عقیل مددی - گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
صیاد اصغری سراسکانرود - گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
سعید نگهبان - گروه جغرافیا، دانشکده اقتصاد، مدیریت و علوم اجتماعی، دانشگاه شیراز، ایران
مهری مرحمت - گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

هدف از این مطالعه توسعه مدل های حساس فرسایش خندقی با اجرای الگوریتم یادگیری ماشینی (ماشین بردار پشتیبان و درخت رگرسیون تقویت شده) در حوضه مهر است. ابتدا، مناطق خندقی شناسایی و پس از آن ۱۳ متغیر مستعد کننده فرسایش خندقی (شیب، جهت شیب، شاخص رطوبت توپوگرافی، شاخص قدرت جریان، شاخص زبری سطح، فاصله از آبراهه، تراکم زهکشی، فاصله از جاده، کاربری اراضی، پوشش گیاهی، متوسط بارندگی سالانه، زمین شناسی و بافت خاک) انتخاب شد. ضریب تورم واریانس برای ارزیابی چندخطی بین متغیرها استفاده شد. در نهایت نقشه حساسیت فرسایش خندقی در محیط (R) تهیه شد. همچنین تاثیر ویژگی­های فیزیکی و شیمیایی خاک بر فرسایش خندقی با استفاده از رگرسیون چند متغیره بررسی شد. از نظر اهمیت متغییرها، در مدل SVM کاربری اراضی و در مدل BRT زمین شناسی بیشترین تاثیر را بر فرسایش خندقی دارد. نقشه حساسیت پیش بینی شده با کمک منحنی مشخصه عملکرد گیرنده (ROC) اعتبارسنجی شد. نتایج نشان داد که مساحت زیر منحنی (AUC) در مدل های ماشین بردار پشتیبان و درخت رگرسیون تقویت شده به ترتیب ۹۲/۰ و ۹۴/۰ محاسبه شد که منجر به پیش­بینی دقیقی شد. همچنین نتایج نشان داد متغیر ماسه (۲۹۹/۹)، نسبت جذب سدیم (۹۶۷/۷) و مواد خنثی شونده (۱۸۵/۶) بیشترین تاثیر را بر فرسایش خندقی دارد

درخت رگرسیون تقویت شده, فرسایش خندقی, ماشین بردار پشتیبان, ویژگی های فیزیکی و شیمیایی, R