استفاده از گزارش شهروندان در پیش‌بینی سیلاب شهری با رویکرد یادگیری ماشین و داده تاریخی بارش (مطالعه مورد: شهر قم) | ||
| مدیریت آب و آبیاری | ||
| دوره 15، شماره 3، پاییز 1404، صفحه 443-456 اصل مقاله (1.37 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2025.396294.1235 | ||
| نویسندگان | ||
| فرشته سادات موسوی پور1؛ محد حسین نیک سخن* 2؛ جابر سلطانی3 | ||
| 1پردیس بین‌المللی کیش دانشگاه تهران، کیش، ایران. | ||
| 2نویسنده مسئول، دانشکده محیط زیست، دانشگاه تهران، تهران ایران. | ||
| 3دانشکدگان کشاورزی و منابع طبیعی، دانشکده فناوری کشاورزی (ابوریحان)، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| پژوهش حاضر با هدف توسعه روشی علمی و کاربردی برای پیش‌بینی سیلاب‌های شهری، از گزارش‌های مردمی و داده‌های ماهواره‌ای بارش بهره گرفته‌است. محدوده شهر با استفاده از یک شبکه مربعی با فواصل 3000 متر تقسیم و نقاط برخورد خطوط شبکه به‌عنوان ایستگاه برداشت بارندگی انتخاب شدند. روزهای تر، خشک و عادی براساس گزارش‌های شهروندان و مشاهده بارش، دسته‌بندی گردیده و مدل‌های یادگیری ماشی شامل ماشین بردار پشتیبان، رگرسیون لجستیکی و جنگل تصادفی آموزش داده شدند. نتایج نشان داد که مدل جنگل تصادفی با دقت 98 درصد و امتیاز F1، 66 درصد در شناسایی رویدادهای سیلاب، برترین مدل می‌باشد. با توجه به اقلیم نیمه‌بیابانی منطقه موردمطالعه (شهر قم) و خسارت‌های غیرجانی سیلاب، تأکید ارزیابی مدل‌ها بر دقت در شناسایی درست موارد سیلاب جهت افزایش اطمینان و عدم ایجاد تشویش در جامعه به‌دلیل هشدارهای نادرست است. براساس تحلیل مهم‌ترین ویژگی‌ها، ایستگاه‌های 1 و 23 به‌عنوان مکان‌های کلیدی برای نصب تجهیزات بارش شناخته شدند. سپس، نمودار آستانه بارش بحرانی برای پیش‌بینی وقوع سیلاب ترسیم شد و در اعتبارسنجی با داده‌های واقعی، آستانه بحرانی سیلاب با سطح احتمال 90 درصد روشی قابل درک برای پیش‌بینی سیلاب شناخته شد. بارش‌های بالای آستانه منجر به وقوع سیلاب شهری شده، درحالی‌که مقادیر پایین نمودار موارد بی‌خطر محسوب می‌شوند. این رویکرد، ابزار مؤثری در سیستم‌های هشدار سریع است و می‌تواند در مدیریت بحران شهری، از خسارت‌های مالی و جانی جلوگیری کند. | ||
| کلیدواژه‌ها | ||
| بارندگی؛ گزارش‌های شهروندان؛ شهر قم؛ سیلاب شهری و یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 651 تعداد دریافت فایل اصل مقاله: 550 |
||