[صفحه اصلی ]   [Archive] [ English ]  
:: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
اطلاعیه ها::
::
شناسنامه نشریه
صاحب امتیاز
انجمن آبخیزداری ایران
►مدیر مسئول
دکتر سیدحمیدرضا صادقی
►سردبیر
دکتر علی طالبی
►مدیر اجرایی
مهندس فرهاد بهبودی
►مدیر داخلی
دکتر عاطفه جعفرپور
►کارشناس
دکتر سودابه قره‌محمودلی
►دوره انتشار
فصل‌نامه
►شاپا الکترونیکی
2008-9554
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
سایت انجمن آبخیزداری ایران
سایت انجمن آبخیزداری ایران
پژوهشکده حفاظت خاک و آبخیزداری
..
مجله اکوهیدرولوژی

مجله اکوهیدرولوژی

..
:: دوره 19، شماره 70 - ( 8-1404 ) ::
جلد 19 شماره 70 صفحات 0-0 برگشت به فهرست نسخه ها
تحلیل مکانی حساسیت شوری آب زیرزمینی با بهره‌گیری از روش‌های ترکیبی یادگیری ماشین
مهدی هاشمی* ، علی دسترنج
چکیده:   (20 مشاهده)
شوری آب‌های زیرزمینی یکی از مهم‌ترین تهدیدهای کیفی منابع آب در مناطق خشک و نیمه‌خشک به‌شمار می‌رود و تأثیر مستقیمی بر کشاورزی، محیط‌زیست و توسعه پایدار دارد. هدف این پژوهش، بررسی حساسیت شوری آب‌های زیرزمینی در منطقه کوهپایهسگزی استان اصفهان با بهره‌گیری از مدل‌های یادگیری ماشین، شامل مدل تقویت تطبیقی (AdaBoost) و مدل تقویت تطبیقی تجمیع‌شده (Bagged AdaBoost) بوده است. داده‌های میانگین سالانه شوری حاصل از چاه‌های مشاهداتی در بازه‌ زمانی ۲۳ ساله (1399-1377) مورد استفاده قرار گرفت و متغیرهای توپوگرافی، اقلیم، هیدروژئولوژی، زمین‌شناسی و کاربری اراضی در مدل‌سازی لحاظ شدند. نتایج ارزیابی عملکرد مدل‌ها با استفاده از داده‌های اعتبارسنجی و تحلیل برخورد و خطا از طریق جدول توافقی نشان داد که ترکیب الگوریتم AdaBoost با رویکرد Bagging موجب بهبود قابل‌توجه عملکرد مدل می‌شود؛ به‌طوری‌که صحت کلی مدل‌سازی از 89/0 به 93/0، دقت از 67/0 به 80/0، میانگین هارمونیک دقت و بازخوانی (F1-score) از 80/0 به 89/0 و ضریب کاپا از 72/0 به 85/0 افزایش یافت. تحلیل اهمیت متغیرها نشان داد که عمق سطح آب زیرزمینی، ارتفاع و تبخیر از مهم‌ترین عوامل مؤثر در مدل‌سازی هستند. نقشه حساسیت شوری منطقه، وجود یک گرادیان مکانی مشخص را نشان داد؛ به‌گونه‌ای که مقادیر بالاتر شوری در نواحی جنوبی و غربی مشاهده شده و به‌تدریج به سمت شمال و شرق کاهش می‌یابد. این نقشه می‌تواند ابزاری مؤثر برای مدیریت منابع آب، حفاظت از خاک، و انتخاب الگوی کشت مقاوم به شوری فراهم آورد. یافته‌های این پژوهش با مطالعات مشابه بین‌المللی هم‌راستا بوده و کارآمدی مدل‌های یادگیری ماشین را در شناسایی مناطق پرخطر تأیید می‌کند.
شماره‌ی مقاله: 2
واژه‌های کلیدی: شوری آب‌ زیرزمینی، مدل‌سازی مکانی، AdaBoost، Bagged AdaBoost، دشت کوهپایه–سگزی
     
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1404/6/26 | ویرایش نهایی: 1404/8/21 | پذیرش: 1404/8/20 | انتشار: 1404/8/21 | انتشار الکترونیک: 1404/8/21
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hashemi M, Dastranj A. Spatial Analysis of Groundwater Salinity Susceptibility Using Ensemble Machine Learning. jwmseir 2025; 19 (70) : 2
URL: http://jwmsei.ir/article-1-1212-fa.html

هاشمی مهدی، دسترنج علی. تحلیل مکانی حساسیت شوری آب زیرزمینی با بهره‌گیری از روش‌های ترکیبی یادگیری ماشین. مجله علوم ومهندسی آبخیزداری ایران. 1404; 19 (70)

URL: http://jwmsei.ir/article-1-1212-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 19، شماره 70 - ( 8-1404 ) برگشت به فهرست نسخه ها
مجله علوم ومهندسی آبخیزداری ایران Iranian Journal of Watershed Management Science and Engineering
به اطلاع کلیه نویسندگان ، محققین و داوران  محترم  می رساند:

با عنایت به تصمیم  هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
Persian site map - English site map - Created in 0.05 seconds with 42 queries by YEKTAWEB 4722