علیرضا سپه وند؛ حسن احمدی؛ علی اکبر نظری سامانی؛ سباستیانو ترویسانی
چکیده
استفاده از شاخصهای ژئومورفومتری در تفکیک ناهمواریهای سطح زمین کاربرد گستردهای را طی دهۀ گذشته در علم ژئومورفولوژی داشته است. در این تحقیق از روش پرسپترون چند لایۀ شبکۀ عصبی مصنوعی برای طبقهبندی ناهمواریهای کارستی استفاده شد. ابتدا با استفاده از نقشۀ مدل رقومی ارتفاع، شاخصهای ژئومورفومتری تهیه شد و سپس این شاخصها ...
بیشتر
استفاده از شاخصهای ژئومورفومتری در تفکیک ناهمواریهای سطح زمین کاربرد گستردهای را طی دهۀ گذشته در علم ژئومورفولوژی داشته است. در این تحقیق از روش پرسپترون چند لایۀ شبکۀ عصبی مصنوعی برای طبقهبندی ناهمواریهای کارستی استفاده شد. ابتدا با استفاده از نقشۀ مدل رقومی ارتفاع، شاخصهای ژئومورفومتری تهیه شد و سپس این شاخصها بهعنوان نرونهای لایۀ ورودی در شبکۀ عصبی مصنوعی استفاده شد. علاوه بر این از نمودارهای جعبهای برای تحلیل ارتباط ناهمواریهای کارستی همچون دولین، تپه، دشت کارستی، درۀ کارستی و پرتگاه با شاخصهای ژئومورفومتری استفاده شد. نتایج طبقهبندی نشان داد که ناهمواریهای منطقۀ مورد مطالعه بهترتیب شامل 34، 9/6، 07/1، 5/48 و 51/9 درصد دره، دشت، دولین، پرتگاه و تپه میباشد. علاوه بر این، نتایج نشان داد که مدل بهینۀ شبکۀ عصبی مصنوعی برای طبقهبندی ناهمواریها، مدل 1-9-12 با ضریب یادگیری 1/0 و ضریب تبیین 18/87 درصد بود و دقت روش ابداعی برای طبقهبندی ناهمواریهای کارستی 58/90 درصد میباشد. همچنین تحلیلها نماینده این است که تغییرات شاخصهای ژئومورفومتری در ناهمواریهای تپه، پرتگاه و درهکارستی بسیار نمایان بوده ولی در دشت و دولین کمی دارای همپوشانی هستند.