این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های آبخیزداری، جلد ۳۰، شماره ۱، صفحات ۲۵-۳۴
عنوان فارسی استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده
چکیده فارسی مقاله اشکال متفاوت از تپه‌های ماسه‌ای حدود 20 درصد از سطح بیابان­های جهان را پوشانده، که زمین ریخت‌شناسی آن­ها همواره از دیدگاه­های مختلف مورد توجه بوده است. روش­های سنتی نقشه­برداری زمین ریخت‌شناسیک کیفی و یا بر پایه­ی عملیات­های میدانی، به دلیل شرایط خاص و دشوار حاکم بر بیابان­ها بسیار زمان­بر و پرهزینه است. به ویژه زمانی که منطقه‌ای منحصر به فرد نظیر دشت لوت شامل تپه‌های بزرگ ماسه‌ای در مقیاسی بزرگ تحت بررسی قرار گیرد، روش­های سنتی به دلیل عدم امکان بازدید صحرایی و دسترسی به منطقه دارای دقت مطلوبی نخواهد بود. در این مطالعه تپه‌های عظیم ماسه‌ای بخش شرقی دشت لوت با پستی و بلندی  ویژه، به وسیله­ی یکی از روش­های شبکه‌های عصبی مصنوعی تحت عنوان الگوریتم خودسازمانده مطالعه گردید. در این مطالعه ابتدا 22 پارامتر مورفومتریک نمای اول، نمای دوم و نمای سوم از آخرین نسخه­ی داده‌های رقومی ‌ارتفاعی رادارSRTM/X  با گرید سایز 1 قوس ثانیه (بزرگنمایی معادل 30 متر) بر اساس برنامه­نویسی و با کمک برازش یک سطح درجه دوم و درجه سوم محاسبه گردید. سپس پارامترهای مؤثر در طبقه‌بندی و تعداد کلاس­های متناسب منطقه بر اساس ضرایب کمی ‌OIF و DBI تعیین گردید. پارامترهای بهینه­ی مورفومتریک همراه با باندهای سنجنده­ی ETM+ به تاریخ 2001 جهت طبقه‌بندی با الگوریتم شبکه­ی خودسازمان­ده مورد استفاده قرار گرفت و نتایج با استفاده از اطلاعات موجود و نقشه‌های پستی و بلندی  مقایسه گردید. نتایج حاصل نشان داد که شبکه­ی خودسازمان­ده به عنوان یک الگوریتم نظارت نشده­ی شبکه‌های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک و داده‌های ماهواره­ی لندست برای تحلیل لندفرم­های بیابان با مقیاس­ها و توان­های تفکیک متفاوت بسیار کارآمد می‌باشد.
کلیدواژه‌های فارسی مقاله لندفرم بیابان، لوت، تپه‌های ماسه‌ای، داده‌های ماهواره‌ای، SRTM،
عنوان انگلیسی Automatic Extraction of Mega Dune of Yealan Erg, Lut Desert by Self Organizing Maps
چکیده انگلیسی مقاله 85 % of Total moving sands in the world are in ergs which cover about 32000 Km2. Traditional qualitative methods for geomorphological surveys are based on the field observations which due to harsh condition in deserts are time and money consuming. Lut desert in eastern part of Iran includes the mega dunes which are very interesting landforms but unreachable. This paper presents a new approach using a Self Organizing Map (SOM) as an unsupervised algorithm of artificial neural networks for analysis and identification of Lut mega dunes. The latest version 1 arc second SRTM/X band DEM were re-projected 30 m UTM grid and used to generate 22 morphometric parameters of first order (e.g. slope), second order (e.g cross-sectional curvature, maximum curvatures and minimum curvature)  and third order( extreme curvature)by using a bivariate quadratic surface. The five optimum parameters are selected based on Optimum Index factor (OIF) and used in a SOM to identify morphometric features (or landform). The number of landforms was determined by Davies-Bouldin Index. The ETM+ bands of landsat satellite data also included to input data for increasing the potential of SOM to extract features. The result showed that all mega dunes could clearly be recognized and classified by this method when their width is larger than the DEM resolution. The results also demonstrate that a SOM is a very efficient tool for analyzing geo-morphometric features as Aeolian landforms under a hyper-arid environmental condition.
کلیدواژه‌های انگلیسی مقاله Desert Landforms, Lut, Mega dunes, satellite data, SRTM
نویسندگان مقاله امیر هوشنگ احسانی | amir hoshang
استادیار دانشکده محیط زیست، دانشگاه تهران
سازمان اصلی تایید شده: دانشکده محیط زیست

نشانی اینترنتی http://wmrj.areo.ir/article_115561_8e12d85f6399cc8b22a264dde746fc5f.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1346/article-1346-573129.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