بهبود تخمین فاکتور C در مدل فرسایش خاک RUSLE بوسیله الگوریتم گرگ خاکستری

ابراهیم‌زاده, سمیه; علوی پناه, سید کاظم; محبوب, وحید

بهبود تخمین فاکتور C در مدل فرسایش خاک RUSLE بوسیله الگوریتم گرگ خاکستری

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشجوی دکتری سنجش‌از‌دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران

² استاد گروه سنجش‌از‌دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران

³ استادیار گروه گروه مهندسی نقشه برداری ، دانشکده فنی، دانشگاه آزاد اسلامی، واحد زنجان

چکیده

فرسایش خاک یکی از مخاطرات طبیعی است که باعث کاهش کیفیت و تخریب آب ، خاک و زندگی بشر می شود، بنابراین، انجام عملیات حفاظت خاک در مناطقی که فرسایش سریع رخ می‌دهد ضروری است. نرخ فرسایش خاک معمولا با استفاده از مدل‌های تخمین و پیشبینی فرسایش محاسبه می‌شود. به دلیل داده های در دسترس‌تر و سهولت استفاده، معروف ترین و پرکاربردترین این مدلها معادله جهانی تلفات خاک (USLE) و نسخه بازبینی شده آن (RUSLE) است. دربین فاکتورهای مدل RUSLE ، فاکتور C (فاکتور پوشش زمین) به دلیل اهمیت زیاد و تعدد روشهای پیشنهادی تخمین آن ، بیشتر مورد توجه و مطالعه قرار می‌گیرد. رایج ترین روش تخمین فاکتور C بر اساس رگرسیونهای شاخص‌های گیاهی سنجش از دور به ویژه NDVI می‌باشد زیرارویکردهای مبتنی بر فناوری سنجش از دور محدودیت زمانی و مکانی کمتری در تشخیص پوشش گیاهی دارد و رابطه معنادار فاکتور C با شاخص‌‌های گیاهی سنجش از دور در تحقیقات پیشین اثبات شده است. هدف از این مطالعه بهبود تخمین فاکتور C در مدل RUSLE با استفاده از رگرسیون شاخص‌های پوشش گیاهی NDVI و SAVI و با کمک الگوریتم بهینه ساز گرگ خاکستری است. مزایای بهینه ساز گرگ خاکستری بر سایر روشهای فراابتکاری از جمله سادگی، انعطاف‌پذیری در حل مسائل مختلف، سهولت پیاده سازی، قابلیت بهبود و توسعه ، کم بودن پارامترهای کنترل الگوریتم ، تعادل بین اکتشاف و بهره برداری طی جستجو و نیز نتایج با صحت بهتر در مطالعات پیشین بحث شده است. بنابراین در این مطالعه ضرایب رگرسیون تخمین فاکتور C با الگوریتم بهینه‌ سازگرگ خاکستری بهینه شد. نتایج این مطالعه حاکی از بهبود صحت تخمین فاکتور C در پوشش های مختلف زمین با روش ارائه شده نسبت به رگرسیونهای پیشین است؛ بنابراین استفاده از رگرسیونهای پیشنهادی به جای رگرسیونهای پیشین در تعیین این فاکتور هنگام مدلسازی RUSLE پیشنهاد می‌شود.

کلیدواژه‌ها