این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات جغرافیایی، جلد ۳۲، شماره ۴، صفحات ۱۰۵-۱۲۶
عنوان فارسی مقایسه‌ تهیه‌ نقشه‌ حساسیت به فرسایش آبکندی با استفاده از مدل‌های احتمالاتی وزن واقعه و نسبت فراوانی در حوضه‌ آبخیز سنگانه‌ کلات
چکیده فارسی مقاله فرسایش آبکندی پیشرفته‌ترین نوع فرسایش آبی است که با تولید حجم زیاد رسوب در حوضه‌های آبخیز خسارات زیادی ایجاد می‌کند. بنابراین تهیه‌ نقشه‌ حساسیت به فرسایش آبکندی و شناسایی عوامل مؤثر به آن می‌تواند به مدیران و تصمیم گیران کمک کند تا خطر وقوع این فرسایش را کاهش دهند. هدف از انجام این پژوهش، ارزیابی قابلیت‌های مدل‌های احتمالاتی وزن واقعه و نسبت فراوانی برای پیش‌بینی فضایی حساسیت به فرسایش آبکندی و تعیین اهمیت هر یک از عوامل محیطی مؤثر بر آن در حوضه‌ آبخیز سنگانه‌ کلات است. در ابتدا نقشه‌ موقعیت آبکندهای موجود با استفاده از مطالعات میدانی گسترده تهیه گردید سپس نقشه‌های رستری متغیرهای مؤثر بر فرسایش آبکندی (سنگ‌شناسی، کاربری اراضی، فاصله از رودخانه، شیب، جهت شیب، شکل شیب، شاخص رطوبت توپوگرافی (TWI)، تراکم زهکشی و ارتفاع) در قالب پایگاه داده و سامانه اطلاعات جغرافیایی (GIS) ساخته شد. درمجموع از 46 آبکند شناسایی‌شده، 32 آبکند (%70) به‌صورت تصادفی برای ساخت مدل‌های حساسیت به فرسایش آبکندی و 30 درصد باقی‌مانده (14 آبکند) برای اعتبارسنجی مدل استفاده شد. اثربخشی ارزیابی حساسیت به فرسایش آبکندی با استفاده از مدل‌های مبتنی بر سیستم اطلاعات جغرافیایی بستگی به انتخاب مناسب از عوامل ایجاد آبکند، که نقش مهمی در فرسایش آبکندی بازی می‌کنند دارد. بنابراین در این پژوهش از الگوریتم یادگیری کوانتیزاسیون برداری (LVQ) که یکی از روش‌های تحت نظارت می‌باشد؛ به‌منظور برآورد اهمیت متغیرها استفاده شد. درنهایت برای ارزیابی دقت مدل‌های مذکور، منحنی راک (ROC) به کار گرفته شد. تجزیه‌وتحلیل‌های حاصل از منحنی راک نشان ‌می‌دهد که مدل نسبت فراوانی (%32/86 =AUC) دقت بیشتری نسبت به مدل احتمالاتی وزن واقعه (%49/73 =AUC) دارد. درنتیجه، عملکرد مدل نسبت فراوانی برای تهیه نقشه حساسیت به فرسایش آبکندی بیشتر از نقشه تولیدشده توسط مدل احتمالاتی وزن واقعه است. علاوه بر این نتایج نشان داد که با توجه به الگوریتم یادگیری کوانتیزاسیون برداری، عوامل مؤثر در پیش‌بینی حساسیت به فرسایش آبکندی شامل تراکم زهکشی، شیب، فاصله از رودخانه و شاخص رطوبت توپوگرافی هستند
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of Gully Erosion Susceptibility Mapping Using Weight of Evidence and Frequency Ratio Models at Sanganeh Kalat Basin
چکیده انگلیسی مقاله Gully erosion is the most advanced type of water erosion in watersheds that produces large volumes of sediment that and cause a lot of damage. Thus mapping susceptibility to gully erosion and identification of factors can help managers and decision-makers to reduce the risk of erosion. The objective of the present study is to assess the capability of weights-of-evidence (WofE) and frequency ratio (FR) models for spatial prediction of gully erosion susceptibility and characterizing susceptibility conditions at Sanganeh Kalat Basin. At first, a gully erosion inventory map is prepared through extensive field study, then raster maps of the variables affecting the Gully Erosion (lithology, land use, distance from river, slope degree, slope direction, plan curvature, topographic wetness index, drainage density and altitude) in a database and Geographic Information System (GIS) was created. In total, of the 46 gullies which have been identified, 32 (70 %) cases are random algorithm selected to build gully susceptibility models, while the remaining 14 (30 %) cases are used to validate the models. The effectiveness of gully erosion susceptibility assessment via GIS-based models depends on appropriate selection of the conditioning factors, which play an important role in gully erosion. Learning vector quantization (LVQ), one of the supervised neural network methods, is employed in order to estimate variable importance. Finally, validation of the gully dataset which has not been utilized during the spatial modeling process is applied to validate the gully susceptibility maps. The receiver operating characteristic curves for each gully susceptibility map are drawn, and the areas under the curves (AUC) are calculated. The results show that the gully erosion susceptibility map produced by the frequency ratio model (AUC = 86.32 %) functions well in prediction compared to the wofe model (AUC = 73.49 %). Furthermore, LVQ results reveal that drainage density, slope degree, distance from river and topographic wetness index are the most effective factors
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید ابراهیمی | Majid Ebrahim
Hakim Sabzevari University
دانشگاه حکیم سبزواری

ابوالقاسم امیر احمدی | Abolghasem Amir Ahmadi
Hakim Sabzevari University
دانشگاه حکیم سبزواری

محمدعلی زنگنه اسدی | Mohammad Ali Zangeneh Asadi
Hakim Sabzevari University
دانشگاه حکیم سبزواری

نشانی اینترنتی http://georesearch.ir/browse.php?a_code=A-10-1-164&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/694/article-694-576392.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات