بررسی کارآیی روش‌های نمونه‌برداری داده‌های مشاهداتی بر پهنه‌بندی قابلیت نفوذ آب در خاک با روش ماکزیمم آنتروپی

روش‌های مدل‌سازی آماری مبنی بر روش‌های رگرسیونی چندمتغیره و نیازمند داده‌های حضور و عدم حضور برای ساخت مدل می‌باشند. در اغلب موارد داده‌های عدم حضور قابل اطمینان وجود ندارد. بنابراین از دیگر روش‌هایی که تنها مبتنی بر داده‌های حضور پدیده موردنظر هستند، استفاده می‌شود. بدر این مقاله به‌منظور بررسی مناطق دارای قابلیت نفوذ، سه روش نمونه‌برداری بوت استرپ، اعتبارسنجی متقابل یا متقاطع (cv)1 و زیرنمونه‌گیری، با استفاده از روش ماکزیمم آنتروپی در حوزه آبخیز ماربره مورد مطالعه قرار گرفت. برای انجام پژوهش حاضر، نقشه نقاط دارای نفوذپذیری اندازه‌گیری شده در حوزه آبخیز ماربره با استفاده از استوانه مضاعف، به عنوان پارامتر وابسته در فرایند آموزش و آزمون از طریق بازدید صحرایی و برداشت میدانی تهیه شد. همچنین به دلیل گستردگی سطح حوضه و هزینه بر بودن فرآیند نمونه‌برداری، از اطلاعات مطالعات قبلی صورت گرفته در منطقه مانند گزارش جامع ازنا الیگودرز و همچنین مطالعات توجیهی حفاظت خاک و آبخیزداری حوزه‌های آبخیز ماربره و بخشی از رودخانه تیره در شمال دورود، که از شرکت آب منطقه‌ای استان لرستان تهیه گردید استفاده شد. نمودار عامل roc برای صحت سنجی استفاده شد. مقدار auroc یا سطح زیر نمودار برای روش‌های بوت استرپ، متقابل و زیرنمونه‌گیری، به ترتیب برابر با 0/955، 0/951 و 0/952 می‌باشد که نشان‌دهنده صحت نتایج حاصل از مدل‌سازی می‌باشد. نتایج نهایی نشان داد که هر کدام از پارامترها در هر یک از این سه روش تا حدودی متفاوت از هم بودند که این اختلاف در فاکتورهای تراکم زهکشی، کاربری اراضی و بافت خاک نسبتا بیشتر مشاهده شد. بر اساس نتیجه حاصل از شاخص عملکرد، اختلاف بسیار جزئی بین هر یک از سه روش نمونه‌برداری مشاهده شد بطوریکه می‌توان تفاوت آنها را در ارتباط با استراتژی‌های متفاوت‌شان دانست و این اختلاف در خروجی فرایند مدل‌سازی پدیده مورد نظر ارتباطی به تنوع پدیده مورد مطالعه ندارد. علی رغم افزایش تعداد پیسکل‌های مناطق با قابلیت نفوذ بالا در روش نمونه‌برداری بوت استرپ نسبت به دو روش دیگر، عملکرد مدل پهنه‌بندی قابلیت نفوذ به صورت جزیی افزایش نشان داد (%0/955= auroc). در این مطالعه با توجه به بررسی‌های انجام شده، روش بوت استرپ با توجه به تعداد کم داده‌های نمونه‌برداری نسبت به سطح بسیار وسیع حوضه مطالعاتی برای مدل‌سازی نقاط تغذیه حوضه مورد نظر توصیه می‌شود. با توجه به سطح بسیار زیاد منطقه مورد مطالعه، پیشنهاد می‌شود برای بررسی مطالعات مشابه، این شبیه‌سازی برای دقت هرچه بیشتر، در سطوح حوضه‌های کوچکتر و یا برای حوضه‌های وسیع با داده بیشتری انجام شود.

The Effect of Observation Data Sampling Methods on Infiltration Areas by Maximum Entropy Model

Statistical modeling methods are based on multivariate regression methods and require the presence and absence location of data for the construction of the model. In most cases, there is no trustworthy absence data. Therefore, other methods that are based only on the presence of the phenomenon are used. Considering the importance of modeling saving time and cost and the probable prediction of the process in this paper three sampling methods, Bootstrap, crossvalidation (CV) and subsampling, were investigated to estimate areas with groundwater recharge potential using the maximum entropy model in the Marboreh watershed. The information about percolation points in Marboreh watershed, which was gathered using the double ring method and soil sampling, included the location of the samples, soil texture, and percolation rate. Due to the extent of the catchment area and the cost of the sampling process, information from previous studies in the study area, which were gathered from the Regional Water Authority (RWALP) and Agricultural Research, Education and Promotion Organization of Lorestan province (AREPOLP), was also used. The ROC index was used validate model predictions. The validation index indicated that the bootstrap had the best performance (ROC=0.955%). The results showed that each factors in these three methods was somewhat different, which was more than other factors in the drainage density, land use and soil texture. Based on the results of performance index, there is a very slight difference between the three sampling methods, so that they can be differentiated in relation to their different strategies, and this difference in the outputs, is not related to the diversity of the phenomenon studied. In this paper, according to the results and assessments, the Bootstrap method is recommended for the modeling the groundwater recharge areas due to the small number of sampling data compared to the very large area of study. Due to the large extent of the study area, it is suggested that this simulation be performed for more precision at smaller extent large areas with further data to study similar studies. Despite the increase in the number of pixels of high infiltration areas in the Bootstrap sampling method, compared to the other two methods, the performance of the recharge zoning increased slightly.