برآورد سرعت آستانه فرسایش بادی با استفاده از تونل باد همراه با الگوریتم‌های یادگیری ماشین

فرسایش بادی یک عامل تخریب زمین در سراسر جهان به‌ویژه در مناطق خشک و نیمه خشک ایران است. این پدیده تحت تاثیر ویژگی‌های خاکی زیادی قرار دارد. هدف اصلی مطالعه حاضر برآورد سرعت آستانه فرسایش بادی با استفاده از ویژگی‌های قابل اندازه‌گیری زودیافت خاک همراه با روش‌های داده کاوی بود. برای این منظور، سرعت آستانه فرسایش بادی در 100 منطقه در استان فارس با استفاده از تونل باد قابل حمل اندازه‌گیری شد. سرعت آستانه فرسایش بادی توسط الگوریتم رگرسیون بردار پشتیبان با استفاده از ویژگی‌های قابل اندازه‌گیری زودیافت پیش‌بینی شد. در همین راستا، به منظور دستیابی به مجموعه ویژگی‌های موثر در برآورد سرعت آستانه فرسایش بادی، از الگوریتم ژنتیک استفاده شد. نتایج نشان داد که ویژگی‌های رطوبت خاک (0.77 =r )، توزیع اندازه ذرات خاک از جمله میانگین وزنی قطر خاکدانه‌ها (0.87 = r) و جزء فرسایش‌پذیر خاک (0.81- =r )، مقاومت فروروی (0.75 = r) و ماده آلی (0.33 =r ) همبستگی زیاد و معنی‌داری با سرعت آستانه فرسایش بادی داشتند و همچنین در تعیین سرعت آستانه فرسایش بادی در منطقه نقش کلیدی دارند. با توجه به معیارهای ارزیابی، مدل تلفیقی رگرسیون بردار پشتیبان به همراه الگوریتم ژنتیک بهترین عملکرد و دقیق‌ترین برآورد را برای سرعت آستانه فرسایش بادی داشته است (0.53 = rmse و 0.92 = r2) و می‌تواند یک روش امیدوار‌کننده برای برآورد سرعت آستانه فرسایش بادی باشد.

prediction of wind erosion threshold velocity using portable wind tunnel combined with machine learning algorithms

wind erosion is a key process in land degradation worldwide, especially in arid and semi-arid regions of iran. this phenomenon is affected by many soil characteristics. the main objective of this study was to estimate the wind erosion threshold velocity using easily measurable soil characteristics along with data mining methods. for this purpose, wind erosion threshold velocity was measured in 100 areas in fars province using a portable wind tunnel. wind erosion threshold velocity was predicted by a support vector regression algorithm using easily measurable soil properties. in this regard, a genetic algorithm was used in order to obtain a set of parameters effective in estimating wind erosion threshold velocity. the results showed that the characteristics of soil moisture (r = 0.77), the size distribution of soil particles including the mean weight diameter of aggregate (r = 0.87) and the wind-erodible fraction of soils (r = -0.81), penetration resistance (r = 0.75), and organic matter (r = 0.33) have a high and significant correlation with wind erosion threshold velocity and play a key role in determining the threshold velocity of wind erosion in the region. according to the evaluation criteria, the combined support vector regression model with the genetic algorithm had the best performance and the most accurate estimate for wind erosion threshold velocity (rmse = 0.53 and r2 = 0.92) and can be a promising method for estimation of wind erosion threshold velocity.