پارامترهای ژئومورفومتری

دشت ها، از مهم ترین واحدهای ژئومورفولوژی بوده و طبقه بندی آن ها از اهمیت ویژه ای برخوردار است. تاکنون روش ها و شاخص های مختلفی جهت تفکیک تیپ های مختلف دشتی ارائه شده که اغلب برپایه ویژگی های توصیفی استوار است. طبقات دشتی مورد استفاده در این تحقیق شامل دشت سر فرسایشی، دشت سر اپانداژ و دشت سر پوشیده می باشد. در این تحقیق اقدام به معرفی و استفاده از شاخص های جدید ژئومورفومتری تعیین دامنه کمی برای آن ها در جهت تفکیک تیپ های مختلف دشت سر شده است. شاخص های ژئومورفومتری مورد استفاده شامل درصد شیب، انحنای سطح، انحنای مقطع، انحنای حداقل، انحنای حداکثر، انحنای متقاطع، انحنای طولی و انحنای گوسیمی باشند. نتایج این تحقیق نشان می دهد، در بین پارامترهای ژئومورفومتری مذکور، پارامترهای شیب، انحنای حداقل، انحنای مقطع، انحنای طول و انحنای-متقاطع دارای کارایی بیشتری از سایر پارامترهای ژئومورفومتری در طبقه بندی تیپ های مختلف دشت سر می باشد. تغییرات شیب و همچنین مقدار آن در تیپ دشت سر لخت، بیشتر از سایر تیپ های دشتی بوده و دامنه آن به طور تقریبی از 3 تا 8 در صد متغیر بوده و در بخش-هایی، شیب تا 20 درصد نیز دیده می شود. در تیپ دشت سر اپانداژ، تغییرات و مقدار شیب پایین تر بوده و حدود 1 تا 3 درصد متغیر می باشد. در دشت سر پوشیده نیز شیب اغلب نقاط، کمتر از 1 درصد می باشد. پارامتر درصد شیب، قابلیت بسیار خوبی در تفکیک تیپ های مختلف دشت سر از خود نشان می دهد. تغییرات انحنای حداقل نیز در تیپ دشت سر لخت، حداکثر بوده و به سمت تیپ دشت سر اپانداژ، و پوشیده، کاهش می یابد. تغییرات انحنای مقطع و انحنای-سطح نشان می دهد که انحنای مقطع در تفکیک تیپ های مختلف دشت سر، قابلیت بیشتری از انحنای سطح از خود نشان می دهد. تغییرات انحنای طول و انحنای متقاطع در تیپ دشت سر لخت، حداکثر بوده و در تیپ دشت سر اپانداژ، مقدار نسبی و همچنین تغییرات آن، کاهش می-یابد. مقادیر این پارامتر در تیپ دشت سر پوشیده به حداقل می رسد. این پارامترها نیز به طور نسبی تفکیک پذیری تیپ های مختلف دشت سر را از یکدیگر نشان می دهد.

در این پژوهش کارایی شاخص های ماهواره ای و پارامترهای ژئومورفومتری در برآورد بار رسوبی با استفاده از مدل های مبتنی بر هوش مصنوعی و داده کاوی به چالش کشیده شده است. بدین منظور، نخست مدل ها به کمک پارامترهای ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و شاخص های ماهواره ای بهینه سازی شد و نزدیک ترین داده های دبی و رسوب به زمان تصاویر ماهواره ای خروجی مدل درنظر گرفته شد. پس از اجرای الگوریتم ها، به وزن دهی پارامترها و تعیین میزان تأثیرشان در پیش بینی بار رسوبی معلق پرداخته شد. نتایج نشان داد عملکرد مدل ها با ورودی های مختلف گوناگون است. مقادیر RMSE مدل ها بیانگر آن است که در صورت استفاده از پارامترهای ژئومورفومتری به عنوان ورودی مدل مقدار RMSE بیشتر است و در مقابل با استفاده از برخی شاخص ها به عنوان ورودی مدل ها میزان RMSE کاهش می یابد؛ به طوری که در مدل فرایند گوسی با ورودی پارامترهای ژئومورفومتری مقدار۱۰ /۳۵ RMSE= و در صورت ورودی شاخص های تصاویر ماهواره ای مقدار 7 /513RMSE= است. با تلفیق پارامترهای ژئومورفومتری و شاخص ها میزان دقت همة مدل ها افزایش یافته و مدل فرایند گوسی با 026 /5RMSE= بیشترین دقت را داشته است. نتایج حاصل از وزن دهی نیز نشان داد که شاخص های Clay index (average) و b5 (average) و NDVI (max) دارای بیشترین وزن بوده و بیشترین تأثیر را در پیش بینی بار رسوبی معلق داشته اند.

دشت سر از مهم ترین واحد های ژئومورفولوژی محسوب شده و شناسایی و طبقه بندی آنها از اهمیت زیادی در تهیه نقشه ژئومورفولوژی برخوردار است، بطورکلی واحد دشت سر به سه تیپ؛ دست سر فرسایشی، آپانداژ و پوشیده تقسیم می شود. رویکرد غالب در شناسایی انواع دشت سر مبتنی بر تفسیر بصری از روی داده های هوایی و ماهواره ای است که دارای سرعت کم و وابسته به دانش مفسر است. امروزه رویکرد ژئومورفومتری که بر مبنای سنجش و اندازه گیری اشکال ژئومورفولوژی است می تواند در شناسایی لندفرم ها کمک نماید. در این تحقیق بر اساس رویکرد ژئومورفومتری و با استفاده از مدل رقومی ارتفاعی ASTERGDEM ، شاخصهای انحناء و شاخص RTP انواع دشت سر در منطقه اشکذر یزد شناسایی و استخراج شده است. نتایج نشان می دهد شاخص های ژئومورفومتری شامل:  انحنای پروفیل، انحنای پلانیمتریک، انحنای طولی و انحنای کلی به دلیل میزان اختلاف میانگین های محاسبه شده قدرت تفکیک پذیری مناسبی برای تفکیک تیپ های مختلف دشت سر از یکدیگر دارند و می توان با استفاده از این پارامترها به تفکیک واحد های دشت سر پرداخت و در بین آنها پارامتر انحنای پلانیمتریک و پروفیل و شاخص RTP دقت بیشتری در تفکیک واحدهای دشت سر دارند.