TY - JOUR ID - 107275 TI - تهیه نقشه حساسیت سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی و مدل خطی تعمیم یافته بیزین JO - محیط زیست و مهندسی آب JA - EWE LA - fa SN - AU - آوند, محمد تقی AU - مرادی, حمید رضا AU - رمضان زاده, مهدی AD - دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس. تهران. ایران AD - دانشیار گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس. تهران. ایران AD - استادیار گروه مدیریت جهانگردی، دانشکده علوم انسانی و اجتماعی، دانشگاه مازندران. بابلسر. ایران Y1 - 2020 PY - 2020 VL - 6 IS - 1 SP - 83 EP - 95 KW - حوزه آبخیز تجن KW - خسارت سیلاب KW - مدل GLMbayesian KW - مدل RF KW - منحنی ROC DO - 10.22034/jewe.2020.220593.1351 N2 - امروزه پدیده­ی سیل یکی از پیچیده­ترین رخدادهای مخاطره­آمیز است که بیش از سایر بلایای طبیعی دیگر، همه‌ساله در نقاط مختلف دنیا منجر به ایجاد خسارت­های جانی و مالی و تخریب اراضی کشاورزی می­شود؛ بنابراین تهیه نقشه حساسیت به وقوع سیلاب نخستین گام در برنامه مدیریت سیلاب است. هدف از این پژوهش شناسایی مناطق حساس به سیل با استفاده از دو مدل یادگیری ماشین جنگل تصادفی (RF) و خطی تعمیم‌یافته بیزین (GLMbayesian) در حوزه آبخیز تجن در استان مازندران، شهرستان ساری بود. نقشه پراکنش سیلاب­های گذشته به‌منظور پیش­بینی سیلاب در آینده تهیه شد. از بین 263 رخداد سیلاب، 80% (210 رخداد سیل) به‌منظور مدل‌سازی و 20% (53 رخداد سیل) به‌منظور اعتبارسنجی استفاده شد. با بررسی مطالعات قبلی و پیمایش منطقه موردمطالعه 13 عامل مؤثر به‌منظور پهنه­بندی سیلاب انتخاب و تهیه شد. نتایج نشان داد که سه فاکتور ارتفاع (55/21)، فاصله از رودخانه (28/15) و شیب (18/11) به­ترتیب بیش­ترین تأثیر را در سیل گیری منطقه موردمطالعه دارند. همچنین نتایج ارزیابی خروجی مدل­ها نشان داد که مقدار AUC در مدل RF و GLMbayesian به­ترتیب 91/0 و 847/0 بود که نشان‌دهنده برتری مدل RF و دقت بیش­تر این مدل در تهیه نقشه حساسیت به وقوع سیل در منطقه موردمطالعه می­باشد. بیش­ترین مساحت حساسیت به سیل در مدل RF مربوط به طبقه خیلی کم و در مدل GLMbayesian مربوط به طبقه زیاد است. UR - http://www.jewe.ir/article_107275.html L1 - http://www.jewe.ir/article_107275_f2c3f840d68e977cdf94e7a791343c4a.pdf ER -