انحناء سطح

شناخت و نحوه پراکنش فضایی لندفرمی به منظور درک و ارزیابی تحول آن ها، مطالعات پایداری دامنه ای و برنامه ریزی منطقه ای آن ها در آینده، از نیازهای اساسی در علم ژئومورفولوژی کاربردی است. اهمیت مطالعه لندفرم ها به حدی است که امروزه موضوع مطالعه ژئومورفومتری به عنوان زیررشته ای از ژئومورفولوژی ارائه می شود. ژئومورفومتری به اندازه گیری کمی سطوح و لندفرم ها بر اساس تغییرات ارتفاعی تحت تأثیر تابع فاصله می پردازد. شاخص های ژئومورفومتریک ویژگی های شکل عوارض زمینی را به صورت کمی بیان می دارند. این تحقیق با تأکید بر استفاده از شاخص های ژئومورفومتریک و الگوریتم SVM به شناسایی سطوح مستعد زمین لغزش در آزادراه خرم آباد – پل زال به عنوان یکی از راه های ارتباطی مهم کشور می پردازد. شاخص های مورداستفاده شامل شیب، جهت شیب، لیتولوژی، وضعیت گسل ها، شبکه زهکشی و کاربری اراضی است که به همراه شاخص های ژئومورفومتریک شامل انحنای پروفیل، انحنای پلان و انحنای کلی با استفاده از رویکرد هوش مصنوعی و توابع خطی و چندجمله ای الگوریتم SVM در شناسایی سطوح مستعد لغزش استفاده شده است. نتایج تحقیق نشان می دهد استفاده از شاخص های ژئومورفومتریک، انحنای پلان، پروفیل و کلی توانسته ویژگی های شکلی سطوح را به صورت کمی مشخص نماید و درنتیجه نقش مهمی در افزایش دقت شناسایی سطوح مستعد لغزش داشته است. با توجه به به هم ریختگی و زبری سطوح لغزشی شاخص های ژئومرفومتریک کارایی خوبی در شناسایی پهنه های لغزشی داشته اند. ارزیابی دقت با استفاده از داده های پیمایش زمینی ضمن تأکید این مطلب نشان می دهد تابع چندجمله ای در شناسایی سطوح مستعد لغزش، دقت بیشتری نسبت به تابع خطی الگوریتم SVM داشته است که علت آن می تواند رفتار غیرخطی وقوع لغزش در منطقه مطالعاتی است و بنابراین تابع غیرخطی الگوریتم بهتر توانسته احتمال وقوع لغزش را مشخص نماید.