طبقهبندی نیمهاتوماتیک ژئومورفومتریکی یاردانگهای لوت با شبکههای عصبی مصنوعی | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 3، دوره 67، شماره 3، 1393، صفحه 359-380 اصل مقاله (2 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2014.52826 | ||
| نویسندگان | ||
| امیر هوشنگ احسانی* 1؛ مرضیه فروتن2 | ||
| 1دانشیار دانشکدة محیط زیست، دانشگاه تهران | ||
| 2دانشجوی دکتری جغرافیا، دانشگاه کلگری کانادا | ||
| چکیده | ||
| یاردانگهای منطقة فراخشک لوت یکی از منحصربهفردترین لندفرمهای آّبی- بادی مناطق بیابانی است. شناخت و پهنهبندی ژئومورفومتریک این یاردانگها، با توجه به میسرنبودنِ بازدیدهای میدانی و دسترسی به منطقه، دقت مطلوبی نخواهد داشت. در این مطالعه یاردانگهای دشت لوت، با توپوگرافی ویژه و خاص، با یکی از روشهای شبکههای عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه و طبقهبندی شد. نخست 22 پارامتر مورفومتریک نمای اول، نمای دوم، و نمای سوم از مدل رقومی ارتفاعی با اندازة سلول 10 متر بر اساس برنامهنویسی و با کمک برازش سطوح درجة دوم و درجة سوم در نرمافزار متلب محاسبه و استخراج شد. در مرحلة بعد، 7 پارامتر مورفومتریک مؤثر در طبقهبندی و همین طور تعداد کلاسهای بهینة طبقهبندی طی دو مرحله با استفاده از شاخص فاکتور ضریب بهینه و ضریب داویس- بولدین (ضریب دی- بی) تعیین گردید. سپس، از آنالیز حساسیت به منظور تعیین میزان تأثیر هر یک از پارامترهای مورفومتریک ورودی بر روی نتایج استفاده شد. در نهایت، پارامترهای بهینة مورفومتریک با الگوریتم شبکة خودسازمانده طبقهبندی شد و نتایج با استفاده از اطلاعات موجود و نقشههای توپوگرافی مقایسه گردید. نتایج این تحقیق نشان داد که پارامترهای انحنای سطحی، چرخش، انتگرال ارتفاعسنجی، کل انحنای تجمعی، شیب، انحنای حدی، و متوسط انحنا بهینهترین پارامترهای مورفومتریک در جدایی یاردانگها هستند. همچنین، پارامترهای فوق یاردانگهای لوت را به هفت پهنه تقسیم میکنند؛ این پهنهها عبارتاند از: درة گردنهای، گودی بیضوی، کریدور کمشیب، شانة یاردانگ با شیب مقعر، شانة یاردانگ با شیب محدب، رأس یاردانگ، و آبراهة کریدور. نتایج تحلیل حساسیت نشان داد که نتایج طبقهبندی به پارامترهای چرخش، متوسط انحنا، و انتگرال ارتفاعسنجی دارای بیشترین حساسیتاند و جفت پارامترهای انتگرال ارتفاعسنجی- انحنای حدی دارای بیشترین قدرت تفکیک کلاسها هستند. به طور کلی، شبکة خودسازمانده به عنوان یک الگوریتم نظارتنشدة شبکههای عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمهاتوماتیک لندفرمهای بیابان بسیار کارآمد است. | ||
| کلیدواژهها | ||
| دشت لوت؛ ژئومورفولوژی کمّی؛ ضریب دی- بی؛ فاکتور؛ ضریب بهینه؛ مدل رقومی ارتفاع؛ نقشههای خودسازمانده | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,439 تعداد دریافت فایل اصل مقاله: 1,167 |
||