تهیه نقشه نواحی با پتانسیل وقوع چشمه های آب زیرزمینی با استفاده از روش آماری رگرسیون لجستیک در محیط Gis (مطالعه موردی: حوزه آبخیز کوهستانی میرده، کردستان)

هدف از انجام این تحقیق تهیه نقشه پتانسیل وقوع چشمه های آب زیرزمینی با توسعه مدل آماری و احتمالاتی رگرسیون لجستیک (lr) می باشد. موقعیت مکانی چشمه های حوزه آبخیز کوهستانی میرده استان کردستان با مساحت حدود 381 کیلومترمربع طی عملیات میدانی ثبت گردید. بر اساس بازدیدهای میدانی، پرس و جوهای محلی و آمار شرکت مدیریت منابع آب مختصات مکانی 904 دهنه چشمه در حوزه مورد مطالعه ثبت گردید و جهت تحلیل های بعدی، 304 چشمه به عنوانچشمه های آزمایشی به صورت کاملاً تصادفی جدا شده و 600 چشمه باقیمانده به عنوان چشمه های آموزشی وارد تحلیل ها شدند. پس از انجام آنالیزهای رگرسیونی لجستیک گام به گام پیشرو، مهم ترین فاکتورهای تاثیرگذار در وقوع چشمه که از لحاظ آماری معنی دار بودند، انتخاب گردیدند. صحت مدل آماری و نقشه پهنه بندی بر اساس درصد وقوع چشمه های آزمایشی در نقشه حساسیت و آماره هایی از قبیل: 2ll، r2 ناگلکرک، و r2 کوکس و اسنل مورد ارزیابی و تایید شد. همچنین، دقت پیش بینی مدل مورد استفاده در این مطالعه با استفاده از سطح زیر منحنی ویژگی های عامل نسبی (roc) مورد سنجش قرار گرفت. مدل های احتمالاتی و آماری در تلفیق با gis جهت پتانسیل یابی نواحی با چشمه های آب زیرزمینی می تواند مورد توجه طراحان وتصمیم گیران طرح های توسعه آب زیرزمینی و آمایش سرزمین واقع گردد.

Mapping Groundwater Spring Occurrence Potential using Logistic Regression Statistical Method (Case Study: Miredeh Mountainous Watershed, Kurdistan)

The purpose of this study is to produce a groundwater spring potential map based on statistical and probability logistic regression method. The spatial locations of the springs in mountainous Miradeh watershed, Kurdistan province, with 381 Km2 were determined. Based on field and local study and Water Resources Management Company, spatial location of 904 springs in the study area were registered and 304 springs selected randomly as test data set and the remaining 600 spring were used for training the network. Forward stepwise LR was used to analyze the data and to find the most influential factors on spring occurrence that are statistically significant. The accuracy of model evaluates and verified using statistics such as: 2LL, Cox, Snell and Nagelkerke R2. The accuracy of each model to predict was evaluated using calculating the area under the ROC curve values. ArcGIS was used to apply the proposed method and calculate statistical and Probability of spring occurrence potential. This can help planners and engineers in groundwater development plans and landuse planning.