زودآیند (بهار)
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشکده جغرافیا، دانشگاه تهران، تهران، ایران ، goorabi@ut.ac.ir
چکیده: (54 مشاهده)
ریگ یلان در بیابان لوت ایران به دلیل شرایط اقلیمی فراخشک و تنوع ژئومورفولوژیکی تپههای ماسهای، یکی از بسترهای منحصر بهفرد برای مطالعه فرآیندهای مورفودینامیک بیابانی در مقیاس جهانی است. اهمیت این پژوهش در ارائه چارچوبی خودکار و مقیاسپذیر برای پایش و طبقهبندی تغییرات مورفودینامیکی با بهرهگیری از دادههای دورسنجی و الگوریتمهای یادگیری ماشین است. پژوهش حاضر با هدف طبقهبندی مورفودینامیک ارگها انجام شد. برای این منظور، تصاویر چندزمانه Sentinel-1 و Sentinel-2 طی دوره 2015 تا 2024 همراه با دادههای رقومی ارتفاع در بسترGoogle Colab و Google Earth Engine پردازش گردید و تعداد 28 شاخص شامل شاخصهای طیفی، شاخصهای بافتی و شاخصهای ژئومورفومتریک استخراج شدند. نتایج اعمال الگوریتم جنگل تصادفی با 100 درخت تصمیم و اعتبارسنجی متقاطع پنجلایه، با دقت کلی۱۴/۹۱% و ضریب کاپای 88/0، شش کلاس مورفودینامیکی شامل تلماسههای فعال، نیمهفعال، پهنههای ماسهای، سطوح سخت، مناطق با رخسارههای فرسایش بادی و پهنههای مختلط را تفکیک کرد. این نتایج با خوشهبندی K-Means و تحلیل COSI-Corr اعتبارسنجی شدند و شاخصهای نوآورانه شامل شاخص فعالیت مورفودینامیک (MAI=0.847)، امتیاز یکپارچه پویایی تپهها (IDMS=0.923) و شاخص ریسک بیابانزایی (DRI=0.756) پتانسیل بالای تحرک و آسیبپذیری این سامانه ژئومورفوکلیماتیک را تأیید کردند. روش پیشنهادی با رفع محدودیت ناشی از فقدان دادههای میدانی، ابزاری نوین برای پایش بیابانها فراهم میکند و ریگ یلان را بهعنوان آزمایشگاهی کلیدی برای پژوهشهای بینالمللی و مدیریت پایدار سرزمینهای خشک معرفی مینماید.
نوع مطالعه: پژوهشي |
موضوع مقاله:
روشهای نوین و دقیق در تهیّه نقشه فرسایش (سنجش از دور و سیستمهای اطلاعات جغرافیایی)
دریافت: 1404/5/10
دریافت: 1404/5/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
