مدل‌سازي مكاني حساسيت كانون‌هاي گردوغبار به انتشار آن در شرق ايران با استفاده از مدل درخت رگرسيون تقويت‌شده BRT

فاقد عنوان لاتين

با توجه به خشك‌سالي و تغييرات كاربري اراضي در سال‌هاي اخير، پديده‌ي توفان گردوغبار در ايران به‌عنوان يك مخاطره‌ي محيطي در حال افزايش بوده است. گردوغبار، روي تغييرات آب‌وهوايي و سلامت انسان اثر گذاشته و باعث آسيب‌هاي جدي مي‌شود. هدف از اين تحقيق، شناسايي و تهيه‌ي نقشه‌ي حساسيت كانون-هاي برداشت گردوغبار جهت كنترل و تعيين نقش هريك از عوامل مؤثر در وقوع آن با استفاده از مدل داده-كاوي درخت رگرسيون تقويت‌شده (BRT) در شرق ايران است. بدين منظور ابتدا 147 كانون برداشت گردوغبار در منطقه شناسايي و به دو گروه براي مدل‌سازي و ارزيابي تقسيم شد. با توجه به مطالعات صورت‌گرفته، 8 عامل مؤثر شامل كاربري اراضي، زمين‌شناسي، درجه‌ي شيب، ارتفاع، شاخص پوشش گياهي نرمال شده (NDVI)، فاصله از رودخانه، سرعت باد و بارش شناسايي و لايه‌هاي اين عوامل در محيط GIS تهيه و جهت ارزيابي نتايج از منحني ROC استفاده شد. نتايج نشان داد كه مدل BRT با مساحت سطح زير منحني (79/6 درصد) كارايي نسبتاً بالايي در تهيه‌ي نقشه‌ي حساسيت گرد و غبار در منطقه‌ي موردمطالعه را داراست. 16/3 درصد از مساحت منطقه‌ي موردمطالعه در طبقه‌ي با حساسيت خيلي زياد قرار دارد. همچنين بر اساس نتايج حاصل از مدل، شاخص پوشش گياهي، ارتفاع و درجه‌ي شيب بيش‌ترين تأثير بر وقوع گردوغبار در منطقه را داشته‌اند.

Due to the drought and land use changes in recent years, the phenomenon of storm dust in Iran is increasing as a dangerous environment. Dust influences climate change and human health, causing serious damage. The subject of this research is to identify and prepare a map of sensitivity of dust source area for controlling and determining the role of each of the factors affecting its occurrence using the regression tree data mining model (BRT) in eastern Iran. For this purpose, at first 147 dust source area were identified in the region and divided into two groups for modeling and evaluation. According to the studies, eight effective factors including land use, geology, slope degree, elevation, normalized vegetation index (NDVI), distance from the river, wind speed and rainfall were identified and the layers of these factors were prepared in GIS environment. To evaluate the results, the ROC curve was used. The results showed that the BRT model with the area under the curve (79.6) had a good performance in producing a dust sensitivity map in the study area. Based on the results of the model, vegetation index, elevation and slope had the most impact on the occurrence of dust in the region.