM
    Marziye Kayhanpanah, Ali Najafinejad *, Hamidreza Pourghasemi, Ali Mohammadian Behbahani
    Watershed sediment yield estimation is an important process in watershed management. Because of limited information on sediment yield in small watersheds, empirical methods are developed in different watersheds. Sediment connectivity is an important characteristic of watershed sediment yield and is compared for better estimation of sediment delivery ratio (SDR). This research aims to compare and evaluate the spatial changes of SDR values and connectivity index on a small watershed scale. This study was conducted in the Marcheshme watershed of Semnan province with an area of 2418 ha. At the outlet of this watershed, an earthen dam was built by the natural resources and watershed management organization of the province (1995). No conservation and management measures were carried out in the watershed. In 2013, the amount of sediment trapped behind the dam was measured by the research center of Semnan province. It should be noted that there isn’t any overflow of the earth dam between 1995 and 2013. The WaTEM/SEDEM model was calibrated to calculate the SDR using the measured amount of sediment, and the SDR values for the entire watershed were distributed. A distribution map of the sediment connectivity index was prepared. The highest value of the SDR map was close to 0.5, the lowest value was close to zero, and the sediment connectivity index varied from -6.71 to 3.04. SDR and IC indices show that the amount of sediment transport and delivery near the outlet is higher than the average value in the watershed area. In the upper part of the watershed, erosion is more than the one in other parts, although SDR and the possibility of sediment connection are less than the ones in other parts. These two indicators and distribution of them can be important for prioritizing areas in terms of soil erosion and sediment management. This study shows the up-to-date application of available data and develops their potential for further analysis.
    Keywords: Structural sediment connectivity, Sediment delivery ratio, WaTEM, SEDEM Model
  • نرگس جاویدان*، عطاالله کاویان، سجاد رجبی، حمیدرضا پورقاسمی، کریستین کنوشنتی، زینب جعفریان
    ناپایداری های دامنه و زمین لغزش ها از مخاطرات مهمی برای فعالیت های  انسانی هستند که اغلب سبب از دست رفتن منابع اقتصادی، خسارات به اموال و تاسیسات می شوند. این مخاطرات در شیب های طبیعی و یا شیب هایی که به دست انسان تغییر یافته اند، اتفاق می افتد. در پژوهش حاضر، به منظور مدل سازی و تهیه نقشه حساسیت پذیری خطر زمین لغزش حوزه آبخیز گرگان رود از مدل بیشینه آنتروپی که یکی از مدل های پیشرفته داده کاوی است، استفاده شده است. در مرحله اول نقشه پراکنش زمین لغزش های منطقه شامل 351 نقطه لغزشی بود تهیه شد. برای مدل سازی بیشینه آنتروپی 18 متغیر مستقل به عنوان عوامل پیش بینی کننده شامل مدل رقومی ارتفاعی، درصد شیب، جهت شیب، بارندگی، فاصله از گسل، فاصله از شبکه زهکشی، فاصله از جاده، کاربری اراضی، تراکم زهکشی، سازند سنگ شناسی، بافت خاک، انحنای طرح، انحنای پروفیل، شاخص رطوبت توپوگرافی، عامل طول شیب، شاخص توان جریان، موقعیت شیب نسبی و شاخص زبری سطح شناسایی و به مدل معرفی شد. سه سری متفاوت از نقاط وقوع زمین لغزش (S1, S2, S3) شامل 70 درصد برای آموزش مدل و 30 درصد برای اعتبارسنجی به صورت تصادفی آماده شد تا قوت یا استحکام مدل مورد ارزیابی قرار بگیرد. دقت مدل بر اساس شاخص ROC مورد ارزیابی قرار گرفت و مدل بیشینه آنتروپی دقت پیش بینی عالی (بالای 80 درصد) از خود نشان داد. همچنین، در این پژوهش درجه اهمیت متغیر ها به وسیله مدل مورد بررسی قرار گرفت و عوامل مدل رقومی ارتفاعی (32.4 درصد اهمیت)، سنگ شناسی (22.9 درصد اهمیت) و فاصله از گسل (14.8 درصد اهمیت) به ترتیب به عنوان مهمترین عوامل پیش بینی کننده در این منطقه شناسایی شدند.
    کلید واژگان: حوزه آبخیز گرگان رود, شاخص ROC, مدل داده کاوی, ناپایداری, robustness
    Narges Javidan *, Ataollah Kavian, Sajad Rajabi, Hamidreza Pourghasemi, Christian Conoscenti, Zeinab Jafarian
    Slope instability and landslides are important hazards to human activities that often result in the loss of economic resources, property damage and facilities. These hazards occur in the natural or man-made slopes. In the current study, the maximum entropy model was used which is one of the progressive data mining models, in order to modelling landslide susceptibility map for Gorganrood watershed. In the first step, the landslide inventory map was prepared consiste of 351 landslides. 18 geo-environmental factors were selected as predictors, such as: Digital elevation model, slope percent, aspect, distance from fault, distance from river, distance from road, rainfall, landuse, drainage density, lithology, soil texture, plan curvature, profil curvature, lithological formation, Topographic wetness index, LS factor, stream power index, Relative Slope Position and Surface roughness index. Three different sample data sets (S1, S2, and S3) including 70% for training and 30% for validation were randomly prepared to evaluate the robustness of the model. The accuracy of the predictive model was evaluated by drawing receiver operating characteristic (ROC) curves and by calculating the area under the ROC curve (AUC). The ME model performed excellently both in the degree of fitting and in predictive performance (AUC values well above 0.8), which resulted in accurate predictions. Furthermore, In this study the importance of variables was evaluated by the model. Dem (digital elevation model) (32.4% importance), lithology (22.9% importance) and distance from fault (14.8% importance) were identified respectively the main controlling factor among all other variables.
    Keywords: data mining model, Gorganrood watershed, instability, robustness, ROC curve
  • صدیقه ملکی، خدیجه خرمن دار، محسن حسینعلی زاده، عباس گلی جیرنده، آیدینگ کرنژادی، حمیدرضا پورقاسمی*

    یکی از مهم ترین چالش های زیست محیطی در جهان فرسایش خاک است که دشواری های پرشمار اقتصادی و نبود توسعه ی پایدار را به دنبال دارد. هدف از این پژوهش به کاربردن روش های نوین در پژوهش های خاک شناسی با روی کرد به روزرسانی شرح خدمات در زیرحوزه های زوجی دهگین بود. برای انتخاب جا های نمونه برداری از خاک و خاک رخ ها روش ابر مکعب لاتین مشروط، با اطلاعات محیطی کمکی (مدل رقومی بلندی) برگرفته از نقشه برداری هوایی با پهپاد فانتوم4پرو و مولتی روتر به کار برده شد. نتیجه نشان داد که 2 نوع اصلی زمین شامل تپه و فلات‏ و پادگانه ‏های بالایی در این جا هست. تکامل خاک رخ در منطقه بیش تر در تاثیر از پستی بلندی است، و خاک های واحد تپه ارتباطی مستقیم با جنس مواد مادری و شیب دارد. پایداری خاک دانه در مرتع های درخت دار و منطقه های بافت لومی سیلتی بیش تر بود، زیرا متغیرهای کمکی از ویژگی های مهم و تاثیرگزار در نقشه ی پایداری خاک دانه است. برای مرحله ی ارزیابی نقشه اندازه های RMSE و R2 به ترتیب 0/32 و 0/26 بود. ظرفیت تبادل کاتیونی و نیتروژن خاک در هر دو زیرحوزه ی شاهد و نمونه کم بود، و بیشینه ی اندازه های کربن آلی خاک در زیرحوزه ی نمونه بیش تر از زیرحوزه ی شاهد بود. کاربرد روش های نوین مانند کاربرد پهپاد در تصویربرداری و روش های دقیق نمونه برداری با متغیرهای محیطی در نقشه برداری رقومی خاک به کاهش تعداد نمونه ی خاک و افزایش دقت نقشه های خروجی منجر می شود و نتیجه ی دقیق تری از برآورد اندازه ی فرسایش می دهد، که در مقایسه با روش های پیشین در زمان و هزینه صرفه جویی می شود. بنابراین کاربرد این روش ها در حوزه های هم سان با شرایط طبیعی و اقلیمی منطقه ی پژوهش توصیه می شود.

    کلید واژگان: ابر مکعب لاتین, پهپاد, خاک رخ, فتوگرامتری, فرسایش خاک
    Sedigheh Maleki, Khadijeh Khermandar, Mohsen Hosseinalizadeh, Abbas Goli Jirandeh, Aiding Kornejadi, HamidReza Pourghasemi *

    One of the most critical environmental problems globally is soil erosion, which leads to several problems in the field of economy and sustainable development. This study aims to use new methods in soil science studies of the paired sub-catchments to update service descriptions in Dehgin, Hormozgan Province. For this purpose, to select sampling sites of pedons and soil samples, the conditional Latin Hypercube sampling (cLHS) method was used using environmental covariates (digital elevation model), which derivate from unmanned aerial vehicles (UAV), phantom4 pro, and multirotor. The results showed two main land types in the study area, including hills, plateaus, and high terraces. Soil development in the region is mainly influenced by elevation, and the soils of the hill lands are directly related to the type of parent material and slope percentage. In the areas containing wooded pasture and areas with silt loam texture class, the aggregate stability values are higher, which are auxiliary covariates essential and influential parameters in the aggregate stability map. The RMSE and R2 values are 0.32 and 0.26, respectively, for the evaluation map criteria. The values of cation exchange capacity (CEC) and nitrogen in both control and sample sub-catchments are small and the maximum amounts of soil organic carbon in the sample sub-catchment are higher than in the control sub-catchment. The use of new methods including UAV, accurate sampling methods using high-resolution environmental covariates, and digital soil mapping can reduce the number of soil samples, increase the accuracy of output maps, and provide more accurate erosion estimation results, which has reduced time and cost compared to the old methods.

    Keywords: Latin Hypercube Sampling, Pedons, Photogrametry, soil erosion, unmanned aerial vehicles
  • حمیدرضا پورقاسمی*، مجید محمدی، حمزه نور، سید فخرالدین افضلی

    تغییرات کاربری اراضی عامل تعیین کننده مهمی در فرآیندهای هیدرولوژیکی بوده و بسیاری از آنها را تحت تاثیر قرار می دهد. شبیه سازی تغییرات کاربری اراضی، رشد مناطق مسکونی و کشاورزی و اثرات آن از جمله مهم ترین موضوعات مهم در ارتباط با مدیریت حوزه آبخیز است. هدف این پژوهش بررسی تغییرات کاربری در گذشته و شبیه سازی کاربری برای آینده با استفاده از مدل CLUE-s است. در ابتدا نقشه کاربری اراضی سال های 1370 و 1398 با استفاده از تصاویر ماهواره ای و روش تلفیقی تهیه گردید. سپس بعد تغییرات کاربری اراضی محاسبه و سپس نقشه کاربری اراضی سال 1420 با استفاده از مدل CLUE-s شبیه سازی شد. نتایج نشان داد که مهم ترین تغییرات کاربری اراضی در حوزه درودزن بین سال های 1370 و 1398 تبدیل منابع طبیعی به مناطق مسکونی، کشاورزی و باغ بوده است. ارزیابی دقت مدل رگرسیونی در بررسی عامل های موثر بر هر طبقه کاربری با استفاده از منحنی ROC، دقت قابل قبول این روش را نشان داد. با استفاده از مدل CLUE-s می توان مدیران و برنامه ریزان را از شرایط آینده منطقه آگاه ساخت تا در برنامه ریزی های خود مشکل تغییر کاربری را لحاظ کنند.

    کلید واژگان: کاربری اراضی, تقاضای کاربری اراضی, رگرسیون لجیستیک, مدل CLUE-s
    Hamidreza Pourghasemi*, Majid Mohammady, Hamzeh Noor, Sayed Fakhreddin Afzali

    Land use change is an essential determinant factor in hydrological processes and it affects many of them. Simulation of land use changes, rise in residential and agricultural area and its effects are among the most important issues related to the watershed management. The objective of this research is land use change detection in the past and simulation of future land use using CLUE-s Model. At first, land use map of years 1991 and 2019 was prepared using satellite images and synthetic method. Then, land use change was calculated, and then land use map of year 2040 was simulated using CLUE-s model. The results indicated that the main land use changes in Doroodzan watershed between 1991 and 2019 was the conversion of natural resources to residential area, agriculture and orchards. Accuracy assessment of regression model to investigate condition factors of each land use types using ROC corves demonstrated acceptable accuracy of this method. Using the CLUE-s model, managers and planners can be informed about the future conditions of the region to take into account the problem of land use change in their planning.

    Keywords: Land use, Land use demand, Logisic regression, CLUE-s model
  • Mahdis Amiri, HamidReza Asgari *, HamidReza Pourghasemi, Chooghi Bairam Komaki
    Background and Objectives

    A review of the damages caused by landslides proves the need to investigate the factors affecting the occurrence of this phenomenon and the need to predict its occurrence. Landslides are one of the most dangerous natural disasters that cause excessive human and financial losses in the mountains worldwide. Due to their dangerous nature, landslides suddenly disrupt the morphology and cause major damage to residential areas, roads, agricultural lands, etc., in mountainous areas. Fortunately, there are appropriate methodologies for assessing risk and determining the effective risk factors associated with them.

    Materials and Methods

    In this study, the maximum entropy of three replications was applied to Maxent software to investigate landslide susceptibility in the southern areas of the Fars Province, Iran. Thirteen factors were used to prepare the landslide susceptibility map: lithological units (Lu), land use/land cover (LULC), slope percentage (SP), slope aspect (SA), altitude, plan curvature (Plan-C), topographic wetness index (TWI), distance to river (DTR), distance to roads (DTRS), distance to fault (DTF), drainage density (DD), normalized difference vegetation index (NDVI), and annual mean rainfall (AMR). In this study, the lack of multicollinearity among the effective factors was proven using tolerance (TOL) and variance inflation factor (VIF) indicators. In addition, the weights of these 13 factors were determined using the analytic hierarchy process (AHP) model.

    Results

    The results of the AHP method show that, in descending order, lithological units, land use-cover, and slope percentage are the most important factors influencing the occurrence of landslides in the study area. Thirty percent of the landslide points were randomly selected, removed from the modeling data, and used for the evaluation using the ROC/AUC indicator. In addition, the final map of the landslide susceptibility was presented in three scenarios using data replication. The preparation of three different outputs had good accuracy, but the third iteration, with an AUC value of 0.778 (ROC= 77.8%), had the highest accuracy in preparing the landslide susceptibility map. The evaluation of landslide susceptibility maps using the second and third iterations, with AUC values of 0.77 (ROC= 77 %) and 0.640 (ROC= 64%), respectively, had good and moderate accuracy with the highest efficiency in predicting landslide sensitivity. Finally, the highest percentage of landslide susceptibility area according to the first, second, and third repetitions were, respectively, in the moderate sensitivity class (0.03-0.1) with the value of 26.14%, in the moderate sensitivity class (0.04-0.4) with a value of 25.91%, and in the moderate sensitivity class (0.04-0.1) with a value of 25.71%, which was the highest percentage of the landslide area.

    Conclusion

    In general, landslides, due to their dangerous nature, suddenly disrupt the morphology of an area and cause major damage that can be measured in the lithological units of the study area, land-use change, and slope percentage. Therefore, landslides are a complex process that has a devastating effect on the environment and human life and requires more investigation and preventive measures.Keywords: Mass movements mapping, Machin learning, AHP, Effective factors, ROC-AUC indicator, Fars Province

    Keywords: Mass movements mapping, Machin learning, AHP, Effective factors, ROC-AUC indicator
  • مریم سادات جعفرزاده*، ناصر طهماسبی پور، علی حقی زاده، حمیدرضا پورقاسمی، حامد روحانی
    در این پژوهش پتانسیل پهنه های دارای قابلیت نفوذ برای تغذیه آب های زیرزمینی بااستفاده از مدل حداکثر آنتروپی در حوزه آبخیز ماربره در شرق لرستان مورد بررسی قرار گرفت. نتایج این مطالعه براساس آزمون جک نایف نشان می دهد که مهم ترین فاکتورهای تاثیر گذار در پیش بینی نواحی دارای پتانسیل نفوذ، بافت خاک و سنگ شناسی می باشند و فاکتور انحنای سطح و شاخص رطوبت توپوگرافیکی تاثیر کمی دارند. نتایج مدل آنتروپی حداکثر نشان داد که بیشترین پتانسیل نفوذ در قسمت های میانی حوزه که مناطق دشتی با درصد شیب کم، بافت عمدتا شنی ودارای رسوبات کواترتری می باشند، مشاهده می شود. مناطق با نفوذذیری بسیار زیاد، 7/0 کیلومتر مربع (02/0 %) از کل منطقه مورد مطالعه را در بر می گیرد. در حالی که منطقه با نفوذذیری زیاد، متوسط و کم به ترتیب 4/78 km2 (1/3 %) 2/18 km2 (7/0%) و 5/262 km2 (18/96%) را در بر می گیرد. دقت و توانایی مدل پیش بینی پتانسیل نفوذ براساس شاخص های مختلف صحت سنجی از خوب تا عالی ارزیابی شد. با توجه به نتایج بدست آمده، مناطق دشتی حوزه ماربره، مستعد نفوذپذیری بوده و با مدیریت میزان رواناب و سیلاب های ناشی از بارش ها و ذوب برف، میتوان به تقویت منابع آب زیرزمینی کمک نمود. انتظار می رود.
    کلید واژگان: مکسنت, منحنی ROC, نفوذ, جک نایف, تغذیه آب زیرزمینی
    Maryam Sadat Jafarzadeh *, Naser Tahmasebipoor, Ali Haghizadeh, Hamidreza Pourghasemi, Hamed Rouhani
    Various reasons of surface water resources scarcity, and consequently, the excessive removal of groundwater resources has posed a serious threat to these resources. Reduction of groundwater surface, land subsidence and Sinkholes, are the harmful effects of large-scale exploitation and the lower recharge of groundwater resources which become a social challenge. Therefore, the sustainable management of these water resources is a vital necessity. Storage and recharge of groundwater aquifers is a potential solution to achieve future water supply goals. In this paper, the potential of infiltration areas to recharge groundwater was investigated by using the maximum entropy model (MaxENT). The Jackknife test was used to determine the most effective factors on ground water supply. Based on Jackknife graph, soil texture and lithology factors were the most important factors influencing the prediction of areas with potential infiltration. The map of the maximum entropy model was classified to four classes with low, medium, high and very high permeability. The greatest potential was observed in the middle part of the watershed, which is the plains. Areas with low slope gradient, sandy soil texture with quaternary sediments showed the highest potential. Study area included 0.02 % very high recharge potential, 3.1 %, 0.7 % and 96.18% with high, moderate and low recharge potential, respectively. The precision of prediction of the final map of the model results was evaluated using some indices with good to excellent grade. According to the results, the plain areas of the Marboreh watershed are suitable to groundwater recharge.
    Keywords: Maxnet, ROC, Infiltration, Jackknife, Groundwater recharge
  • مجید محمدی*، حمیدرضا پورقاسمی

    مکانیزم فرونشست و تغییر شکل خاک، از بین رفتن فشار آب منفذی و فشردگی اسکلت خاک تحت تاثیر عوامل طبیعی و انسانی است. فرونشست در بیش از 300 دشت در ایران اتفاق افتاده است و دشت سمنان یکی از مهم ترین مناطقی است که با این پدیده روبه رو می باشد. هدف پژوهش حاضر تهیه نقشه حساسیت فرونشست زمین با استفاده از مدل های GLM و FDA بود. ابتدا اطلاعات فرونشست هایی که در گذشته رخ داده است جمع آوری شد. موقعیت فرونشست ها با استفاده از تصاویر ماهواره لندست هشت و بازدیدهای میدانی مشخص شد. منحنی تشخیص عملکرد نسبی و سطح زیر این منحنی برای ارزیابی دقت مدل ها مورد استفاده قرار گرفت. سطح زیرمنحنی برای مدل های GLM و FDA به ترتیب 657/ 0 و 618 /0 به دست آمد. نتایج ارزیابی نشان می دهد که دقت این مدل ها برای تهیه نقشه حساسیت فرونشست در دشت سمنان در طبقه متوسط قرار می گیرد. نتایج تحقیق می تواند مبنایی برای حفاظت از منابع طبیعی و محیط زیست و هم چنین ارتقاء توسعه پایدار اقتصادی و اجتماعی باشد.

    کلید واژگان: فرونشست زمین, مدل خطی تعمیم یافته, تحلیل تشخیص عملکردی, دشت سمنان
    Majid Mohammady*, Hamidreza Pourghasemi

    The mechanism of land subsidence and soil deformation is the dissipation of the excess pore water pressure and the compaction of the soil skeleton under the effect of natural or man-made factors. Land subsidence has occurred in more of 300 plains of Iran, and Semnan Plain is one of the most important areas that face to this phenomenon. The aim of current research was land subsidence susceptibility mapping using GLM and FDA models. At first acquiring information about the land subsidence occurred in the past was done. Locations of the land subsidence were specified using Landsat 8 satellite images and field surveys. The receiver operating characteristic (ROC) curve and area under the curve (AUC) were used to assess accuracy of the models. The AUC for the GLM and FDA models was 0.657 and 0.618 respectively. Results of accuracy assessment show that accuracy of these models is located into the moderate class for land subsidence susceptibility mapping in the Semnan Plain. The research results can provide a basis for the protection of natural resources and environment and also promote the sustainable development of economy and society.

    Keywords: Land subsidence, GLM, FDA, Semnan Plain
  • نرگس کریمی نژاد، عباس گلی جیرنده، هادی علیزاده، محسن حسینعلی زاده، حمیدرضا پورقاسمی*

    هدف از این تحقیق تحلیل اندازه اثرگزاری اقدام های آبخیزداری در زیر حوضه نمونه و مقایسه ی آن با زیرحوضه شاهد در گوربند سیستان و بلوچستان، و شناسایی منطقه های حساس به فرسایش در آن ها است. در این تحقیق تصاویر پهپاد در دو زیرحوضه با مساحت 58 هکتار (شاهد) و 83 هکتار (نمونه) به کار گرفته شد. نقشه شماره منحنی و چهار نقشه پایه شامل ارتفاع، درجه شیب، جهت زه کشی و تجمع آب راه تهیه، و براساس آن ها سه حالت ممکن 20، 40 و 60 میلی متر بارش روزانه برای شبیه سازی با لندپلنر، با دو شاخص فرسایش و آستانه پستی بلندی درنظر گرفته شد. نتیجه به دست آمده برای دو زیرحوضه با روش های چارچوب جعبه یی، چارچوب چهاروجهی و سطح زیرمنحنی عمل کرد نسبی ارزیابی شد. شاخص فرسایش در شبیه ساز لندپلنر با در نظرگرفتن بیشینه بارش روزانه (60 میلی متر) نشان داد که اندازه ی فرسایش خاک در زیرحوضه شاهد 0/54821 بود، که بیش تر از اندازه فرسایش خاک در زیرحوضه نمونه (0/15593) است. شبیه سازی براساس آستانه فرسایش نیز نشان داد که تغییر عددی شاخص آستانه پستی بلندی 2-0 در زیرحوضه نمونه کم تر از تغییر ناشی از این شاخص در زیرحوضه شاهد (3-0) است. به طور کلی می توان گفت که به دلیل اقدام های آب خیزداری مناسبی که در زیرحوضه نمونه انجام شد، این زیرحوضه در شرایط بهتری از شاهد است، زیرا اندازه فرسایش خاک در آن به مراتب کم تر از آن است، در حالی که هر سه حالت ممکن بارش کم تر بودن فرسایش خاک را در زیرحوضه نمونه پیش بینی می کند. بنابراین، شبیه سازی براساس حالت های بارش و شماره منحنی با شبیه ساز آزمایشگاهی لندپلنر برای ارزیابی اثرگزاری اقدام های آبخیزداری در زیرحوضه زوجی یی که امکان فرسایش خاک در آن ها وجود دارند، توصیه می شود.

    کلید واژگان: پهپاد, سیستان و بلوچستان, زیرحوضه زوجی, شبیه ساز فیزیک محور
    Narges Kariminejad, Abbas Goli Jirandeh, Hadi Alizadeh, Mohsen Hosseinalizadeh, Hamid Reza Pourghasemi *

    The aim of this study was to analyze the effectiveness of watershed management activities in a representative  sub-catchment (treated) and its comparison with a control on, and to identify the erosion sensitive areas in these sub-catchments areas of ​​58 hectares (control) and 83 hectares (treated) the using UAV photogrammetry. Based on a curve number and four other basic maps (elevation, slope, drainage direction, and accumulation density), three daily precipitation scenarios of 20, 40, and 60 mm were considered to model the LANDPLANER with two indices of Erosion Index and Topographic Threshold. The results were evaluated using the boxplot methods, foufold plot, and the area under the receiver operating characteristic curve. The Erosion index (IE) in the LANDPLANER model, considering the maximum daily precipitation of 60 mm, was 0.54821 for the control sub-catchment which was more than that of the treated one (0.15593). The modeling based on the topographic Threshold also showed that the numerical changes of the index between 0-2 in the trated sub-catchment were less than that of the control area(0-3). Therefore, it can be said that due to the appropriate protective operations that had taken place on the treated sub-catchment, this area is in a better condition than the control one, as the volume of soil erosion was less than that of the control sub-catchment. It is informative to know that all of the three precipitation scenarios predict less soil erosion in the treated sub-catchment. Therefore, simulation based on the rainfall and curve number scenarios with LANDPLANER physical model is recommended to evalute the effect of watershed management activities on the paired sub- catchments that are degraded due to soil erosion.

    Keywords: Phisical-based model, paired sub-catchments, Sistan, Baluchestan, UAV
  • مجید محمدی*، حمیدرضا پورقاسمی، مجتبی امیری

    فرونشست زمین یک خطر زمین شناسی است که منجر به کاهش ارتفاع سطح زمین  به صورت آرام و یا ناگهانی می شود و یک خطر همیشگی برای امنیت و سلامت زیرساخت ها مانند راه آهن، خطوط انتقال نیرو و راه های ارتباطی است. از آنجا که فاکتورهای موثر بر فرونشست زمین بسیار پیچیده هستند، سطح اثر و میزان توسعه این پدیده در زمان و مکان متغیر است. فرونشست  در بیش از 300 دشت در ایران اتفاق افتاده است و دشت سمنان یکی از مهم ترین مناطقی است که با این پدیده روبه رو می باشد. هدف این پژوهش تهیه نقشه حساسیت فرونشست زمین با استفاده از مدل آنتروپی می باشد. در اولین گام، اطلاعات 65  فرونشستی که در گذشته رخ داده جمع آوری شد. دوازده عامل موثر از لایه های پایه توپوگرافی، زمین شناسی، کاربری اراضی و تراز آب زیرزمینی برای مدل سازی حساسیت فرونشست در نظر گرفته شد. بعد از اجرای مدل انتروپی در نرم افزار R، وزن های به دست آمده به نرم افزار ArcGIS10.3 وارد شده و نقشه حساسیت فرونشست تهیه گردید. منحنی تشخیص عملکرد نسبی و سطح زیر این منحنی برای ارزیابی دقت مدل آنتروپی مورد استفاده قرار گرفت. دامنه سطح زیر منحنی بین 0/5 تا 1 بوده و عدد بالاتر بیان گر دقت بیش تر در ارزیابی حساسیت فرونشست خواهد بود. پمپاژ بیش از حد از آب های زیرزمینی یک از مهم ترین فاکتورهای موثر بر وقوع فرونشست در دشت سمنان است. به دلیل اقلیم خشک، میزان جریان سطحی در دشت سمنان بسیار محدود است. بنابراین آب زیرزمینی به عنوان مهم ترین منبع آب در منطقه مورد مطالعه شناخته می شود. سطح زیرمنحنی برای مدل آنتروپی 0/715 به دست آمد که نشان داد این مدل ها برای تهیه نقشه حساسیت فرونشست در دشت سمنان قابل قبول است. نقشه حساسیت فرونشست می تواند به برنامه ریزان کاربری اراضی و مدیران منابع طبیعی، محیط زیست و منابع آب در منطقه مورد مطالعه کمک کند.

    کلید واژگان: آب زیرزمینی, دشت سمنان, شاخص آنتروپی, فرونشست زمین
    Majid Mohammady*, Hamidreza Pourghasemi, Mojtaba Mojtaba

    Land subsidence is a geo hazard that leads to slow or rapid decrease of ground level. Land subsidence presents a constant threat to the safety of surface infrastructures such as motorways, railways, power lines, and telecommunication cables. Arid and semi-arid countries like Iran are very susceptible to land subsidence phenomenon. Land subsidence has occurred in more of 300 plains of Iran, and Semnan Plain is one of the most important areas that face to this phenomenon. The purpose of this research was land subsidence susceptibility assessment using entropy model. In the first step, acquiring information about sixty-five land subsidence in the past was done. Twelve conditioning factors from different basic layers including topography, geology, land use, and ground water table were considered for modeling aims. The receiver operating characteristic (ROC) curve and area under the curve (AUC) were used to assess accuracy of the Entropy model. The AUC for the entropy model was 0.715 that showed this model is acceptable for land subsidence susceptibility mapping in the Semnan Plain. Results of this research can help to policy makers and planners for environment and urban management and planning.

    Keywords: Entropy Index, Groundwater, Land subsidence, Semnan Plain
  • مریم سادات جعفرزاده، ناصر طهماسبی پور*، علی حقی زاده، حمیدرضا پورقاسمی، حامد روحانی

    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)1 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 0/955، 0/951 و 0/952 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 جزیی 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 (%0/955= 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.

    کلید واژگان: بوت استرپ, تغذیه, کراس ولیدیشن, نفوذپذیری, مکسنت
    Maryam Sadat Jafarzadeh, Ali Haghizadeh, Hamidreza Pourghasemi, Hamed Rouhani

    Statistical modeling methods are based on multivariate regression methods and require the presence and absence location of data for the construction of the model. In most cases, there is no trustworthy absence data. Therefore, other methods that are based only on the presence of the phenomenon are used. Considering the importance of modeling - saving time and cost and the probable prediction of the process - in this paper three sampling methods, Bootstrap, cross-validation (CV) and subsampling, were investigated to estimate areas with groundwater recharge potential using the maximum entropy model in the Marboreh watershed. The information about percolation points in Marboreh watershed, which was gathered using the double ring method and soil sampling, included the location of the samples, soil texture, and percolation rate. Due to the extent of the catchment area and the cost of the sampling process, information from previous studies in the study area, which were gathered from the Regional Water Authority (RWALP) and Agricultural Research, Education and Promotion Organization of Lorestan province (AREPOLP), was also used. The ROC index was used validate model predictions. The validation index indicated that the bootstrap had the best performance (ROC=0.955%). The results showed that each factors in these three methods was somewhat different, which was more than other factors in the drainage density, land use and soil texture. Based on the results of performance index, there is a very slight difference between the three sampling methods, so that they can be differentiated in relation to their different strategies, and this difference in the outputs, is not related to the diversity of the phenomenon studied. In this paper, according to the results and assessments, the Bootstrap method is recommended for the modeling the groundwater recharge areas due to the small number of sampling data compared to the very large area of study. Due to the large extent of the study area, it is suggested that this simulation be performed for more precision at smaller extent large areas with further data to study similar studies. Despite the increase in the number of pixels of high infiltration areas in the Bootstrap sampling method, compared to the other two methods, the performance of the recharge zoning increased slightly.

    Keywords: Bootstrap, Cross Validation, Infiltration, Maxent, Recharge
  • نرگس کریمی نژاد، محسن حسینعلی زاده، حمیدرضا پورقاسمی*
    فرسایش تونلی از جمله شکل های برجسته فرسایش آبی تشدید شونده است که دارای اندرکنشی بسیار شدید با یکدیگر در اراضی باد رفتی شرق استان گلستان است. در این پژوهش سعی بر آن است تا به استفاده از داده هایی با دقت بالا از طریق برداشت های میدانی و تصاویر پهپاد تاکید ویژه شده، و پس از آن، به بررسی آستانه ای عامل های تاثیرگذار بر فرسایش تونلی اقدام گردد.پژوهش حاضر با استفاده از تصاویر هوایی پهپاد در محدوده ای به وسعت تقریبی 2700 هکتار در اراضی باد رفت شرق استان گلستان انجام گرفت، و مناطق تحت تاثیر فرسایش تونلی شناسایی شدند. با توجه به بازدیدهای انجام گشته، موقعیت 833 تونلی با دستگاه موقعیت یاب جهانی و تصاویر تهیه گردیده به وسیله ی پهپاد ثبت شد. در این تحقیق عامل های پستی وبلندی، آب شناسی و زیستی به عنوان متغیرهای مستقل و فرسایش تونلی به عنوان متغیر های وابسته تجزیه و تحلیل آماری شدند. تجزیه و تحلیل عامل های پستی وبلندی نشان داد که حداکثر تراکم تونلی ها در ارتفاع بین 350-300 متر، دامنه های شرقی با شیب بیش از 30%، طول شیب کمتر از 5 متر و در نیمرخ طولی و عرضی مقعر به وقوع پیوسته است. در ارتباط با عامل های آب شناسی می توان اظهار داشت که حداکثر تراکم تونلی ها، در حداکثر مقدار عددی شاخص رطوبت پستی وبلندی (بیشتر از 12) و در نزدیک ترین فاصله نسبت به آبراهه (کمتر از 100 متر) به وقوع پیوسته است. عامل های زیستی نیز نشان دادند که حداکثر تراکم تونلی ها، در کاربری مرتع، و در مکان هایی یافت می شوند که این رخساره ی فرسایشی به جاده ها نزدیک تر است. بنابراین، می توان پیشنهاد داد که شناسایی رخساره ی فرسایشی تونلی از طریق مشاهده ها و داده های با دقت بالا صورت گیرد تا منجر به درک بهتر عامل های موثر بر رخداد آنها گردد.
    کلید واژگان: استان گلستان, پهپاد, فرسایش تونلی, نهشته های باد رفت
    Narges Kariminejad, Mohsen Hosseinalizadeh, Hamid Reza Pourghasemi *
    Piping erosion is an influential landform of intensified water erosion that interact with each other in the loess-derived soilsof the Province of Golestan (NE Iran). This study attempts to emphasize the use of high-precision data through field surveys and UAV images, and then to establish a threshold to study the factors that affect piping erosion. The present study was carried out using photogrammetric drones in an area of ​​approximately 2700 hectares in the loess lands in the east of the Province of Golestan and identified areas affected by piping erosion. A total of 833 pipes were recorded using the GPS and the orthophoto images from the UAV. Topographic, hydrological, and biological factors were treated as independent variables and piping erosion as dependent variables through statistical analyzes. The topographic factors indicated that the maximum density of piping occurred at altitudes of between 300–350 m, at maximum slope of more than 30%, at slope length less than 5m, and in concave tracts and profile curvatures. Regarding the hydrological factors, the maximum piping density occurred at the maximum numerical value of the topographic wetness index (more than 12), and at the closest distance to waterways (less than 100m). Biological factors indicated that the maximum density of pipes is in the rangelands and where this erosional facies is closest to the roads. Therefore, it can be suggested that an accurate identification of the piping erosion is facilated through ground observations aided by high-precision areal photography and understanding causative factors developing them.
    Keywords: Golestan Province, Loess-derived soils, Piping, Unmanned aerial vehicle
  • آیدینگ کرنژادی، مجید اونق*، حمیدرضا پورقاسمی، عبدالرضا بهره مند، منوچهر معتمدی

    هدف از تحقیق پیش رو، پهنه بندی حساسیت زمین‏لغزش در حوزه آبخیز اوغان، واقع در استان گلستان می باشد. بدین منظور از دو مدل توانمند داده کاوی شامل جنگل تصادفی و بیشینه آنتروپی استفاده گردید. زمین لغزش ها با استفاده از الگوریتم فاصله ماهالانوبیس به دو دسته 70 درصد (واسنجی پارامترها و تعلیم مدل ها) و 30 درصد (اعتبارسنجی نتایج مدل ها) تقسیم شدند. هم چنین با توجه به مرور منابع گسترده، 15 عامل موثر بر وقوع زمین لغزش در منطقه موردمطالعه با روش تورم واریانس غربال، عوامل بهینه انتخاب و لایه های رقومی عوامل در سامانه اطلاعات جغرافیایی تهیه شدند. به منظور ارزیابی نتایج مدل ها (قدرت یادگیری و اعتبارسنجی نتایج) از مقدار مساحت زیرمنحنی تشخیص عملکرد نسبی با استفاده از دو دسته داده واسنجی و اعتبارسنجی استفاده شد. نتایج حاصل از ارزیابی قدرت یادگیری مدل ها نشان داد که مدل جنگل تصادفی و بیشینه آنتروپی به ترتیب با مقادیر سطح زیر منحنی 923/0 و 91/0 دارای قدرت یاگیری و برازش نسبتا مشابهی می باشند. اگرچه در مرحله اعتبارسنجی مشخص گردید که مدل جنگل تصادفی با مقدار 9/0 نسبت به مدل بیشینه آنتروپی با مقدار 85/0 قدرت پیش بینی و تعمیم نتایج بالاتری دارد. لذا مدل جنگل تصادفی به عنوان مدل برتر در ارزیابی حساسیت زمین لغزش حوزه آبخیز اوغان معرفی گردید. براساس نتایج مدل جنگل تصادفی، حدود 10 درصد از حوزه آبخیز اوغان در پهنه حساسیت زیاد و خیلی زیاد به وقوع زمین لغزش قرار گرفته است. هم چنین، عوامل بارش، شاخص تفاضلی پوشش گیاهی نرمال شده، شاخص ارتفاع از سطح نزدیک ترین زهکش، سنگ شناسی و فاصله از جاده به عنوان مهم ترین عوامل موثر در وقوع زمین لغزش های منطقه معرفی گردیدند.

    کلید واژگان: بیشینه آنتروپی, جنگل تصادفی, سامانه اطلاعات جغرافیایی, مدل های یادگیری ماشین
    Aiding Kornejady, Majid Ownegh*, Hamid Reza Pourghasemi, Abdolreza Bahremand, Manouchehr Motamedi
    Introduction

    Landslide susceptibility maps are considered a backbone for decision-makers to suggest solitary or combined technical and regulatory measures. Such maps are also considered an invaluable tool for engineers, earth scientists, planners, and decision-makers to select the most suitable areas for agriculture, building, and other development activities. Hence, thanks to landslide susceptibility maps, addressing highly susceptible areas are feasible, so that over the course of further detailed studies on the imminent landslide occurrences in the future, landslide potential risk is mitigated.

    Materials and methods

    In this study, two robust data mining models, namely random forest and maximum entropy were used to map landslide susceptibility across the Owghan Watershed in Golestan province. After preparing the landslide inventory map via extensive field surveys, interpreting Google Earth images, and the archived data acquired from different organizations, landslide points were split into two sets of training (70%) and validation (30%) by using the Mahalanobis distance technique. Further, drawing on the extensive literature review, fifteen factors including climatic, geological, tectonic, topo-hydrological, and anthropogenic drivers, as landslide-controlling factors were selected and sieved through the variance inflation factor test. Ultimately, by implementing the above-mentioned data mining techniques, the most important factors in the modeling process, as well as the highly susceptible locations in the study area, were introduced.

    Results and discussion

    Evaluating the learning capability, both the random forest and maximum entropy models with the respective area under the receiver operating characteristic curve (AUROC) values of 0.923 and 0.91, showed almost identical fitting abilities. However, getting to the validation stage, it was found that the random forest with the AUROC value of 0.9 clearly outperforms maximum entropy (AUROC= 0.85) in terms of prediction power and generalization capacity. Hence, the random forest was suggested as a better-performing model for landslide susceptibility mapping in the Owghan watershed, compared to its counterpart. About 10% of the study area falls into high and very high landslide susceptibility zones. Furthermore, five landslide-controlling factors including rainfall, normalized difference vegetation index, height above the nearest drainage, lithological formation, and proximity to roads have been found to be the most significant factors contributing to landslide occurrence in the study area. Additionally, the results attest that announcing the Safiabad village as a landslide-prone area by the authorities is technically sound and evacuating the residents to a new place has been a right decision; however, some parts of the newly inhabited area shows landslide predisposing patterns which can lead to a higher susceptibility of the area to landslide occurrence in the future.

    Conclusion

    Scrutinizing the results of random forest model revealed that a combination of natural factors (intense rainfall, bare lands, susceptible lithological formations, and topo-hydrological mechanisms) and anthropogenic interferences (tillage parallel to slope length/perpendicular to contour lines and unprincipled road construction) are synergistically responsible for landslide occurrence in the Owghan Watershed. On the other hand, announcing the Safiabad village as a critical landslide-prone area seems to be a wise decision, although the newly inhabited place seems to be selected merely based on having a suitable slope steepness (i.e., almost flat) and being accessible through several connecting routes, while the enhanced conservation tillage methods have not been applied to the selected site and adjacent areas. The latter, according to our inferences, can trigger a crisis in a larger extent. Moreover, owing to the presence of other landslide predisposing factors in the new residential site, safe areas should be pointed out and announced by adopting a holistic view on the entire influential and predisposing conditions for landslide occurrence.

    Keywords: Maximum entropy, Random forest, Geographical information system, Machine learning models
  • ناصر حیدری، محمود حبیب نژاد، عطا الله کاویان، حمیدرضا پورقاسمی*

    هدف از این پژوهش مدل سازی کردن مکانی حساسیت زمین لغزش با الگوریتم یادگیری ماشین جنگل تصادفی و اولویت بندی کردن عامل های موثر بر وقوع آن در آبخیز سد رییسعلی دلواری است. نقشه ی پراکنش زمین لغزش های منطقه با بازدیدهای صحرایی و بانک اطلاعات زمین لغزش های کشور تهیه شد. در مجموع از 279 زمین لغزش شناخته شده 70% (195) آن برای مدل سازی و 30% (84) مانده برای ارزیابی مدل به کاربرده شد. لایه های اطلاعاتی ارتفاع، جهت شیب، درجه ی شیب، انحنای سطح، انحنای نیمرخ، شاخص رطوبت پستی وبلندی، فاصله از شبکه ی آب راه ، تراکم زه کشی، فاصله از گسل، فاصله از جاده، زمین شناسی و شاخص تفاضلی پوشش گیاهی بهنجار شده انتخاب شد. مدل جنگل تصادفی بر اساس ارتباط بین متغیر وابسته (زمین لغزش ها) و متغیرهای مستقل (عامل های موثر) در نرم افزار R و با بسته ی نرم افزاری Random Forest اجرا، و نقشه ی حساسیت زمین لغزش تهیه شد. مدل با به کاربردن منحنی تشخیص عمل کرد نسبی و 30% از داده های لغزشی به کاربرده نشده در فرآیند مدل سازی ارزیابی شد. نتایج ارزیابی نشان دهنده ی دقت عالی مدل جنگل تصادفی 0/983 (3/98%) بود. اولویت بندی عامل های موثر اهمیت درجه ی شیب، ارتفاع، انحنای نیمرخ، فاصله از جاده و واحدهای سنگ شناسی را نشان داد. بنابراین به نظر می رسد که نقشه ی حساسیت زمین لغزش تهیه شده ممکن است نقش بسزایی در تصمیم گیری های مدیران برای آمایش کردن سرزمین و مدیریت کردن جامع آبخیز سد رییسعلی دلواری داشته باشد.

    کلید واژگان: آبخیز سد رئیسعلی دلواری, جنگل تصادفی, حساسیت زمین لغزش, میانگین کاهشی دقت
    Naser Heydari, Mahmoud Habibnejad, Ataollah Kavian, Hamid Reza Pourghasemi*

    The aim of this study was to model the landslide susceptibility using the Random Forest Machine learning technique and prioritization of effective factors on landslide occurrence in the watershed of the Rais-Ali Delvari Reservoir. The landslide inventory map was prepared using extensive field surveys and the Iranian Landslides Working Party Data Bank. Of the total of 279 identified landslide locations, 70% were used for the modelling processes and the remaining (30%) were applied for validation of the developed model. Different thematic layers including elevation, slope angle, plan curvature, profile curvature, topographic wetness index (TWI), distance from rivers, drainage density, distance from faults, distance from roads, lithological units, and the normalized difference vegetation index (NDVI) were selected. According to the relationship between the dependent (landslides) and the independent (effective factors) variables in the R statistical software, the random forest algorithm was run using the “Random Forest” package, and a landslide susceptibility map was prepared. Accuracy of the model was tested using the receiver operating characteristic (ROC) curve based on 30% of unused landslides in the modelling process. Accuracy results indicated that the Random Forest model with an AUC value of 0.983 had an excellent precision. Also, prioritization of the effective factors showed that the slope angle, elevation, plan curvature, distance from road, and lithological units had the highest effect on landslide occurrence. Therefore, it maybe suggested that the prepared landslide susceptibility map could be effective in decision making for land use planning, and in the managing of the Rais-Ali Delvari Reservoir Watershed.

    Keywords: Landslide susceptibility, mean decrease accuracy, Random Forest, Rais-Ali Delvari Reservoir Watershed
  • حسن فرامرزی، سید محسن حسینی، حمیدرضا پورقاسمی، مهدی فرنقی

    شناسایی مناطق حساس به سیل، عنصر حیاتی و مهمی برای کنترل و کاهش تلفات سیل به‏شمار می‏آید. هدف از تحقیق حاضر، شناسایی متغیرهای مهم در ایجاد مناطق سیل‏گیر و ارایه پتانسیل مخاطره سیل پارک ملی گلستان با استفاده از تکنیک‏های یادگیری ماشین شامل مدل جنگل تصادفی، درخت رگرسیون تقویت شده و آنتروپی بیشینه است. برای رسیدن به اهداف یادشده، ابتدا عوامل تاثیرگذار با توجه به مرور منابع تعیین شده و پایگاه داده‏ها ایجاد شد. در نهایت، با استفاده از تکنیک‏های یادگیری ماشین مدل‏سازی مخاطره سیل صورت گرفت و دقت این مدل‏ها با استفاده از روش منحنی‏ ROC و داده‏های واقعی از رخ‏داد سیل بررسی شد. نتایج مدل‏ها، اهمیت زیاد متغیرهای ارتفاع از سطح دریا، میانگین دمای سالیانه، فاصله از آبراهه‏ها، بارش و فاصله از جاده ترانزیتی را در وقوع مخاطره سیل نشان دادند. نتایج به دست آمده از درخت رگرسیون تقویت شده تاثیر متغیر ارتفاع از سطح دریا، میانگین دمای سالیانه، بارندگی و فاصله از آبراهه‏ها را به ترتیب، 9/38، 2/19، 6/13 و 13 درصد نشان داد. همچنین، در نتایج حاصل از آنتروپی بیشینه متغیرهای ارتفاع از سطح دریا، میانگین دما و جاده ترانزیتی به ترتیب با مقدار مشارکت 7/35، 4/22 و 5/19 درصد جزء متغیرهای مهم به دست آمدند. نتایج به دست آمده از ارزیابی صحت مدل‏ها با استفاده از 30 درصد از داده‏های وقوع سیل که در مدل‏سازی وارد نشده بود نیز دقت زیاد مدل درخت رگرسیون تقویت شده و جنگل تصادفی را با مقدار ROC، 99/0 و دقت مناسب آنتروپی بیشینه را با مقدار ROC، 89/0 نشان داد، به‏طوری ‏که نقشه‏های به دست آمده از این مدل‏ها به طور مشترک 4500 هکتار از مساحت پارک را دارای احتمال زیاد خطر سیل برآورد کردند.

    کلید واژگان: آنتروپی بیشینه, درخت رگرسیون تقویت شده, مخاطره سیل, مدل جنگل تصادفی, مدیریت بحران
    hassan faramarzi, Seyed Mohsen Hosseini *, Hamidreza pourghasemi, mahdi Farnaghi

    Identifying the flood susceptible areas is a vital and substantial element of disaster management to control and mitigate injuries of the natural hazards. The purpose of this study was to identify the important variables in creating flood areas and to present the potential hazard of flood in Golestan National Park (GNP) using machine learning techniques including random forest (RF), boosted regression tree (BRT) and maximum entropy (ME) models. In order to achieve these purposes, firstly, factors were determined by reviewing the relevant sources, and the databases were created by sorting out these factors. Finally, Flood risk modeling was done using machine learning techniques and the accuracy assessment were determined using the ROC method and real data recorded in nature. The results of the models showed the importance of elevation, distance from the river and transit road, moisture and maximum temperature variables in the event of flood hazard. So that the results of the BRT showed role elevation variable to 38.9%, mean temperature 19/2 %, Rainfall 13/6 % and distance from the rivers 13% and the results of ME showed role elevation, mean temperature and distance of road variables respectively 35.7, 22/4 and 13.8%. The results of the accuracy assessment models using 30% of the data that were not included in the modeling the ROC value showed BRT and RF model with 0.99 values, and the proper accuracy ME was with value of 0.89. Therefore, the maps obtained can be used to manage the flood crisis in the area

    Keywords: Flood hazards, Maximum entropy, Random forest, Boosted Regression Tree, Crisis Management
  • مهدیس امیری، حمیدرضا پورقاسمی*، غلامعباس قنبریان، سید فخرالدین افضلی
    فرسایش خندقی یکی از اشکال پیشرفته فرسایش آبی می باشد که شناسایی عوامل موثر و پهنه بندی آن یکی از ابزار های مهم برای کنترل این پدیده می باشد. هدف اصلی پژوهش حاضر، مدل سازی مکانی و ارزیابی فرسایش خندقی با استفاده از مدل احتمالاتی وزن واقعه و سناریوهای مختلف در انتخاب محل رخداد خندق های شناسایی شده در حوزه آبخیز مهارلو در استان فارس می باشد. بدین منظور، ابتدا با استفاده از بازدید های میدانی گسترده نقاط راس خندق، انتهای خندق و همچنین مرز خندق ها (پلی گون های خندقی) شناسایی و نقشه پراکنش خندق های منطقه مورد مطالعه تهیه شد. سپس، لایه های اطلاعاتی درصد شیب، جهت شیب، انحنای سطح، طبقات ارتفاعی، شاخص رطوبت توپوگرافی، متوسط بارندگی سالانه، شاخص پوشش گیاهی تفاضلی نرمال شده، کاربری اراضی، واحدهای سنگ شناسی، فاصله از آبراهه، فاصله از جاده، تراکم زهکشی و مشخصات خاک (درصد سیلت، درصد رس، هدایت الکتریکی و pH) به عنوان عوامل موثر بر وقوع خندق ها شناسایی و در محیط سامانه اطلاعات جغرافیایی نقشه های آن ها تهیه و طبقه بندی شد. با استفاده از الگوریتم وزن واقعه ارتباط هر یک از عوامل و سه سناریو مختلف در انتخاب محل وقوع خندق ها (راس خندق، انتهای خندق و همچنین، پلی گون های خندقی) تعیین و وزن طبقه های هر عامل مشخص شد. نتایج وزن دهی لایه ها با استفاده از مدل وزن واقعه، نشان داد که افزایش بارندگی، تراکم زهکشی بالا، درصد سیلت زیاد، طبقات ارتفاعی کم، جهت های جنوبی، فاصله های کم از جاده و آبراهه، سازندهای زمین شناسی آسماری، آغاجاری، رازک، گچساران، میشان و ساچون و همچنین، اراضی لخت نقش موثری در وقوع فرسایش خندقی در منطقه مورد مطالعه داشته است. نهایتا، در محیط نرم افزار ArcGIS، نقشه های پهنه بندی حساسیت فرسایش خندقی تهیه شد. ارزیابی سه نقشه پهنه بندی فرسایش خندقی با استفاده از منحنی ROC و 30 درصد از خندق های استفاده نشده در فرایند مدل سازی حاکی از آن بود که دقت مدل های تهیه شده بر اساس سه سناریو راس خندق، انتهای خندق و پلی گون خندق ها به ترتیب 0.847، 0.861 و 0.792 می باشد. به منظور کنترل و جلوگیری از این نوع فرسایش آبی در حوزه آبخیز مهارلو، اقدامات حفاظتی و آبخیزداری را در قالب فعالیت های بیولوژیکی در مراحل اولیه و به ویژه در ابتدای خندق به منظور پیش روی از گسترش آن می توان انجام داد.
    کلید واژگان: استان فارس, راس و انتهای خندق, عوامل موثر, فرسایش آبی, منحنی ROC
    Mahdis Amiri, Hamidreza Pourghasemi *, Gholam Abbas Ghanbarian, Sayed Fakhredin Afzali
    Gully erosion is one of the most important advanced (accelerated) forms of water erosion; so, identification and consideration of effective factors and its zoning is one of the important tools for controlling this phenomenon. The main purpose of the present study is spatial modeling and assessment of gully erosion using a probabilistic Weights-of-evidence (WofE) model and its different scenarios for selecting the location of gullies identified in Maharloo Watershed, Fars Province. For this aim, first, using extensive field observations, points of headcut, end, and also the boundary of the gullies (gully polygons) were identified and the gully inventory map for the study area was prepared. Then, thematic layers such as percent slope, slope aspect, plan curvature, elevation, Topographic Wetness Index, average annual precipitation, NDVI, land use, lithological units, distance from river, distance from road, drainage density, and some soil characteristics (percent silt, percent clay, EC and pH) were identified as effective factors on gully occurrence and their maps were prepared and classified in GIS environment. In the next step, using WofE algorithm, the relationship between effective factors and three different scenarios according to gully locations (head, end and gully polygons) were determined and the weight of each factor's classes was calculated. Ultimately, gully erosion zonation maps were prepared in the ArcGIS software environment. Evaluation of three gully erosion zoning maps using the ROC curve and 30% of unused gullies in the modeling process indicated that the accuracy of the models prepared based on three scenarios are 0.847, 0.861 and 0.792, respectively. Also, results of layer weighting using WofE model indicated that rainfall increasing, high drainage density, high silt percentage, low altitudes, southern directions, low distances from roads and river, Asmari, Aghajari, Razak, Gachsaran, Mishan and Sachun geological formations, as well as bare lands, have played an effective role in the occurrence of gully erosion in the study area. In order to control and prevent this kind of erosion in the Maharlo Watershed, the protective measures and watershed management were performed in the early stages.
    Keywords: Effective factors, gully erosion, Spatial modeling, Weights-of-evidence algorithm
  • سحر عبداللهی، حمیدرضا پورقاسمی*، غلامعباس قنبریان، روجا صفاییان

    هدف از پژوهش حاضر شبیه سازی مکانی و تهیه نقشه حساسیت فرونشست زمین با استفاده از مدل بیشینه آنتروپی در شهرستان های جیرفت و عنبرآباد است. بدین منظور ابتدا موقعیت فرونشست های زمین با استفاده از بازدیدهای گسترده میدانی مشخص و پس از آن نقشه پراکنش فرونشست زمین منطقه مورد مطالعه در محیط سامانه اطلاعات جغرافیایی (GIS) تهیه گردید. سپس هر یک از عوامل موثر بر وقوع فرونشست زمین از قبیل درصد و جهت شیب، طبقات ارتفاعی، انحنای نیم رخ، انحنای سطح، شاخص رطوبت توپوگرافی، فاصله از آبراهه، واحدهای سنگ شناسی، داده های پیزومتری، کاربری اراضی و شاخص تفاضلی پوشش گیاهی نرمال شده (NDVI) در محیط GIS تهیه و بعد از آن با استفاده از روش نسبت فراوانی (FR) وزن طبقات مربوط به هر عامل مشخص شد. نهایتا نقشه پهنه بندی حساسیت فرونشست زمین با استفاده از مدل بیشینه آنتروپی برای منطقه مورد مطالعه تهیه گردید. نتایج ارزیابی مدل با استفاده از 30 درصد نقاط استفاده نشده در فرآیند شبیه سازی و بر اساس منحنی تشخیص عملکرد نسبی (ROC) نشان داد، نقشه حساسیت فرونشست زمین تهیه شده با استفاده از مدل بیشینه آنتروپی صحت بالایی (859/0) دارد. بنابراین نقشه پهنه بندی مذکور می تواند نقش به سزایی در تعیین مناطق بحرانی از نظر بهره برداری آب و تخریب سفره های آب زیرزمینی در منطقه مورد مطالعه داشته باشد.

    کلید واژگان: بیشینه آنتروپی, سامانه اطلاعات جغرافیایی, فرونشست زمین, نسبت فراوانی
    Sahar Abdollahi, Hamid Reza Pourghasemi*, Gholam Abbas Ghanbarian, Roja Safaeian

    The aim of this research is spatial Simulation and land subsidence susceptibility mapping using maximum entropy model in Jiroft and Anbarabad Townships. At first, land subsidence locations were recognized using extensive field surveys and subsequently the land subsidence distribution map was made in the geographic information system. Then, each of effective factors on land subsidence occurred in study area such as: percent slope, aspect direction, altitude classes, profile curvature, plan curvature, topographic wetness index (TWI), distance of drainage, litology units, pizometric data, land use, and normalized difference vegetation index (NDVI) digitized in GIS environment. Then, using frequency ratio (FR) method, the weight of the classess of each factor and was determined. Finally, land subsidence susceptibility map in the study area was prepared using the model maximum entropy. The results of validation of model using 30% of the unused points in the modeling process and according receiver operating characteristic (ROC) showed that the map of land subsidence susceptibility obtained from the maximum entropy had the high accuracy of ARC value of 0.859 (85.9%). Therefore, the zoning map can play a significant role in water resource management and identification of critical areas according to extracting groundwater table in the study area.

    Keywords: Frequency ratio, GIS, Land subsidence, Maximum entropy
  • مهدیس امیری، حمیدرضا پورقاسمی*
    هدف از پژوهش حاضر، بررسی روند ارتباط بین خشکسالی آب شناسی و هواشناسی حوزه آبخیز مهارلو در استان فارس است. در این تحقیق، به منظور ارزیابی خشکسالی هیدرولوژیکی از شاخص استاندارد سطح آب (SWI) و از آمار آب های زیرزمینی 60 چاه پیزومتری با طول دوره زمانی مشترک 15 ساله (1392-1378) و برای ارزیابی خشکسالی هواشناسی، از شاخص بارش استاندارد شده (SPI) استفاده شد و از آمار 18 ایستگاه باران سنجی حوزه آبخیز مهارلو طی یک دوره آماری 15 ساله (1392-1378) استفاده شد. به منظور پهنه بندی خشکسالی ها و تهیه نقشه های مربوطه، از روش های مختلف زمین آمار شامل میان یابی عکس مجذور فاصله (IDW) و کریجینگ معمولی در نرم افزار ArcGIS استفاده شد و نتایج مدل ها بر اساس معیار های میانگین مطلق خطا (MAE)، میانگین انحراف خطا (MBE) و ریشه دوم میانگین مربعات باقی مانده (RMSE) ارزیابی شد. شایان ذکر است که برای بررسی روند زمانی خشکسالی هواشناسی و هیدرولوژیکی از آزمون من-کندال استفاده شد. نتایج نشان داد که خشکسالی هیدرولوژیکی دارای روند معنی دار افزایشی بوده، در حالی که خشکسالی هواشناسی در ابتدا کاهشی و سپس افزایشی بوده، روند خاصی را دنبال نمی کند. در سال 78، بیشترین میزان خشکسالی با مقدار SWI 2.25 و در سال 81، بیشترین میزان ترسالی با مقدار SWI -2.66 رخ داده است. همچنین، نتایج نشان داد که در قسمت های جنوب غرب و مرکز بیشترین ترسالی و در نواحی شمال غربی، بیشترین شدت خشکسالی مشاهده شده است. نتایج خشکسالی هواشناسی نیز بیانگر آن بود که در سال 78 بیشترین شدت ترسالی در ایستگاه کمهر رخ داده است و بیشترین شدت خشکسالی طی سال های بعد نیز در ایستگاه کمهر رخ داده است. همچنین، نتایج ارزیابی روش های میان یابی نشان داد که روش عکس مجذور فاصله با کمینه میزان MAE (0.2688) و RMSE (0.629) به عنوان مناسب ترین روش میان یابی و نقشه شاخص SPI بر اساس کمینه MAE (0.2688) و MBE (-0.000051) به عنوان مناسب ترین شاخص در ارزیابی خشکسالی انتخاب شد.
    کلید واژگان: خشکسالی هیدرولوژیک, خشکسالی هواشناسی, شاخص استاندارد شده سطح آب, شاخص بارش استاندارد شده
    Mahdis Amiri, Hamid Reza Pourghasemi *
    The current study aims to investigate the relationship between hydrological and meteorological droughts in the Maharloo Watershed, Fars Province. In order to assess the hydrological drought, Standardized Water-Level Index (SWI) was used, calculated from piezometric groundwater level data from 60 observation wells within 15 years (2000-2014). The Standardized Precipitation Index (SPI), calculated from the 15 years of rainfall data from 18 stations was used to assess meteorological drought in the study area. Two geostatistical techniques were employed to create drought zonation maps namely Inverse Distance Weighting (IDW) and simple kriging. Correspondingly, three criteria were chosen to evaluate the results including Mean Absolute Error (MAE), Mean Bias Error (MBE), and Root-Mean-Square error (RMSE). Furthermore, the Mann-Kendall test was used to assess the temporal trends of hydrological and meteorological droughts. As a result, trends in hydrological drought were increasing in a significant manner, while meteorological drought trend was decreasing at first and increasing afterwards so that it did not follow any particular trend. With regard to the results of hydrological drought assessment, the driest period has been occurred in 2000 with the SWI value of about 2.25, while 2003 had the highest SWI value equals -2.66 as the most significant wet period. Moreover,   the most intense drought and wet periods have been occurred respectively in northwestern and southwestern to central parts of the study area. The results of meteorological drought assessment indicated that the Komehr station has had the most intense wet period in 2000, however; it turned to have the most intense drought periods later on. As regards the evaluation of interpolation techniques, the IDW method with the lowest MAE value of 0.2688 and the lowest RMSE value of 0.0629was chosen as the best interpolation method compared to simple kriging. Also, the drought map obtained from the SPI method with the lowest values of MAE (0.2688) and MBE (-0.000051) found to be the most desirable method to assess the drought behavior in the study area.
    Keywords: Hydrological drought, Maharloo Watershed, Meteorological drought, Standardized water-level index, Standardized precipitation index
  • علیرضا عرب عامری*، حمیدرضا پورقاسمی، خلیل رضایی، مسعود سهرابی
    اولویت بندی زیرحوزه ها در مدیریت منابع طبیعی و به ویژه مدیریت حوزه های آبخیر نقش موثری دارد. در این پژوهش به اولویت بندی 11 زیرحوزه آبخیز آسمان گر در استان چهارمحال بختیاری با استفاده از پارامترهای مورفومتریک و مدل ترکیبی نوین تاپسیس-رگرسیون خطی چندمتغیره پرداخته شده است. پارامترهای مورفومتریکی مورد استفاده در این پژوهش شامل ضریب فشردگی، ضریب گردی، ضریب شکل، ضریب کشیدگی، ثابت نگهداشت آبراهه، تراکم زهکشی، عدد ناهمواری، فراوانی آبراهه، درجه شیب، بافت زهکشی، نسبت ناهمواری، نسبت انشعاب و طول جریان می باشد. به منظور تعیین وزن پارامترها از مدل رگرسیون چندمتغیره و آمار سیلاب های رخ داده در منطقه و به منظور اولویت بندی زیرحوزه های آبخیز از روش تصمیم گیری چندمعیاره تاپسیس استفاده گردیده است. نتایج وزن دهی پارامترها نشان داد که پارامترهای نسبت انشعاب، ضریب شکل و عدد ناهمواری، به ترتیب با کسب 612/0، 221/0، 212/0 امتیاز بیش ترین تاثیر را در رخ داد سیلاب در منطقه مورد مطالعه داشته اند. طبق نتایج اولویت بندی، زیرحوزه های 4، 6 و 9 به ترتیب با کم ترین فاصله از ایده آل مثبت (0480/0، 0516/0062،0/0) و بیش ترین فاصله از ایده آل منفی (1746/0، 1809/0، 1734/0) و با کسب بیش ترین امتیاز (7841/0، 7777/0، 7365/0) در رتبه های اول تا سوم قرار گرفته اند و باید برای انجام اقدامات مدیریتی و آبخیزداری در اولویت قرار گیرند. به منظور اعتبارسنجی مدل، مقادیر رسوب ویژه و نسبت تولید رسوب (SDR) برای هر زیرحوزه با روش PSIAC با استفاده از 9 پارامتر زمین شناسی، خاک، اقلیم، رواناب، توپوگرافی، پوشش زمین، کاربری اراضی، فرسایش سطحی و فرسایش رودخانه ای محاسبه گردید. نتایج اعتبارسنجی نشان داد که پارامترهای مورفومتریک و مدل ترکیبی دارای دقت بالایی در شناسایی زیرحوزه های با پتانسیل سیل خیزی و تولید رسوب بالا می باشد، به طوری که زیرحوزه های 4، 6 و 9 به ترتیب دارای بیش ترین مقادیر رسوب ویژه (1/97، 2/80، 1/70) تن در هکتار در سال و نسبت تولید رسوب (57، 55، 59) درصد می باشند. نتایج حاصل از این پژوهش در مدیریت حوزه های آبخیز در منطقه مورد مطالعه می تواند مورد استفاده قرار گیرد.
    کلید واژگان: مورفومتری, روش ترکیبی تاپسیس-رگرسیون چندمتغیره, اولویت-بندی, حوزه آبخیز آسمان گر
    Alireza Arabameri*, Hamidreza Pourghasemi, Khalil Rezaei, Masoud Sohrabi
    Sub-watershed prioritization is very important in natural resources and watershed management. This study deals with prioritization of sub-watersheds using a mixed multivariate linear model of New TOPSIS-Regression over morphometric parameters of 11 sub-watersheds. Morphometric parameters include constant of compression ratio, roundness factor, form ratio, slenderness ratio,channel maintenance, drainage density, ruggedness number, The frequency channel, slope, drainage texture rate, The roughness rate, branching ratio and channel length were weighted using multivariate linear regression and observed flood events. Prioritization was performed by TOPSIS decision Method. Results obtained from weighting analysis showed that branching ratio, form ratio and ruggedness number have the most effect on flooding with 0.612, 0.221, and 0.212 scores, respectively. According to the results of prioritization, 4, 6 and 9 Sub-watersheds with the least distance to the positive optimum (0.0062, 0.051, and 0.048, respectively) and maximum distance to negative optimum (0.1734, 0.1809, and 0.1746, respectively) have the highest flooding intensity with maximum scores of 0.7365, 0.7777, and 0.7841, respectively, that should be prioritized for action management and watershed management. In order to validate the results, special deposition and sediment delivery ratio  ​​(SDR) was calculated for each Sub-watershed by PSIAC method using nine parameters including geology, climate, soil, water, topography, land cover, land use, surface erosion and river erosion. Validation of results indicate that the morphometric parameters and  used model has a high performance of prioritization of watersheds prone to flooding and high sediment production;  so that 4, 6 and 9 Sub-watersheds have the highest amount of Special deposition 97.1, 80.2, 70.1 Ton/Hec/Year and sediment delivery ratio 57, 55, and 59 percentage, respectively. The results of this study can be used in watershed management.
    Keywords: Morphometry, Flooding, Hybrid TOPSIS-multi variate regression, Prioritization, Acemangar Basin
نمایش عناوین بیشتر...
بدانید!
  • در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
  • همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
  • در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال