طبقه بندی نیمه اتوماتیک ژئومورفومتریکی یاردانگ های لوت با شبکه های عصبی مصنوعی

یاردانگ های منطقة فراخشک لوت یکی از منحصربه فردترین لندفرم های آّبی- بادی مناطق بیابانی است. شناخت و پهنه بندی ژئومورفومتریک این یاردانگ ها، با توجه به میسرنبودنِ بازدیدهای میدانی و دسترسی به منطقه، دقت مطلوبی نخواهد داشت. در این مطالعه یاردانگ های دشت لوت، با توپوگرافی ویژه و خاص، با یکی از روش های شبکه های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه و طبقه بندی شد. نخست 22 پارامتر مورفومتریک نمای اول، نمای دوم، و نمای سوم از مدل رقومی ارتفاعی با اندازة سلول 10 متر بر اساس برنامه نویسی و با کمک برازش سطوح درجة دوم و درجة سوم در نرم افزار مت لب محاسبه و استخراج شد. در مرحلة بعد، 7 پارامتر مورفومتریک مؤثر در طبقه بندی و همین طور تعداد کلاس های بهینة طبقه بندی 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 طبقه بندی شد و نتایج با استفاده از اطلاعات موجود و نقشه های توپوگرافی مقایسه گردید. نتایج این تحقیق نشان داد که پارامترهای انحنای سطحی، چرخش، انتگرال ارتفاع سنجی، کل انحنای تجمعی، شیب، انحنای حدی، و متوسط انحنا بهینه ترین پارامترهای مورفومتریک در جدایی یاردانگ ها هستند. همچنین، پارامترهای فوق یاردانگ های لوت را به هفت پهنه تقسیم می کنند؛ این پهنه ها عبارت اند از: درة گردنه ای، گودی بیضوی، کریدور کم شیب، شانة یاردانگ با شیب مقعر، شانة یاردانگ با شیب محدب، رأس یاردانگ، و آبراهة کریدور. نتایج تحلیل حساسیت نشان داد که نتایج طبقه بندی به پارامترهای چرخش، متوسط انحنا، و انتگرال ارتفاع سنجی دارای بیشترین حساسیت اند و جفت پارامترهای انتگرال ارتفاع سنجی- انحنای حدی دارای بیشترین قدرت تفکیک کلاس ها هستند. به طور کلی، شبکة خودسازمانده به عنوان یک الگوریتم نظارت نشدة شبکه های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه اتوماتیک لندفرم های بیابان بسیار کارآمد است.