ارزیابی جامع ریسک شوری آبخوان سرخون با بهره گیری از ترکیب مدل های یادگیری ماشین
ارزیابی ریسک شوری آبخوان به خصوص در مناطق نزدیک ساحل اهمیت زیادی دارد. در پژوهش حاضر تلاش شد از طریق ترکیب مدل پتانسیل آسیبپذیری آبخوان و الگوریتم های یادگیری ماشین، چارچوب جامعی برای ارزیابی ریسک شوری در آبخوان سرخون واقع در استان هرمزگان ایجاد شود. در مرحله نخست لایه های ورودی مورد نیاز برای تولید نقشه پتانسیل آسیبپذیری آبخوان براساس مدل دراستیک تهیه و ترکیب شد. سپس، با استفاده از سه الگوریتم یادگیری ماشین شامل جنگل تصادفی، افزایش گرادیان اکسترمم (XGBoost) و درختان رگرسیون جمعشده بیزی (BART) و با استفاده از 12 فاکتور تاثیرگذار روی آب زیرزمینی از جمله رطوبت توپوگرافیک، خاک، پوشش گیاهی و عوامل دیگر، نقشه احتمال خطر شور شدن تهیه شد. قبل از مدلسازی آزمون همخطی روی داده ها انجام شد و مشاهده شد که همخطی در بین پارامترهای ورودی مدل ها وجود ندارد. ارزیابی کارایی مدلسازی با منحنی ویژگی عملگر نسبی ROC)) نشان داد هر سه الگوریتم دقت بسیار خوب و سطح زیرمنحنی AUC)) بیش از 90 درصد دارند. بنابراین، هر سه مدل بر اساس میزان سطح زیرمنحنی خود ترکیب شدند تا یک نقشه واحد برای احتمال وقوع خطر شوری به دست آید. در انتها، نقشه ریسک شوری براساس مقادیر آسیبپذیری، شوری و احتمال وقوع خطر تهیه شد. نقشه ریسک به دستآمده نشان داد قسمتهای شرقی آبخوان ریسک شوری بسیار زیاد دارد که علت این امر تمرکز زیاد زمینه ای کشاورزی در این بخش دشت است. نتایج پژوهش حاضر نشان داد دستیابی به یک نقشه قابل اتکا برای ارزیابی ریسک شوری آبخوان به وسیله ترکیب مدل های یادگیری ماشین و مدل های آسیب پذیری آبخوان امکان پذیر است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.