نشریه علمی - پژوهشی مرتع و آبخیزداری
تعیین مهمترین پارامترهای ژئومرفومتری کمی در طبقه‎بندی دشت سرهای مناطق بیابانی با استفاده از شبکه‏های عصبی مصنوعی وآنالیز حساسیت

غلامرضا زهتابیان؛ حسن احمدی؛ علی اکبر نظری سامانی؛ امیر هوشنگ احسانی؛ مهدی تازه

دوره 70، شماره 1 ، خرداد 1396، ، صفحه 197-206

https://doi.org/10.22059/jrwm.2017.61976

چکیده
  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 ...  بیشتر

طبقه‌بندی نیمه‌اتوماتیک ژئومورفومتریکی یاردانگ‌های لوت با شبکه‌های عصبی مصنوعی

امیر هوشنگ احسانی؛ مرضیه فروتن

دوره 67، شماره 3 ، آبان 1393، ، صفحه 359-380

https://doi.org/10.22059/jrwm.2014.52826

چکیده
  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 ...  بیشتر

کاربرد شبکة عصبی مصنوعی در پیش‌بینی و شبیه‌سازی شاخص اقلیمی خشک‌سالی هواشناسی دهک بارش (مطالعة موردی: استان سیستان و بلوچستان)

آرش ملکیان؛ مه رو ده بزرگی؛ امیر هوشنگ احسانی؛ امیر رضا کشتکار

دوره 67، شماره 1 ، اردیبهشت 1393، ، صفحه 127-139

https://doi.org/10.22059/jrwm.2014.50834

چکیده
  محدودیت منابع آب ناشی از خشک‌سالی‌های متوالی، از مهم‌ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش‌بینی سیکل خشک‌سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکة عصبی مصنوعی استفاده شد. داده‌های مورد استفادة ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (DPI) ایستگاه‌‌ها است که از سال 1350 تا 1379 برای آموزش ...  بیشتر