- 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 | 2,463 |
| تعداد مقالات | 28,449 |
| تعداد مشاهده مقاله | 16,736,632 |
| تعداد دریافت فایل اصل مقاله | 12,910,439 |
پهنه‌بندی حساسیت فرسایش خندقی با استفاده از مدل‌های CART, ANN و RF | ||
| مهندسی و مدیریت آبخیز | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 17 آبان 1401 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2022.356379.1920 | ||
| نویسندگان | ||
امید اسدی نلیوان  1؛ علیرضا رابط2؛ فرزانه وکیلی تجره3؛ مرضیه رمضانی4؛ محمد مومنی5؛ کهزاد حیدری1
| ||
| 1دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
| 2مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان | ||
| 3دانشجوی دکتری، دانشکده منابع طبیعی، دانشگاه تهران | ||
| 4دانش‌آموخته کارشناسی مرتع و آبخیزداری دانشگاه یزد | ||
| 5اداره کل منابع طبیعی و آبخیزداری استان البرز | ||
| چکیده | ||
| فرسایش خندقی نقش عمده ای در تخریب سرزمین دارد. بنابراین شناسایی فاکتورهای تشدیدکننده و پیش بینی مناطق حساس به آن بسیار ضروری است. این مطالعه با هدف بررسی توزیع مکانی حساسیت فرسایش خندقی با استفاده از سه مدل جنگل تصادفی (RF)، شبکه عصبی مصنوعی (ANN) و درخت رگرسیون و طبقه بندی (CART) در شمال شرق استان گلستان انجام شد. به این منظور نقشه موقعیت مکانی خندق‌ها تهیه گردید و از 1127 موقعیت فرسایش خندقی به طور تصادفی 70 درصد برای مدل سازی و 30 درصد برای اعتبارسنجی در نظر گرفته شد. 14 عامل شامل عوامل توپوگرافیکی، زمین شناسی، هیدرولوژیک، انسانی به عنوان عوامل موثر بر ایجاد خندق در نظر گرفته شدند. از منحنی ROC به منظور اعتبارسنجی مورد استفاده قرار گرفت. نتایج مدل جنگل تصادفی نشان داد که عوامل فاصله از جاده، کاربری اراضی، ارتفاع از سطح نزدیک ترین زهکش و بارندگی مهم ترین متغیرهای اثرگذار بر پیش بینی فرسایش خندقی می باشند. نتایج مدل سازی نشان داد که بهترین دقت مدل بر اساس منحنی ROC در مرحله آموزش (917/ 0) و در مرحله اعتبارسنجی (837/ 0)، مدل شبکه عصبی مصنوعی بوده است. بر اساس این مدل حدود 5/ 58 درصد حوزه دارای حساسیت خیلی کم و 5/ 32 درصد حوزه دارای حساسیت زیاد و خیلی زیاد به فرسایش خندقی است. با توجه به دقت نقشه توزیع مکانی حساسیت، نتایج پژوهش می تواند مورد استفاده تصمیم گیران، به منظور کاهش خسارات قرار گیرد. | ||
| کلیدواژه‌ها | ||
| جنگل تصادفی؛ شبکه عصبی مصنوعی؛ فرسایش آبکندی؛ یادگیری ماشینی؛ ROC | ||
| عنوان مقاله [English] | ||
| Zoning Gully Erosion Susceptibility Using CART, ANN and RF Models | ||
| نویسندگان [English] | ||
| Omid Asadi Nalivan1؛ Alireza Rabet2؛ Farzaneh Vakili tajareh3؛ Marziyeh Ramezani4؛ Mohamad Momeni5؛ Kohzad Heydari1 | ||
| 1Gorgan University of Agricultural Sciences and Natural Resources. | ||
| 2Research and Training center of Agricultural and Natural Resources, Zanjan Province. | ||
| 3Ph.D Student in Watershed Science and Engineering, Reclamation of Arid and Mountainous Regions Department, Faculty of Natural Resources, University of Tehran | ||
| 41. Graduated in bachelor's degree in rangeland and watershed management from Yazd University | ||
| 5Watershed management, General Department of Natural Resources and Watershed Management of Alborz Province. | ||
| چکیده [English] | ||
| Gully erosion plays a major role in land degradation. Therefore, it is necessary to identify aggravating factors and predict sensitive areas. The aim of this study was to investigate the spatial distribution of gully erosion susceptibility using 3 models of random forest (RF), artificial neural network (ANN) and Classification and Regression Tree (CART) in the northeast of Golestan province. For this purpose, the location map of the ditches was prepared and out of 1127 ditches, 70% were randomly considered for modeling and 30% for validation. 14 factors including topographic, geological, hydrological, human and environmental factors were considered as factors affecting sensitivity. ROC method was used for validation. The results of Random forest model showed that the factors of distance from the road, land use, height from the nearest drainage surface and rainfall are the most important variables affecting the prediction of gully erosion. The modeling results showed that the best accuracy of the model based on the ROC curve in the training stage (0.917) and in the validation stage (0.837) was the artificial neural network model. According to this model, about 58.5% of the area has very low sensitivity and more than 32.5% of the area has high and very high sensitivity to gully erosion. Due to the high accuracy of the spatial distribution map of sensitivity, the results of the research can be used by decision makers to reduce the damage. | ||
| کلیدواژه‌ها [English] | ||
| Random Forest, Artificial Neural Network, Gully Erosion, Machine Learning, ROC | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 40 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب