ارزیابی تطبیقی الگوریتمهای یادگیری ماشین و یادگیری عمیق در استخراج لندفرمهای مناطق بیابانی، مطالعه موردی: جنوب خاوری گرمسار | ||
| پژوهش های جغرافیای طبیعی | ||
| دوره 58، شماره 1، بهار 1405، صفحه 81-100 اصل مقاله (1.86 M) | ||
| نوع مقاله: مقاله کامل | ||
| شناسه دیجیتال (DOI): 10.22059/jphgr.2026.406619.1007910 | ||
| نویسندگان | ||
| فاطمه عمادالدین؛ علی احمدآبادی* ؛ عزت اله قنواتی | ||
| گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه خوارزمی، تهران، ایران | ||
| چکیده | ||
| نقشههای ژئومورفولوژی ابزارهای اساسی در تحلیل فرآیندهای ژئومورفولوژیکی، هیدرولوژیکی و مدیریت منابع طبیعی به شمار میآیند. روشهای سنتی تهیه این نقشهها که بر مشاهدات میدانی و تفسیر بصری تصاویر هوایی متکی هستند، به دلیل زمانبر بودن و هزینههای بالا با محدودیت روبهرو میشوند. در این پژوهش، برای تهیه نقشه ژئومورفولوژی دقیق در جنوب خاوری گرمسار، از دو رویکرد یادگیری ماشین (جنگل تصادفی) و یادگیری عمیق (U-Net) استفاده شد. دادههای ورودی شامل تصاویر سنتینل-2 آ سال 2024، مدل رقومی ارتفاع 10 متری و شاخصهای مورفومتری همچون رطوبت توپوگرافی، انحنای کلی، زبری و شاخص رطوبت نرمالشده بود. نتایج نشان داد الگوریتم جنگل تصادفی در تفکیک لندفرمهایی با ویژگیهای مورفومتریک بارز، بهویژه مخروطافکنههای جوان و قدیمی، عملکرد قابلتوجهی دارد. در مقابل، U-Net در شناسایی لندفرمهایی با بافت پیچیده و مرزهای نامنظم مانند تپهماهورها، دشتهای رسی، ریگی فعال و غیرفعال، اراضی مرطوب و اراضی شور دقت بالاتری ارائه کرد. الگوریتم U-Net مرز واحدهای کوهستانی و دشتی را نیز با تفکیکپذیری بیشتری بازسازی نمود. دقت کلی و ضریب کاپای جنگل تصادفی به ترتیب 89 درصد و 86/0 بود؛ درحالیکه U-Net دقت کلی 94 درصد و ضریب کاپای 92/0 را نشان داد. بهطورکلی، نتایج نشان میدهد بهکارگیری تلفیقی الگوریتمهای یادگیری ماشین و یادگیری عمیق، در ترکیب با دادههای سنجشازدور و شاخصهای مورفومتری، قابلیت بالایی در استخراج دقیق لندفرمها بهویژه در محیطهای بیابانی با ناهمگنی فضایی و مرزهای پیچیده دارد. این رویکرد میتواند بهعنوان چارچوبی کارآمد و قابلتعمیم برای نقشهبرداری ژئومورفولوژی، پایش تغییرات محیطی و پشتیبانی از تصمیمگیری در مدیریت پایدار سرزمین مورداستفاده قرار گیرد. | ||
| کلیدواژهها | ||
| جنگل تصادفی؛ گرمسار؛ مورفومتری؛ نقشه ژئومورفولوژی؛ U_Net | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 408 تعداد دریافت فایل اصل مقاله: 182 |
||