تهيه نقشه حساسيت سيل با استفاده از دو مدل يادگيري ماشين جنگل تصادفي و مدل خطي تعميم يافته بيزين

امروزه پديده ي سيل يكي از پيچيده ترين رخدادهاي مخاطره آميز است كه بيش از ساير بلاياي طبيعي ديگر، همه‌ساله در نقاط مختلف دنيا منجر به ايجاد خسارت هاي جاني و مالي و تخريب اراضي كشاورزي مي شود؛ بنابراين تهيه نقشه حساسيت به وقوع سيلاب نخستين گام در برنامه مديريت سيلاب است. هدف از اين پژوهش شناسايي مناطق حساس به سيل با استفاده از دو مدل يادگيري ماشين جنگل تصادفي (RF) و خطي تعميم‌يافته بيزين (GLMbayesian) در حوزه آبخيز تجن در استان مازندران، شهرستان ساري بود. نقشه پراكنش سيلاب هاي گذشته به‌منظور پيش بيني سيلاب در آينده تهيه شد. از بين 263 رخداد سيلاب، 80% (210 رخداد سيل) به‌منظور مدل‌سازي و 20% (53 رخداد سيل) به‌منظور اعتبارسنجي استفاده شد. با بررسي مطالعات قبلي و پيمايش منطقه موردمطالعه 13 عامل مؤثر به‌منظور پهنه بندي سيلاب انتخاب و تهيه شد. نتايج نشان داد كه سه فاكتور ارتفاع (21.55)، فاصله از رودخانه (15.28) و شيب (11.18) به ترتيب بيش ترين تأثير را در سيل گيري منطقه موردمطالعه دارند. همچنين نتايج ارزيابي خروجي مدل ها نشان داد كه مقدار AUC در مدل RF و GLMbayesian به ترتيب 0.91 و 0.847 بود كه نشان‌دهنده برتري مدل RF و دقت بيش تر اين مدل در تهيه نقشه حساسيت به وقوع سيل در منطقه موردمطالعه مي باشد. بيش ترين مساحت حساسيت به سيل در مدل RF مربوط به طبقه خيلي كم و در مدل GLMbayesian مربوط به طبقه زياد است.