پهنه بندی کمّی زمین دیس های بزرگ محیط بیابانی با استفاده از شبکه های عصبی مصنوعی (مقایسۀ کویرهای لوت ایران و کایدام چین)
Authors
abstract
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.
similar resources
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...
full textپهنه 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...
full textپیشبینی 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...
full textتشخیص 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...
full textپهنه 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...
full textپهنه 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...
full textMy Resources
Save resource for easier access later
Journal title:
محیط شناسیPublisher: دانشگاه تهران
ISSN 1025-8620
volume 40
issue 2 2014
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023