ارزیابی اثر تغییرات کاربری اراضی بر شبیه‌سازی رواناب خروجی با استفاده از مدل شبکه عصبی مصنوعی (MLP)، مطالعه موردی: حوضه آبخیز یلفان

فصلنامه آب و توسعه پایدار

مقاله 10، دوره 1، شماره 2، شهریور 1393، صفحه 65-74   

نوع مقاله: مقاله علمی- ترویجی

شناسه دیجیتال (DOI): 10.22067/jwsd.v1i2.34499

نویسندگان

مرضیه رسولی^{* 1}؛ علی حقی زاده²؛ حسین زینی وند²؛ علی رضا ایلدرمی³

¹دانشگااه لرستان-

²لرستان

³ملایر

چکیده

تغییر کاربری اراضی بر بسیاری از فرآیندهای طبیعی نظیرفرسایش خاک وتولید رسوب، سیلاب و تخریب خصوصیات فیزیکی شمیایی خاک اثر می‌گذارد. این تغییر اکوسیستم باعث تخریب کیفیت خاک شده، در نتیجه قدرت محصول‌دهی خاک برای تولید غذا به شدت کاهش می‌یابد. بنابراین نیاز است جنبه‌های مختلف تغییر کاربری اراضی در مطالعات و تصمیم‌گیری‌های کلان کشور مورد توجه قرار گیرد. در این تحقیق،از شبکه‌ی عصبی مصنوعی و آمایش سرزمین(مدل دکتر مخدوم) برای ارزیابی اثر تغییرات کاربری اراضی بر رواناب استفاده شده است.این مطالعه در حوضه‌ی یلفان واقع در استان همدان انجام شد. نتایج حاصل از بررسی‌ها نشان دادمدل شبکه‌ی عصبی مصنوعی در دوره‌ی آماری 1375 تا 1389، رواناب را با ضریب ناش- ساتکلیف 74/0 شبیه‌سازی نمود و دارای مجذور میانگین مربعات خطا 01/0می‌باشد که نشان‌دهنده دقت قابل قبول برای شبیه‌سازی رواناب روزانه‌ی حوضه‌ی یلفان است. هچنین بعد از درنظر گرفتن کاربری بهینه، دبی اوج هیدروگراف 45 درصد پایین‌تر آمد که نشان دهنده‌ی کاهش خسارات احتمالی سیلاب است. بنابراین مدل شبکه‌ی عصبی مصنوعی را می‌توان مدل مناسبی برای شبیه‌سازی جریان در حوضه‌ی یلفان و تعیین اثر سناریوی کاربری اراضی بر روی سیلاب معرفی کرد.

کلیدواژه‌ها

تغییرات کاربری؛ حوضه‌ی یلفان؛ شبکه عصبی مصنوعی پرسپترون؛ رواناب؛ آمایش سرزمین

مراجع

اداره‌ی منابع طبیعی استان همدان، بخش مطالعات آبخیزداری. 1389. مطالعات تلفیقی حوضه‌ی سد اکباتان.

اداره‌ی منابع طبیعی استان همدان، بخش اطلاعات سنجش از دور. 1384. استخراج نقشه کاربری اراضی حوضه‌ی سد اکباتان.

اونق، م. و میرکریمی، س. ح.1382. مدل ارزیابی انطباق زیست محیطی کاربری‌های فعلی و آتی استان گلستان. مجله‌ی دانشگاه علوم کشاورزی و منابع طبیعی گرگان،10(3): 5-15.

بیات، ب.، متکان، ع.، رحمانی، ب. و عربی،ب. 1390. برنامه‌ریزی جامع کاربری اراضی و آمایش سرزمین در حوضه‌های آبریز شهری با استفاده از GIS، مطالعه موردی: حوضه آبریز ماهیدشت. فصل‌نامه‌ی جغرافیایی آمایش محیط، شماره‌ی 13: 1-10.

بی‌همتا، م. و زارع چاهوکی، م. 1389. اصول آمار در علوم منابع طبیعی.انتشارات دانشگاه تهران. چاپ دوم. 300ص.

پرورش،ح.، دهقانی، م. و نوحه‌گر،ا. 1389. مقایسه‌ی روش آمایش فیزیکی (ژئومرفولوژی) و روش آمایش سرزمین جهت ارزیابی توان اکولوژیکی حوضه آبخیز نسا در استان هرمزگان. مجله‌ی آمایش سرزمین سال دوم، 2: 27-50.

رحیمی، ف. 1389. مقایسه‌ی توانایی روش‌های شبکه‌ی عصبی مصنوعی و منطق فازی در برآورد میزان رواناب (مطالعه موردی:حوضه‌ی آبریز کن البرز مرکزی)، پایان‌نامه کارشناسی ارشد سنجش از دور و GIS. دانشکده علوم زمین. دانشگاه شهید بهشتی.135ص.

سرهنگ‌زاده،ج. و مخدوم، م. 1381. آمایش سرزمین منطقه حفاظت شده‌ی ارسباران. مجله محیط شناسی،(30):31-42.

فرهادی، ع.،ولی سامانی، ج. و حبیبی، م.1375. ارزیابی تأثیر عملیات آبخیزداری بر رسوب‌گذاری و عمر مفید سد اکباتان.پایان نامه کارشناسی ارشد تأسیسات آبیاری. دانشکده ی کشاورزی، دانشگاه تربیت مدرس.200ص.

قنبرآبادی،ح.،مرادی‌پور،ش. وقارزی،ر.1389.برنامه جامع استفاده از سرزمین حوضه آبخیز با استفاده از سیستم اطلاعات جغرافیایی. مجموعه مقالات همایش منطقه-ای ایده‌های نو در کشاورزی پایدار. دانشگاه آزاد اسلامی. واحد بروجرد.

مخدوم، م.1390. شالوده آمایش سرزمین. انتشارات دانشگاه تهران.

نصری،م.، مدرس،ر. و دستورانی، م.1389. اعتبارسنجی مدل شبکه عصبی رابطه بارندگی رواناب در حوضه آبریز سد زاینده رود. مجله‌ی علمی پژوهشی پژوهش‌های آبخیزداری (پژوهش وسازندگی). شماره88: 1-10.

Dawson W. and Wilby R. 1998. An artificial neural network approach to rainfall-runoff modeling. Hydrological Sciences - Journal - des Sciences Hydrologiques, 43(1). 1- 10.

Harpham C., Dawson CW. 2005. The effect of different basis functions on a radial basis function network for time series prediction: A comparative study. Neurocomputing, 69: 2161 -2170.

Khan S.M., Coulibaly P. and DibikeY. 2006. Uncertainty analysis of statistical downscaling methods. J. hydrol. 319: 357- 382.

Motovilov Y.G., Gottschalk L., Engeland K. and Rohde A. 1999. Validation of a distributedhydrological model against spatial observations. Agriculture and Forest Meteorology, 98- 99: 257- 277.

O’connor M.K. 1997. Applied hydrology deterministic. Unpublished lecture note Depatrtment of engineering hydrology. National university of Ireland, Galway.Sikka A.K., Sarma J.S., Sharda V.N., Samraj P. and Lakshmanam V. 2003. Low Flow and High Flow Responses to Converting Natural Grassland into Bluegum (Eucalyptus globulus) in Nilgiris Watersheds of South India. Journal of Hydrology, 270: 12- 26.

Sudheer K.P., Gosain A.K. and Ramasastri K.S.2002. A data-driven algorithm for constructing artificial neural network rainfall-runoff models. Hydrol. Process, 16: 1325–1330.