پتانسیل‌یابی منابع آب زیرزمینی با استفاده از دو مدل جنگل تصادفی و نسبت فراوانی در حوزه آبخیز عمرک، تهران

نوع مقاله : مقاله پژوهشی

نویسندگان

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

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

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

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

چکیده

امروزه تأمین آب به منظور تحقق اهداف توسعۀ پایدار یکی از مهم ترین چالش ها در اکثر کشورهای جهان است. به همین دلیل، تعیین مناطق دارای پتانسیل آب زیرزمینی، از ابزارهای مهم در حفاظت، مدیریت و بهره برداری از منابع آب به شمار می رود. بنابراین هدف از این پژوهش تهیه نقشه پتانسیل چشمه‌های آب زیرزمینی با استفاده از یک مدل مشهور یادگیری ماشین (جنگل تصادفی) و یک مدل آماری (مدل نسبت فراوانی) و مقایسه کارایی این روشها در حوزه آبخیز عمرک، استان تهران می‌باشد. ابتدا 18 عامل مؤثر در ظهور چشمه‌ها شامل: سازندهای سنگ‌شناسی، فاصله از گسل، تراکم گسل، طبقات ارتفاعی، درصد شیب، جهت شیب، فاکتور طول شیب، نقشه-های انحنا، فاصله از آبراهه، تراکم آبراهه، حداکثر ارتفاع، شاخص نمناکی، موقعیت شیب نسبی، بافت خاک، شاخص زبری سطح، شاخص همگرایی جریان و پوشش کاربری اراضی انتخاب شدند و نقشه آن‌ها در سامانه ArcGIS10.5 و SAGA تهیه گردید. پس از بررسی هم‌خطی و طبقه‌بندی لایه‌های مؤثر با استفاده از روش شکستن طبیعی، درصد و فراوانی پتانسیل آب زیرزمینی در هر طبقه با استفاده از هم‌پوشانی نقشه پراکنش چشمه‌ها با هرکدام از لایه‌ها به دست آمد. برای ارزیابی عملکرد مدل‌های مذکور از منحنی مشخصه عملکرد نسبی(ROC) استفاده شد و میزان مساحت زیر منحنی (AUC) مدلهای جنگل تصادفی و نسبت فراوانی به ترتیب 88 و 72درصد به‌دست آمد. نتایج نشان داد که هر دو روش تخمین‌گرهای مناسبی برای تهیه نقشه پتانسیل چشمه آب زیرزمینی در منطقه مورد مطالعه هستند. اما مدل جنگل تصادفی با مقدار مساحت زیر منحنی بالاتر روش بهتری برای شناسایی و پهنه‌بندی پتانسیل چشمه‌های آب زیرزمینی معرفی گردید.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Potential finding of groundwater resources using two random forest models and frequency ratio in Omarak watershed, Tehran

نویسندگان [English]

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

Nowadays, water supply in order to achieve the objectives of sustainable development is one of the most important challenges in most countries of the world. For this reason, determining areas with groundwater potential is one of the important tools in the protection, management and exploitation of water resources. Therefore, the purpose of this study is to prepare the potential map of groundwater springs using a well-known machine learning model (random forest) and a statistical model (frequency ratio model) and compare the efficiency of these methods in Omarak watershed, Tehran province. First, 18 factors influencing the emergence of springs including lithological formations, distance from the fault, fault density, elevation classes, slope percentage, slope direction, slope length factor, curvature maps, distance from waterway, waterway density, maximum height, moisture index, relative slope position, soil texture, surface roughness index, flow convergence index and land use cover were selected and their maps were prepared in ArcGIS10.5 and SAGA systems. After examining the alignment and classification of the effective layers using the natural fracture method, the percentage and frequency of groundwater potential in each layer were obtained using the overlap of the distribution map of the springs with each of the layers. The relative operating characteristic (ROC) curve was used to evaluate the performance of the mentioned models and the area under the curve (AUC) of the random forest models and the frequency ratio were 88 and 72%, respectively. The results showed that both methods are suitable estimators for preparing the groundwater source potential map in the study area. However, a random forest model with a higher area under the curve was introduced as a better method for identifying and zoning the potential of groundwater springs.

کلیدواژه‌ها [English]

  • Groundwater Potential
  • Spring
  • Frequency Ratio model
  • stochastic forest model
  • relative operating characteristic curve