پهنه‌بندی کمّی زمین‌دیس‌های بزرگ محیط بیابانی با استفاده از شبکه‌های عصبی مصنوعی (مقایسۀ کویرهای لوت ایران و کایدام چین)

Authors

Abstract:

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، استفاده شد. زمین‌دیس‌های بزرگی(Mega Landforms) نظیر یاردانگ‌ها و تپه‌های ماسه‌ای دشت لوت ایران و کایدام چین، به وسیلۀ یکی از روش‌های شبکه‌های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه، طبقه‌بندی و مقایسه شدند. نتایج این تحقیق نشان داد که منطقۀ یاردانگ‌های کایدام چین نسبت به منطقۀ لوت ایران دارای پیچیدگی‌های بیشتری در قسمت تیغه‌های یاردانگی است در حالی که یاردانگ‌های منطقۀ لوت کلاس‌های یکنواخت‌تری دارد. جزئیات پیچیدۀ یاردانگ‌های والی‌شکل کایدام نسبت به دوکی لوت سبب شده است که در این منطقه جزئیات دیگری از پارامترهای ورودی مثلاً جهت شیب در تقسیم‌بندی نهایی مؤثر واقع شود. بلوغ تپه‌های ماسه‌ای در ارگ لوت به علت منبع زیاد ماسه و بادهای چندجهتۀ آن سبب شده است تا درصد کلاس‌هایی همچون شانه و دماغۀ شیب در آن بیشتر باشد. نقشه‌های مورفومتریک نهایی تپه‌های ماسه‌ای در دو منطقه ‌تشابه زیادی در اجزای هر کلاس، تعداد و ویژگی‌های کلاس‌ها دارند، اما روند تکاملی ارگ در منطقۀ لوت به خوبی قابل تشخیص است. حال آنکه در منطقۀ کایدام به علت منبع کمتر ماسه و یک‌جهته‌شدن بادها بلوغ و تغییر محسوسی از ابتدا تا انتهای ارگ دیده نمی‌شود. به طور کلی نتایج نشان داد که شبکۀ خودسازمانده به‌منزلۀ الگوریتم نظارت‌نشدۀ شبکه‌های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه‌اتوماتیک زمین‌دیس‌های محیط‌های بیابانی و تحقیق در علل تفاوت آن‌ها بسیار کارآمد است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پهنه بندی کمّی زمین دیس های بزرگ محیط بیابانی با استفاده از شبکه های عصبی مصنوعی (مقایسۀ کویرهای لوت ایران و کایدام چین)

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، است...

full text

تعیین مهمترین پارامترهای ژئومرفومتری کمی در طبقه‎بندی دشت سرهای مناطق بیابانی با استفاده از شبکه‏های عصبی مصنوعی وآنالیز حساسیت

دشت سرها ازجمله مهمترین واحدهای ژئومرفولوژی می‏باشند که به لحاظ فعالیت‏ها انسانی و بهره برداری، بیشتر مورد توجه قرار می‏گیرند. تاکنون روش‏ها و عوامل مختلفی نیز جهت طبقه بندی مناطق دشتی ارائه شده است. یکی از روش‏های طبقه بندی که بیشتر در مطالعات منابع طبیعی در ایران مورد استفاده قرار می‏گیرد، تقسیم بندی واحد دشت سر به سه تیپ دشت سرلخت، اپانداژ و پوشیده می‏باشد که عوامل مختلف کمی و کیفی جهت تفکیک...

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

پیش بینی رفتار مشتریان با استفاده از تکنیک شبکههای عصبی مصنوعی

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاریهای کلان در بازارها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی، با درجه بالایی از دقت به کار برده می شوند. امروزه میتوان با استفاده از تکنیک های داده کاوی و شبکه های عصبی به بررسی و ...

full text

طبقه‌بندی نیمه‌اتوماتیک ژئومورفومتریکی یاردانگ‌های لوت با شبکه‌های عصبی مصنوعی

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 مورفوم...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 40  issue 2

pages  515- 527

publication date 2014-06-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023