این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات جنگل و صنوبر ایران، جلد ۲۳، شماره ۳، صفحات ۵۷۳-۵۸۲
عنوان فارسی ارزیابی پتانسیل ریزش ترانشه‌‌ جاده های جنگلی (مطالعه موردی: حوضه آبخیز ۴۶، شمال ایران)
چکیده فارسی مقاله شبکه جاده‌ها اساس تولید مدرن و پایدار جنگل‌های هیرکانی هستند. این‌ جنگل‌ها اغلب در مناطق پرشیب و کوهستانی واقع شده‌اند، بنابراین پس از ساخت جاده، همواره احتمال وقوع ریزش ترانشه‌های جاده وجود دارد. ارزیابی میزان این احتمال در زمان طراحی و ساخت جاده‌ها از اهمیت بسزایی برخوردار است. در پژوهش پیش‌رو با استفاده از مدل شبکه عصبی مصنوعی ریزش ترانشه‌های جاده مورد ارزیابی قرار گرفت و احتمال وقوع ریزش ترانشه در چهار طبقه‌ بدون ریزش، ریزش کم، ریزش متوسط و ریزش زیاد دسته‌بندی شد. نتایج نشان داد که ریزش کم با 39/8 درصد بیشترین احتمال وقوع و ریزش زیاد (31/3 درصد) کمترین احتمال وقوع را داشته‌اند. این مدل در پیش‌بینی احتمال وقوع ریزش متوسط و عدم وقوع ریزش به‌ترتیب کمترین (78/6 درصد) و بیشترین صحت (92/6 درصد) داشت. بررسی عامل‌های مؤثر در احتمال وقوع ریزش ترانشه‌ها نشان داد که به‌ترتیب زاویه ترانشه نسبت به سطح افق، شیب طبیعی عرصه و ارتفاع ترانشه بیشترین تأثیر و جنس خاک و تعداد درخت تا شعاع 10 متری محل اندازه‌گیری ریزش، کمترین تأثیر را در وقوع ریزش داشته‌اند.
کلیدواژه‌های فارسی مقاله ‌جاده جنگلی، ریزش ترانشه، شبکه عصبی مصنوعی،
عنوان انگلیسی Evaluation of slope failure potential in forest roads (Case study: 46th watershed, North of Iran)
چکیده انگلیسی مقاله Forest road networks are the essential bases of modern and sustainable production within Hyrcanian forests of Iran. In most mountainous areas, the slope failures are often caused by the construction of forest road on steep terrains. Therefore, it is crucial to locate forest roads on stable slopes. It should be additionally noted that high-structured forest roads constructed on steep terrain often end up with failure during cut and fill operations. In this study, a model was developed using the Artificial Neural Network to evaluate potential failure of cut and fill in forest. Probability of slope failure was classified in four categories, including no, low, medium and high slope failures. The overall result showed that low slope failure category (with a probability of 39.8%) has high occurrences, whereas high slope failure category (with probability of 13.3%) was associated with fewer occurrences. As modelled by ANN, lowest and highest accuracies for classified slope failure were 92.6% (in no slope failure category) and 78.6% (in medium slope failure category) respectively. Based on importance indices, gradient of trench, natural slope of area and the height of the trench were associated with the greatest influences on the slope failure, while the soil type and number of trees turned out to be of least effect on the slope failure occurrence.
کلیدواژه‌های انگلیسی مقاله forest road, slope failure, Artificial Neural network
نویسندگان مقاله زهرا عزیزی |
استادیار، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
سازمان اصلی تایید شده: دانشگاه شهرکرد (Shahr kord university)

اصغر حسینی |
دانشجوی کارشناسی ارشد جنگلداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
سازمان اصلی تایید شده: دانشگاه شهرکرد (Shahr kord university)

نشانی اینترنتی http://ijfpr.areeo.ac.ir/article_105661_42ee55ee882fd0974d3a4846ca216519.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/695/article-695-384719.pdf
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