نقشهبرداری حساسیت فرونشست زمین با استفاده از رادار دیافراگم مصنوعی تداخلسنجی (InSAR) و مدلهای یادگیری ماشینی در یک منطقه نیمه خشک ایران
| عنوان | نقشهبرداری حساسیت فرونشست زمین با استفاده از رادار دیافراگم مصنوعی تداخلسنجی (InSAR) و مدلهای یادگیری ماشینی در یک منطقه نیمه خشک ایران |
|---|---|
| نویسنده | قرچه، ح.، سامانی، الف. شماره، سیگارودی، س. ک.، بلوچیان، ابوالفضل، موسوی، م. س.، هامبرت، ج. ا.، صدقی، س. م. متر |
| تاریخ انتشار: | 2023-04 |
| محل انتشار | - MDPI |
| موضوع | Drylands، InSAR، یادگیری ماشین، جنگل تصادفی، فرونشست، پیش بینی حساسیت |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 2073-445X |
| شماره ثبت | 7670845e-e884-4ffa-816e-6138fe07afff |
| تاریخ | 2023-04 |
| متن نمونه | اکثر مطالعات منتشر شده استخراج آب های زیرزمینی را به عنوان عامل اصلی فرونشست زمین (LS) معرفی می کنند. با این حال، علل LS تنها به استخراج آب های زیرزمینی مربوط نمی شود. سایر شیوه های استفاده از زمین نیز می تواند بر وقوع LS تأثیر بگذارد. در این مطالعه از تکنیکهای تداخل سنجی راداری و مدلهای یادگیری ماشین (ML) برای پیشبینی، پهنهبندی حساسیت و اولویتبندی متغیرهای تأثیرگذار در وقوع LS در حوضه بختگان استفاده شد. نرخ LS با استفاده از یک رادار دیافراگم مصنوعی تداخل سنجی (InSAR) مشخص شد. از روش حذف ویژگی بازگشتی (RFE) برای شناسایی و انتخاب ترکیب غالب شاخصها برای تهیه نقشه حساسیت LS استفاده شد. سه مدل ML، از جمله جنگل تصادفی (RF)، k-نزدیکترین همسایه (KNN)، و طبقهبندی و درختان رگرسیون (CART)، برای توسعه مدلهای پیشبینی مورد استفاده قرار گرفتند. هر سه مدل عملکرد قابل قبولی داشتند. در بین مدلهای ML، مدل RF بهترین عملکرد را داشت (بهعنوان مثال، راندمان نش-ساتکلیف، بازده کلینگ-گوپتا، ضریب همبستگی و معیارهای درصد سوگیری 0.76، 0.78، 0.88، و 0.70 برای مرحله اعتبارسنجی، به ترتیب). تجزیه و تحلیل انجام شده بر روی هر سه خروجی مدل ML نشان داد که کلاس های حساسیت LS بالا و بسیار بالا در یا نزدیک زمین کشاورزی آبی قرار دارند. نتایج نشان می دهد که علت اصلی LS زمین در منطقه مورد مطالعه به دلیل برداشت آب زیرزمینی نیست. درعوض، فاصله از سدها و مجاورت با تاقدیس ها، گسل ها و معادن مهم ترین شناسه های حساسیت LS هستند. علاوه بر این، بیشترین احتمال حساسیت LS در فواصل کمتر از 18 کیلومتر از ناودیس، 6 تا 13 کیلومتر از تاقدیس، 23 کیلومتر از سدها، و فواصل کمتر از 20 تا بیش از 144 کیلومتر از معادن یافت شد. روشهای معتبر ارائهشده در این مطالعه، تکرارپذیر، قابل انتقال و برای نقشهبرداری حساسیت LS در مناطق آب و هوایی نیمه خشک و خشک با شرایط محیطی مشابه هستند. |
| DOI | 10.3390/land12040843 |
| Cilt | 12 |
