ارزیابی جامع ریسک شوری آبخوان سرخون با بهره گیری از ترکیب مدل های یادگیری ماشین

ارزیابی ریسک شوری آبخوان به‏ خصوص در مناطق نزدیک ساحل اهمیت زیادی دارد. در پژوهش حاضر تلاش شد از طریق ترکیب مدل‏ پتانسیل آسیب‏پذیری آبخوان و الگوریتم‏ های یادگیری ماشین، چارچوب جامعی برای ارزیابی ریسک شوری در آبخوان سرخون واقع در استان هرمزگان ایجاد شود. در مرحله نخست لایه‏ های ورودی مورد نیاز برای تولید نقشه پتانسیل آسیب‏پذیری آبخوان براساس مدل دراستیک تهیه و ترکیب شد. سپس، با استفاده از سه الگوریتم یادگیری ماشین شامل جنگل تصادفی، افزایش گرادیان اکسترمم (XGBoost) و درختان رگرسیون جمع‏شده بیزی (BART) و با استفاده از 12 فاکتور تاثیرگذار روی آب زیرزمینی از جمله رطوبت توپوگرافیک، خاک، پوشش گیاهی و عوامل دیگر، نقشه احتمال خطر شور شدن تهیه شد. قبل از مدل‏سازی آزمون هم‏خطی روی داده ‏ها انجام شد و مشاهده شد که هم‏خطی در بین پارامترهای ورودی مدل‏ ها وجود ندارد. ارزیابی کارایی مدل‏سازی با منحنی ویژگی عملگر نسبی ROC)) نشان داد هر سه الگوریتم دقت بسیار خوب و سطح زیرمنحنی AUC)) بیش از 90 درصد دارند. بنابراین، هر سه مدل بر اساس میزان سطح زیرمنحنی خود ترکیب شدند تا یک نقشه واحد برای احتمال وقوع خطر شوری به دست آید. در انتها، نقشه ریسک شوری براساس مقادیر آسیب‏پذیری، شوری و احتمال وقوع خطر تهیه شد. نقشه ریسک به دست‏آمده نشان داد قسمت‏های شرقی آبخوان ریسک شوری بسیار زیاد دارد که علت این امر تمرکز زیاد زمین‏ه ای کشاورزی در این بخش دشت است. نتایج پژوهش حاضر نشان داد دستیابی به یک نقشه‏ قابل اتکا برای ارزیابی ریسک شوری آبخوان به وسیله ترکیب مدل‏ های یادگیری ماشین و مدل ‏های آسیب‏ پذیری آبخوان امکان ‏پذیر است.