شناسایی و تحلیل گسیختگی اشکال سطحی زمین بر اساس روش یادگیری ماشین، مطالعه موردی: کپه داغ ایران(مقاله علمی وزارت علوم)
حوزههای تخصصی:
این پژوهش به بررسی الگوهای گسیختگی سطحی در منطقه تکتونیکی فعال کپه داغ در امتداد مرز ایران و ترکمنستان می پردازد و با بهره گیری از الگوریتم های پیشرفته یادگیری ماشینی، دقت تحلیل های ژئومورفومتری را برای مدیریت بهینه منابع آب و برنامه ریزی کاربری پایدار زمین ارتقا می بخشد. روش مورداستفاده در این تحقیق با تلفیق مدل های رقومی ارتفاعی (DEM) با تفکیک مکانی بالا، ابزارهای تحلیلی پایتون و روش های آماری پیشرفته، ویژگی های کلیدی زمین چهر مانند شیب، جهت و خطواره ها را استخراج کرده است. الگوریتم های یادگیری ماشینی شامل جنگل تصادفی و رگرسیون چند متغیره برای مدل سازی الگوهای گسیختگی سطحی به کار گرفته شدند که به ترتیب دقت هایی معادل ۸۵٪ و ۷۸٪ را ارائه کردند. نتایج نشان داد، گسیختگی های سطحی عمدتاً در مناطقی با تراکم بالای خطواره ها رخ داده است که 51/49% از سطح منطقه را در برمی گیرند و تحت تأثیر عواملی مانند شیب، تراکم شکستگی و الگوهای جریان آب سطحی شکل گرفته اند. مدل جنگل تصادفی، شیب و تراکم شکستگی را به عنوان مهم ترین متغیرهای پیش بینی کننده شناسایی کرد که مؤید کارایی ترکیب روش های نوین یادگیری ماشینی با تحلیل های کلاسیک ژئومورفومتری است. این تحقیق چارچوبی نوآورانه برای شناخت پویایی های آب های سطحی در مناطق تکتونیکی فراهم می آورد و روش کاربردی ارزشمندی را در اختیار مدیران منابع آب و برنامه ریزان کاربری زمین قرار می دهد. یافته ها همچنین در گسترش مرزهای دانش در زمینه تشخیص و پایش فرایندهای ژئومورفولوژیکی و تکتونیکی در محیط های کوهستانی نیمه خشک نقش بسزایی ایفا می کنند و به تدوین راهبردهای پایدار در مدیریت منابع آب یاری می رسانند.