جستجوی مقالات مرتبط با کلیدواژه "دشت لوت" در نشریات گروه "آبخیزداری، بیابان، محیط زیست، مرتع"
تکرار جستجوی کلیدواژه «دشت لوت» در نشریات گروه «کشاورزی»جستجوی دشت لوت در مقالات مجلات علمی
-
یاردانگ های منطقه فراخشک لوت یکی از منحصربه فردترین لندفرم های آبی- بادی مناطق بیابانی است. شناخت و پهنه بندی ژئومورفومتریک این یاردانگ ها، با توجه به میسرنبودن 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 اندازه سلول 10 متر بر اساس برنامه نویسی و با کمک برازش سطوح درجه دوم و درجه سوم در نرم افزار مت لب محاسبه و استخراج شد. در مرحله بعد، 7 پارامتر مورفومتریک موثر در طبقه بندی و همین طور تعداد کلاس های بهینه 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 تاثیر هر یک از پارامترهای مورفومتریک ورودی بر روی نتایج استفاده شد. در نهایت، پارامترهای بهینه مورفومتریک با الگوریتم شبکه 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: دره گردنه ای، گودی بیضوی، کریدور کم شیب، شانه یاردانگ با شیب مقعر، شانه یاردانگ با شیب محدب، راس یاردانگ، و آبراهه 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، شبکه خودسازمانده به عنوان یک الگوریتم نظارت نشده شبکه های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه اتوماتیک لندفرم های بیابان بسیار کارآمد است.
کلید واژگان: دشت لوت, ژئومورفولوژی کمی, ضریب دی, بی, فاکتور, ضریب بهینه, مدل رقومی ارتفاع, نقشه های خودسازماندهIn this study the land surface in western half of hyper-arid Lut desert، in south east of Iran، which is covered by Yardangs، a worldwide typical landform for Aeolian erosion، were classified by Self Organizing Maps (SOM) method. In the first step by using Digital Elevation Model with 10 m resolution and Matlab software، 22 morphometric parameters were calculated based on derivative of the surface elevation with first، second and third orders. In the second step most affective parameters for classification and the optimum number of classes were found through utilizing Optimum Index Factor and Davies Bouldin Index. Finally SOM classification was performed on seven morphometric parameters to result in seven classes. The results showed that most appropriate parameters in classification of area are plan curvature، rotor، hypsometric Integral، total accumulation curvature، slope steepness، extreme curvature and mean curvature. The study area were divided to seven classes including saddle valley، Concave ellipsoid، Gentle slope corridor، shoulder with concave slope، shoulder with convex slope، ridge، corridor channels. Sensitivity analysis results revealed that the most sensitive parameters are rotor، mean curvature and hypsometric Integral. Also the results of Jeffreys-Matusita Distance illustrated that parameter pair hypsometric integral / extreme curvature has the most ability in separation of classes in this area. Comparison of the separated classes with the landforms on aerial photographs confirms our classification results.Keywords: D, B index, DEM, Lut desert, OIF, quantitative geomorphology, Self Organizing Maps (SOM)
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.