نگار ارجمند؛ علیرضا سپهوند؛ امید رحمتی
چکیده
مقدمهامروزه مطالعه فرسایش خندقی بهدلیل تولید رسوب و خسارات متعدد در نتیجه فعالیتهای انسانی از اهمیت بالایی برخوردار است. در مطالعات انجام شده عوامل طبیعی زیادی بهعنوان عوامل کنترل کننده فرسایش آبکندی گزارش شدهاند که ازجمله میتوان به عوامل زمین-محیطی که شرایط بحرانی برای وقوع و توسعه فرسایش آبکندی را کنترل میکنند و ...
بیشتر
مقدمهامروزه مطالعه فرسایش خندقی بهدلیل تولید رسوب و خسارات متعدد در نتیجه فعالیتهای انسانی از اهمیت بالایی برخوردار است. در مطالعات انجام شده عوامل طبیعی زیادی بهعنوان عوامل کنترل کننده فرسایش آبکندی گزارش شدهاند که ازجمله میتوان به عوامل زمین-محیطی که شرایط بحرانی برای وقوع و توسعه فرسایش آبکندی را کنترل میکنند و در درجه اول با توپوگرافی، سنگشناسی، بارندگی، خاک و کاربری اراضی مرتبط هستند اشاره کرد. شناسایی عوامل مؤثر در وقوع فرسایش آبکندی و پهنهبندی آن یکی از ابزارهای اساسی و مهم برای کنترل و مدیریت این پدیده است. فرسایش آبکندی یک خطر مهم برای وضعیت اکوسیستمها در سراسر جهان است، در نتیجه توسعه نقشههای حساسیت فرسایش آبکندی ضروری است. بنابراین این پژوهش بهمنظور پهنهبندی حساسیت وقوع فرسایش آبکندی با استفاده از مدلهای هوش مصنوعی از نوع شبکه عصبی مصنوعی (MLP)، حداکثرآنتروپی (MaxEnt)، تحلیل تفکیککنندهانعطافپذیر (FDA)، در شهرستان الشتر انجام شد. مواد و روشهامنطقه مورد مطالعه از نظر ژئومورفولوژیکی در بخش مرکزی رشتهکوه زاگرس در استان لرستان قرار دارد که خود بخشی از زیرحوضه کرخه است. شهرستان الشتر با مساحت 1523.55 کیلومتر مربع بین طولهای جغرافیایی”38 ΄03 ْ48 تا ”52 ΄30 48 شرقی و عرضهای ”37 ΄44 33 تا ”21΄01 34 شمالی قرار دارد. میانگین بارندگی حوضه حدود 570 میلیمتر و دارای اقلیم نیمهخشک و سرد است. برای پهنهبندی حساسیت به وقوع فرسایش خندقی با استفاده از مدلهای هوش مصنوعی و تعیین بهترین مدل، از مدلهای شبکه عصبی مصنوعی (MLP) حداکثرآنتروپی (MaxEnt)، تحلیل تفکیککنندهانعطافپذیر (FDA)، استفاده شد. در این تحقیق از 12 عامل شیب، جهت شیب، بارش، فاصله از جاده، فاصله از رودخانه، فاصله از گسل، خاک، کاربری اراضی، سازند زمینشناسی، شاخص رطوبت توپوگرافی (TWI)، شاخص موقعیت توپوگرافی TPI و شاخص پوشش گیاهی NDVI به عنوان پارامترهای ورودی و نقاط خندقی و غیرخندقی بهعنوان پارامترهای خروجی برای مدلسازی و پهنهبندی حساسیت به وقوع خندق استفاده شد. سپس از مجموع 151 نقطه وقوع و عدم وقوع خندق (89 خندق و 62 غیر خندق)، 70 درصد بهعنوان دادههای آموزش و 30 درصد برای مرحله اعتبارسنجی استفاده شد. بهمنظور ارزیابی مدلها، از منحنی تشخیص عملکرد نسبی (ROC) برای قدرت پیشبینی مدلها استفاده شد. نتایج و بحثنتایج نشان داد که مدل MLP با مقادیر AUC برابر با 0.98 در مرحله آموزش و 0.92 در مرحله اعتبارسنجی، بهترین عملکرد را در پیشبینی حساسیت وقوع فرسایش آبکندی دارد. پس از آن بهترتیب مدلهای ( 0.87=AUC) FDA و (0.5=AUC) MaxEnt قرار دارند. تحلیل عوامل مؤثر نشان داد که بیشترین آبکندها در طبقات بارشی ۷۰۰-۶۰۰ میلیمتر، فواصل بیش از ۳۰۰ متر از گسل، جاده و رودخانه، شیبهای ۰-۵ و ۵-۱۵ درصد، جهتهای شمالی، کاربری کشاورزی دیم و سازندهای آبرفت قدیم و مارنها واقع شدهاند. همچنین بین شاخصهای TWI و NDVI بهترتیب رابطه مستقیم و معکوس با وقوع آبکند مشاهده شد. در نهایت، نقشه نهایی پهنهبندی حساسیت فرسایش آبکندی با استفاده از مدل برتر MLP تهیه شد. نتیجهگیریبا توجه به اینکه فرسایش آبکندی یکی از شکلهای پیشرفته فرسایش آبی است، شناسایی عوامل مؤثر و پهنهبندی آن برای کنترل و مدیریت این پدیده حائز اهمیت است. این مطالعه با هدف شناسایی عوامل مهم و تأثیرگذار در فرسایش آبکندی و ایجاد مدلهای یادگیری ماشین برای پهنهبندی حساسیت وقوع به فرسایش آبکندی در شهرستان الشتر انجام شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی (MLP) بهترین عملکرد را با توجه به معیار ارزیابی مدل (0.92=AUC) کسب کرده است و پس از آن بهترتیب مدلهای ( 0.87=AUC) FDA و ( 0.5=AUC) MaxEnt قرار دارند. نتایج بهدستآمده از این پژوهش، دیدگاه مناسبی را در مورد تأثیر عوامل مؤثر در ایجاد فرسایش خندقی در اختیار برنامهریزان و محققان قرار میدهد. در نتیجه با انجام تحقیقات بیشتر میتوان استفاده از سایر تکنیکهای یادگیری ماشین را بررسی نمود و دیگر عوامل مؤثر را برای بهبود دقت مدلهای پیشبینی فرسایش خندقی در نظر گرفت.
پرستو کریمی؛ میر مسعود خیرخواه زرکش؛ پیام عالمی صف اول؛ زهرا عزیزی؛ حسین یوسفی
چکیده
در دهه اخیر، استفاده از سنجش از دور در شناسایی و ارزیابی بلایای طبیعی بهخصوص پدیده سیل نقش بسزایی داشته است. از جمله این تکنیکها میتوان به الگوریتم ماشین بردار پشتیبان در آشکارسازی تغییرات (Change Detection) اشاره کرد. هدف این تحقیق، بررسی قابلیت این روشها در آشکارسازی اثرات سیل بر تالاب گوری بلمک و تالابهای سهگانه پلدختر ...
بیشتر
در دهه اخیر، استفاده از سنجش از دور در شناسایی و ارزیابی بلایای طبیعی بهخصوص پدیده سیل نقش بسزایی داشته است. از جمله این تکنیکها میتوان به الگوریتم ماشین بردار پشتیبان در آشکارسازی تغییرات (Change Detection) اشاره کرد. هدف این تحقیق، بررسی قابلیت این روشها در آشکارسازی اثرات سیل بر تالاب گوری بلمک و تالابهای سهگانه پلدختر در قسمت شمالی حوزه آبخیز مولاب و خروجی حوزه آبخیز پلدختر واقع در استان لرستان است که در فروردین سال 1398 با سیلابهای مهیبی مواجه شدند. بدینمنظور، نقشه کاربری اراضی منطقه با اعمال طبقهبندی نظارت شده و بهرهگیری از الگوریتم ماشین بردار پشتیبان و استفاده از دادههای تصویری ماهواره لندست 8 در سالهای 2013، 2015، 2017 و 2019 میلادی تهیه شد. صحتسنجی نقشهها با استفاده از شاخصهای ریاضی-آماری کاپا و دقت کلی، نشانگر دقت بالای نقشههای تهیه شده است. بهطوریکه ضریب کاپا بهترتیب برای نقشههای سالهای مورد مطالعه برابر با 0.87، 0.84، 0.83 و 0.87 و دقت کلی 90.02، 89.51، 88.11 و 90.32 محاسبه شد. سپس، با استخراج طبقه آب، اقدام به آشکارسازی تغییرات رخ داده بر پیکره آبی تالابها شد. نتایج نشان داد که تالاب گوری بلمک به سبب خشکسالی سال 2015، افزایش 112.08 هکتاری زمینهای زراعی اطراف بین سالهای 2013 تا 2019 و همچنین، خصوصیات توپوگرافیکی بهویژه شیب کمتر نسبت به تالابهای سهگانه، متحمل تغییرات وسیعتری شده است. این تالاب در سال 2019 با جذب سیلاب و ذخیرهسازی آن، پهنه آبی خود را به شکل قابل توجهی تا 47.08 هکتار نسبت به سال 2017 افزایش داده و به مساحتی برابر با 146.15 هکتار رسیده است. شباهت نتایج بهدست آمده در این تحقیق، با نتایج پژوهش انجام شده در منطقه مورد مطالعه بهوسیله سرویس مدیریت اضطراری کوپرنیکوس (EMS) و تیم تحقیقاتی Geoinformatics Unit بر سیل سال 1398، معرف دقت بالای فنون مورد استفاده و نتایج تحقیق حاضر میباشد.
علی سیف؛ هدی قاسمیه؛ حسین زینی وند؛ مهران زند
چکیده
امروزه با افزایش جمعیت، کاربری اراضی بهمنظور برآورد نیازها تغییر کرده است که همین موضوع، اطلاع از وضعیت آینده کاربری اراضی را با اهمیتتر کرده است. بررسی تغییرات کاربری اراضی، نقش اساسی در مطالعات زیستمحیطی، مدلسازی و شبیهسازی تغییرات کاربری اراضی و مدیریت منابع آب داشته، مدیران را در برنامهریزی بهتر کاربری ...
بیشتر
امروزه با افزایش جمعیت، کاربری اراضی بهمنظور برآورد نیازها تغییر کرده است که همین موضوع، اطلاع از وضعیت آینده کاربری اراضی را با اهمیتتر کرده است. بررسی تغییرات کاربری اراضی، نقش اساسی در مطالعات زیستمحیطی، مدلسازی و شبیهسازی تغییرات کاربری اراضی و مدیریت منابع آب داشته، مدیران را در برنامهریزی بهتر کاربری اراضی یاری میدهد. لذا در این پژوهش، ابتدا نقشه کاربری اراضی حوزه آبخیز رحیمآباد برای سالهای 1999 و 2016 بهترتیب با استفاده از سنجندههای ETM+ و Landsat 8 در محیط نرمافزار ENVI5.3 استخراج شد که ضریب کاپا برابر 95 درصد و صحت کلی برابر 97 درصد، حاکی از دقت بالای نقشه کاربری 2016 بود. سپس، نقشههای عوامل مؤثر بر تغییر کاربری اراضی شامل نقشههای فاصله از جاده، فاصله از رودخانه، فاصله از شهر، فاصله از روستا، فاصله از گسل، زمینشناسی، بافت خاک، بارش، تبخیر، مدل رقومی ارتفاع، شیب، سطح آب زیرزمینی و مقدار تابش خورشیدی در محیط ArcGIS 10.6 تهیه شدند. آنگاه، با استفاده از رگرسیون لجیستیک، نقش عوامل مؤثر بر کاربری اراضی تعیین شد و برای ارزیابی رگرسیون لجیستیک، از منحنی ROC استفاده شد. در نهایت، نقشه کاربری اراضی حوضه مطالعاتی برای سال 2026 با استفاده از مدل CLUE-s شبیهسازی شد. نتایج حاصل از پژوهش حاضر، نشان داد که میزان سطح زیر منحنی ROC برای کاربریهای مرتع، اراضی دیم، اراضی آبی، پهنه آبی و مسکونی بهترتیب برابر 0.9، 0.88، 0.9، 0.92 و 0.91 است که بیانگر دقت قابلقبول روش رگرسیون در بررسی عوامل مؤثر بر کاربری اراضی است. همچنین، بیشترین تغییرات کاربری اراضی در سال 2026، مربوط به تبدیل کاربری مرتع به کاربری دیم خواهد بود و 6.47 درصد کاربری مرتع، کاهش و 18 درصد کاربری دیم افزایش خواهد یافت.
حسن ترابی پوده؛ احمد گودرزی؛ رضا دهقانی
چکیده
شبیهسازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب میباشد. اندازهگیری مقدار رسوب به روشهای متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده، گاهی از دقت کافی نیز برخوردار نیست. در این پژوهش برای تخمین رسوبات رودخانه کشکان واقع در استان لرستان، از شبکه عصبی موجک استفاده شد و نتایج آن با روشهای مرسوم هوشمند ...
بیشتر
شبیهسازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب میباشد. اندازهگیری مقدار رسوب به روشهای متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده، گاهی از دقت کافی نیز برخوردار نیست. در این پژوهش برای تخمین رسوبات رودخانه کشکان واقع در استان لرستان، از شبکه عصبی موجک استفاده شد و نتایج آن با روشهای مرسوم هوشمند همچون شبکه عصبی مصنوعی مقایسه شد. پارامتر دبی، دما، میزان مواد جامد محلول در آب و بارش بهعنوان ورودی و دبی رسوب بهعنوان خروجی مدل در مقیاس زمانی ماهانه طی دوره آماری (1393-1364) انتخاب شد. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و نیز مقایسه عملکرد مدلها مورد استفاده قرار گرفت. نتایج حاصله نشان داد، ساختار ترکیبی توانسته با استفاده از دو روش هوشمند مورد بررسی، در تخمین میزان رسوب نتایج قابل قبولی ارائه کند. لیکن از لحاظ دقت، مدل شبکه عصبی موجک با بیشترین ضریب همبستگی (0.850)، کمترین ریشه میانگین مربعات خطا (t day-1 0.051) و نیز معیار نش ساتکلیف (0.758) در مرحله صحتسنجی در اولویت قرار گرفت. در مجموع نتایج نشان داد که مدل شبکه عصبی موجک توانایی بالایی در تخمین مقادیر کمینه و بیشینه برخوردار است.
نرگس قاسمیامین؛ نسیم آرمان؛ حسین زینیوند
چکیده
کاربری اراضی شامل انواع بهرهبرداری از زمین بهمنظور رفع نیازهای گوناگون انسان است. تغییرات کاربری اراضی نتیجه برهمکنش انسان و عوامل موثر بر محیط است که در مقیاس زمانی و مکانی مطرح میشود. اطلاع از نسبت کاربریهای اراضی و نحوه تغییرات آن در گذر زمان، یکی از مهمترین موارد در برنامهریزیهای مدیریتی است. با اطلاع ...
بیشتر
کاربری اراضی شامل انواع بهرهبرداری از زمین بهمنظور رفع نیازهای گوناگون انسان است. تغییرات کاربری اراضی نتیجه برهمکنش انسان و عوامل موثر بر محیط است که در مقیاس زمانی و مکانی مطرح میشود. اطلاع از نسبت کاربریهای اراضی و نحوه تغییرات آن در گذر زمان، یکی از مهمترین موارد در برنامهریزیهای مدیریتی است. با اطلاع از نسبت تغییرات کاربریها در گذر زمان میتوان تغییرات آتی را پیشبینی کرد و اقدامات مقتضی را انجام داد. در این پژوهش ابتدا نقشه کاربری اراضی برای سال 2014 با استفاده از سنجش از دور تهیه شد که این نقشه با ضریب کاپا برابر 0.88 و صحت کلی برابر 0.86 دارای دقت خیلی خوب میباشد. در مدل CLUE-S برای بررسی اثرات هر کدام از عوامل موثر بر کاربری از رگرسیون لجستیک و برای ارزیابی رگرسیون لجستیک از منحنی ROC استفاده شد. پس از تعیین میزان تقاضا بر اساس تغییرات گذشته، نقشه کاربری اراضی برای سال 2025 تهیه شد. ارزیابی مدل CLUE-S دقت بالای مدل (ضریب کاپا 0.88) را نشان داد. همچنین، نتایج حاصل از تحقیق نشان داد که بیشترین تغییر کاربری اراضی، تبدیل کاربری جنگل و مرتع به زمینهای کشاورزی خواهد بود، بهطوری که تا سال 2025 کاربری مرتع 28.12 و جنگل 82.20 درصد کاهش مییابد و کاربری کشاورزی 10.33 درصد افزایش مییابد.
فاطمه زندی درهغریبی؛ زهره خورسندی کوهانستانی؛ ملیحه مزین؛ نسیم آرمان
چکیده
شبیهسازی جریان از مباحث اصلی هیدرولوژی است و برای مطالعه آن بهطور معمول از مدلهای بارش-رواناب استفاده میشود. مدلهای هیدرولوژی نمایش ساده شدهای از سامانه هیدرولوژی واقعی هستند که به مطالعه کارکرد حوضه در واکنش به ورودیهای گوناگون و فهم بهتر از فرایندهای هیدرولوژی کمک میکنند. با توجه به تنوع مدلهای ...
بیشتر
شبیهسازی جریان از مباحث اصلی هیدرولوژی است و برای مطالعه آن بهطور معمول از مدلهای بارش-رواناب استفاده میشود. مدلهای هیدرولوژی نمایش ساده شدهای از سامانه هیدرولوژی واقعی هستند که به مطالعه کارکرد حوضه در واکنش به ورودیهای گوناگون و فهم بهتر از فرایندهای هیدرولوژی کمک میکنند. با توجه به تنوع مدلهای بارش-رواناب در دسترس، انتخاب یک مدل مناسب برای حوضه بهمنظور بهرهوری و مدیریت منابع آب ضروری میباشد. بنابراین انتخاب مدل نیاز به تشخیص قابلیت و محدودیت مدلهای هیدرولوژی حوضه دارد. در این مقاله کارایی دو مدل بارش–رواناب GR4J و GR2M در شبیهسازی جریان حوضه درهتخت در استان لرستان در بازه زمانی 1392-1379 مورد ارزیابی قرارگرفته است. برای ارزیابی کارایی این دو مدل از ضریب نش ساتکلیف استفاده شد که مقدار آن بهترتیب 0.427 و 0.665 بهدست آمد. نتایج نشان داد دو مدل جریان را با دقت متوسط تا خوب شبیهسازی میکنند، ولی با توجه به معیار نش، کارایی مدل GR2M در شبیهسازی جریان از مدل GR4J بیشتر است.
