این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
چهارشنبه 26 آذر 1404
تحقیقات جنگل و صنوبر ایران
، جلد ۲۲، شماره ۳، صفحات ۵۰۹-۵۲۶
عنوان فارسی
مدلسازی و پهنهبندی حساسیت به زمینلغزش مناطق جنگلی بهمنظور طراحی مسیر جاده جنگلی با استفاده از سامانه استنتاج عصبی- فازی تطبیقی
چکیده فارسی مقاله
پژوهش پیشرو با استفاده از سیستم استنتاج عصبی- فازی تطبیقی و سیستم اطلاعات جغرافیایی و باتوجه به ویژگیهای فیزیوگرافی زمین به ارائه مدلی میپردازد که قادر به برآورد حساسیت به زمینلغزش برای طراحی کم لغزشترین مسیرهای جاده جنگلی باشد. با استخراج شش عامل شیب، جهت، زمینشناسی، شکل شیب، فاصله از رودخانه و فاصله از گسل در نقاط لغزشی برداشتشده در سطح منطقه موردمطالعه و با استفاده از سیستم استنتاج عصبی- فازی تطبیقی مدل ساخته شد. نتایج شاخصهای آماری بهترین مدل، ضریبتبیین 73/0 و مجذور میانگین مربعات خطای 26/0 را نشان داد. یافتههای تحلیل حساسیت مدل نشان داد که مهمترین عاملهای مؤثر در ایجاد حساسیت به زمینلغزش بهترتیب فاصله از رودخانههای اصلی، نوع تشکیلات زمینشناسی، شیب زمین، شکل زمین، فاصله از گسل و جهت جغرافیایی بودهاند. ارزیابی جادههای موجود ازنظر میزان عبور از عرصههای حساس به زمینلغزش طبق برآورد مدل نشان داد بیشترین سطح جادهها روی طبقات حساسیت «متوسط» و «زیاد» قرار گرفته است.
کلیدواژههای فارسی مقاله
زمینلغزش، عصبی- فازی، مدل، جاده جنگلی،
عنوان انگلیسی
Modeling landslide susceptibility of a mountain forests using Adaptive Neuro-Fuzzy Inference System (ANFIS) for forest road planning
چکیده انگلیسی مقاله
This study presents landslide susceptibility (LS) prediction model using the Adaptive Neuro Fuzzy Inference System (ANFIS) and Geographic Information System (GIS) which incorporates the physiographic information. Such models are is useful for forest road planning. To this aim, a set of factors including the terrain slope, aspect, geology formation, curvature, distance to rivers, and distance to faults at occurred landslide points were integrated into the ANFIS model. The modeling using a subtractive clustering method returned a coefficient of determination (R2) of 0.73 and a root mean square error (RMSE) of 0.27 for the best model. The sensitivity analysis indicated the distance to the rivers, geology formation, terrain slope, curvature, distance to the faults, and aspect as the most effective factors on the landslide occurrence. Furthermore, an evaluation of existing roads on simulated LS map showed that the majority of the currently existing roads are located on “medium” and “high” LS classes.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
اسماعیل قجر |
استادیار، دانشگاه گیلان
سازمان اصلی تایید شده
: دانشگاه گیلان (Guilan university)
اکبر نجفی |
دانشیار، دانشگاه تربیت مدرس
سازمان اصلی تایید شده
: دانشگاه تربیت مدرس (Tarbiat modares university)
نشانی اینترنتی
http://ijfpr.areeo.ac.ir/article_12435_a259a3ae3fdb8f4748d44116279ee358.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/695/article-695-384780.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