مکانیابی سازههای آبخیزداری با استفاده از مدل یادگیری ماشین در حوزه آبخیز دهدر
نویسندگان
1 گروه مهندسی طبیعت، دانشکده کشاورزی شیروان، دانشگاه بجنورد، بجنورد، ایران
2 اداره کل منابع طبیعی و آبخیزداری استان البرز، کرج، ایران
3 اداره کل منابع طبیعی و آبخیزداری استان البرز، کرج، ایران
4 فارغ التحصیل دکتری آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
doi
10.22034/iwm.2024.2021371.1126چکیده
چکیده مبسوط مقدمه: فرسایش خاک و بحران آب از مهمترین تهدیداتی است که امنیت آبوخاک کشور را به خطر انداخته است. بهمنظور حل این مشکلات، اقدامات حفاظت خاک و آب در حال انجام است. مهمترین مرحله اقدامات سازهای آبخیزداری، شناسایی درست مکانهای موردنیاز جهت اجرای این طرحها است. مکانیابی صحیح سازههای آبخیزداری، تأثیر فراوانی در کاهش هزینه فعالیتهای آبخیزداری و افزایش اثربخشی دارد. مکانیابی با تکیهبر روشهای سنتی با توجه به حجم لایههای اطلاعاتی و لزوم تلفیق و تحلیل آنها، دشوار بوده و ضمن صرف وقت و هزینه زیاد، ممکن است موجب بروز خطا گردد. ازجمله روشهای نوین و با کارایی زیاد روشهای دادهکاوی مبتنی بر کیفیت و کمیت دادهها بوده و مبتنی بر یادگیری ماشین (Machine Learning) است. در این پژوهش از مدل حداکثر آنتروپی بهمنظور مکانیابی سازههای آبخیزداری در حوزه آبخیز دهدر طالقان استفاده شد. مواد و روشها: حوزه آبخیز دهدر طالقان با مساحت 4780 هکتار در شمال استان البرز واقع شده است. ارتفاع از سطح دریا از بلندترین نقطه با ارتفاع 4050 متر تا خروجی حوزه با ارتفاع 2248 متر متغیر است. برای انجام این تحقیق، ابتدا بر اساس بانک اطلاعاتی سازههای اجراشده موجود در اداره کل منابع طبیعی و آبخیزداری استان البرز و کتابچه سازههای مکانیکی مطالعات تفصیلی-اجرایی، محل سازههای اجراشده و پیشنهادی (مطالعات تفصیلی-اجرایی) استخراج گردید. در تحقیق حاضر جهت تعیین مناطق مناسب سازههای آبخیزداری از 14 عامل مؤثر در جانمایی سازهها شامل مدل رقومی ارتفاعی، شیب، فاصله از آبراهه، جاده و گسل، تراکم آبراهه، جاده و گسل، سنگشناسی (لیتولوژی)، کاربری اراضی، شاخص قدرت آبراهه، رتبه آبراهه، تجمع جریان و بارندگی استفاده شده است. بررسی عدم وجود همخطی چندگانه با استفاده از عامل تورم واریانس (VIF) و شاخص ضریب تحمل (Tolerance) انجام شد. پس از بررسی عدم وجود همخطی بین متغیرها، نقاط سازههای موجود، با استفاده از روش تصادفی به دو دسته دادههای مدلسازی (آموزش، 70 درصد) و دادههای اعتبارسنجی (آزمون، 30 درصد) تقسیم شدند. میزان اهمیت هر یک از متغیرهای بکار رفته در تبیین مدل با استفاده از مدل حداکثر آنتروپی و با استفاده از نمودار جکنایف (Jackknife) تعیین و انجام این فرآیند در نرمافزار MaxEnt انجام شد. در این پژوهش، کارایی مدل در مراحل آموزش و اعتبارسنجی با استفاده از منحنی تشخیص عملکرد گیرنده (ROC) و سطح زیر منحنی آن (AUC) ارزیابی شد. نتایج و بحث: نتایج نشان داد که بین عوامل همخطی وجود ندارد و لذا کلیه عوامل در روند مدلسازی مورد استفاده قرار گرفتند. نتایج حاصل از نمودار جکنایف نشان داد که بهترتیب عوامل فاصله از آبراهه، شیب، تجمع جریان، رتبه آبراهه، ارتفاع، میانگین بارندگی و لیتولوژی مهمترین عوامل تأثیرگذار بر جانمایی سازههای آبخیزداری هستند و در پیشبینی مناطق دارای پتانسیل احداث سازه تأثیرگذار بودهاند. میزان دقت پیشبینی مدل در هر دو بخش آموزش (959/0) و اعتبارسنجی (961/0) عالی بوده است. نتایج بازدیدهای میدانی نشان داد که در تمامی آبراهههای موردبررسی، مدل بهدرستی و با دقت بسیار زیاد آبراهههای بحرانی را به لحاظ آورد سیل و رسوب تشخیص داده است. درمجموع 3/30 کیلومتر آبراهه بحرانی و فوق بحرانی به لحاظ آورد سیل و رسوبات تشخیص داده شد. لذا در ادامه و در طی بازدیدهای مختلف تعداد 11 سازه آبخیزداری (6 مورد سازه سنگ و ملات، 5 مورد سازه گابیونی) در آبراهههای مورد بازدید جانمایی شد. لازم به ذکر است که میزان انطباق نقشه نهایی (مناطق بحرانی) و جانمایی سازههای آبخیزداری شرکتهای مشاور در قالب مطالعات تفصیلی-اجرایی میزان 92 درصد بوده است که دقت بالای مدلهای یادگیری ماشینی را نشان میدهد. نتیجهگیری: در این پژوهش نقشه مناطق مناسب احداث سازههای آبخیزداری حوزه آبخیز دهدر طالقان با در نظر گرفتن متغیرهای محیطی تأثیرگذار و با مدل حداکثر آنتروپی تهیه شد. منحنی ROC نشان داد که دقت مدل در برآورد کردن مناطق دارای پتانسیل احداث سازههای آبخیزداری در مرحله آموزش و در مرحله اعتبارسنجی عالی بوده است که به معنای عملکرد عالی مدل است. بر اساس نتایج بهدستآمده میتوان گفت که مدل MaxEnt توانایی زیادی در تعیین مناطق دارای پتانسیل احداث سازههای آبخیزداری دارد. به دلیل سرعت و دقت زیاد مدل پیشنهاد میشود که در پژوهشهای مشابه بهخصوص در کشورهای درحالتوسعه که با کمبود امکانات و منابع مالی مواجه هستند استفاده شود. ترکیب سیستم اطلاعات جغرافیایی با مدلهای نوین یادگیری ماشین بهمنظور تعیین مناطق دارای پتانسیل احداث سازهها مخصوصاً در کشورهای درحالتوسعه مثل ایران پیشنهاد میگردد.