کاربرد ماشین بردار پشتیبان (SVM) و درخت رگرسیون تقویت شده (BRT) جهت مدل سازی حساسیت فرسایش خندقی درحوضه آبخیز رودخانه شور (شهرستان مُهر)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از این مطالعه توسعه مدل های حساس فرسایش خندقی با اجرای الگوریتم یادگیری ماشینی (ماشین بردار پشتیبان و درخت رگرسیون تقویت شده) در حوضه مُهر است. ابتدا، مناطق خندقی شناسایی و پس از آن 13 متغیر مستعد کننده فرسایش خندقی (شیب، جهت شیب، شاخص رطوبت توپوگرافی، شاخص قدرت جریان، شاخص زبری سطح، فاصله از آبراهه، تراکم زهکشی، فاصله از جاده، کاربری اراضی، پوشش گیاهی، متوسط بارندگی سالانه، زمین شناسی و بافت خاک) انتخاب شد. ضریب تورم واریانس برای ارزیابی چندخطی بین متغیرها استفاده شد. در نهایت نقشه حساسیت فرسایش خندقی در محیط (R) تهیه شد. همچنین تأثیر ویژگی های فیزیکی و شیمیایی خاک بر فرسایش خندقی با استفاده از رگرسیون چند متغیره بررسی شد. از نظر اهمیت متغییرها، در مدل SVM کاربری اراضی و در مدل BRT زمین شناسی بیشترین تأثیر را بر فرسایش خندقی دارد. نقشه حساسیت پیش بینی شده با کمک منحنی مشخصه عملکرد گیرنده (ROC) اعتبارسنجی شد. نتایج نشان داد که مساحت زیر منحنی (AUC) در مدل های ماشین بردار پشتیبان و درخت رگرسیون تقویت شده به ترتیب 92/0 و 94/0 محاسبه شد که منجر به پیش بینی دقیقی شد. همچنین نتایج نشان داد متغیر ماسه (299/9)، نسبت جذب سدیم (967/7) و مواد خنثی شونده (185/6) بیشترین تأثیر را بر فرسایش خندقی دارد