برآورد رسوب حوزه هاي آبخيز شمال استان خراسان با استفاده از مدل رگرسيون فازي

Estimation of Sediment Yield in Northern Watershed of Khorasan ProvinceUsing Fuzzy Regression

امروزه فرسايش خاك يكي از معضلات مهم در مديريت پايدار آب و خاك در بسياري از كشورها به حساب مي آيد. بنابراين برآورد فرسايش و بار رسوبي حوزه از ضروريات مديريت پايدار مي-باشند. در اين راستا ساخت و بكارگيري روشي نوين در برآورد رسوب بر پايه درك صحيح از متغيرهاي موثر بر توليد و انتقال رسوب در مقياس حوزه لازم بنظر مي رسد. در سيستم هاي طبيعي مانند رسوب عموما مشاهدات نادقيق و يا روابط بين آنها مبهم مي-باشند. لذا استفاده از روشي منطبق با دنياي واقعي مورد نياز است. از اينرو، در اين تحقيق از روش رگرسيون مبتني بر نظريه مجموعه-هاي فازي به منظور برآورد رسوب 29 زير حوزه آبخيز در شمال استان خراسان استفاده شده است. براي اين منظور در ابتدا خصوصيات مختلف ژيومورفولوژيكي، اقليمي، هيدرولوژيكي، كاربري اراضي و زمين شناسي هر يك از زيرحوزه ها مورد تجزيه و تحليل قرار گرفت و موثرترين متغيرها در برآورد رسوب حوزه توسط مدلهاي رگرسيوني چند متغيره، در حالتهاي مختلف بدست آمد. در ادامه مدل هاي رگرسيون خطي فازي با ضرايب و خروجي مشاهده شده فازي برپايه متغيرهاي مستقل موثر ساخته شدند. نتايج حاصله بيانگر افزايش دقت مدل در برآورد بار رسوب در طي ماه-هاي پرباران نسبت به كل سال، بدليل تمركز بارش در اين بازه زماني از سال، بود. به طوريكه راندمان مدل در برآورد متوسط بار رسوبي در شرايط كل سال نسبت به ماه هاي پرباران در 3 حالت 29 زيرحوزه، 17 زيرحوزه بزرگ و 12 زيرحوزه كوچك به ترتيب از 85/0 تا 88/ ، از 77/0 تا 87/0 و از 82/0 تا 91/ ، تغيير يافت.

Nowadays, soil erosion is one of the most important natural hazards in water and soil resources management. Therefore, having estimates of sediment yield are essential for the sustainable environment management. In this respect, proposing a novel method to estimate sediment yield at the scale of a watershed, utilizing a deep knowledge of variables controlling soil erosion and sediment delivery process, is needed. Generally, in the modeling of environmental processes (e.g. sediment yield), available datasets are imprecise, and their relationships are vague. Hence, the most adapted methods with these restrictions should be developed and used. This paper aims to develop a multiple fuzzy regression model for estimating the sediment yield of 29 sub-watersheds located in the north east of Iran. To do this, various morphometric, hydrologic, lithologic, climate and land use characteristics of each sub-watershed were analyzed. Then, the most controlling variables for different modes using multiple linear regression models were identified. Fuzzy least square regression models with fuzzy output and coefficients using selected most influential variables were then constructed. The results showed that the capabilities of the models predictions during wet months were enhanced, the period in which, the larger amount of events occurred. For instance, the models efficiency for prediction of average sediment yield over the whole year and wet months, in the conditions of 29 sub-watersheds, 17 large sub-watersheds and 12 small sub-watersheds increased from 0.85 to 0.88, 0.77 to 0.87 and 0.82 to 0.9, respectively.