مدلسازی و ارزیابی پتانسیل چشمه های آب زیرزمینی مبتنی بر GIS در حوزه آبخیز عمرک

امروزه تامین آب به منظور تحقق اهداف توسعه پایدار، یکی از مهم ترین چالش ها در اکثر کشورهای جهان است. به همین دلیل، تعیین مناطق دارای پتانسیل آب زیرزمینی، از ابزارهای مهم در حفاظت، مدیریت و بهره برداری از منابع آب به شمار می رود. بنابراین هدف از این پژوهش تهیه نقشه پتانسیل چشمه­های آب زیرزمینی با استفاده از یک مدل مشهور یادگیری ماشین (جنگل تصادفی) و یک مدل آماری (مدل نسبت فراوانی) و مقایسه کارایی این روشها در حوزه آبخیز عمرک، استان تهران می­باشد. ابتدا ۱۸ عامل موثر در ظهور چشمه­ها شامل: سازندهای سنگ­شناسی، فاصله از گسل، تراکم گسل، طبقات ارتفاعی، درصد شیب، جهت شیب، فاکتور طول شیب، نقشه­های انحنا، فاصله از آبراهه، تراکم آبراهه، حداکثر ارتفاع، شاخص نمناکی، موقعیت شیب نسبی، بافت خاک، شاخص زبری سطح، شاخص همگرایی جریان و پوشش کاربری اراضی انتخاب شدند و نقشه آن ها در نرم­افزار ArcGIS۱۰.۵ و [۱]SAGA تهیه گردید. پس از بررسی هم خطی و طبقه بندی لایه­های موثر با استفاده از روش شکستن طبیعی[۲]، درصد فراوانی پتانسیل آب زیرزمینی در هر طبقه با استفاده از هم پوشانی نقشه پراکنش چشمه­ها با هرکدام از لایه ها به دست آمد. برای ارزیابی عملکرد مدل­های مذکور از منحنی مشخصه عملکرد نسبی(ROC) استفاده شد و میزان مساحت زیر منحنی (AUC) مدلهای جنگل تصادفی و نسبت فراوانی به ترتیب ۸۸ و ۷۲درصد به­دست آمد. نتایج نشان داد که هر دو روش تخمین­گرهای مناسبی برای تهیه نقشه پتانسیل چشمه آب زیرزمینی در منطقه مورد مطالعه هستند. اما مدل جنگل تصادفی با مقدار مساحت زیر منحنی بالاتر روش بهتری برای شناسایی و پهنه­بندی پتانسیل چشمه­های آب زیرزمینی معرفی گردید. [۱] System for automated geoscientific analyses[۲] Natural Break

کلیدواژه ها:

پتانسیل آب زیرزمینی ، چشمه ، مدل نسبت فراوانی ، مدل جنگل تصادفی ، منحنی مشخصه عملکرد نسبی