شناسایی مهم‌ترین متغیرهای محیطی در پیش‌بینی مکانی مناطق مستعد سیل‌گیری با استفاده از مدل بیشینه آنتروپی در بخشی از استان گلستان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

2 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

3 دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی

4 گروه مهندسی آب، واحد کرمانشاه، دانشگاه ازاد اسلامی، کرمانشاه

چکیده

سیل یک مشکل جدی ویرانگر و یک خطر طبیعی مخرب طی سالهای گذشته است. در پژوهش حاضر به منظور مدلسازی و تهیه نقشه‌ی مکانی مناطق مستعد سیل‌گیری حوزه آبخیز سالیان‌تپه با مساحت 47/4515 کیلومتر مربع در استان گلستان از مدل بیشینه آنتروپی که یکی از مدل‌های پیشرفته داده‌کاوی است استفاده شده است. ابتدا براساس گزارش‌های موجود و بررسی های میدانی نقشه پراکنش سیل تهیه شد. برای مدل‌سازی ماکزیمم آنتروپی سیزده متغیر اثرگذار به عنوان عوامل پیش‌بینی کننده شامل طبقات ارتفاعی، درصد شیب، جهت شیب، بارندگی، فاصله از شبکه زهکشی، کاربری اراضی، سنگ شناسی، بافت خاک، انحنای طرح، انحنای پروفیل، شاخص رطوبت توپوگرافی، تراکم زهکشی و شاخص توان جریان شناسایی و به مدل معرفی شد. سه سری متفاوت از نقاط وقوع خطر سیل (ds1,ds2,ds3 ( شامل 70 درصد برای آموزش مدل و 30 درصد برای اعتبار سنجی به صورت تصادفی آماده شد تا دقت و صداقت مدل مورد ارزیابی قرار بگیرد. دقت مدل براساس شاخص ROC مورد ارزیابی قرار گرفت، و مدل بیشینه آنتروپی دقت پیش‌بینی عالی (بالای 90 درصد) از خود نشان داد. همچنین در این تحقیق درجه اهمیت متغیر‌ها توسط مدل مورد بررسی قرار گرفت و عوامل تراکم زهکشی (حدود 49درصد اهمیت)، فاصله از جریان (حدود 15درصد اهمیت) به‌عنوان مهم‌ترین عوامل محیطی مؤثر بر سیل‌گیری منطقه موردمطالعه شناسایی شدند به ترتیب به عنوان مهم‌ترین عوامل پیش-بینی کننده در این منطقه شناسایی شدند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Identification the most important environmental variables in spatial prediction of flood prone areas using the maximum entropy model.

نویسندگان [English]

  • ehsan moradi 1
  • ahmad rajabi 2
  • saeid shabanlou 3
  • fariborz yosefvand 4
1 Ph.D. Candidate, Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
2 Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
3 Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
4 water Dept., kermanshah branch, islamic azad university, kermanshah, iran
چکیده [English]

Flood is a serious devastating problem and destructive natural hazard over the last years. In the current study, the maximum entropy model was used which is one of the progressive data mining models, in order to modelling and spatial prediction of flood prone areas for the Saliantapeh catchment, Golestan province, covering 4515.47 km2. In the first step, the flood inventory map was prepared using documentary sources report and field surveys. 13 environmental factors were selected as predictors, such as: Digital elevation model, slope percent, aspect, distance from river, rainfall, land use, drainage density, lithology, soil texture, plan curvature, profile curvature, lithological formation, Topographic wetness index and stream power index. Three different sample data sets (ds1, ds2, and ds3) including 70% for training and 30% for validation were randomly gathered to evaluate the robustness of the applied model. The accuracy of the predictive model was evaluated by drawing receiver operating characteristic (ROC) curves. The MaxEnt model performed excellently predictive performance (AUC values well above 0.9), which resulted in accurate predictions. Furthermore, in this study the importance of variables was estimated by the model. Drainage density (49% importance) and distance from river (15% importance) were identified respectively the main controlling factor among all other variables.

کلیدواژه‌ها [English]

  • data mining model
  • flood predictors
  • ROC Curve
  • Robustness
  • Saliantapeh catchment