مدل‌سازی فرسایش بادی با استفاده از گوگل ارث انجین (مطالعۀ موردی: شهرستان سبزوار) | ||
| مهندسی اکوسیستم بیابان | ||
| دوره 12، شماره 41، پاییز 1403، صفحه 59-72 اصل مقاله (902.61 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22052/deej.2024.254641.1049 | ||
| نویسندگان | ||
| عبدالحسین بوعلی1؛ نرگس کریمی نژاد* 2؛ محسن حسینعلی زاده3 | ||
| 1گروه مدیریت مناطق بیابانی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| 2عضو هیئت علمی بخش مهندسی منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، فارس، ایران | ||
| 3گروه مدیریت مناطق بیابانی، دانشکده مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| چکیده | ||
| تدوین استراتژی‌های مناسب برای ارزیابی کمی فرسایش بادی با دقت بالا اهمیت زیادی دارد. در این تحقیق 50 نقطه شواهد زمینی انتخاب شدند؛ سپس 8 شاخص سرعت باد، کاربری اراضی، شوری خاک، رطوبت خاک، بافت سطحی خاک، تراکم پوشش گیاهی، مقدار بارش و مدل رقومی ارتفاعی که با داده‌های میدانی همبستگی داشتند، برای مدل‌سازی انتخاب شدند. چهار روش یادگیری ماشین به‌ترتیب SVM, GBM, GLM و RF برای مدل‌سازی خطر فرسایش بادی در منطقۀ مورد مطالعه مورد استفاده قرار گرفت. به‌منظور ارزیابی عملکرد مدل‌ها، از 3 شاخص ضریب کاپا، منحنی تشخیص عملکرد (ROC) و آمار واقعی مهارت مرتبط با آستانه (tss) استفاده شد. درنهایت از میانگین وزنی مدل ترکیبی در بستۀ آماری SDM، برای کاهش عدم قطعیت در مدل‌سازی منطقه استفاده شد. براساس نتایج به‌دست‌‌آمده، مدل SVM با 95/0AUC = ، 97/0TSS = و 87/0kappa= بهترین عملکرد را داشته است. براساس مدل ترکیبی منطقۀ مورد مطالعه ازنظر شدت فرسایش بادی 44% در کلاس کم، 16% در کلاس متوسط، 15% در کلاس شدید و 25% در کلاس بسیار شدید قرار گرفته است. بنابراین با در نظر گرفتن نتایج مدل ترکیبی (به‌عنوان مدلی با کمترین عدم قطعیت)، می‌توان از پیشروی فرایند تخریب سرزمین و فرسایش بادی کاست. | ||
| کلیدواژه‌ها | ||
| فرسایش بادی؛ تخریب سرزمین؛ گوگل ارث انجین؛ مدل‌سازی مکانی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 818 تعداد دریافت فایل اصل مقاله: 573 |
||