مدل سازی ترکیبی فرسایش آبی و بادی با استفاده از روش های یادگیری ماشین

مقدمه و هدف فرسایش خاک به‌وسیله‌ی آب و باد یکی از بزرگ ترین تهدیدهای زیست‌محیطی در سراسر جهان است که پیامدهای منفی پرشماری مانند نابودی خاک، کاهش حاصلخیزی خاک، تخلیه‌ی مواد مغذی و ریزمغذی ها، نابودی ساختمان خاک، طوفان های گرد و غبار، آلودگی هوا، سیلتی شدن آبگیرهای سدها، و ... روی بوم‌سازگان انسانی و طبیعی دارد. بنابراین داشتن اطلاعات دقیق از حساسیت زمین‌ها به فرسایش آبی و بادی و تهیه نقشه های مکانی از فرسایش به‌منظور کاهش پیامدهای منفی آن لازم است. بنابراین، هدف از این پژوهش استفاده از دو مدل یادگیری ماشین به منظور مدل سازی مکانی هم زمان فرسایش آبی و بادی در آبخیز بختگان استان فارس است. مواد و روش ها به‌منظور تهیه‌ی نقشه‌ی مکانی خطر فرسایش آبی و بادی خاک، به‌ترتیب 20 و 16 عامل تاثیرگذار بر فرسایش آبی و بادی انتخاب شد. در مرحله قبل از مدل سازی از روش انتخاب ویژگی وایازی چند متغیره اسپیلاین تطبیقی و تست هم خطی به‌منظور شناسایی مهمترین عامل‌های مهارکننده خطر فرسایش آبی و بادی استفاده شد. در مرحله‌ی بعد از دو روش یادگیری ماشین جنگل تصادفی و ماشین بردار پشتیبان برای مدل سازی فرسایش استفاده شد. عملکرد مدل ها با استفاده از منحنی مشخصه‌ی عملکرد ارزیابی شد.نتایج و بحث براساس نتایج، متغیرهای کاربری زمین‌ها، شیب، سنگ‌شناسی، زبری سطح خاک، بخش درشت دانه‌ی خاک، درصد رس، پوشش گیاهی، جهت شیب، وزن مخصوص خاک و شاخص رطوبت پستی‌بلندی به‌عنوان مهمترین عامل‌های مهارکننده‌ی فرسایش آبی شناسایی شدند. هم چنین مهمترین عامل‌های مهار کننده‌ی فرسایش بادی عبارت بودند از: بلندی، کاربری زمین‌ها، سرعت باد، شیب، پوشش گیاهی، نیتروژن خاک، ظرفیت تبادل کاتیونی، سنگ‌شناسی، جهت شیب، درصد رس و وزن مخصوص خاک. اندازه‌های سطح زیر منحنی مشخصه‌ی عملکرد برای نقشه‌ی فرسایش بادی تهیه شده به وسیله ی مدل جنگل تصادفی 99% و برای نقشه‌ی فرسایش آبی تهیه شده به وسیله‌ی مدل ماشین بردار پشتیبان 96% بود. درنهایت دو نقشه‌ی فرسایش بادی و آبی تلفیق شد و نتایج نشان داد که بیش ترین درصد مساحت مربوط به حساسیت کم در فرسایش آبی و حساسیت خیلی‌زیاد در فرسایش بادی است که 18% از منطقه را دربر می گرفت. نتیجه‌گیری و پیشنهادها منطقه‌ی مطالعه شده به‌دلیل وجود چندین دریاچه شامل بختگان، مهارلو و تشک و همچنین چندین سد، از نظر تامین منابع آب شرب، کشاورزی، صنعت و محیط‌زیست اهمیت زیادی دارد. در صورت توجه نداشتن به مشکل فرسایش به‌ویژه فرسایش بادی در منطقه‌ی مطالعه شده، این منطقه می‌تواند به‌ویژه در بستر دریاچه‌های خشکیده منبع تولید گرد و غبار باشد. بنابراین یافته های این پژوهش می تواند در راستای کاهش اثرات منفی این پدیده در منطقه‌ی مطالعه شده به‌وسیله‌ی مدیران اجرایی استان بهره برداری شود.

integrated modeling of soil erosion by water and wind using machine learning methods

introduction and objectivesoil erosion by water and wind is one of the biggest environmental threats worldwide which it has various negative consequences such as soil degradation, mitigation of soil fertility, depletion of nutrients and micro-elements, degradation of soil structure, dust storms, reservoir siltation, and etc. on the natural and anthropogenic ecosystems. therefore, accurate information of land susceptibility to soil erosion hazard by water and wind, and production of spatial maps of these hazards are necessary for mitigation of their consequences. therefore, the goal of this research is application of two machine learning models for the spatial modelling of water and wind erosion in the bakhtegan basin, fars province.materials and methodsin order to generate the spatial maps of soil erosion by water and wind, we have used 20 and 16 effective factors on water and wind erosion, respectively. before the modelling stage, the multivariate adaptive regression spline (mars) feature selection algorithm and multicollinearity test were used to identify the most important factors controlling water and wind erosion. in next stage, two random forest and support vector learning machine techniques were applied to model soil erosion. area under curve (auc) was applied to assess the model performance.result and discussion according to results, land use, slope, lithology, roughness, coarse fragment, clay, vegetation cover, aspect, soil bulk density and topographic wetness index were identified as the most important factors controlling water erosion. the most important factors controlling wind erosion are including elevation, land use, wind speed, slope, vegetation cover, soil nitrogen, cation exchange capacity, lithology, aspect, clay and bulk density. the auc value for wind erosion map generated by random forest model was 99, and for water erosion map produced by support vector machine is 96. finally, we integrated two maps and results indicate an area of study area about 18% has very high susceptibility to wind erosion and low susceptibility to water erosion.conclusion and suggestions due to study area has several lakes consisting of bakhtegan, maharlo and tashk, and also several dams, it is so important to supply water for different purposes such as drinking, agricultural, industry and environment. in case of not paying attention to this challenge especially wind erosion in the study area, this case study especially dried beds for lakes can play as sources for generating dust particles. therefore, the findings of this research can use by managers to mitigate negative effects of this phenomena.