Journal of Rainwater Catchment Systems

fa انتخاب بهترین مکان احداث سازه‌های آبخیزداری در استان گیلان با استفاده از مدل حداکثر آنتروپی Selection of the best location for watershed structures in Gilan province using the maximum entropy model تخصصي Special پژوهشي Research احداث سازه‌های آبخیزداری یکی از روش‌های مهم کنترل سیل و رسوب است. هزینه‌ ساخت این سازه‌ها در مقیاس حوزه بالا بوده و کاهش آن نیازمند بکارگیری روش‌های دقیق مکان‌یابی است. مدل‌های یادگیری ماشین از جمله روش‌های دقیق مکان‌یابی است. این پژوهش با استفاده از مدل Maxent (حداکثر آنتروپی) و در سه حوزه ‌آبخیز آق‌اولر تالش، ماسوله فومن و توتکابن رودبار استان گیلان و بکارگیری 21 عامل موثر در مکان‌یابی سازه‌های آبخیزداری انجام شد. نتایج حاصل از عامل تورم واریانس (VIF) در نرم‌افزار R نشان‌داد که بین برخی از متغیرها هم‌خطی وجود دارد و بر همین اساس عوامل با VIF کمتر از 10 وارد فرآیند مدل‌سازی شدند. به‌منظور ارزیابی، داده‌ها به دو بخش ۷۰ و 30 درصد برای آموزش و اعتبارسنجی مدل تقسیم شد. نتایج شاخصROC- AUC نشان داد که عملکرد مدل در مراحل آموزش و اعتبارسنجی در هر سه حوزه‌ بیش از 90 درصد بوده و در سطح قابل قبول قرار دارد. بر اساس نتایج آزمون جک‌نایف، متغیرهای فاصله تا منابع قرضه، فاصله از رودخانه، ارتفاع‌روانآب، بارش و شیب برای مکان‌یابی سازه‌های گابیونی و متغیرهای فاصله از رودخانه، فاصله تا منابع‌قرضه، دبی اوج سیل، ارتفاع روانآب و فاصله تا جاده برای مکان‌یابی سازه‌های سنگی‌ملاتی، به‌عنوان مهم‌ترین متغیرهای تاثیرگذار در انتخاب بهترین مکان احداث سازه در هر سه حوزه تعیین شدند. یافته‌ها نشان‌داد که به‌ترتیب بیش از 70 و 80 درصد سازه‌های گابیونی و سنگی‌ملاتی موجود در پهنه‌های با پتانسیل متوسط و بالاتر برای احداث سازه‌های آبخیزداری قرار دارند و از مجموع 923 کیلومتر طول کل آبراهه‌های سه حوزه‌ مورد مطالعه، به‌ترتیب 63 و 39 کیلومتر به‌عنوان بهترین مکان برای احداث سازه‌های گابیونی و سنگی‌ملاتی تعیین شد. The construction of watershed structures is an important method for flood and sediment control. The cost of constructing these structures at the watershed scale is high, and reducing it requires the use of precise site selection methods. Machine learning models are among the precise site selection methods, and this research uses the Maxent (maximum entropy) model because it does not require absence data. This study was conducted in three watersheds: Aghevlar Talesh, Masouleh Fuman, and Tutkabon Rudbar, in Guilan province, using 21 effective factors in the site selection of watershed structures. The results obtained from the variance inflation factor (VIF) in R software showed that there is collinearity among the variables, and factors with a VIF less than 10 were entered into the modeling process. To evaluate, the data were divided into two parts of 70% and 30% for training and validation of the model, and the ROC-AUC index results showed that the model performance in the training and validation stages in all three watersheds was more than 90%, placing it at an excellent level. Based on the results of the jackknife test, distance to borrow pits, distance to rivers, runoff depth, precipitation, and slope were identified as the most influential variables for siting gabion structures, while distance to rivers, distance to borrow pits, peak flood discharge, runoff depth, and distance to roads were the most important variables for siting masonry walls in all three watersheds. The findings showed that more than 70% of gabion structures and more than 80% of Masonry wall structures in the studied watersheds are located in areas with medium and higher potential for the construction of watershed structures. Out of a total of 923 km of stream networks across the three study watersheds, 63 km and 39 km were identified as the most suitable locations for the construction of gabion and masonry structures, respectively. بندهای اصلاحی, گیلان, مدل‌سازی, مکان‌یابی, مکسنت, منطقه مرطوب Check dams, Guilan, Humid region, Maxent, Modeling, Site selection. 45 70 http://jircsa.ir/browse.php?a_code=A-10-2411-1&slc_lang=fa&sid=1 Babak Ghaderi Vangah بابک قادری وانگاه b.ghaderi@grad.kashanu.ac.ir 10031947532846006164 0009-0004-8086-9941 No University of Kashan دانشگاه کاشان Reza Ghazavi رضا قضاوی ghazavi@kashanu.ac.ir 10031947532846006165 10031947532846006165 Yes University of Kashan دانشگاه کاشان Siamak Dokhani سیامک دخانی siamakdokhani@kashanu.ac.ir 10031947532846006166 10031947532846006166 No University of Kashan دانشگاه کاشان Omid Asadi Nalivan امید اسدی نلیوان o.asadi@maragheh.ac.ir 10031947532846006167 10031947532846006167 No University of Maragheh دانشگاه مراغه