پهنه بندی کمّی زمین دیس های بزرگ محیط بیابانی با استفاده از شبکه های عصبی مصنوعی (مقایسۀ کویرهای لوت ایران و کایدام چین)
نویسندگان
چکیده
یاردانگ ها و تپه های ماسه ای مناطق فراخشک از جالب ترین زمین دیس های (لندفرم ها) مناطق بیابانی محسوب می شوند. ارائۀ روش مطلوب برای شناخت و پهنه بندی کمّی زمین ریخت شناسی این زمین دیس ها با توجه به ناممکن بودن بازدیدهای میدانی و دسترسی از اهداف این مقاله است. در این مطالعه از داده های رادار srtm/c با قدرت تفکیک زمینی معادل 90 متر که وزارت ملی فضا و هوانوردی امریکا (nasa) در سال 2003 ارائه کرد، استفاده شد. زمین دیس های بزرگی(mega landforms) نظیر یاردانگ ها و تپه های ماسه ای دشت لوت ایران و کایدام چین، به وسیلۀ یکی از روش های شبکه های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه، طبقه بندی و مقایسه شدند. نتایج این تحقیق نشان داد که منطقۀ یاردانگ های کایدام چین نسبت به منطقۀ لوت ایران دارای پیچیدگی های بیشتری در قسمت تیغه های یاردانگی است در حالی که یاردانگ های منطقۀ لوت کلاس های یکنواخت تری دارد. جزئیات پیچیدۀ یاردانگ های والی شکل کایدام نسبت به دوکی لوت سبب شده است که در این منطقه جزئیات دیگری از پارامترهای ورودی مثلاً جهت شیب در تقسیم بندی نهایی مؤثر واقع شود. بلوغ تپه های ماسه ای در ارگ لوت به علت منبع زیاد ماسه و بادهای چندجهتۀ آن سبب شده است تا درصد کلاس هایی همچون شانه و دماغۀ شیب در آن بیشتر باشد. نقشه های مورفومتریک نهایی تپه های ماسه ای در دو منطقه تشابه زیادی در اجزای هر کلاس، تعداد و ویژگی های کلاس ها دارند، اما روند تکاملی ارگ در منطقۀ لوت به خوبی قابل تشخیص است. حال آنکه در منطقۀ کایدام به علت منبع کمتر ماسه و یک جهته شدن بادها بلوغ و تغییر محسوسی از ابتدا تا انتهای ارگ دیده نمی شود. به طور کلی نتایج نشان داد که شبکۀ خودسازمانده به منزلۀ الگوریتم نظارت نشدۀ شبکه های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه اتوماتیک زمین دیس های محیط های بیابانی و تحقیق در علل تفاوت آن ها بسیار کارآمد است.
منابع مشابه
پهنهبندی کمّی زمیندیسهای بزرگ محیط بیابانی با استفاده از شبکههای عصبی مصنوعی (مقایسۀ کویرهای لوت ایران و کایدام چین)
یاردانگها و تپههای ماسهای مناطق فراخشک از جالبترین زمیندیسهای (لندفرمها) مناطق بیابانی محسوب میشوند. ارائۀ روش مطلوب برای شناخت و پهنهبندی کمّی زمین ریختشناسی این زمیندیسها با توجه به ناممکنبودن بازدیدهای میدانی و دسترسی از اهداف این مقاله است. در این مطالعه از دادههای رادار SRTM/C با قدرت تفکیک زمینی معادل 90 متر که وزارت ملی فضا و هوانوردی امریکا (NASA) در سال 2003 ارائه کرد، است...
متن کاملپهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی مطالعه موردی: حوضه کشوری (نوژیان)
حوضه آبریز کشوری در جنوب شرقی شهر خرم آباد در استان لرستان قرار دارد. این حوضه از نظر تقسیم بندی زمین ساخت ایران در زاگرس چین خورده قرار می گیرد. با توجه به نوع سازند های زمین شناسی، وضعیت توپوگرافی و وسعت آن، این حوضه از پتانسیل لغزش بالایی برخوردار بوده و از نظر لغزشی ناپایدار است. در این تحقیق برای پهنه بندی خطر زمین لغزش در این حوضه از روش شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه و الگو...
متن کاملپیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی
پیشبینی محل وقوع زلزلههای آتی همراه با تعیین درصد احتمال رخداد، میتواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محلهای پیشبینی شده، سبب افزایش توجه به طراحی، بهسازی لرزهای و ارزیابی قابلیت اعتمادپذیری سازههای موجود در این مکانها میشود. در پیشبینی زمان وقوع زلزله فرضیهها و نظریههای گستردهای مطرح است. هنوز شیوهای دقیق برای پیشبینی زمان رخداد زلزلههای آتی مورد تأیید ق...
متن کاملتشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی
وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می‍باشد که خود را بهصورت تغییر در میزان الکترون، چگالی یونها، میدانهای الکتریکی و مغناطیسی این لایه نشان میدهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایههای لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید بهعنوان پیشنشانگر شناخته میشود...
متن کاملپهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی در بخشی از حوزه آبخیز هراز
بخش بزرگی از کشور ایران را مناطق کوهستانی تشکیل میدهد. هر ساله زمینلغزش موجب خسارت به انواع سازههای مهندسی، مناطق مسکونی، جنگلها و در پی آن ایجاد رسوب و سیلابهای گلآلود و در نهایت پر شدن مخازن سدها میگردد. از آنجا که پیشبینی زمان و مکان رخداد زمینلغزش از توان دانش فعلی بشر خارج است، برای بیان حساسیت دامنهها، به پهنهبندی خطر زمینلغزش در مناطق مختلف میپردازند. در این تحقیق برای پهن...
متن کاملپهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعة موردی: حوزه سپیددشت، لرستان)
این تحقیق با هدف پهنهبندی خطر نسبی ناپایداری دامنهای و وقوع زمین لغزش در حوزه سپیددشت با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا صورت گرفته است. به منظور بررسی پایداری دامنهها در این حوزه ابتدا لغزشهای حوزه با استفاده از تصاویر ماهوارهای TM و +ETM، عکسهای هوایی 1:50000 منطقه و بازدیدهای میدانی (سال 1393) شناسایی و ثبت گردیدند. با قطع نقش...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
محیط شناسیناشر: دانشگاه تهران
ISSN 1025-8620
دوره 40
شماره 2 2014
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023