تعیین مناطق مستعد فرسایش شیاری با استفاده از روش آنتروپی بیشینه در تالاب کجی خراسان جنوبی

فرسایش شیاری به عنوان یکی از فرآیندهای آغازین در هدررفت خاک، منجر به اثرات درون منطقه‌ای و برون منطقه‌ای در سطح سیمای سرزمین می‌شود. استفاده از مدل‌های یادگیری ماشین می‌تواند برای پیش‌بینی تغییرات مکانی فرسایش اشکال فرسایش بکار گرفته شود. برای این منظور مناطق مستعد فرسایش شیاری با استفاده از روش آنتروپی بیشینه (maxent) در حوزۀ آبخیز تالاب کجی استان خراسان جنوبی تعیین شد. نه متغیر مستقل سنگ‌شناسی، تندی شیب، بافت خاک، ژئومورفولوژی، کاربری زمین، پوشش گیاهی، ارتفاع از سطح دریا، جهت شیب و بارش استفاده شد. داده‌های میدانی از 138 برداشت صحرایی به عنوان متغیر وابسته به مدل معرفی گردید. به‌منظور بررسی کارایی مدل، از شاخص roc استفاده شد. نتایج پژوهش بیانگر دقت مدل آنتروپی بیشینه بود که نشان از مناسب بودن مدل مذکور در مدل‌سازی حساسیت‌پذیری فرسایش شیاری داشته است، به طوری که مقدار auc در مرحله آموزش برابر 0.885 و در مرحله آزمون برابر 0.859 بدست آمد است که بیانگر طبقه خیلی خوب مدل می‌باشد. نتایج شاخص جک‌نایف به منظور تعیین اهمیت عامل‌ها نشان داد تندی شیب و حساسیت‌پذیری واحدهای زمین‌شناسی به عنوان مهمترین عوامل و درصد مشارکت در مدل‌سازی فرسایش شیاری هستند. بر اساس همپوشانی لایه‌های ورودی متغیرهای مستقل و نقشه حساسیت فرسایش شیاری مشخص شد که در رقوم ارتفاعی بالاتر از m 1700 با شیب 8 تا 20 % و جهات شیب شرقی تا جنوبی بیشترین فراوانی فرسایش شیاری رخ داده است. علاوه بر این، در مناطقی که مراتع ضعیف و پوشش کم تا متوسط گیاهان استپی بر روی خاک عمدتاً شنی سنگریزه‌دار گسترش یافته‌اند و بارش سالانه بیشتر از mm/year 150 است، فرسایش شیاری از فراوانی بیشتری برخوردار است. ضمن اینکه واحد زمین شناسی آبرفتی مخروطه افکنه‌ای بر روی تپه‌ها، فلات‌ها و تراس‌ها اهمیت بیشتری در وقوع فرسایش شیاری داشتند. در کل نتایج نشان داد مدل آنتروپی بیشینه به منظور مدل‌سازی فرسایش شیاری حوزه آبخیز تالاب کجی نهبندان از کارایی مناسبی برخوردار است. ضمن اینکه با استفاده از متغیرهای محیطی شامل تندی شیب و واحدهای زمین شناسی نیز می‌تواند به مدل‌سازی حساسیت‌پذیری فرسایش شیاری در منطقه مطالعاتی بپردازد.

determining prone areas to rill erosion using maximum entropy method (case study: kaji wetland sourth khorasan province)

introductionsoil erosion is a serious threat to human well-being and life, especially in arid and semi-arid regions, and is one of the important issues in land management. rill erosion is one of the most significant events in water erosion that affect soil loss, landscape, water resources, and land degradation can cause significant loss of soil in different climates. identifying the effective processes that lead to the creation and expansion of rill erosion is necessary, and finding effective solutions to prevent rills is essential. in the meantime, one of the management solutions is determining the prone area to rill erosion. the high sensitivity of the lands of nehbandan city (kaji wetland watershed) to erosion is the reason for determining the prone areas to rill erosion. the maximum entropy method was used to identify the area that is susceptible to rill erosion. material and methodsthe modeling process used 9 effective factors, including height, slope steepness, slope direction, rainfall, land use, land cover, soil texture, geomorphology, and geology, based on similar research. factors affecting the occurrence of rill erosion were analyzed as independent variables. the first step in preparing a rill erosion sensitivity map was to determine the location of rill erosions in the kaji wetland watershed using google earth and then to conduct field surveys. the basin was monitored in the field using gps and 138 cases of rill erosion were recorded. the occurrence points were divided into two groups: training and validation, with a 70:30 ratio. the total occurrence points were divided into 97 incident points that were randomly selected for model training (validation stage) and 41 incident points that were used for validation purposes. the maxent model relied on the data set used for training as independent variables. in order to use the maximum entropy model to determine rill erosion, first the independent variables (factors affecting the occurrence of rill erosion) and the dependent variable (identification of points with rill erosion) was converted to the required format and introduced to maxent software. to evaluate the effectiveness of the model in detecting occurrence points (rill erosion) from pseudo-non- occurrence points, the area under the roc curve was used. the jack knife test was utilized to investigate the identification and prioritization of 9 influential factors (independent variables) that influence the results. the model was implemented using the remaining variables as input factors after removing the independent variables separately for this purpose. the efficiency of the model built using all independent variables was measured in comparison to the case where the model was built based on other variables. to determine its effect on the output, the contribution of the omitted independent variable was examined. results and discussionaccording to the validation results, the sensitivity map for rill erosion has a high efficiency. the test stage should have a roc curve of 0.859 (very good) and the test stage should have an average curve of 0.6 (moderate). the jack knife test revealed that the slope’s steepness was the most significant environmental factor in the predicted sensitivity map for rill erosion in the study area. geology and land cover were also recognized as other important factors.