انجمن آبخیزداری ایران مجله اکوهیدرولوژی 2423-6098 6 4 2019 12 22 Assessment and Zoning of Flood Risk in Golestan National Park ارزیابی و پهنه‌بندی وقوع مخاطرۀ سیلاب در پارک ملی گلستان 1055 1068 74452 10.22059/ije.2019.285430.1163 FA حسن فرامرزی دانشجوی دکتری جنگل‌داری دانشگاه تربیت مدرس، دانشکدۀ منابع طبیعی و علوم دریایی نور، مازندران‌ سید محسن حسینی استاد گروه جنگل‌داری دانشگاه تربیت مدرس، دانشکدۀ منابع طبیعی و علوم دریایی نور، مازندران حمیدرضا پورقاسمی دانشیار بخش مهندسی منابع طبیعی و محیط زیست، دانشکدۀ کشاورزی، دانشگاه شیراز، شیراز‌ مهدی فرنقی محقق مرکز GIS، گروه جغرافیای فیزیکی و علوم اکوسیستم، دانشگاه لند، سوئد‌ Journal Article 2019 05 22 Identifying the flood susceptible areas is a vital and substantial element of disaster management to control and mitigate injuries of the natural hazards. The purpose of this study was to identify the important variables in creating flood areas and to present the potential hazard of flood in Golestan National Park (GNP) using machine learning techniques including random forest (RF), boosted regression tree (BRT) and maximum entropy (ME) models. In order to achieve these purposes, firstly, factors were determined by reviewing the relevant sources, and the databases were created by sorting out these factors. Finally, Flood risk modeling was done using machine learning techniques and the accuracy assessment were determined using the ROC method and real data recorded in nature. The results of the models showed the importance of elevation, distance from the river and transit road, moisture and maximum temperature variables in the event of flood hazard. So that the results of the BRT showed role elevation variable to be 38.9%, mean temperature 19/2 %, Rainfall 13/6 %  and distance from the rivers 13% and the results of ME showed role elevation, mean temperature and distance of road  variables to be respectively 35.7, 22/4 and 13.8%. The results of the accuracy assessment models using 30% of the data that were not included in the modeling the ROC value showed BRT and RF model with 0.99 values, and the proper accuracy ME was with value of 0.89. The maps obtained from these models estimated 4,500 hectares of park area among the high risk areas. شناسایی مناطق حساس به سیل، عنصر حیاتی و مهمی برای کنترل و کاهش تلفات سیل به‏شمار می‏آید. هدف از تحقیق حاضر، شناسایی متغیرهای مهم در ایجاد مناطق سیل‏گیر و ارائۀ پتانسیل مخاطرۀ سیل پارک ملی گلستان با استفاده از تکنیک‏های یادگیری ماشین شامل مدل جنگل تصادفی، درخت رگرسیون تقویت‌شده و آنتروپی بیشینه است. برای رسیدن به اهداف یادشده، ابتدا عوامل تأثیرگذار با توجه به مرور منابع تعیین شده و پایگاه داده‏ها ایجاد شد. در نهایت، با استفاده از تکنیک‏های یادگیری ماشین مدل‏سازی مخاطرۀ سیل صورت گرفت و دقت این مدل‏ها با استفاده از روش منحنی‏ ROC و داده‏های واقعی از رخ‏داد سیل بررسی شد. نتایج مدل‏ها، اهمیت زیاد متغیرهای ارتفاع از سطح دریا، میانگین دمای سالیانه، فاصله از آبراهه‏ها، بارش و فاصله از جادۀ ترانزیتی را در وقوع مخاطرۀ سیل نشان دادند. نتایج به‌دست‌آمده از درخت رگرسیون تقویت‌شده تأثیر متغیر ارتفاع از سطح دریا، میانگین دمای سالیانه، بارندگی و فاصله از آبراهه‏ها را به‌ترتیب، 9/38، 2/19، 6/13 و 13 درصد نشان داد. همچنین، در نتایج حاصل از آنتروپی بیشینۀ متغیرهای ارتفاع از سطح دریا، میانگین دما و جادۀ ترانزیتی به‌ترتیب با مقدار مشارکت 7/35، 4/22 و 5/19 درصد جزء متغیرهای مهم به‌دست آمدند. نتایج به‌دست‌آمده از ارزیابی صحت مدل‏ها با استفاده از 30 درصد از داده‏های وقوع سیل که در مدل‏سازی وارد نشده بود نیز دقت زیاد مدل درخت رگرسیون تقویت‌شده و جنگل تصادفی را با مقدار ROC، 99/0 و دقت مناسب آنتروپی بیشینه را با مقدار ROC، 89/0 نشان داد، به‏طوری ‏که نقشه‏های به‌دست‌آمده از این مدل‏ها به طور مشترک 4500 هکتار از مساحت پارک را دارای احتمال زیاد خطر سیل برآورد کردند. https://ije.ut.ac.ir/article_74452_c23cdba763f3f3991e9d3632da0154a4.pdf