fa تعیین مناطق مستعد سیل‌خیزی با استفاده از مدل‌های یادگیری ماشین در حوزه آبخیز شهرستانک شهرستان خوسف تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-family:nasimYW;"><strong><span style="font-size:12pt"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span lang="FA">سیل یکی از مخرب‌ترین پدیده‌های طبیعی است که در سراسر جهان رخ می‌دهد و منجر به آسیب به اموال و زیرساخت‌ها و یا حتی تلفات جانی می‌شود. این پژوهش باهدف تهیه نقشه پهنه&shy;بندی پتانسیل<span style="color:black"> سیل‌خیزی در حوزه آبخیز شهرستانک شهرستان </span>خوسف با استفاده از الگوریتم‌های یادگیری ماشینی،&nbsp; انجام گرفته است. در</span><span lang="AR-SA"> این تحقیق برای تعیین مناطق دارای پتانسیل خطر سیل در </span><span lang="FA">منطقه مورد مطالعه</span><span lang="AR-SA"> از 8 پارامتر تأثیرگذار و روش&shy;های جنگل تصادفی، </span><span lang="AR-LB" style="font-size:13.0pt">مدل درخت رگرسیونی پیشرفته</span><span lang="AR-SA"> و ماشین بردار پشتیبان استفاده شده است. در این راستا 81 مورد مخاطره منطقه سیل&shy;خیز ثبت شد. به&shy;طور تصادفی 70 درصد برای فرآیند مدل‌سازی و 30 درصد برای ارزیابی مدل&shy;های تهیه شده تقسیم&shy;بندی شد.</span> <span lang="AR-SA">نتایج اهمیت پارامترها نشان داد پارامتر تراکم زهکشی بیشترین تأثیر را در سیل&shy;خیزی داشته است</span><span lang="FA">. علاوه&shy; بر این در تعیین مناطق حساس به وقوع سیل، مدل جنگل تصادفی، درخت رگرسیون </span><span lang="AR-LB" style="font-size:13.0pt">پیشرفته</span><span lang="FA"> و ماشین بردار پشتیبان به&shy; ترتیب با </span><span lang="AR-LB" style="font-size:14.0pt">منحنی تشخیص عملکرد نسبی</span><span lang="FA"> (</span><span dir="LTR" style="font-size:10.0pt">ROC</span><span lang="FA">) 0/99، 098 و 0/95 دارای دقت بالاتری هستند. منطقه مورد مطالعه از نظر حساسیت سیل&shy;خیزی به چهار طبقه (خیلی زیاد، زیاد، متوسط و کم) تقسیم شد. به‌صورت کلی، حوزه از نظر سیل&shy;خیزی متوسط به بالا است. </span></span></span></span></span></strong></span></div> <div style="text-align: justify;"><span style="font-size:10pt"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span style="font-size:14.0pt">Flood is one of the most destructive natural phenomenon that occur worldwide, resulting in damage to properties, infrastructure, and even loss of life. This research aims to create a zoning map of flood-prone areas in the watershed of Khosuf County, using machine learning algorithms. In this study, 8 influential parameters and random forest (RF), boosted regression tree (BRT), and support vector machine (SVM) were used to identify areas at susceptibility of flooding in the study area. A total of 81 flood-prone zones were identified. Randomly, 70% of the data were allocated for the modeling process, and the remaining 30% were used for evaluating the generated models. The results of parameter importance analysis indicated that the drainage density parameter had the most significant impact on flood susceptibility. Furthermore, in determining flood-prone areas, the random forest model, boosted regression tree model, and support vector machine showed higher accuracy with receiver operating characteristics (ROC) curves of 0.99, 0.98, and 0.95, respectively. The study area was divided into four categories of flood susceptibility: very high, high, moderate, and low. Overall, the watershed is considered to have a moderate to high flood susceptibility level</span><span dir="RTL" lang="AR-SA" style="font-size:14.0pt"><span arabic="" style="font-family:" traditional="">.</span></span></span></span></span></div> سیل‌خیزی, تراکم زهکشی, جنگل تصادفی, ماشین بردار پشتیبان, شهرستان خوسف Flooding, Drainage density, Random forest, Support vector machine, Khosuf City. 38 50 http://jwmsei.ir/browse.php?a_code=A-10-787-3&slc_lang=fa&sid=1 Javad Chezgi جواد چزگی chezgi@birjand.ac.ir 100319475328460017628 100319475328460017628 Yes Rangeland and Watershed Department, Faculty of Natural Resources and Environment, University of Birjand, Birjand. Iran. گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند. ایران Soheila Poyan سهیلا پویان s.pouyan71@gmail.com 100319475328460017629 100319475328460017629 No Department of Natural Resources, Faculty of Agriculture, Shiraz University, Shiraz, Iran دستیار پژوهشی بخش منابع طبیعی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران