نوع مقاله : مقاله پژوهشی

نویسندگان

• امید رحمتی ¹
• ناصر طهماسبی‌پور ²
• علی حقی‌زاده ²
• حمیدرضا پورقاسمی ³
• بختیار فیضی‌زاده ⁴

¹ دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده کشاورزی، دانشگاه لرستان

² استادیار، دانشکده کشاورزی، دانشگاه لرستان

³ استادیار، دانشکده کشاورزی، دانشگاه شیراز

⁴ استادیار، دانشکده جغرافیا و برنامه‌ریزی، دانشگاه تبریز

چکیده

فرسایش آبکندی، مشکلی مهم در مدیریت منابع طبیعی و توسعه پایدار بوده که غالباً با پیامدهای زیست­‌محیطی، اقتصادی و اجتماعی همراه است. بنابراین، پژوهش حاضر با هدف بررسی قابلیت مدل بیشینه آنتروپی برای پیش‌­بینی مکانی استعداد وقوع فرسایش آبکندی در حوزه آبخیز کشکان-پل‌دختر، واقع بین استان­‌های لرستان و ایلام انجام شد. ابتدا بر اساس بررسی­‌های میدانی و با استفاده از دستگاه GPS، نقشه پراکنش فرسایش­ آبکندی منطقه مورد مطالعه تهیه شد. همچنین، عوامل مؤثر بر فرسایش آبکندی شامل سنگ­‌شناسی، بافت خاک، کاربری اراضی، تراکم زهکشی، فاصله تا جریان‌­های سطحی، شاخص رطوبت توپوگرافی، ارتفاع، درصد شیب، انحنای سطح و فاصله از جاده انتخاب و نقشه آن­‌ها در سامانه اطلاعات جغرافیایی تهیه شد. در مجموع، موقعیت 65 واقعه فرسایش آبکندی ثبت­ و این پایگاه داده به‌­صورت تصادفی به دو دسته آبکندهای گروه آموزش مدل (45 واقعه) و آبکندهای گروه اعتبار‌سنجی مدل (20 واقعه) تقسیم شد. پیش­‌بینی استعداد فرسایش آبکندی و تعیین اهمیت عوامل مؤثر بر وقوع آن بر اساس مدل بیشینه آنتروپی در نرم­افزار MAXENT انجام گرفت. در نهایت برای اعتبار­‌سنجی نتایج پیش‌­بینی، از منحنی تشخیص عملکرد نسبی (ROC) استفاده شد. نتایج نشان داد که بخش‌­های مرکزی حوزه آبخیز مورد مطالعه دارای استعداد فرسایش آبکندی بالایی هستند. بر اساس نتایج اعتبارسنجی، نقشه مناطق مستعد فرسایش آبکندی حاصل از مدل بیشینه آنتروپی 90.7 درصد دقت داشت. همچنین، نتایج اثبات نمود که "بافت خاک"، "تراکم زهکشی"، "سنگ­‌شناسی" و "فاصله از جریان" مهمترین عوامل مؤثر در وقوع فرسایش آبکندی منطقه مورد مطالعه بوده که مقدار شاخص اهمیت آن­‌ها به­‌ترتیب 23، 18، 15.2 و 15.1 درصد به‌دست آمد. این درحالی است که عوامل "ارتفاع"، "فاصله از جاده"، "جهت شیب"، "کاربری اراضی"، "شاخص رطوبت توپوگرافی" و "انحنای سطح" تأثیر کمتری در وقوع فرسایش آبکندی منطقه مورد مطالعه داشتند. بنابراین، پیش‌­بینی دقیق استعداد فرسایش آبکندی با استفاده از مدل بیشینه آنتروپی در مطالعه حاضر مورد تأیید قرار گرفت.

کلیدواژه‌ها

• پیش‌بینی مکانی
• حساسیت به فرسایش
• عوامل مؤثر
• مدل ماشین یادگیری

عنوان مقاله [English]

Assessing the effectiveness of the maximum entropy model to gully erosion susceptibility prediction in the Kashkan-Poldokhtar Watershed

نویسندگان [English]

• Omid Rahmati ¹
• Naser Tahmasebipour ²
• Ali Haghizadeh ²
• Hamidreza Pourghasemi ³
• Bakhtiar Feizizadeh ⁴

¹ PhD Student, Agriculture Faculty, Lorestan University, Khormabad, Iran

² Assistant Professor, Agriculture Faculty, Lorestan University, Khoramabad, Iran

³ Assistant Professor, Faculty of Agriculture, Shiraz University, Iran

⁴ Assistant Professor, Department of Physical Geography, University of Tabriz, Iran

چکیده [English]

Gully erosion is an important challenge in natural resource management and sustainable development that often has severe environmental, economic, and social consequences. Thus, the objective of the present study is to assess the capability of maximum entropy (ME) model for spatial prediction of gully erosion susceptibility at Kashkan-Poldokhtar Watershed, between Lorestan and Ilam provinces, Iran. At first, a gully erosion inventory map was produced using GPS in field surveys. The gully conditioning factors including lithology, soil texture, land use, drainage density, distance to streams, topographic wetness index, altitude, slope percent, slope aspect, plan curvature, and distance from road were selected, and their maps were prepared in geographical information system (GIS). A total of 65 gully locations were divided into two groups (1) training of the model (45 gully occurrences), and (2) validation of the model (20 gully occurrences). The prediction of gully susceptibility and variables importance analysis were carried out based on maximum entropy model using MAXENT software. Finally, the validation of the prediction results was conducted based on the receiver operating characteristic (ROC) curve method, and the area under the curve (AUC) was calculated using MedCalc software. Results indicated that highest gully erosion susceptibility is located on the center parts of the study area. According to validation results, the resulting map of areas susceptible to gully erosion obtained by ME model has a prediction accuracy of 90.7%. In addition, the results demonstrated soil texture, drainage density, lithology, and distance to streams are most important factors and their variable importance index (VII) 23, 18, 15.2, and 15.1 were obtained, respectively. However, altitude, distance from road, slope aspect, land use, topographic wetness index, and plan curvature have a less influence on gully erosion occurrence. Therefore, it was established in current study that the ME is promising of make accurate prediction in gully erosion susceptibility.

کلیدواژه‌ها [English]

• Erosion susceptibility
• Machine learning model
• Spatial prediction
• Conditioning factors