تحلیل تغییرات فضایی حساسیت خطر وقوع سیل برپایۀ نوعی مدل ترکیبی نوین (مطالعۀ موردی: حوضۀ آبریز الندچای، شهرستان خوی)

تحقیق حاضر با هدف تهیۀ نقشۀ تغییرات فضایی حساسیت خطر وقوع سیل در حوضۀ آبریز الندچای در استان آذربایجان غربی و شهرستان خوی انجام گرفت. برای دستیابی به این هدف از سیزده پارامتر موثر در وقوع این پدیده استفاده شد. این پارامترها عبارت است از لیتولوژی، گروه‌های هیدرولوژیکی خاک، شاخص پوشش گیاهی، کاربری اراضی، شیب، جهت شیب، ارتفاع، فاصله از آبراهه، تراکم آبراهه، بارش، شاخص رطوبت توپوگرافیک، شاخص قدرت آبراهه و شاخص حمل رسوب. به‌منظور بررسی تاثیر هر یک از این پارامترها در وقوع سیل از مدل ترکیبی نوینی که براساس طبقه‌بندی فازی (furia)، الگوریتم ژنتیک (ga) و یک الگوریتم یادگیری ماشین (adaboost) توسعه‌‌یافته استفاده شد. برای اجرای مدل و پیش‌پردازش‌ها و تحلیل‌های لازم براساس داده‌های آموزشی و اعتبارسنجی از نرم‌افزار داده‌کاوی weka استفاده شد. نتایج حاصل از اجرای مدل تحقیق نشان داد که پارامترهای شیب، گروه‌های هیدرولوژیکی خاک، ارتفاع و پوشش گیاهی تاثیر مهمی در وقوع سیل دارند. در نهایت نقشۀ حساسیت خطر وقوع سیل در پنج طبقه شامل حساسیت خیلی کم، کم، متوسط، زیاد و خیلی زیاد تهیه شد. نتایج نشان داد مناطقی که حساسیت زیادی از نظر خطر وقوع سیل دارند، اغلب در پایین‌دست حوضه متمرکزند که مناطق مسطح و کم‌ارتفاع را شامل می‌شوند. میزان دقت نقشۀ نهایی براساس داده‌های آموزشی و اعتبارسنجی (190 نقطۀ سیل‌گیر و 190 نقطۀ بدون سیل) و با استفاده از منحنی roc و سطح زیرمنحنی بررسی شد. نتایج نشان داد که مقدار سطح زیرمنحنی دارای ضریب 0.887 برای داده‌های آموزشی و 0.904 برای داده‌های اعتبارسنجی بوده است که بیانگر دقت خوب مدل ترکیبی در تهیۀ نقشۀ حساسیت خطر وقوع سیل است.

Spatial Variations Analysis of Flood hazard Susceptibility based on a new ensemble model (Case Study: Aland Chai Basin, Khoy city)

Aland Chai basin is one of the high flood susceptibility basins due to its special topographic location and receiving appropriate rainfall throughout the year, especially in spring. The aim of this study is to modeling the susceptibility of flood risk in this basin. To achieve this aim and prepare a flood risk map, 13 effective parameters in the occurrence of this phenomenon have been used. These parameters include lithology, soil hydrological groups, NDVI, land use, slope, aspect, elevation, distance to river, river density, precipitation, topographic wetness index, stream power index and sediment transport index. In order to investigate the role of each of these parameters in the occurrence of floods, the new ensemble model of FURIAGAAdaBoost has been used. To run this model, the prepared information layers were transferred to the WEKA software. In this software, the required preprocessing and analyzes based on training and validation data were applied on the information layers. Finally, flood risk susceptibility map was prepared in 5 classes of very low, low, medium, high, and very high susceptibility. The results showed that the areas that are highly susceptible in terms of flood risk are mainly concentrated downstream of the basin, which includes flat and low areas. The accuracy of the final flood risk susceptibility map was assessed using the ROC curve and the area under the curve (AUC). The results showed that the value of the area under the curve for the FURIAGAAdaBoost model was 0.887 for training data and 0.904 for validation data, which indicates the good accuracy of this model in preparing flood risk susceptibility map.