نویسندگان | جواد چزگی,حوا حسینی,سیدمحمد تاجبخش فخرآبادی |
---|---|
نشریه | مدیریت بیابان |
شماره صفحات | ۸۹-۱۰۴ |
شماره سریال | ۱۱ |
شماره مجلد | ۳ |
نوع مقاله | Full Paper |
تاریخ انتشار | ۲۰۲۳ |
نوع نشریه | الکترونیکی |
کشور محل چاپ | ایران |
نمایه نشریه | isc |
چکیده مقاله
فرسایش شیاری به عنوان یکی از فرآیندهای آغازین در هدررفت خاک، منجر به اثرات درون منطقهای و برون منطقهای در سطح سیمایسرزمین میشود. استفاده از مدلهای یادگیری ماشین میتواند برای پیشبینی تغییرات مکانی فرسایش اشکال فرسایش بکار گرفتهشود. برای این منظور مناطق مستعد فرسایش شیاری با استفاده از روش آنتروپی بیشینه (MaxEnt) در حوزۀآبخیز تالاب کجی استان خراسان جنوبی تعیین شد. نه متغیر مستقل سنگشناسی، تندی شیب، بافت خاک، ژئومورفولوژی، کاربری زمین، پوشش گیاهی، ارتفاع از سطح دریا، جهت شیب و بارش استفاده شد. دادههای میدانی از 138 برداشت صحرایی به عنوان متغیر وابسته به مدل معرفی گردید. بمنظور بررسی کارایی مدل، از شاخص ROC استفاده شد. نتایج پژوهش بیانگر دقت مدل آنتروپی بیشینه بود که نشان از مناسب بودن مدل مذکور در مدلسازی حساسیتپذیری فرسایش شیاری داشته است، به طوری که مقدار AUC در مرحله آموزش برابر 885/0 و در مرحله آزمون برابر 859/0 بدست آمد است که بیانگر طبقه خیلی خوب مدل میباشد. نتایج شاخص جکنایف به منظور تعیین اهمیت عاملها نشان داد تندی شیب و حساسیتپذیری واحدهای زمینشناسی به عنوان مهمترین عوامل و درصد مشارکت در مدلسازی فرسایش شیاری هستند. بر اساس همپوشانی لایههای ورودی متغیرهای مستقل و نقشه حساسیت فرسایش شیاری مشخص شد که در رقوم ارتفاعی بالاتر از m 1700 با شیب 8 تا 20 % و جهات شیب شرقی تا جنوبی بیشترین فراوانی فرسایش شیاری رخ داده است. علاوه بر این، در مناطقی که مراتع ضعیف و پوشش کم تا متوسط گیاهان استپی بر روی خاک عمدتاً شنی سنگریزهدار گسترش یافتهاند و بارش سالانه بیشتر از mm/year 150 است، فرسایش شیاری از فراوانی بیشتری برخوردار است. ضمن اینکه واحد زمین شناسی آبرفتی مخروطه افکنهای بر روی تپهها، فلاتها و تراسها اهمیت بیشتری در وقوع فرسایش شیاری داشتند. در کل نتایج نشان داد مدل آنتروپی بیشینه به منظور مدلسازی فرسایش شیاری حوزه آبخیز تالاب کجی نهبندان از کارایی مناسبی برخوردار است. ضمن اینکه با استفاده از متغیرهای محیطی شامل تندی شیب و واحدهای زمین شناسی نیز میتواند به مدلسازی حساسیتپذیری فرسایش شیاری در منطقه مطالعاتی بپردازد.
tags: فرسایش خاک همپوشانی لایه ها حساسیت واحدهای زمین شناسی یادگیری ماشین