این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم زمین، جلد ۳۳، شماره ۳، صفحات ۷۱-۸۴
عنوان فارسی بررسی پتانسیل فرونشست دشت عجب‌شیر با استفاده از مدل‌های هوش‌مصنوعی و تکنیک تداخل‌سنجی راداری
چکیده فارسی مقاله طی سال­‌های اخیر، با توجه به روند کاهشی بارش و افزایش پمپاژ از منابع آب زیرزمینی، نگرانی­‌هایی از مخاطرات ناشی از کاهش حجم ذخایر آبخوان­ و افت سطح آب­ زیرزمینی و فرونشست زمین ایجاد شده است. در دشت عجب­‌شیر نیز به دلیل کاهش تدریجی سطح آب زیرزمینی، برآورد فرونشست و بررسی پتانسیل فرونشست برای جلوگیری از مخاطرات زیان­‌بار آن در آینده، ضروری به نظر می‌رسد. بدین منظور، با استفاده از چهارچوب ALPRIFT که شامل هفت لایه از پارامترهای مؤثر بر فرونشست می­‌باشد، نقشه پتانسیل فرونشست آبخوان پهنه‌­بندی شد. شاخص پتانسیل فرونشست در دو محدوده کم و متوسط به­‌دست آمد. در مرحله بعد با استفاده از عکس­‌های ماهواره‌­ای Sentinel-1، فرونشست در طی سال­‌های 1399-1400، به مقدار 2/4 سانتی‌متر برآورد گردید که همبستگی معناداری با تراز آب زیرزمینی سال آبی 1400-1399 و پتانسیل فرونشست داشت. همچنین در ادامه، برای رفع نقص اعمال نظرات کارشناسانه و افزایش همبستگی بین فرونشست (Insar) و ALPRIFT، از روش‌­های بهینه‌­سازی هوش مصنوعی شامل منطق فازی (ساجنو) و الگوریتم ژنتیک استفاده شد که از بین این مدل، روش فازی ساجنو بهترین همبستگی بین دو نقشه فرونشست و ALPRIFT را ارائه داد. همبستگی بین فرونشست با ALPRIFT، ALPRIFT-GA و ALPRIFT-SFL به ترتیب 0/46، 0/62 و 0/72 به­‌دست آمد.
کلیدواژه‌های فارسی مقاله آبخوان دشت عجب‌شیر، فرونشست، ALPRIFT، الگوریتم ژنتیک، منطق فازی،
عنوان انگلیسی Investigation of subsidence potential of the Ajabshir plain using artificial intelligence models and radar interferometric technique
چکیده انگلیسی مقاله Recently, due to the trend of decreasing rainfall and increasing groundwater pumping rate, there have been concerns about the risks caused by the decrease in the volume of aquifer reserves and the drop in the groundwater level, and as a consequence the land subsidence. Also, in Ajabshir plain due to a gradual decrease in the water level, it is necessary to estimate the subsidence and investigate the subsidence potential to prevent its harmful risks in the future. For this purpose, using the ALPRIFT framework, which includes seven layers of parameters affecting subsidence, the subsidence potential map was zoned. The subsidence potential index was obtained in low and moderate ranges. In the next step, using Sentinel-1 satellite images, the subsidence during the years 2020-2021 was estimated to be 2.4 cm, which had a significant correlation with the groundwater level of the water year 2020-2021 and subsidence potential. In addition, artificial intelligence optimization methods including fuzzy logic (Sugeno) and genetic algorithm were used in order to fix the defects of applying expert opinions and increase the correlation between subsidence (Insar) and ALPRIFT, among these models, Sugeno's fuzzy method provided the best correlation between the two subsidence maps and ALPRIFT. The correlation between subsidence with ALPRIFT, ALPRIFT-GA and ALPRIFT-SFL was obtained as 0.46, 0.62 and 0.72 respectively.
کلیدواژه‌های انگلیسی مقاله آبخوان دشت عجب‌شیر, فرونشست, ALPRIFT, الگوریتم ژنتیک, منطق فازی
نویسندگان مقاله ثریا نوری سنگراب |
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران

اصغر اصغری مقدم |
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران

ناصر جبرائیلی اندریان |
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران

نشانی اینترنتی http://www.gsjournal.ir/article_168962_e95e6696dba8ce963127699029cac8f3.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات