| ارزیابی عملکرد مدلهای یادگیری ماشینی در تخمین هدررفت خاک ناشی از فرسایش خندقی در حوزه آبخیز آبگندی (استان کهگیلویه و بویراحمد) |
| کد مقاله : 1006-SCWMSUP (R1) |
| نویسندگان |
|
ایمان صالح *1، سید مسعود سلیمانپور2، مجید خزایی3، امید رحمتی4، صمد شادفر5 1بخش تحقیقات جنگلها، مراتع و آبخیزداری، مرکز تحقیقات و آموزش کشــاورزی و منابع طبیعی کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران 2بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشــاورزی و منابع طبیعی استان فارس، سازمان تحقیقات، آموزش و ترویج کشاورزی، شیراز، ایران 3بخش تحقیقات جنگلها، مراتع و آبخیزداری، مرکز تحقیقات و آموزش کشــاورزی و منابع طبیعی استان کهگیلویه و بویراحمد، سازمان تحقیقات، آموزش و ترویج کشاورزی، یاسوج، ایران 4بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشــاورزی و منابع طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، سنندج، ایران 5دانشیار پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران |
| چکیده مقاله |
| این پژوهش با هدف محاسبه حجم خاک از دست رفته ناشی از فرسایش خندقی با استفاده از مدلهای یادگیری ماشینی در حوزه آبخیز آبگندی استان کهگیلویه و بویراحمد براساس مطالعات میدانی، انجام شده است. مدلهای یادگیری ماشینی مورد مطالعه شامل جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و سیستم استنباط فازی عصبی تطبیقی است. بدین منظور ، موقعیت 81 خندق در منطقه ثبت و به منظور مدلسازی هدررفت خاک ناشی از خندقها، لایههای رقومی عوامل تأثیرگذار بر گسترش خندقها از جمله عوامل توپوگرافی، خاکشناسی، سنگشناسی و هیدرولوژیکی به عنوان متغیرهای مستقل تهیه شد. سپس حجم خاک از دست رفته ناشی از فرسایش خندقی منطقه بر اساس فرمول کوکران در 68 خندق معرف به صورت مستقیم به عنوان متغیر وابسته در عرصه اندازهگیری شد. خندقهای اندازهگیری شده، به صورت تصادفی به دو گروه آموزش و اعتبارسنجی تقسیم شدند. نتایج مدلها با استفاده از خطای جذر میانگین مربعات (RMSE) و شاخص R2 مورد ارزیابی قرار گرفته و مدلها با یکدیگر مقایسه شدند. براساس نتایج این مطالعه، فرسایش خندقی در حوضه آبگندی استان کهگیلویه و بویراحمد هر ساله رو به افزایش است و در شرایطی که میزان بارندگی و همچنین فراوانی بارشهای سنگین زیاد باشد، میزان فرسایش و هدررفت خاک به طور مستقیم افزایش چشمگیر خواهد داشت. از میان مدلهای یادگیری ماشینی مورد استفاده در این پژوهش، مدل جنگل تصادفی به عنوان مدل برتر در زمینه شبیهسازی هدررفت خاک ناشی از فرسایش خندقی انتخاب شد. |
| کلیدواژه ها |
| جنگل تصادفی، ماشین بردار پشتیبان، شبکه عصبی مصنوعی، فرسایش خندقی |
| وضعیت: پذیرفته شده |