ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان
فرونشست زمین یکی از مهمترین مشکلات محیطزیستی است که بر کشاورزی و زیرساختهای شهری تأثیر میگذارد. لذا به‌منظور برنامهریزی برای کاهش خطرات ناشی از فرونشست، شناسایی مناطق پرخطر و مستعد وقوع این پدیده در دشتهای مختلف ایران ضروری است. هدف اصلی این تحقیق، حساسیتپذیری فرونشست زمین در آبخوان کاشان با...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Ferdowsi University of Mashhad
2023-01-01
|
| Series: | جغرافیا و مخاطرات محیطی |
| Subjects: | |
| Online Access: | https://geoeh.um.ac.ir/article_42364_b0d724e5ed0857bf123952b9a2f90b64.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832591335464370176 |
|---|---|
| author | نرگس سقازاده هدی قاسمیه ابراهیم امیدوار یاسر مقصودی |
| author_facet | نرگس سقازاده هدی قاسمیه ابراهیم امیدوار یاسر مقصودی |
| author_sort | نرگس سقازاده |
| collection | DOAJ |
| description | فرونشست زمین یکی از مهمترین مشکلات محیطزیستی است که بر کشاورزی و زیرساختهای شهری تأثیر میگذارد. لذا به‌منظور برنامهریزی برای کاهش خطرات ناشی از فرونشست، شناسایی مناطق پرخطر و مستعد وقوع این پدیده در دشتهای مختلف ایران ضروری است. هدف اصلی این تحقیق، حساسیتپذیری فرونشست زمین در آبخوان کاشان با استفاده از روشهای دمپستر- شفر، وزندهی شواهد، آنتروپی شانون و نسبت فراوانی است. برای انجام این تحقیق از 14 عامل مؤثر بر وقوع فرونشست شامل ارتفاع، شیب، جهت شیب، انحنای سطح، فاصله از آبراهه، فاصله از گسل، فاصله از جاده، لیتولوژی، کاربری اراضی، انحنای طولی و عرضی، تغییرات سطح ایستابی، فاصله از معدن و تراکم چاه در سطح آبخوان استفاده شد. آنگاه پس از تعیین 108 موقعیت فرونشست و نیز 108 موقعیت عدم فرونشست در سطح آبخوان، این نقاط به‌صورت تصادفی و به نسبت 30 و 70 درصد بهترتیب به‌عنوان دادههای اعتبارسنجی و دادههای آزمون طبقهبندی شدند و برای ارزیابی هرکدام از مدلها از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج نشان داد که از بین روشهای مورداستفاده بر اساس منحنی ROC و میزان AUC، روش نسبت فراوانی (آموزش: 84/0 و اعتبارسنجی: 89/0) بهترین عملکرد را داشته است و به‌عنوان بهترین روش پیشبینی مناطق دارای حساسیت فرونشست در منطقه مطالعاتی معرفی میشود. روشهای آنتروپی شانون، دمپستر- شفر و وزندهی شواهد نیز بهترتیب در رتبههای بعدی قرار گرفتند. نتایج این تحقیق برای کاهش خسارات ناشی از وقوع فرونشست زمین و تعیین مناطق بالقوه فرونشست، قابل‌استفاده برای مدیران استانی خواهد بود. |
| format | Article |
| id | doaj-art-ddd1db55d8ec4762bca0db24b5d308b3 |
| institution | Kabale University |
| issn | 2322-1682 2383-3076 |
| language | English |
| publishDate | 2023-01-01 |
| publisher | Ferdowsi University of Mashhad |
| record_format | Article |
| series | جغرافیا و مخاطرات محیطی |
| spelling | doaj-art-ddd1db55d8ec4762bca0db24b5d308b32025-01-22T13:02:56ZengFerdowsi University of Mashhadجغرافیا و مخاطرات محیطی2322-16822383-30762023-01-01114699810.22067/geoeh.2022.75050.116842364ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشاننرگس سقازاده0هدی قاسمیه1ابراهیم امیدوار2یاسر مقصودی3دانش‌آموخته دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایراندانشیار گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایراندانشیار گروه مهندسی طبیعت، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران.دانشیار گروه فتوگرامتری و سنجش‌ازدور، دانشکده مهندسی نقشه‌برداری، دانشگاه خواجه‌نصیرالدین طوسی، تهران، ایرانفرونشست زمین یکی از مهمترین مشکلات محیطزیستی است که بر کشاورزی و زیرساختهای شهری تأثیر میگذارد. لذا به‌منظور برنامهریزی برای کاهش خطرات ناشی از فرونشست، شناسایی مناطق پرخطر و مستعد وقوع این پدیده در دشتهای مختلف ایران ضروری است. هدف اصلی این تحقیق، حساسیتپذیری فرونشست زمین در آبخوان کاشان با استفاده از روشهای دمپستر- شفر، وزندهی شواهد، آنتروپی شانون و نسبت فراوانی است. برای انجام این تحقیق از 14 عامل مؤثر بر وقوع فرونشست شامل ارتفاع، شیب، جهت شیب، انحنای سطح، فاصله از آبراهه، فاصله از گسل، فاصله از جاده، لیتولوژی، کاربری اراضی، انحنای طولی و عرضی، تغییرات سطح ایستابی، فاصله از معدن و تراکم چاه در سطح آبخوان استفاده شد. آنگاه پس از تعیین 108 موقعیت فرونشست و نیز 108 موقعیت عدم فرونشست در سطح آبخوان، این نقاط به‌صورت تصادفی و به نسبت 30 و 70 درصد بهترتیب به‌عنوان دادههای اعتبارسنجی و دادههای آزمون طبقهبندی شدند و برای ارزیابی هرکدام از مدلها از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج نشان داد که از بین روشهای مورداستفاده بر اساس منحنی ROC و میزان AUC، روش نسبت فراوانی (آموزش: 84/0 و اعتبارسنجی: 89/0) بهترین عملکرد را داشته است و به‌عنوان بهترین روش پیشبینی مناطق دارای حساسیت فرونشست در منطقه مطالعاتی معرفی میشود. روشهای آنتروپی شانون، دمپستر- شفر و وزندهی شواهد نیز بهترتیب در رتبههای بعدی قرار گرفتند. نتایج این تحقیق برای کاهش خسارات ناشی از وقوع فرونشست زمین و تعیین مناطق بالقوه فرونشست، قابل‌استفاده برای مدیران استانی خواهد بود.https://geoeh.um.ac.ir/article_42364_b0d724e5ed0857bf123952b9a2f90b64.pdfآب زیرزمینیدشت کاشانروش‌های دومتغیرهفرونشستیادگیری ماشینی |
| spellingShingle | نرگس سقازاده هدی قاسمیه ابراهیم امیدوار یاسر مقصودی ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان جغرافیا و مخاطرات محیطی آب زیرزمینی دشت کاشان روشهای دومتغیره فرونشست یادگیری ماشینی |
| title | ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان |
| title_full | ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان |
| title_fullStr | ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان |
| title_full_unstemmed | ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان |
| title_short | ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان |
| title_sort | ارزیابی کارایی مدل‌های دو متغیره در تعیین حساسیتپذیری فرونشست آبخوان دشت کاشان |
| topic | آب زیرزمینی دشت کاشان روشهای دومتغیره فرونشست یادگیری ماشینی |
| url | https://geoeh.um.ac.ir/article_42364_b0d724e5ed0857bf123952b9a2f90b64.pdf |
| work_keys_str_mv | AT nrgssqạzạdh ạrzyạbyḵạrạyymdlhạydwmtgẖyrhdrtʿyynḥsạsytpdẖyryfrwnsẖstậbkẖwạndsẖtḵạsẖạn AT hdyqạsmyh ạrzyạbyḵạrạyymdlhạydwmtgẖyrhdrtʿyynḥsạsytpdẖyryfrwnsẖstậbkẖwạndsẖtḵạsẖạn AT ạbrạhymạmydwạr ạrzyạbyḵạrạyymdlhạydwmtgẖyrhdrtʿyynḥsạsytpdẖyryfrwnsẖstậbkẖwạndsẖtḵạsẖạn AT yạsrmqṣwdy ạrzyạbyḵạrạyymdlhạydwmtgẖyrhdrtʿyynḥsạsytpdẖyryfrwnsẖstậbkẖwạndsẖtḵạsẖạn |