ارزيابي الگوريتم‌هاي ماشين يادگيرنده (RF و SVM) در توليد نقشه حساسيت سيلاب حوزه آبخيز مارون

عوامل متعدد اقليمي، هيدرولوژيكي، ژئومورفولوژيكي و زمين‌شناسي در وقوع سيلاب نقش دارند. تجزيه و تحليل سيلاب، مديريت و كنترل آن مي‌تواند با تهيه نقشه‌هاي پتانسيل سيل‌خيزي انجام شود. هدف اين پژوهش تهيه نقشه پتانسيل سيل‌خيزي حوضه مارون با استفاده از روش‌هاي يادگيري ماشين جنگل تصادفي و ماشين بردار پشتيبان مي‌باشد. به اين منظور 16 پارامتر مؤثر در وقوع سيلاب شامل طبقات ارتفاعي، مقدار و جهت شيب، انحناي زمين، سازندهاي زمين‌شناسي، كاربري اراضي، شماره منحني، بارندگي، درجه حرارت، شاخص قدرت جريان (SPI)، شاخص رطوبت توپوگرافي (TWI)، فاصله از آبراهه، تراكم آبراهه، فاصله از جاده، تراكم جاده و شاخص پوشش گياهي NDVI در نظر گرفته شد. پارامترهاي مذكور در محيط نرم‌افزارهاي ArcGIS 10.8، ENVI 5.3 و SAGA GIS 7.2 تهيه شدند سپس به فرمت خوانا براي محيط نرم‌افزار R به منظور اجراي مدل ماشين بردار پشتيبان و جنگل تصادفي تبديل شدند. در نهايت با استفاده از بسته SDM مدل‌هاي RF و SVM اجرا شدند و با استفاده از منحني تشخيص عملكرد نسبي(ROC) مورد ارزيابي قرار گرفتند. نتايج نشان داد كه مدل‌هاي RF و SVM بترتيب با دقت 0.997 و 0.947 درصد نقشه سيل‌خيزي حوضه مارون را پيش‌بيني كردند.