- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 281 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 2,461 |
| تعداد مقالات | 28,427 |
| تعداد مشاهده مقاله | 16,685,764 |
| تعداد دریافت فایل اصل مقاله | 12,901,074 |
مدل‌سازی تلفیقی فرسایش آبی و بادی با استفاده از روش‌های یادگیری ماشین | ||
| پژوهش های آبخیزداری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 31 شهریور 1401 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2022.358127.1458 | ||
| نویسندگان | ||
مهدی جلالی 1؛ حمید غلامی  2؛ مرضیه رضایی3؛ ابراهیم امیدوار4
| ||
| 1دانشجوی دکتری دانشگاه هرمزگان | ||
| 2دانشگاه هرمزگان | ||
| 3استادیار گروه مهندسی منابع طبیعی دانشگاه هرمزگان | ||
| 4دانشگاه کاشان | ||
| چکیده | ||
| فرسایش خاک توسط آب و باد یکی از بزرگ‌ترین تهدیدهای زیست محیطی در سراسر جهان است که دارای پیامدهای منفی بر روی اکوسیستم‌های انسانی و طبیعی است. در این پژوهش با استفاده از دو مدل یادگیری ماشین نسبت به مدل‌سازی مکانی هم‌زمان فرسایش آبی و بادی در حوزه آبخیز بختگان استان فارس پرداخته شد. جهت این امر، به ترتیب 20 و 16 فاکتور تاثیرگذار بر فرسایش آبی و بادی انتخاب گردید. در مرحله قبل از مدل‌سازی از روش انتخاب ویژگی رگرسیون چند-متغیره اسپیلاین تطبیقی و تست هم‌‌خطی استفاده شد. در مرحله بعد از دو روش یادگیری ماشین جنگل تصادفی و ماشین بردار پشتیبان جهت مدل‌سازی فرسایش استفاده گردید. ارزیابی عملکرد مدل‌ها با استفاده از منحنی مشخصه عملکرد انجام شد. بر پایه نتایج، مقادیر سطح زیر منحنی مشخصه عملکرد برای نقشه فرسایش بادی تهیه شده بوسیله مدل جنگل تصادفی 99 و نقشه فرسایش آبی تولید‌شده به‌وسیله مدل ماشین بردار پشتیبان برابر 96 می‌باشد. در انتها نیز دو نقشه فرسایش بادی و آبی تلفیق گردید و نتایج نشان داد که بیش‌ترین درصد مساحت مربوط به حساسیت کم در فرسایش آبی و حساسیت خیلی زیاد در فرسایش بادی می‌باشد که 18 درصد منطقه را دربر می‌گیرد. یافته‌های حاصل از این پژوهش می‌تواند به‌عنوان اطلاعات پایه به برنامه‌ریزان مدیران به‌منظور ارزیابی، برنامه‌ریزی، مدیریت، استفاده پایدار و حفاظت از منابع خاکی حوزه بختگان کمک نماید. | ||
| کلیدواژه‌ها | ||
| آبخیز بختگان؛ جنگل تصادفی؛ مدل ماشین بردار پشتیبان؛ نمودار مشخصه عملکرد؛ رگرسیون چندمتغیره اسپیلاین تطبیقی | ||
| عنوان مقاله [English] | ||
| Integrated modeling of erosion by water and wind using machine learning methods | ||
| نویسندگان [English] | ||
| Mehdi Jalali1؛ Hamid Gholami2؛ marzyeh rezai3؛ Ebrahim Omidvar4 | ||
| 1University of Hormozgan | ||
| 2University of Hormozgan | ||
| 3Assistant Professor of Natural Resources Engineering, Hormozgan University | ||
| 4Kashan University | ||
| چکیده [English] | ||
| Soil erosion by water and wind is one of the biggest environmental threats which has negative consequences on human and natural ecosystems. In this study, two machine learning models were used for the simultaneous spatial modeling of erosion by water and wind in the Bakhtegan Basin, Fars province. For this purpose, 20 and 16 factors controlling erosion by water and wind were selected. In the pre-modeling stage, the multivariate adaptive regression spline os MARS feature selection method and collinearity test were applied. In the next step, two machine learning models consisting of random forest and support vector machine were used for erosion modeling. The model’s performance was evaluated by the area under the curve- receiver operating characteristic (AUC-ROC). Based on the results, the AUC values for wind and water erosion maps generated by random forest and support vector machines were calculated at 99 and 96, respectively. The random forest model had an AUC of 99 and in water erosion, the support vector model had an AUC of 96 and had the best performance. Finally, two erosion maps were combined and the results showed that the low class of land susceptibility to water erosion and the very high class of the land susceptibility to wind erosion cover the highest percentage of the study area which covers 18 total areas. The findings of this study can serve as basic information to planners and managers on the sustainable management and protection of soil resources in the Bakhtegan Basin. | ||
| کلیدواژه‌ها [English] | ||
| Bakhtegan basin, random forest (RF), support vector machine (SVM) model, ROC, multivariate adaptive regression spline (MARS) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 88 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب