کاربرد الگوریتمهای یادگیری ماشین در مدیریت خطر سیلاب با تأکید بر سکونتگاههای روستایی گردشگرپذیر (مطالعه موردی: منطقه نمونه گردشگری بیستون، استان کرمانشاه)
نویسندگان
1 گروه مدیریت جهانگردی، دانشکدۀ میراث فرهنگی، صنایع دستی و گردشگری، دانشگاه مازندران، بابلسر، ایران
2 گروه ژئومورفولوژی، دانشکدۀ منابع طبیعی، دانشگاه کردستان، سنندج، ایران (پژوهشگر پاره وقت پژوهشکدۀ کردستانشناسی، دانشگاه کردستان، سنندج، ایران)
3 گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
doi
10.22067/geoeh.2025.95982.1616چکیده
با توجه به حضور گردشگران در فضاهای گردشگرپذیر، وقوع مخاطرات محیطی در این فضاها میتواند نسبت به دیگر مناطق، آسیبها و خسارات زیستمحیطی، جانی و مالی بیشتری را به همراه داشته باشد. از اینرو هدف پژوهش کاربردی حاضر، پهنهبندی خطر سیل و شناسایی روستاهای در معرض خطر سیل است که به صورت مطالعه موردی در منطقه نمونه گردشگری بیستون (شامل 60 روستا) انجام گرفته است. در راستای دستیابی به هدف اصلی پژوهش از 13 معیار و دو الگوریتم Cart و Simple RF استفاده شده است. نتایج الگوریتم Cart نشان داد 5/39 درصد از مساحت و 80 درصد از روستاها، در پهنههای خطر زیاد و بسیار زیاد قرار گرفته است. نتایج الگوریتم Simple RF نشان داد 1/36 درصد از مساحت و 75 درصد از روستاها در پهنههای خطر زیاد و بسیار زیاد قرار گرفتهاند. مقایسه پهنهبندی ها نشانگر شباهت زیاد نتایج آنها است با این تفاوت که الگوریتم Cart در شناسایی محدودههای پر خطر تاحدی سختگیرانهتر عمل کرده است. با این تفاوت که الگوریتم Cart در شناسایی محدودههای پر خطر تاحدی سختگیرانهتر عمل کرده است. نتایج صحتسنجی عملکرد الگوریتمها نشان داد علیرغم دقت بالای دو الگوریتم، الگوریتم Simple RF دقت بیشتری را نسبت به الگوریتم Cart داشته است.
