مرضیه حاجی محمدی؛ علی اکبر نظری سامانی؛ آرش زارع گاریزی؛ حمیدرضا کشتکار؛ محمود عرب خدری؛ امیر سعدالدین
چکیده
مدل SWAT از پر کاربردترین مدلهای شبیهسازی حوزة آبخیز و پیش‌بینی تأثیر اقدامات حفاظتی آبخیزداری می‌باشد. در این مدل، شبیهسازی فرآیندهای آبخیز بر پایه واحدهای واکنش هیدرولوژیک (HRUs) صورت می‌گیرد که از روی‌هم‌گذاری نقشههای کاربری/پوشش اراضی، خاک و شیب ایجاد می‌شوند. در حالیکه در فرآیند ایجاد HRUs، این واحدها ماهیت مفهومی پیدا ...
بیشتر
مدل SWAT از پر کاربردترین مدلهای شبیهسازی حوزة آبخیز و پیش‌بینی تأثیر اقدامات حفاظتی آبخیزداری می‌باشد. در این مدل، شبیهسازی فرآیندهای آبخیز بر پایه واحدهای واکنش هیدرولوژیک (HRUs) صورت می‌گیرد که از روی‌هم‌گذاری نقشههای کاربری/پوشش اراضی، خاک و شیب ایجاد می‌شوند. در حالیکه در فرآیند ایجاد HRUs، این واحدها ماهیت مفهومی پیدا کرده و موقعیت مکانی خود را از دست می‌دهند. این رویکرد برای شبیهسازی حوزه‌های آبخیز بزرگ و ناهمگن، از نظر کارایی محاسباتی مفید و اغلب اجتناب ناپذیر است. اما چنانچه هدف، مکانیابی و ارزیابی اثربخشی روشهای مدیریتی بر رواناب، رسوب و آلایندهها در یک حوضه متوسط تا کوچک باشد، مشخص بودن مکان دقیق HRUs ضرورت دارد. هدف از این مطالعه، ارائه روشی برای مستقل/مکانی نمودن HRUs و مقایسه نتایج شبیهسازی بر پایه آن با حالت استاندارد مدل بود. در این روش، با انجام پیشپردازشهای اولیه در GIS و تخصیص اسامی منحصر به فرد به واحدهای خاک، HRUs مستقل و مشخص مکانی تعریف می‌شود. مقایسه خروجی‌های مدل در حالت HRUs مکانی با حالت HRUs مفهومی (استاندارد مدل) برای حوزه آبخیز طالقان نشان داد که، نتایج بسیار مشابه می‌باشد و تفاوت معنی‌داری در خروجی‌های مدل مشاهده نمی‌شود. در اجرای مدل براساس حالت استاندارد، ضریب نش-ساتکلیف رواناب و رسوب شبیهسازی شده در خروجی حوضه بهترتیب 75/0 و 64/0 و در اجرای مدل براساس HRUs مکانی بهترتیب 74/0 و 61/0 بهدست آمد. تعریف HRUs مکانی با روش پیشنهادی، خروجی‌های ملموس‌تر و کاربردی‌تری ارائه می‌نماید که برای شناسایی مناطق بحرانی حوضه و مکانیابی اقدامات حفاظتی نسبت به رویکرد HRUs مفهومی، مطلوب‌تر خواهد بود.
سروه داروند؛ حسن خسروی؛ حمید رضا کشتکار؛ غلامرضا زهتابیان؛ امید رحمتی
چکیده
مدلسازی یکی از ابزارهای مناسب برای تصمیم‌گیری پدیده‌های محیط‌زیستی می‌باشد که به صورت مدلهای مفهومی یا روابط ریاضی بیان می‌شوند. هدف از این تحقیق مقایسۀ مدلهای یادگیری ماشینی شامل ماشین بردار پشتیبان، درخت طبقهبندی و رگرسیون، جنگل تصادفی و مدل آنالیز تشخیص ترکیبی جهت اولویتبندی مناطق مستعد گرد و غبار است. جهت تعیین ...
بیشتر
مدلسازی یکی از ابزارهای مناسب برای تصمیم‌گیری پدیده‌های محیط‌زیستی می‌باشد که به صورت مدلهای مفهومی یا روابط ریاضی بیان می‌شوند. هدف از این تحقیق مقایسۀ مدلهای یادگیری ماشینی شامل ماشین بردار پشتیبان، درخت طبقهبندی و رگرسیون، جنگل تصادفی و مدل آنالیز تشخیص ترکیبی جهت اولویتبندی مناطق مستعد گرد و غبار است. جهت تعیین روزهای گرد و غبار از دادههای ساعتی هواشناسی استانهای البرز و قزوین و تصاویر ماهوارهای مربوط به همان روزها برای دورۀ 2000 تا 2019 استفاده شد. 420 نقطۀ برداشت گرد و غبار در منطقه شناسایی و نقشۀ پراکنش آنها تهیه گردید. سپس نقشههای عوامل تأثیرگذار بر وقوع گرد و غبار شامل نقشههای کاربری اراضی، خاکشناسی، شیب، جهت، ارتفاع، پوشش گیاهی، رطوبت سطح توپوگرافیکی، نسبت سطح توپوگرافیکی و زمین‌شناسی تهیه گردید. با استفاده ازمدلهای ذکر شده تأثیر هر یک از عوامل مؤثر گرد و غبار مشخص و نقشههای اولویتبندی مناطق برداشت گرد و غبار تهیه شد. ارزیابی مدلها با استفاده از منحنی راک صورت گرفت. طبق نتایج حاصل شده عامل ارتفاع در تمامی مدلها نسبت به سایر پارامترهای مورد استفاده در مدل از اهمیت بیشتری برخوردار است. نتایج مدلسازی نیز نشان داد مدلهای جنگل تصادفی (RF) و مدل آنالیز تشخیص ترکیبی MDA)) دارای بیشترین مقادیر صحت (96/0)، دقت (94/0)، احتمال آشکارسازی (98/0) و کمترین نرخ هشدار اشتباه (051/0) نسبت به بقیۀ مدلها است. عملکرد مدلهای RF و MDA نسبت به سایر مدلها بهتر بوده و پس از آنها به ترتیب مدلهای ماشین بردار پشتیبان ((SVM و درخت طبقهبندی و رگرسیون CART)) قرار دارند. همچنین در ارزیابی مدلها با استفاده از منحنی مشخصۀ عملکرد (ROC)، مدل RF به عنوان بهترین مدل انتخاب شد.
