کارآیی سنجش از دور و خوارزمیکهای یادگیری ماشین در پهنهبندی مناطق مستعد گردوغبار استان اصفهان

Authorsمجید افشاری,عباسعلی ولی
Journalمدیریت بیابان
Page number۷۳
Volume number۱۱
Paper TypeFull Paper
Published At۱۴۰۲/۰۹/۱۵
Journal GradeScientific - research
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Journal IndexISC

Abstract

گردوغبار پدیدهای است که عمدتأ در مناطق خشک و نیمهخشک در نتیجه سرعت زیاد باد و تلاطم آن بر روی سطح خاک بدون پوشش گیاهی و مستعد فرسایش ایجاد میشود. استان اصفهان یکی از مهمترین مناطق جغرافیایی کشور محسوب میشود که بهدلیل موقعیت خاص جغرافیایی، میزان کم بارندگی، همجواری با کویر و بیابانهای بزرگ کشور، زمینه برای خشکسالیهای دورهای، گسترش بیابانزائی و وقوع توفانهای گردوغبار در این استان فراهم میباشد. بنابراین انجام مطالعاتی که ما را به شناخت صحیحی از مناطق مستعد گردوغبار در این استان برساند، بیش از پیش احساس میگردد. لذا در این تحقیق، با استفاده از کدهای هواشناسی گردوغبار و مقادیر عمق اپتیکی آئروسول، سنجنده مودیس ماهواره )2001-2022( Terraو الگوریتمهای ،BRT ،RF SVMو CARTبه پهنهبندی مناطق مستعد گردوغبار در استان اصفهان پرداخته شد. بدین منظور، نقشه نقاط وقوع و عدم وقوع گردوغبار با استفاده از کدهای هواشناسی و مقدار عمق اپتیکی آئروسول تهیه شد. عوامل دما، بارش، شیب، ارتفاع، آلبدو، کاربری اراضی، سرعت باد فرساینده، شاخص رطوبت سطح خاک، شاخص شوری، و شاخص پوشش گیاهی بهعنوان عوامل پیشبینیکننده در نظر گرفته شد و سپس با بهرهگیری از خوارزمیکهای (الگوریتم) یادگیری ماشین، پهنهبندی مکانی مناطق مستعد گردوغبار انجام شد. نتایج حاصل از پژوهش نشان داد که بیشترین احتمال وقوع گردوغبار مربوط به اراضی بایر، شور و نیز کاربری مرتع با تاج پوشش فقیر بوده است. ارزیابی کارآیی مدلها نشان داد که مدل جنگل تصادفی با مقدار AUC=0/86بهترین کارآیی را داشته است و پس از آن بهترتیب خوارزمیکهای BRTبا CART ،AUC=0/82با AUC=0/79و SVMبا مقدار AUC=0/77قرار دارد. بررسی تحلیل حساسیت جکنایف نیز نشان داد که در مدلهای BRT ،RFو CARTعامل بارش بیشترین اثرگذاری را در پهنهبندی و تعیین مناطق مستعد گردوغبار داشته و در مدل SVMعامل دما و پس از آن بارش بیشترین اثرگذاری را داشته است

tags: جنگل تصادفی؛ عمق اپتیکی آئروسول؛ سطح زیر منحنی؛ جکنایف