محمدتقی آوند؛ سعید جانی زاده؛ محسن فرزین
چکیده
با افزایش جمعیت و توسعۀ کشاورزی نیاز به منابع آبی به شدت افزایش یافته و منابع آب زیرزمینی، بیش از پیش، بهخصوص در مناطق خشک و نیمهخشک مورد توجه بسیاری قرار گرفته است. هدف از این پژوهش تهیۀ نقشۀ پتانسیل منابع آب زیرزمینی با استفاده از دو مدل دادهکاوی جنگل تصادفی (RF) و آماری رگرسیون خطی تعمیم یافته (GLM) در محدودۀ یاسوج-سیسخت میباشد. ...
بیشتر
با افزایش جمعیت و توسعۀ کشاورزی نیاز به منابع آبی به شدت افزایش یافته و منابع آب زیرزمینی، بیش از پیش، بهخصوص در مناطق خشک و نیمهخشک مورد توجه بسیاری قرار گرفته است. هدف از این پژوهش تهیۀ نقشۀ پتانسیل منابع آب زیرزمینی با استفاده از دو مدل دادهکاوی جنگل تصادفی (RF) و آماری رگرسیون خطی تعمیم یافته (GLM) در محدودۀ یاسوج-سیسخت میباشد. بدین منظور لایههای اطلاعاتی شامل درجۀ شیب، جهت شیب، طول شیب، ارتفاع از سطح دریا، شاخص رطوبت توپوگرافی، فاصله از گسل، فاصله از آبراهه، بارندگی، کاربری اراضی، سنگشناسی، شاخص موقعیت توپوگرافی و شاخص قدرت جریان به عنوان مهمترین عوامل مؤثر بر پتانسیل آب زیرزمینی تعیین شده و در نرمافزار ArcGIS و SAGAGIS رقومی و تهیه شدند. از پراکنش 362 چشمۀ موجود در سطح منطقه، 70 درصد (253 چشمه) به عنوان چشمههای آموزشی و 30 درصد (109 چشمه) به عنوان چشمههای آزمایشی استفاده گردید. نتایج نشان داد که سطح طبقات حضور آب زیرزمینی با پتانسیل کم، متوسط، زیاد و خیلی زیاد در نقشه حاصل از روش جنگل تصادفی به ترتیب 78/37، 22/22، 89/18 و 11/21 درصد و در روش رگرسیون خطی تعمیم یافته به ترتیب 49/14، 04/32، 11/31 و 36/22 درصد میباشد. همچنین با حساسیتسنجی عوامل مؤثر در هر دو روش، عاملهای بارندگی، ارتفاع از سطح دریا و فاصله از گسل حساسترین عوامل تعیین شدند. ارزیابی دقت مدلهای دادهکاوی مورد استفاده در این تحقیق نیز با استفاده از منحنی عملکرد نسبی (ROC) مورد سنجش قرار گرفت. سطح زیر منحنی (AUC) برای دو مدل RF و GLM به ترتیب 92 % و 65 % درصد را نشان میدهد، بنابراین دقت مدل جنگل تصادفی در تهیۀ نقشۀ پتانسیل آب زیرزمینی در منطقۀ مورد مطالعه بیشتر از مدل رگرسیون خطی تعمیمیافته است. مدلهای نوین دادهکاوی و آماری در تلفیق با GIS برای پتانسلیابی منابع آب زیرزمینی میتواند برای مدیریت پایدار، مورد توجه طراحان و تصمیمگیران طرحهای توسعهای واقع گردد.
