TY - JOUR ID - 52826 TI - طبقه‌بندی نیمه‌اتوماتیک ژئومورفومتریکی یاردانگ‌های لوت با شبکه‌های عصبی مصنوعی JO - نشریه علمی - پژوهشی مرتع و آبخیزداری JA - JRWM LA - fa SN - 5044-2008 AU - احسانی, امیر هوشنگ AU - فروتن, مرضیه AD - دانشیار دانشکدة محیط زیست، دانشگاه تهران AD - دانشجوی دکتری جغرافیا، دانشگاه کلگری کانادا Y1 - 2014 PY - 2014 VL - 67 IS - 3 SP - 359 EP - 380 KW - دشت لوت KW - ژئومورفولوژی کمّی KW - ضریب دی- بی KW - فاکتور KW - ضریب بهینه KW - مدل رقومی ارتفاع KW - نقشه‌های خودسازمانده DO - 10.22059/jrwm.2014.52826 N2 - 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 مورفومتریک نمای اول، نمای دوم، و نمای سوم از مدل رقومی ارتفاعی با اندازة سلول 10 متر بر اساس برنامه‌نویسی و با کمک برازش سطوح درجة دوم و درجة سوم در نرم‌افزار مت‌لب محاسبه و استخراج شد. در مرحلة بعد، 7 پارامتر مورفومتریک مؤثر در طبقه‌بندی و همین طور تعداد کلاس‌های بهینة طبقه‌بندی 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 طبقه‌بندی شد و نتایج با استفاده از اطلاعات موجود و نقشه‌‌های توپوگرافی مقایسه گردید. نتایج این تحقیق نشان داد که پارامترهای انحنای سطحی، چرخش، انتگرال ارتفاع‌سنجی، کل انحنای تجمعی، شیب، انحنای حدی، و متوسط انحنا بهینه‌ترین پارامترهای مورفومتریک در جدایی یاردانگ‌ها هستند. همچنین، پارامترهای فوق یاردانگ‌های لوت را به هفت پهنه تقسیم می‌کنند؛ این پهنه‌ها عبارت‌اند از: درة گردنه‌ای، گودی بیضوی، کریدور کم‌شیب، شانة یاردانگ با شیب مقعر، شانة یاردانگ با شیب محدب، رأس یاردانگ، و آبراهة کریدور. نتایج تحلیل حساسیت نشان داد که نتایج طبقه‌بندی به پارامترهای چرخش، متوسط انحنا، و انتگرال ارتفاع‌سنجی دارای بیشترین حساسیت‌اند و جفت پارامترهای انتگرال ارتفاع‌سنجی- انحنای حدی دارای بیشترین قدرت تفکیک کلاس‌ها هستند. به طور کلی، شبکة خودسازمانده به عنوان یک الگوریتم نظارت‌نشدة شبکه‌های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه‌اتوماتیک لندفرم‌های بیابان بسیار کارآمد است. UR - https://jrwm.ut.ac.ir/article_52826.html L1 - https://jrwm.ut.ac.ir/article_52826_b1e40e2ae0181a1b9d5200aa2b5eb878.pdf ER -