نوع مقاله : مقاله پژوهشی

نویسندگان

• مهدی تازه ¹
• مریم اسدی ²
• روح الله تقی زاده مهرجردی ¹
• سعیده کلانتری ¹
• مجید صادقی نیا ¹

¹ استادیار، دانشکده منابع طبیعی، دانشگاه اردکان، یزد، ایران

² دانشجوی دکتری آبخیزداری، گروه احیا مناطق خشک و کوهستانی، پردیس کشاورزی و منابع طبیعی کرج، دانشگاه تهران، کرج

چکیده

نقشه‌های ژئومورفولوژی یکی از اصلی‌‌ترین لایه‌های اطلاعاتی در مطالعات منابع طبیعی می‌باشد. تاکنون روش‌های مختلفی جهت طبقه‌ببندی و تفکیک واحدها و تیپ‌های مختلف ژئومرفولوژی ارائه شده، که اغلب آن‌ها بر پایه اطلاعات کیفی و توصیفی می‌باشد. دراین مطالعه قابلیت استفاده از پارامترهای ژئومرفومتری در تفکیک واحد کوهستان از دشت‌سر و همچنین تفکیک تیپ‌های مختلف دشت‌سر بررسی شده است. ابتدا نقشه واقعیت زمینی با استفاده از تفسیر چشمی داده‌های ماهواره‌ای و نقشه توپوگرافی تهیه و سپس شبکه نمونه‌برداری 1000 نقطه‌ای به صورت تصادفی طراحی شد. پارامتر‌های انحنای مقطع، انحنای سطح، تانژانت انحنا، انحنای متقاطع، انحنای طول و انحنای عمومی از مدل رقومی ارتفاعی و با استفاده از ابزار الحاقی DEM surface در در نرم‌افزار GIS تهیه شد و سپس مقادیر آن‌ها در تمامی نقاط شبکه نمونه‌برداری استخراج گردید. سپس از شبکه عصبی مصنوعی با ساختار 13_6_ 4 به منظور تفکیک تیپ‌ها استفاده گردید. نتایج نشان داد که امکان تفکیک تیپ‌های دشت‌سر لخت از اپانداژ با استفاده از شبکه عصبی مصنوعی وجود داشته ولی تفکیک دشت‌سر اپانداژ از پوشیده به خوبی صورت نمی‌گیرد. بدین منظور جهت بهبود عملکرد شبکه، اقدام به اضافه کردن ارزش رقومی داده‌های ماهواره‌ای لندست ۷ به مقادیر قبلی گردید. استفاده از این شبکه با در نظر گرفتن همزمان پارامترهای ژئومرفومتری و تصاویر ماهواره‌ای، دقت تفکیک واحد کوهستان، دشت‌سر لخت، دشت‌سر اپانداژ، دشت‌سر پوشیده را به ترتیب 90 ، 79، 80،   76 درصد  دارای صحت می‌باشد.

کلیدواژه‌ها

• پارامترهای ژئومرفومتری
• مناطق بیابانی
• شبکه عصبی مصنوعی
• تصاویر ماهواره‌ای
• روش‌های نیمه‌خودکار

عنوان مقاله [English]

Evaluation of Geomorphomety indicators in the semi-automatic separate Of Geomorphology types in desert areas (Case study: West North of Ardekan)

نویسندگان [English]

• Mehdi Tazeh ¹
• Maryam Asadi ²
• Rouhollah Taghizadeh Mehrjerdi ¹
• Saeedeh Kalantari ¹
• Majid Sadeghinia ¹

¹ Assistant Professor, Faculty of Natural Resources, Ardakan University, Ardakan, Iran

² D. Student of Watershed Management, Department of Reclamation of Arid and Mountainous Regions, Faculty of Natural Resources, University of Tehran, Karaj, Iran

چکیده [English]

Geomorphological map is one of the main information layers in natural resources studies. So far, various methods have been proposed for the classification and separation of various units and Geomorphological types, most of which are based on qualitative and descriptive information. In this study, the ability of geomorphometry parameters in separation of mountains from pediment and also separation of different types of pediments was investigated. First, ground truth map was prepared using visual interpretation of satellite data and topographic maps. Then the 1000-point sampling grid was designed   randomly. Parameters including profile curvature, plan curvature, tangential curvature, cross-sectional curvature, longitudinal curvature, and general curvature were prepared from digital elevation model in the GIS software. Then, their values were extracted at all points of the sampling network. Then, artificial neural network with structure of 13_6_ 4 was used to separate the units. The results showed that the erosion pediment could be separated from epandage using artificial neural network; however, the separation of epandage pediment from covered pediment was not well. For this purpose, to improve network performance, the digital value of Landsat 7 data was added to the previous values. The resolution accuracy of mountain, erosion pediment, epandage pediment, and covered pediment was calculated to be 90, 79, 80, and 76%, respectively.

کلیدواژه‌ها [English]

• Geomorphometry parameters
• Artificial Neural Network
• satellite images
• semi-automated methods