فهرست نشریات علمی دسترسی آزاد ایران

هدف از این مطالعه توسعه مدل‌های حساس فرسایش خندقی با اجرای الگوریتم یادگیری ماشینی (ماشین بردار پشتیبان و درخت رگرسیون تقویت‌شده) در حوضه مُهر است. ابتدا، مناطق خندقی شناسایی و پس ‌از آن 13 متغیر مستعد کننده فرسایش خندقی (شیب، جهت شیب، شاخص رطوبت توپوگرافی، شاخص قدرت جریان، شاخص زبری سطح، فاصله از آبراهه، تراکم زهکشی، فاصله از جاده، کاربری اراضی، پوشش گیاهی، متوسط بارندگی سالانه، زمین‌شناسی و بافت خاک) انتخاب شد. ضریب تورم واریانس برای ارزیابی چندخطی بین متغیرها استفاده شد. در نهایت نقشه حساسیت فرسایش خندقی در محیط (R) تهیه شد. همچنین تأثیر ویژگی­های فیزیکی و شیمیایی خاک بر فرسایش خندقی با استفاده از رگرسیون چند متغیره بررسی شد. از نظر اهمیت متغییرها، در مدل SVM کاربری اراضی و در مدل BRT زمین شناسی بیشترین تأثیر را بر فرسایش خندقی دارد. نقشه حساسیت پیش‌بینی‌شده با کمک منحنی مشخصه عملکرد گیرنده (ROC) اعتبارسنجی شد. نتایج نشان داد که مساحت زیر منحنی (AUC) در مدل‌های ماشین بردار پشتیبان و درخت رگرسیون تقویت‌شده به ترتیب 92/0 و 94/0 محاسبه شد که منجر به پیش­بینی دقیقی شد. همچنین نتایج نشان داد متغیر ماسه (299/9)، نسبت جذب سدیم (967/7) و مواد خنثی شونده (185/6) بیشترین تأثیر را بر فرسایش خندقی دارد