دانشگاه حکیم سبزواری ، m.boroughani@hsu.ac.ir
چکیده: (455 مشاهده)
پیشبینی کانونهای برداشت گردوغبار و تعیین عوامل مؤثر بر آن، برای اولویتبندی اقدامات مدیریتی و اجرایی به منظور مقابله با بیابانزایی ناشی از فرسایش بادی در مناطق خشک ضروری است؛ بنابراین، این کار با هدف ارزیابی کاربرد سه مدل یادگیری ماشین (ازجمله مدلهای جنگل تصادفی، گرادیان تقویتی و مدل افزودنی کلی) برای پیشبینی آسیبپذیری کانونهای گردوغبار طی سالهای 2005 تا 2018 در کویر مرکزی انجام شد. برای این منظور، ابتدا کانونهای گردوغبار در منطقهی مطالعاتی با استفاده از تصاویر ماهوارهای MODIS با استفاده از چهار شاخص شامل BTD3132،BTD2931 ، NDDI و متغیر D استخراج شدند و در نهایت 135 نقطه بهعنوان کانون گردوغبار شناسایی و در مدلسازی استفاده شدند. در این مطالعه برخی فاکتورهای مؤثر بر گردوغبار مانند کاربری اراضی، خاکشناسی، زمینشناسی، فاصله از آبراهه، شاخص تفاوت نرمالشدهی پوشش گیاهی (NDVI)، شیب زمین و اقلیم برای مدلسازی در نظر گرفته شدند. نتایج حاصل نشان داد که در میان الگوریتمهای استفاده شده، مدل گرادیان تقویتی با دقت 2/64 درصد، دقیقترین مدل و سپس مدل جنگل تصادفی با دقت 5/63 درصد و مدل افزودنی کلی با دقت 6/51 درصد در رتبههای بعدی قرار دارند. بهعلاوه، از میان فاکتورهای مورد بررسی، کاربری اراضی و خاکشناسی بهعنوان مؤثرترین عوامل بر آسیبپذیری گردوغبار شناسایی شدند. نتایج حاصل از این مطالعه میتواند اطلاعات ارزشمندی را به مدیران منطقهای و سیاستمداران برای شناسایی مناطق آسیبپذیر، اولویتبندی انجام فعالیتهای مدیریتی برای کنترل گردوغبار و نیز اتخاذ تصمیمهای مناسب برای کاهش پیامدهای منفی آن ارائه داده و به آنها برای مدیریت مناسبتر کمک نماید.
نوع مطالعه:
كاربردي |
موضوع مقاله:
مدیریت مناطق بیابانی دریافت: 1400/2/18 | پذیرش: 1400/9/20 | انتشار: 1401/3/2