آزادي، راضيه

عنوان

پهنه بندي حساسيت اراضي نسبت به فرسايش خندقي با استفاده از مدل‌هاي هوشمند در جنوب استان اصفهان

مقطع تحصيلي

كارشناسي ارشد

گرايش تحصيلي

آبخيزداري

محل تحصيل

اصفهان : دانشگاه صنعتي اصفهان

سال دفاع

1401

صفحه شمار

هفت، [104]ص. : مصور (رنگي)، جدول، نمودار

توصيفگر ها

الگوريتم ژنتيك , بهينه‌سازي , جنگل تصادفي , ماشين بردار پشتيبان , منحني عملكرد نسبي

تاريخ ورود اطلاعات

1401/12/23

كتابنامه

رشته تحصيلي

منابع طبيعي

دانشكده

مهندسي منابع طبيعي

تاريخ ويرايش اطلاعات

1403/03/30

كد ايرانداك

2918222

چكيده فارسي

فرسايش خاك در ايران يكي از مشكلات اساسي به ويژه در بخش‌هاي كشاورزي، منابع طبيعي و محيط زيست است. فرسايش خندقي از جمله مخرب‌ترين انواع فرسايش آبي است كه باعث هدر رفت آب و خاك مي‌گردد كه براي پيشگيري و مبارزه با آن نياز است تا مناطقي كه خطر وقوع فرسايش خندقي در آن‌ها وجود دارد مشخص شود. در پژوهش حاضر پتانسيل وقوع فرسايش خندقي در حوضه‌ي سميرم در جنوب استان اصفهان با استفاده از روش‌هاي هوشمند مدل جنگل تصادفي، ماشين بردار پشتيبان و بهينه‌سازي اين دو مدل توسط الگوريتم ژنتيك مورد بررسي و ارزيابي قرار گرفت. به‌اين منظور در ابتدا نقشه موقعيت مكاني خندق‌‌ها با بازديدهاي صحرايي، استفاده از تصاوير ماهواره‌اي و نقشه‌هاي توپوگرافي در محيط نرم افزار GIS تهيه گرديد و از 311 خندق شناسايي شده به‌طور تصادفي 70 درصد (218) خندق براي مدل‌سازي و 30 درصد (93) خندق براي اعتبارسنجي در نظر گرفته شد. در گام بعد 21 عامل مؤثر در وقوع فرسايش خندقي در منطقه مطالعاتي شامل ارتفاع، درصد شيب دامنه، جهت شيب، پلان انحنا، پروفيل انحنا، انحناي كلي، شاخص سايه روشن، شاخص تحدب، سنگ‌شناسي، كاربري اراضي، شاخص تفاضلي پوشش گياهي نرمال شده، فاصله از آبراهه، شاخص رطوبت توپوگرافي، شاخص قدرت جريان، شاخص طول شيب، تراكم زهكشي، نقشه‌ي هم‌باران، شاخص فاصله عمودي از آبراهه، مساحت حوضه‌‌ي آبخيز، نقشه نوع خاك و نقشه عمق خاك براي مدل‌سازي انتخاب گرديد و در محيط SAGA و GIS رقومي گرديد. نهايتاً نقشه پهنه‌بندي حساسيت فرسايش خندقي با استفاده از مدل‌هاي مذكور براي منطقه مورد مطالعه تهيه گرديد و سپس عملكرد مدل‌ها با استفاده از منحني عملكرد نسبي (ROC) و مساحت سطح زير منحني (AUC) ارزيابي شد. مقدار مساحت زير منحني (ROC) داده‌هاي تست براي روش‌هاي مدل جنگل تصادفي، ماشين بردار پشتيبان، جنگل تصادفي- الگوريتم ژنتيك و ماشين بردار پشتيبان- الگوريتم ژنتيك به‌ترتيب 0.801، 0.807، 0.888 و 0.800 به‌دست آمد با توجه به نتايج، به‌طور كلي مدل‌هاي هوشمند مورد استفاده قابليت مناسبي در پيش‌بيني و تشخيص عرصه‌هاي داراي پتانسيل خندق دارند. همچنين نتايج نشان داد كه مدل جنگل تصادفي- الگوريتم ژنتيك بهترين عملكرد را در پيش‌بيني مناطق مستعد به فرسايش خندقي نسبت به ساير مدل‌ها دارا مي‌باشد.

چكيده انگليسي

Soil erosion is one of the main problems, especially in agriculture, natural resources and environment in Iran. Gully erosion is one of the most important water erosion which leads to waste of water and soil resources. For preventing or combating it needs to determine the areas with risk of gully. In present study, the potential of gully erosion in the Semirom basin in the south of Isfahan Province were eva‎luated using the intelligent methods of Random forest, Support vector machine and optimization of these two models by Genetic algorithm. For this purpose, at first the position of the gully was prepared using field observations, satellite imagery, topographic maps and geographic information systems, and from 311 identified gullies, 70% (218 gullies) and 30% (93 gullies) were selected randomly for modeling and validation respectively. In the next step, 21 controling factors in the gully occurrence in the study area including altitude, slope angle, slope aspect, plan curvature, profile curvature, curvature, hillshade, Convergence Index, lithology, land use, Normalized Difference Vegetaion Index, distance from channel, Topographic Wetness Index, Stream Power Index, slope length factor, drainage density, rainfall, vertical distance to chanel network, total catchment area, soil type and soil depth were determined for modeling and digited in GIS and SAGA softwares. Ultimately, the gully erosion sensitivity map was prepared using RF, SVM and GA in the case study and then performance of the models was eva‎luated using the receiver operating characteristic and area under curve. Area under curve for test data was calculated as 0.801, 0.807, 0.888 and 0.800 for RF, SVM, RF-GA and SVM-GA models, respectively. According to the results, in general, intelligent models used are good for predicting gully potential areas. Also, results showed that among the models used, RF-GA model, has the best performance.

استاد راهنما

سعيد سلطاني كوپائي

استاد مشاور

كوروش شيراني

استاد داور

رضا مدرس , سعيد پورمنافي

لينک به اين مدرک

https://library.iut.ac.ir/dl/search/default.aspx?Term=18346&Field=0&DTC=107