مدل‌سازي خطر مكاني پيشروي پهنه هاي ماسه‌اي با استفاده از الگوريتم هاي خبره و هوش مصنوعي

شناسايي پهنه‌هاي ماسه‌اي، ابزار مهمي براي برنامه‌ريزي در راستاي توسعه پايدار به شمار مي‌رود. با توجه به شرايط اقليمي شهرستان  سرخس، پارامترهايي مانند خشك‌سالي، طوفان‌هاي گرد و غبار از يك طرف، توسعه اراضي كشاورزي و تبديل مراتع به ديم‌زارهاي كم بازده از سوي ديگر سبب پيش‌روي و توسعه اين پهنه‌ها گرديده است. با توجه به هدف پژوهش، عوامل موثر و پويا مانند پوشش گياهي، خشك‌سالي و تعداد روزهاي گرد و غبار، به عنوان متغيرهاي ديناميك و ساير پارامترهاي طبيعي منطقه مانند زمين‌شناسي، شيب، جهت، پستي و بلندي و خاك به عنوان متغيرهاي استاتيك ورودي به مدل انتخاب گرديدند. در مدل‌سازي از الگوريتم‌هاي جنگل تصادفي (RF) و شبكه عصبي پرسپترون (MLP) استفاده شد. براي ساخت مدل‌ها 8 لايه اطلاعاتي به عنوان متغير پيش‌گو و متغير وجود يا عدم وجود پهنه‌هاي ماسه‌اي بعنوان متغير هدف تعيين گرديد. ارزيابي الگوريتم‌هاي مدل‌سازي با استفاده از منحني ROC انجام گرديد. نتايج نشان داد كه الگوريتم RF با سطح زير منحني بطور ميانگين بيش از 90 درصد عملكرد بهتري نسبت به MLP با سطح زير منحني ميانگين 75 درصد، داشته است. در رتبه‌بندي متغيرهاي بكار رفته در مدل، متغير پوشش گياهي در همه دوره‌ها در رتبه اول قرار گرفت و پس از آن متغير SPI در سال‌هاي 2000 و 2015 و متغير DSI در سال‌هاي 2005 و 2010 در درجه دوم اهميت قرار داشتند. در متغيرهاي استاتيك استفاده شده در مدل، متغيرهاي شيب و جهت از اهميت كمتري نسبت به ساير متغيرها در همه دوره‌ها برخوردار و در رتبه پايين‌تري قرار گرفت.