بررسی تاثیر سناریوهای عدم قطعیت در مدلسازی چشمه‌های آب زیرزمینی با استفاده از مدل مکسنت در حوزه‌ی آبخیز نمرود، تهران

در پژوهش حاضر نقشه پتانسیل چشمه؜های آب زیرزمینی با استفاده از مدل بیشینه‌ی بی‌نظمی (مکسنت) به عنوان معیار در حوزه آبخیز نمرود، استان تهران تهیه شد. در این مطالعه تاثیر سه سناریوی مختلف عدم قطعیت از جمله تعداد نقاط حضور (100،500،800 چشمه)، وضوح رستری (100،50،30) و اندازه نمونه (90.10، 80.20، 70.30، 50.50) روی نقشه؜ی پیش؜بینی شده بررسی شد. ابتدا 18 عامل موثر در ظهور چشمه؜ها شامل: سازندهای سنگ؜شناسی، فاصله از گسل، تراکم گسل، طبقات ارتفاعی، درصد شیب، جهت شیب، فاکتور طول شیب، نقشه؜های انحنا، فاصله از آبراهه، تراکم آبراهه، فاصله از جاده، شاخص رطوبت توپوگرافی، موقعیت شیب نسبی، شاخص توان جریان، بافت خاک، شاخص زبری سطح و پوشش کاربری اراضی انتخاب شدند و نقشه آن‌ها در سامانه arcgis10.5 و saga تهیه گردید. پس از بررسی هم‌خطی و طبقه‌بندی لایه؜های موثر، سپس فراوانی وقوع چشمه در هر طبقه با استفاده از روش نسبت فراوانی به دست آمد، که این روش میزان دقیقی از وزن مربوط به هر طبقه را محاسبه می‌کند. برای ارزیابی عملکرد مدل؜های مذکور از منحنی مشخصه عملکرد نسبی (roc) استفاده شد. نتایج نشان داد که ترکیب سناریوهای وضوح رستری: 30-تعداد نقاط: 100-اندازه نمونه: 90.20 با داشتن بالاترین مقدار auc ( 0.953 در مرحله آموزش  0.927 در مرحله اعتبارسنجی) دارای عملکرد بهتر و توانایی پیش؜بینی بالاتری نسبت به ترکیب سناریوهای دیگر بودند. علاوه بر این، حدود 9.14 درصد از منطقه مورد مطالعه، پتانسیل بالا و خیلی بالایی به آب زیرزمینی داشته است. براساس ترکیب سناریوی برتر، عوامل فاصله از آبراهه، موقعیت شیب نسبی، تراکم زهکشی و شاخص رطوبت توپوگرافی به ترتیب با مقادیر 17.3، 14.2 ،13.8 و 10.2درصد از عوامل اصلی کنترل مکانی در منطقه مورد مطالعه هستند که در وقوع چشمه موثر هستند.

investigation the effect of diffrent number of presence points, raster resolution and sample size scenarios on the groundwater potential map prediction using data mining model in namroud catchment, tehran

in the present study, the potential map of groundwater springs was prepared using the famous and efficient maxent model as a benchmark in namroud catchment, tehran province. in this study, the effect of three different scenarios on the number of presence points (100,500,800 springs), raster resolution (100,50,30) and sample size (10/90, 20/80, 30/70, 50/50) on the predicted map was evaluated. first, 18 factors affecting the emergence of springs including lithological formations, the distance from the fault, fault density, elevation classes, slope percentage, slope direction, slope length factor, curvature maps, the distance from the waterway, waterway density, the distance from the road, topographic moisture index, relative slope position, flow power index, soil texture, surface roughness index and land use cover were selected and their maps were prepared in the arcgis10.5 and saga systems. after the correlation test and classification of the effective layers, the percentage and frequency of groundwater potential in each class were obtained using the frequency ratio method, which calculates the exact weight of each class. the relative operating characteristic curve (roc) was used to evaluate the performance of these models. the results showed that the combination of raster resolution scenarios: 30-number of points: 100-sample size: 90/20 with the highest auc (0.953 in training phase and 0.927 in validation phase) has goodness-of-fit and prediction accuracy compared to the combinations of other scenarios. in addition, about 9.14% of the study area had high and very high potential for groundwater. based on the combination of the best scenario, the factors of distance from the waterway, relative slope position, drainage density and topographic moisture index with values of 17.3, 14.2, 13.8 and 10.2%, respectively, are the main factors of spatial control in the study area influencing the spring occurrence.