کارآیی سنجش از دور و خوارزمیک‌های یادگیری ماشین در پهنه‌بندی مناطق مستعد گردوغبار استان اصفهان

گردوغبار پدیده‌ای است که عمدتا در مناطق خشک و نیمه‌خشک در نتیجه سرعت زیاد باد و تلاطم آن بر روی سطح خاک بدون پوشش گیاهی و مستعد فرسایش ایجاد می‌شود. استان اصفهان یکی از مهمترین مناطق جغرافیایی کشور محسوب می‌شود که به‌دلیل موقعیت خاص جغرافیایی، میزان کم بارندگی، همجواری با کویر و بیابان‌های بزرگ کشور، زمینه برای خشکسالی‌های دوره‌ای، گسترش بیابان‌زائی و وقوع توفان‌های گردوغبار در این استان فراهم می‌باشد. بنابراین انجام مطالعاتی که ما را به شناخت صحیحی از مناطق مستعد گردوغبار در این استان برساند، بیش از پیش احساس می‌گردد. لذا در این تحقیق، با استفاده از کدهای هواشناسی گردوغبار و مقادیر عمق اپتیکی آئروسول، سنجنده مودیس ماهواره terra (2022-2001) و الگوریتم‌های rf، brt، svm و cart به پهنه‌بندی مناطق مستعد گردوغبار در استان اصفهان پرداخته شد. بدین منظور، نقشه نقاط وقوع و عدم وقوع گردوغبار با استفاده از کدهای هواشناسی و مقدار عمق اپتیکی آئروسول تهیه شد. عوامل دما، بارش، شیب، ارتفاع، آلبدو، کاربری اراضی، سرعت باد فرساینده، شاخص رطوبت سطح خاک، شاخص شوری، و شاخص پوشش گیاهی به‌عنوان عوامل پیش‌بینی‌کننده در نظر گرفته شد و سپس با بهره‌گیری از خوارزمیک‎‌های (الگوریتم) یادگیری ماشین، پهنه‌بندی مکانی مناطق مستعد گردوغبار انجام شد. نتایج حاصل از پژوهش نشان داد که بیشترین احتمال وقوع گردوغبار مربوط به اراضی بایر، شور و نیز کاربری مرتع با تاج پوشش فقیر بوده است. ارزیابی کارآیی مدل‌ها نشان داد که مدل جنگل تصادفی با مقدار 0.86=auc بهترین کارآیی را داشته است و پس از آن به‌ترتیب خوارزمیک‌های brt با0.82=auc، cart با 0.79=auc و svm با مقدار 0.77=auc قرار دارد. بررسی تحلیل حساسیت جک‌نایف نیز نشان داد که در مدل‌های rf، brt و cart عامل بارش بیشترین اثرگذاری را در پهنه‌بندی و تعیین مناطق مستعد گردوغبار داشته و در مدل svm عامل دما و پس از آن بارش بیشترین اثرگذاری را داشته است.

efficiency of remote sensing and machine learning algorithms in the zoning of susceptible areas to dust in isfahan province

introductiondust is a phenomenon that mainly occurs in arid and semi-arid areas as a result of high wind speed and turbulence on the surface of the soil without vegetation and prone to erosion. various factors such as wind speed, vegetation cover, soil characteristics, climatic factors, etc. are involved in the creation of wind erosion and the resulting dust, all of which are related to each other and lead to an increase or decrease in wind erosion and dust storms. the problems caused by dust storms are due to the lack of sufficient information about the prevailing conditions in the region, the way these conditions change, and the lack of knowledge of sensitive and prone areas to dust storms. to deal with this phenomenon and provide appropriate management solutions, it is necessary to know the areas prone to dust and the effective factors in the occurrence of this phenomenon. in this regard, remote sensing and modeling can be very effective in investigating the dust phenomenon. numerous studies have also been conducted to investigate dust storms and dust sources and to model areas sensitive to this phenomenon using remote sensing data and machine learning.isfahan province is considered one of the most important geographical regions of the country, which is susceptible to successive drought, desertification, and dust storms due to its special geographical location, low rainfall, and proximity to the desert. so, it is necessary to carry out studies that will lead us to a correct understanding of dust-prone areas in this province. therefore, in the current research, zoning of dust-prone areas in isfahan province was done using meteorological codes related to dust, aerosol optical depth values of modis sensor of terra satellite (2001-2022), and machine learning algorithms including rf, brt, svm, and cart.materials and methodsstudy areaisfahan province with an area of nearly 107017 km2 (6.4% of iran area) is located between 30° 43′ to 34° 30′ n and 49° 38′ to 55° 31′ e in central iran (fig. 1). the mean annual precipitation of this province is between 40 mm and more than 800 mm and its mean annual temperature varies from 10 °c to 20 °c (iran meteorological organization). according to the torrent white method, the climate of isfahan province is dry in 58.73% of its area (eastern, northeastern, and sub-central parts of the province), semi-arid in 28% of its area (central and northern parts of the province), and humid and semi-humid in 13.27% of its area (western and southern parts of the province). methodologyfirst, using aod values, the occurrence and non-occurrence points of dust were determined. ten various factors including land use, temperature, rainfall, erosive wind speed, slope, altitude, albedo, evi, ndsi, and ndmi were determined as predictive factors. n the next step, the correlation between the predictive factors was calculated using the variance inflation factor (vif). using machine learning algorithms, spatial modeling of susceptible areas to dust was done and the importance of predictive factors in zoning was determined using the jackknife test. finally, using the value of the area under the roc curve (roc-auc), the validation of the model was done.resultsthe zoning map of dust-prone areas in isfahan province showed that the low-altitude and flat parts of the north, parts of the northeast, southeast of the province, and the central areas towards the southwest and west of isfahan province are vulnerable areas against the occurrence of dust.