فهرست نشریات علمی دسترسی آزاد ایران

چکیده مبسوط مقدمه: سیل یکی از انواع بلایای طبیعی است که هر ساله موجب ایجاد خسارات زیادی در ایران می‌شود. اجرای اقدامات آبخیزداری در سطح حوزه‌های آبخیز، یکی از راهکارهای موثر در مدیریت سیل و جلوگیری از خسارات ناشی از آن است. از طرفی بررسی میزان تأثیر این اقدامات بر فرآیندهای هیدرولوژیک حوزه آبخیز اجتناب‌ناپذیر است. در مدیریت مخاطرات طبیعی به‌ویژه در مدیریت سیل، زمان یکی از مهم­ترین عوامل است، به­عبارتی مدل به­کار گرفته شده باید توانایی مدل‌سازی یا شبیه‌سازی در کوتاه‌ترین زمان ممکن را دارا باشد تا به اقدامات پیشگیرانه و هشدار اولیه کمک نماید. مطالعات زیادی به منظور اندازه‌گیری و طبقه‌بندی اثرات سیل از دیدگاه‌های مختلف انجام شده است. در همین راستا پیشرفت در زمینه‌های مختلف هوش مصنوعی مخصوصاً در زمینه مطالعات مربوط به منابع آب موجب شده که به­عنوان گزینه مناسب برای مدل‌سازی فرآیندهای هیدرولوژیکی و هیدرولیکی مورد توجه قرار گیرند. بر همین اساس پژوهش حاضر با هدف پیش‌بینی اثر اقدامات آبخیزداری بر سیل­خیزی حوزه آبخیز بهشت‌آباد با استفاده از روش یادگیری ماشین برنامه‌ریزی شد.مواد و روش‌ها: داده‌های مورد استفاده شامل دبی و بارش در دوره­های 1399-1378 بود. عوامل مؤثر بر سیل ازجمله پوشش گیاهی، خاک و توپوگرافی نیز با استفاده از تصاویر ماهواره‌ای، سامانه گوگل ارث انجین و مطالعات میدانی در محیط نرم‌افزار ArcGIS تهیه شد. همچنین تاثیر اقدامات آبخیزداری شامل عملیات بیولوژیک با مدل‌های ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) شبیه‌سازی شد. به­طور کلی پیش‌بینی دبی جریان بر اساس مجموعه داده‌های موجود (7850 سری) در دو دسته داده‌های آموزش مدل (Train) شامل 70 درصد داده‌ها (5495 سری) مربوط به دوره 1378 تا 1393 و داده‌های آزمون مدل (Test) شامل 30 درصد داده‌ها (2355 سری) در دوره 1393 تا 1399 انجام شد. براساس مطالعات تفصیلی-اجرایی صورت گرفته، اقدامات بیولوژیک شامل کپه‌کاری، بذکاری، بذرپاشی و نهال­کاری شبیه‌سازی شد و اثر اقدامات بیولوژیک بر دبی جریان، در نظر گرفته شد. بنابراین با انجام طرح‌های بیولوژیک پیش‌بینی شده در سطح حوزه‌ آبخیز مورد مطالعه، پارامترهای پوشش گیاهی و کاربری اراضی، تغییر نموده و از لایه‌های پیش‌بینی شده استفاده شد، لذا مقادیر عددی مربوط به پوشش گیاهی حوضه ازجمله شاخص NDVI و کاربری اراضی در پیکسل‌هایی که عملیات پیشنهاد شده بود، تغییر داده شد که مقادیر آن­ها مجدداَ محاسبه و وارد فرآیند مدل‌سازی گردید.نتایج و بحث: بیش­ترین میزان دبی شبیه‌سازی شده در حوضه با مدل‌های ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) به‌ترتیب حدود 500 و 520 مترمکعب بر ثانیه بوده که در سال‌‌های 1383 و 1395 رخ داده است. نتایج نشان داد اقدامات بیولوژیک حجم دبی جریان را کاهش داده و اثر کمتری بر مقدار دبی اوج داشته است. مقایسه نتایج دو مدل SVM و RF نشان داد که مدل SVM عملکرد بهتری نسبت به مدل RF در پیش‌بینی دبی جریان رودخانه داشته است به­نحوی­که طبق نتایج به­دست آمده از مدل SVM، مقدار ضریب تببین در مرحله آموزش و آزمون به­ترتیب برابر 96/0 و 89/0 بوده است. همچنین مقدار شاخص نش-ساتکلیف برای مرحله آموزش برابر 95/0 و برای مرحله آزمون برابر با 86/0 می­باشد.نتیجه‌گیری: نقش اقدامات آبخیزداری به‌صورت بیولوژیک در حوزه‌های آبخیز در کاهش میزان رواناب سطحی و اثرگذاری آن بر متغیرهای سیل، از طریق تأثیر آن‌ها بر زمان تمرکز و شماره منحنی حوزه آبخیز امری غیرقابل انکار است. از طرفی بررسی میزان تأثیر این اقدامات بر فرآیندهای هیدرولوژیک حوزه آبخیز اجتناب‌ناپذیر است. براساس نتایج، استفاده از مدل‌های یادگیری ماشین گزینه مناسبی برای صرفه‌جویی در وقت و هزینه‌ طرح‌ها و پروژه‌های پیش‌بینی جریان روخانه و جریان سیلی و کنترل و مدیریت سیل در حوزه‌های آبخیز می‌باشند. می‌توان اظهار نمود پیش‌بینی سیل با استفاده از روش‌های مبتنی بر هوش مصنوعی می‌تواند در زمان و هزینه به‌صرفه باشد و با آموزش صحیح مدل و استفاده از داده­های جامع پیش‌بینی دقیق‌تری ارائه داشت.