ارزیابی پتانسیل وقوع سیل با استفاده از مدل های داده کاوی ماشین بردار پشتیبان، چاید و جنگل تصادفی (مطالعه موردی: حوزه آبخیز فریزی)

مقدمه و هدف: سیل مانند سایر پدیده های هیدرولوژیکی یک پدیده غیر قطعی است که در هر زمان و مکان احتمال وقوع آن وجود داشته و تحت تاثیر عوامل مختلف اقلیمی، مشخصات فیزیکی حوضه، وضعیت پوشش گیاهی و کاربری اراضی و دخالت های انسانی است. تعیین سهم هر یک از پارامترها بر میزان بروز سیل مهم است. در حال حاضر ، با ارتقای سامانه های اطلاعات جغرافیایی (gis)، روش های سنجش از دور (rs) و ماشین یادگیری (ml) می توان مدل سازی بسیار دقیقی از احتمال وقوع سیلاب انجام داد. با این وجود، ساخت این مدل ها نیازمند دانش دقیق و اصولی از فرآیند وقوع سیل، بررسی پارامترهای موثر در شکل گیری سیل، درک چگونگی تاثیر هر پارامتر بر ایجاد سیل و انتخاب و توسعه مدل مناسب و ارزیابی آن است. با توجه به اهمیت تعیین مناطق مستعد وقوع سیل در مناطق مختلف به خصوص حوضه های واقع در مناطق خشک و نیمه خشک همچون منطقه مورد مطالعه، تحقیق حاضر به منظور ارزیابی خطر پذیری سیل با استفاده از مدل های داده کاوی ماشین بردار پشتیبان، چاید و جنگل تصادفی در این منطقه هدف گذاری شده است.مواد و روش‌ها: در پژوهش حاضر جهت بررسی خطر وقوع سیل از مدل های داده کاوی ماشین بردار پشتیبان ، چاید و جنگل تصادفی  استفاده شده است. به طور کلی هدف از ارائه مدل های داده کاوی رسیدن به یک تخمین معقول و دقیق از پیش بینی مکانی وقوع سیل، مقایسه کارایی مدل ها و انتخاب مناسب ترین روش برای تهیه نقشه ارزیابی حساسیت سیل می باشد. در این پژوهش از اطلاعات مختلف همچون نقشه توپوگرافی مقیاس1:50000 جهت استخراج خطوط تراز ، نقشه زمین شناسی مقیاس 1:100000 ، نقشه خاک تهیه شده توسط اداره کل منابع طبیعی و آبخیزداری استان خراسان رضوی، تصویر مدل رقومی ارتفاع (dem) با قدرت تفکیک مکانی 12/5 متر، تصاویر ماهواره ای گوگل ارث، داده های هواشناسی باران سنجی دوره آماری 20 ساله (98-78) ایستگاه های اندرخ، اولنگ اسدی، سد کارده، مارشک، بلغور، گوش بالا، آل، چناران، مغان، چکنه علیا، آبقد فریزی، تلغور، قدیر آباد و کبکان استفاده شده است. طبقات ارتفاعی، شیب، جهت شیب، شبکه های زهکشی و آبراهه های اصلی، تحدب سطح زمین از روی تصویر dem و خطوط تراز استخراج گردیدند. کاربری اراضی منطقه از روی تصاویر ماهواره ای گوگل ارث مربوط به سال 2020 و به روش طبقه بندی نظارت شده تهیه گردید. نقشه پوشش گیاهی منطقه نیز بر اساس شاخص ndvi و از روی تصاویر ماهواره ای لندست 8 سال 2018 تهیه گردید. یافته‌ها: عامل ارتفاع نقش کلیدی در کنترل جهت حرکت سیل و عمق سطح آب دارد. در ارتفاع 2000 متر و بیشتر با افزایش ارتفاع پتانسیل سیل خیزی در منطقه مورد مطالعه افزایش می یابد . بر اساس نتایج در بین کاربری های حوضه مورد مطالعه، اراضی آبی و باغی به علت نفوذ بیشتر، رواناب کمتری تولید نموده و کمتر مستعد سیل خیزی می باشند. در منطقه مطالعاتی در شیب 60 درجه به دلیل افزایش شیب، زمان تاخیر حوضه کم، میزان نفوذ آب در خاک کم و در نتیجه حجم سیلاب و رواناب سطحی افزایش خواهد یافت. کلاس 0/0120-0/0074 بیشترین تاثیر را در وقوع سیلاب حوضه دارد . دامنه های شمالی، شمال غربی و غربی به دلیل دریافت بارش زیاد، ماندگاری طولانی مدت برف و داشتن رطوبت دارای پتانسیل سیل خیزی می باشد . در منطقه مورد مطالعه بارش بیش از 250 میلی متر بیشترین تاثیر را در رخداد سیلاب دارا است. در منطقه مورد مطالعه خاک مزیک  به دلیل نفوذ پذیری نسبتا کم باعث تولید رواناب بیشتر و ایجاد سیل می شود . بر اساس نتایج طبقات شاخص رطوبت توپوگرافی در منطقه مورد مطالعه کلاس 359/99-268/38 تاثیر زیادی در وقوع سیلاب داشته است. در منطقه مورد مطالعه مناطق مقعر در ایجاد سیل تاثیر زیادی دارد به این دلیل که  مهمترین و موثرترین فاکتورها در وقوع سیل شیب و انحنا زمین می باشد. در حال حاضر قابلیت پیش بینی حساسیت سیلاب منطقه مطالعاتی با استفاده از سطح زیر منحنی مورد بررسی قرار گرفت و از مقدار auc ، درصد نرخ موفقیت و قابلیت پیش بینی هر دو در پژوهش حاضر 16 سناریو با ترکیب پارامترهای مختلف به عنوان ورودی مدل ایجاد شدند .نتایج این تحقیق نشان می دهد که در مدل ماشین بردار پشتیبان خطی با بهترین سناریو m3 با بالاترین ضریب همبستگی 0/972 و کمترین مقدار 0/538=mae ، در مدل جنگل تصادفی بهترین سناریو m10 با بالاترین ضریب همبستگی  0 /961و کمترین مقدار خطا 0/685= mae، در مدل درخت تصمیم نوع چاید بهترین سناریو m8 با بالاترین ضریب همبستگی 0/954 و کمترین مقدار خطا 0/723= mae بوده است.

assessment of flood occurrence potential using data mining models of support vector machine, chaid and random forest (case study: frizi watershed)

introduction and objective: flood, like other hydrological phenomena, is an uncertain phenomenon that can occur at any time and place and is influenced by various climatic factors, physical characteristics of the basin, vegetation status and land use, and human intervention. determining the contribution of each parameter to the flood incidence is important. at present, with the development of gis, remote sensing (rs), and machine learning (ml) methods, very accurate modeling of flood probability can be performed. however, the construction of these models requires accurate and principled knowledge of the flood occurrence process, the study of effective parameters in flood formation, understanding of how each parameter affects flood generation, and the selection and development of appropriate models and their evaluation. due to the importance of determining flood-prone areas in different areas, especially basins located in arid and semi-arid areas such as the study area, the present study was conducted to assess flood risk using vector mining data mining models. random support, grass, and forest are targeted in this area.material and methods:   in the present study, to support the risk of flooding, data support models of support vector machine, field, and random forest have been used. in general, the purpose of presenting data mining models is to achieve a reasonable and accurate estimate of spatial prediction of flood occurrence, compare the efficiency of the models and select the most appropriate method for preparing a flood sensitivity assessment map. in this study, from various information such as the topographic map of scale 1: 50000 to extract level lines, a geological map of scale 1: 100000, a soil map prepared by the general department of natural resources and watershed management of khorasan razavi province, digital elevation model (dem) image with spatial resolution of 12.5 m, google earth satellite imagery, meteorological data, rain gauge, statistical period of 20 years (98-78), andarkh stations, olang asadi, kardeh dam, marshak, bulgur, bala gosh, al, chenaran, moghan, chekneh olya, abqad frizi, talgur, qadirabad, and kabkan have been used. elevation, slope, slope direction, drainage networks, main waterways, and convexity of the ground surface were extracted from the dem image and level lines. land use of the region was prepared from google earth satellite images related to 2020 and in a supervised classification method. the vegetation map of the region was also prepared based on the ndvi index and from satellite images of landsat 8 in 2018.results: the elevation factor plays a key role in controlling the direction of flood movement and water surface depth. at an altitude of 2000 m and more, with increasing altitude, the flood potential in the study area increases. according to the results, among the uses of the studied basin, irrigated and garden lands produce less runoff due to more infiltration and are less prone to flooding. in the study area, at a slope of 60 degrees, due to the increase in slope, the latency of the basin is low, the amount of water infiltration into the soil is low, and as a result, the volume of floods and surface runoff will increase. class 0/0074-0/0120 has the greatest impact on the occurrence of basin floods. the northern, northwestern, and western slopes have the potential for flooding due to heavy rainfall, long-term snow retention, and moisture. in the study area, more than 250 mm of rainfall has the greatest impact on the occurrence of floods. in the study area, due to the relatively low permeability of the soil, the soil produces more runoff and floods. based on the results of topographic moisture index classes in the study area, classes 268/38-359/99 had a great impact on the occurrence of floods. in the study area, concave areas have a great impact on floods because the most important and effective factors in the occurrence of floods are the slope and curvature of the earth.