تهیه نقشه حساسیت سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی و مدل خطی تعمیم یافته بیزین
امروزه پدیده ی سیل یکی از پیچیده ترین رخدادهای مخاطره آمیز است که بیش از سایر بلایای طبیعی دیگر، همه ساله در نقاط مختلف دنیا منجر به ایجاد خسارت های جانی و مالی و تخریب اراضی کشاورزی می شود؛ بنابراین تهیه نقشه حساسیت به وقوع سیلاب نخستین گام در برنامه مدیریت سیلاب است. هدف از این پژوهش شناسایی مناطق حساس به سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی (RF) و خطی تعمیم یافته بیزین (GLMbayesian) در حوزه آبخیز تجن در استان مازندران، شهرستان ساری بود. نقشه پراکنش سیلاب های گذشته به منظور پیش بینی سیلاب در آینده تهیه شد. از بین 263 رخداد سیلاب، 80% (210 رخداد سیل) به منظور مدل سازی و 20% (53 رخداد سیل) به منظور اعتبارسنجی استفاده شد. با بررسی مطالعات قبلی و پیمایش منطقه موردمطالعه 13 عامل موثر به منظور پهنه بندی سیلاب انتخاب و تهیه شد. نتایج نشان داد که سه فاکتور ارتفاع (55/21)، فاصله از رودخانه (28/15) و شیب (18/11) به ترتیب بیش ترین تاثیر را در سیل گیری منطقه موردمطالعه دارند. همچنین نتایج ارزیابی خروجی مدل ها نشان داد که مقدار AUC در مدل RF و GLMbayesian به ترتیب 91/0 و 847/0 بود که نشان دهنده برتری مدل RF و دقت بیش تر این مدل در تهیه نقشه حساسیت به وقوع سیل در منطقه موردمطالعه می باشد. بیش ترین مساحت حساسیت به سیل در مدل RF مربوط به طبقه خیلی کم و در مدل GLMbayesian مربوط به طبقه زیاد است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.