تعیین مهمترین پارامترهای ژئومرفومتری کمی در طبقه‎بندی دشت سرهای مناطق بیابانی با استفاده از شبکه‏های عصبی مصنوعی وآنالیز حساسیت

Authors

  • حسن احمدی استاد دانشکده منابع طبیعی دانشگاه تهران ، ایران
  • مهدی تازه دانشجوی دکتری بیابانزدایی، دانشگاه تهران، ایران.
Abstract:

دشت سرها ازجمله مهمترین واحدهای ژئومرفولوژی می‏باشند که به لحاظ فعالیت‏ها انسانی و بهره برداری، بیشتر مورد توجه قرار می‏گیرند. تاکنون روش‏ها و عوامل مختلفی نیز جهت طبقه بندی مناطق دشتی ارائه شده است. یکی از روش‏های طبقه بندی که بیشتر در مطالعات منابع طبیعی در ایران مورد استفاده قرار می‏گیرد، تقسیم بندی واحد دشت سر به سه تیپ دشت سرلخت، اپانداژ و پوشیده می‏باشد که عوامل مختلف کمی و کیفی جهت تفکیک آنها از یکدیگر به کار گرفته می‏شود. در این تحقیق پارامترهای ژئومرفومتری کمی موثر در تفکیک لندفرمهای مختلف به منظور طبقه بندی تیپ‏های دشت سر، با استفاده از شبکه‏های عصبی مصنوعی و آنایز حساسیت، مورد ارزیابی و تحلیل قرار گرفت. این پارامترها در ایران کمتر مورد توجه قرار گرفته و با استفاده از معادلات ریاضی و اعمال روابط مربوطه برروی مدل‏های رقومی ارتفاعی، قابل محاسبه و استخراج می‏باشد. پارامترهای ژئومرفومتری مورد استفاده در این تحقیق   شامل درصد شیب، انحنای سطح (Plan Curvature)، انحنای مقطع (Profile Curvature)، انحنای حداقل (Minimum Curvature)، انحنای حداکثر (Maximum Curvature)، انحنای متقاطع (Cross sectional Curvature)، انحنای طولی (Longitudinal Curvature) و انحنای گوسی (Gaussian Curvature ) می‏باشد. این پارامترها در یک منطقه‏ای به وسعت 125000 هکتارو در 1500 نقطه محاسبه و سپس نتایج با نقشه واقعیت زمینی مورد مقایسه و واسنجی قرار گرفت. روش نمونه بردای در این تحقیق از نوع ابرمکعب لاتین (Latin Hyper cube) می‏باشد که به نوعی همان روش تصادفی – طبقه بندی شده می‏باشد. نتایج این تحقیق نشان می‏دهد که مهمترین پارامترهای ژئومرفومتری موثر در طبقه بندی دشتهای مناطق بیابانی شامل انحنای حداقل و انحنای مقطع می‏باشد که دارای بیشترین میزان حساسیت در بین تیپ‏های مختلف دشتی می‏باشد. از طرف دیگر هرچه از شدت توپوگرافی منطقه کاسته می‏شود، نقش و اهمیت این عوامل نیز  در تفکیک تیپهای دشتی کمرنگ تر می‏شود. بطوریکه بیشترین قابلیت این پارامترها در دشت سرهای لخت و کمترین کارایی آنها در دشت سر پوشیده می‏باشد. 

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طبقه بندی دشت سرهای مناطق بیابانی براساس پارامترهای ژئومورفومتری مطالعه موردی (عقدا، یزد)

دشت ها، از مهم ترین واحدهای ژئومورفولوژی بوده و طبقه بندی آن ها از اهمیت ویژه ای برخوردار است. تاکنون روش ها و شاخص های مختلفی جهت تفکیک تیپ های مختلف دشتی ارائه شده که اغلب برپایه ویژگی های توصیفی استوار است. طبقات دشتی مورد استفاده در این تحقیق شامل دشت سر فرسایشی، دشت سر اپانداژ و دشت سر پوشیده می باشد. در این تحقیق اقدام به معرفی و استفاده از شاخص های جدید ژئومورفومتری تعیین دامنه کمی برای ...

full text

بررسی قابلیت پارامترهای ژئومرفومتری در تفکیک مخروط‌افکنه‌های مناطق بیابانی (مطالعۀ موردی: عقدا، یزد)

This research focuses on alluvial fans in desert area. Alluvial fans are one of the most important geomorphological units in desert area. There are several tremendous methods to separate alluvial fans. There are qualitative and quantitative factors to differentiate them from other geomorphological units. In this study effective geomorphometrical parameters in differentiate landforms were applie...

full text

آنالیز حساسیت پارامترهای موثر بر غلظت ازن با استفاده از شبکه عصبی مصنوعی

Background and Objectives: Weather pollution, caused by Ozone (O3) in metropolitans, is one of the major components of pollutants, which damage the environment and hurt all living organisms. Therefore, this study attempts to provide a model for the estimation of O3 concentration in Tabriz at two pollution monitoring stations: Abresan and Rastekuche. Materials and Methods: In this research, Art...

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

تعیین ارزش دارایی‌های نامشهود با استفاده از شبکه عصبی مصنوعی

درک عوامل موثر بر ارزش شرکت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی که اقتصاد دانش‌محور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر دارایی‌های فیزیکی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 70  issue 1

pages  197- 206

publication date 2017-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023