شناسايي آستانة متغيرهاي تأثيرگذار بر پهنه‌هاي سيلاب با استفاده از تكنيك يادگيري ماشين (مطالعة موردي: حوضة انتهايي كارون بزرگ)

سيل يكي از شايع‌ترين مخاطرات طبيعي در سراسر جهان است كه خسارت زيادي به زندگي انسان‌ها و زيرساخت‌هاي مختلف وارد مي‌كند. از اين‌رو پيش‌بيني و برآورد آستانة مؤلفه‌هاي مؤثر بر وقوع آن در نقاط مختلف ضرورت دارد. بر همين اساس، پژوهش حاضر با هدف پهنه‌بندي خطر سيلاب به شناسايي حدود متغيرهاي تأثيرگذار بر پهنه‌هاي سيلاب با استفاده از تكنيك‌هاي يادگيري ماشين انجام شده است. براي اين منظور، از تصاوير لندست OLI8 تاريخ هشتم آپريل (فروردين‌ماه) سال 2019 (1398) براي شناسايي پهنه‌هاي سيل‌گير استفاده شد. از اين‌رو، مناطق سيل‌گير با كد يك و مناطق غير از آن با كد صفر به‌عنوان متغير وابسته وارد فرآيند مدل‌سازي و يادگيري ماشين شدند. هم‌چنين، فرآيند يادگيري ماشين با روش درختان رگرسيون چندگانة جمع‌شدني (TreeNet) انجام شد. نتايج پهنه‌بندي خطر سيلاب نشان داد، سيلاب با ريسك زياد 4256 هكتار معادل 86/3 درصد و پهنة سيلاب با خطر ريسك خيلي زياد 5500 هكتار معادل 99/4 درصد از سطح محدودة مورد را به‌ خود اختصاص داده‌اند. خطر سيلاب با ريسك خيلي‌كم، 91496 هكتار معادل 132/83 درصد از سطح محدودة مطالعاتي را دربرگرفته است. هم‌چنين، نتايج بررسي اهميت نسبي متغيرها در وقوع سيلاب نشان داد به‌ترتيب متغيرهاي پوشش گياهي، بارش تجمعي باران، كمبود آب در خاك، شدت خشكسالي و كاربري اراضي با حدود تأثيرگذاري صفر تا 18/0، 16-15 ميلي‌متر، 152-144 ميلي‌متر، شدت 5/2 (ترسالي متوسط) و اراضي ماندابي و باتلاقي بيش‌ترين تأثير را بر بروز پهنه‌هاي سيلاب در محدودة مورد مطالعه داشته‌اند. ارزيابي ميزان كارايي مدل با شاخص‌هاي سطح زيرمنحني، ويژگي، شفافيت، صحت كلي و صحت قاعده به‌ترتيب 95/0، 2/91، 43/90، 12/91 و 88/6 است كه نشان‌دهندة دقت مدل است. بررسي نتايج پهنه‌بندي سيلاب با واقعيت زميني حكايت از R2 و MAE معادل 8/72 درصد و 27/0 داشت كه صحت نتايج پهنه‌بندي با واقعيت زميني را نسبتاً خوب تصديق مي‌نمايد. نتايج پژوهش حاضر مي‌تواند در شناسايي پهنه‌هاي سيل، رتبه‌بندي اهميت متغيرهاي مختلف در وقوع سيل و تدوين اقدامات مؤثر براي به حداقل رساندن خسارت در آينده و مديريت مناسب متغيرهاي كليدي مؤثر بر وقوع سيلاب از طريق آستانه‌هاي تأثيرگذار استفاده شود.