بررسی پتانسیل مناطق مستعد فرسایش با مدل‌های icona، ماشین بردار پشتیبان، چاید و جنگل تصادفی (مطالعه موردی: حوضه گناباد)

مدل های تجربی برآورد فرسایش برای یک منطقه خاص تهیه شده اند و واسنجی آن‌ها برای استفاده در شرایطی غیر از محل تهیه آن‌ها ضروری است. بررسی دقت مدل های تجربی برای تخمین فرسایش می تواند منجر به برآوردهای بهتر از بار رسوبی و درنتیجه طراحی بهتر عملیات حفاظت خاک و آب گردد. لذا شناسایی مناطق پر خطر فرسایش جهت کنترل و کاهش فرسایش و تولید رسوب ضروری است. هدف از این پژوهش بررسی دقت و قابلیت مدل‌های icona ماشین بردار پشتیبان، چاید و جنگل تصادفی در تخمین فرسایش است. ابتدا لایه های رقومی متغیرهای موثر در فرسایش شامل شیب، سازند زمین‌شناسی، کاربری اراضی، خاک، ارتفاع، جهت شیب، انحنا سطح، تراکم شبکه آبراهه، فاصله از آبراهه، تراکم گسل، فاصله از گسل و شاخص رطوبت توپوگرافی (twi) تهیه گردید. در این پژوهش به‌منظور مقایسه مدل‌های مختلف از شاخص‌های آماری ضریب همبستگی (r) و قدر مطلق خطا (mae) استفاده شده است. بررسی نتایج نشان دادند که از میان مدل‌های نام برده مدل ماشین بردار پشتیبان، icona و جنگل تصادفی با الگوی m7، m9 و m12 بیشترین دقت را با ضریب همبستگی(0.899)، (0.845) و (0.921) و کمترین میانگین قدر مطلق خطا (0.711= mae)، (0.721= mae) و (0.628= mae) دارد. با توجه به مطالعه عوامل موثر در مدل فرسایش خاک این نتیجه به دست می آید که پارامترهای شیب، سازند زمین‌شناسی، کاربری اراضی، خاک، فاصله از آبراهه و شاخص رطوبت توپوگرافی (twi) حساسیت بیشتری نسبت به فرسایش داشته و عوامل موثر بر فرسایش در این مناطق فعالیت بیشتری دارند. بخش اعظم منطقه موردمطالعه، جزو طبقه فرسایشی خیلی زیاد تا زیاد قرار دارد که به‌طور عمده این کلاس ها در مرکز منطقه قرار گرفته اند. بیشترین مناطق تحت خطر فرسایش بالا تا شدید، در واحد توپوگرافی با شیب زیاد واقع شده اند.

investigating the potential of erosion-prone areas withicona models, support vector machine, chaid andrandom forest (case study: gonabad basin)

experimental models for estimating erosion have been developed for a specific area and their calibration is necessary for use in conditions other than their own location. examining the accuracy of experimental models for estimating erosion can lead to better estimates of sediment load and thus better design of soil and water protection operations. therefore, it is necessary to identify highrisk areas of erosion to control and reduce erosion and sediment production. the study aimed to investigate the accuracy and capability of icona, support vector machine, chaid and random forest models in estimating erosion. first, digital layers of variables affecting erosion including slope, geological formation, land use, soil, height, slope direction, surface curvature, waterway network density, distance from the waterway, fault density, distance from the fault, and topographic moisture index (twi) were prepared. to compare different models, statistical indices of correlation coefficient (r) and absolute magnitude of error (mae) were used. the results showed that among the mentioned models, the support vector machine model, icona and random forest with m7, m9 and m12 pattern had the highest accuracy with correlation coefficient of 0.899, 0.845, and 0.921 and the lowest mean absolute value. it has error mae = 0.711, mae = 0.721, and mae = 0.628. according to the study of effective factors in soil erosion model, it is concluded that the parameters of the slope, geological formation, land use, soil, distance from the waterway, and topographic moisture index (twi) are more sensitive to erosion and the factors affecting erosion in these areas are more active. most of the study area is part of a very high to high erosion class that these classes are mainly located in the center of the area. most areas at high to severe erosion risk are located in the sloping topographic unit.