سید مهدی سادات رسول؛ ابراهیم امیدوار؛ رضا قضاوی
چکیده
درختان موجود در فضاهای سبز شهری از یک سو به‌وسیله باران‌ربایی، باعث کاهش بارش رسیده به زیر درخت شده و از سوی دیگر سیستم‌های ریشه‌ای گسترده آن‌ها موجب ذخیره و هدایت مقادیر قابل‌توجهی آب در داخل خاک می‌شوند. مطالعه حاضر به بررسی تاثیر میزان بارندگی و گونه درختی (زردآلو، زبان‌گنجشک، بید، انجیر، گردو و بلوط) بر باران‌ربایی در شهر ...
بیشتر
درختان موجود در فضاهای سبز شهری از یک سو به‌وسیله باران‌ربایی، باعث کاهش بارش رسیده به زیر درخت شده و از سوی دیگر سیستم‌های ریشه‌ای گسترده آن‌ها موجب ذخیره و هدایت مقادیر قابل‌توجهی آب در داخل خاک می‌شوند. مطالعه حاضر به بررسی تاثیر میزان بارندگی و گونه درختی (زردآلو، زبان‌گنجشک، بید، انجیر، گردو و بلوط) بر باران‌ربایی در شهر هشتگرد استان البرز طی دو فصل زمستان 1397 و بهار 1398 می‌پردازد. بدین منظور طی هفت رخداد بارش، میزان تاج‌بارش توسط پنج باران‌سنج دستی نصب شده در زیر هر درخت، اندازه‌گیری شد. بهمنظور ثبت وقایع بارندگی در محلی که از عوارض ساختمانی و درختان فاصله کافی داشته یک ظرف به عنوان باران‌سنج نصب گردیده و رخدادهای بارندگی از 1/2 تا 8/6 میلی‌متر ثبت گردید. نتایج نشان داد که مقادیر درصد باران‌ربایی گونه‌های زبان‌گنجشک، زردآلو، انجیر، بید، گردو و بلوط به‌ترتیب 6/44، 6/42، 4/36، 1/35، 6/33 و 4/30 درصد بود. . تجزیه و تحلیل آماری نشان داد، بین مقادیر باران‌ربایی گونه‌های درختی اختلاف معنی‌داری در سطح یک درصد وجود دارد (01/0P < ). همچنین بین میزان باران‌ربایی کل گونه‌ها در طبقات مقدار بارندگی (بارندگی کم (4 میلی‌متر > )، بارندگی متوسط (6-4 میلی‌متر)، بارندگی زیاد (> 6 میلی‌متر) نیز اختلاف معنی‌داری در سطح یک درصد وجود داشت (01/0P < ). در بین گونه‌های مورد بررسی، زبان‌گنجشک و زردآلو بیش‌ترین درصد باران‌ربایی را به‌خود اختصاص داده‌اند که می‌توان با برنامه‌ریزی‌های شهری نقش از این دوگونه در کنترل رواناب استفاده بیشتری نمود.
زهرا براتی؛ ابراهیم امیدوار؛ عطااله شیرزادی
چکیده
تهیۀ نقشۀ حساسیتپذیری زمینلغزش بهعنوان اولین گام مهم در ارزیابی خطر زمینلغزش محسوب میشود. هدف اصلی این پژوهش مقایسۀ عملکرد الگوریتم یادگیری ماشین مدل لجستیک درختی (LMT) با مدل آماری رگرسیون لجستیک (LR) بهمنظور مدلسازی حساسیتپذیری زمینلغزش در حوضۀ سرخون استان چهارمحال و بختیاری است. بدینمنظور ابتدا نقشۀ پراکنش ...
بیشتر
تهیۀ نقشۀ حساسیتپذیری زمینلغزش بهعنوان اولین گام مهم در ارزیابی خطر زمینلغزش محسوب میشود. هدف اصلی این پژوهش مقایسۀ عملکرد الگوریتم یادگیری ماشین مدل لجستیک درختی (LMT) با مدل آماری رگرسیون لجستیک (LR) بهمنظور مدلسازی حساسیتپذیری زمینلغزش در حوضۀ سرخون استان چهارمحال و بختیاری است. بدینمنظور ابتدا نقشۀ پراکنش با تعداد 98 موقعیت زمینلغزش با استفاده از دادههای عملیات میدانی و همچنین دادههای تاریخی ثبت شده، تهیه شد. علاوه بر این، برای تکمیل پایگاه دادهها، 100 موقعیت غیرزمینلغزشی نیز شناسایی شدند. نقاط زمینلغزشی و غیرزمینلغزشی به صورت تصادفی به دو دسته دادۀ مدلسازی و اعتبارسنجی تقسیم شدند. سپس بیست عامل مؤثر با توجه به مرور منابع و خصوصیات زمینمحیطی حوضه شناسایی شدند. در ادامه، مدلهای LMT و LR برای شناسایی تأثیر عوامل مؤثر روی وقوع زمینلغزش و همچنین ارزیابی حساسیتپذیری زمینلغزشها، بهوسیلۀ دادههای مرحلۀ آموزش بهکار گرفته شدند. در نهایت، عملکرد این دو مدل از طریق سطح زیر منحنی عامل گیرنده (AUC) مورد بررسی قرار گرفت. نتایج اعتبارسنجی مدلها حاکی از آن بود که مدل LR با AUC برابر با 797/0 عملکرد مناسبتری نسبت به مدل LMT (740/0 = AUC) از خود نشان داده، هر چند که هر دو مدل ابزارهای مفیدی برای پیشبینی مکانی حساسیتپذیری زمینلغزش هستند. بنابراین مدل LR میتواند بهعنوان یک ابزار جایگزین برای مدیریت بهتر مناطق تحت تأثیر زمینلغزش در منطقۀ مورد مطالعه پیشنهاد شود.
