ارزیابی روش های مختلف پهنه بندی خطر وقوع زمین لغزش در اکوسیستم های جنگلی
- سال انتشار: 1395
- محل انتشار: فصلنامه ترویج و توسعه آبخیزداری، دوره: 4، شماره: 13
- کد COI اختصاصی: JR_WMJI-4-13_002
- زبان مقاله: فارسی
- تعداد مشاهده: 67
نویسندگان
دانشجوی دکتری مهندسی جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران
دانشیار گروه جنگلداری و اقتصاد جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، نویسنده مسول :
دانشجوی دکتری جنگل شناسی و اکولوژی جنگل، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران
چکیده
امروزه مهندسین جنگل هنگام طراحی شبکه جاده های جنگلی، با بهره جستن از انواع روش های پهنه بندی، مبادرت به شناسایی واریانت های کم خطر تر جاده های جنگلی از نظر زمینلغرش می کنند تا از این طریق، هزینه های تعمیر و نگهداری جاده ها را کاهش دهند. به دلیل ارتباط زمین لغزش با مسیریابی جادههای جنگلی، پیدا کردن روش مناسب پهنه بندی خطر زمینلغزش که قابلیت بهکارگیری در مناطق مختلف جنگل را نیز دارا باشد، یکی از مهمترین گامها برای تحقق یک طراحی هوشمند توسط کارشناسان و مهندسین جنگل است. بنابراین هدف از این پژوهش، دست یافتن به روشی مناسب برای پهنه بندی خطر زمین لغزش، به منظور طراحی بهتر شبکه جادههای جنگلی است. روش های بسیاری برای پهنه بندی خطر وقوع زمینل غزش در دنیا معرفی شدهاند که به سه دسته روشهای آماری (مانند روشهای دو متغیره و چندمتغیره، رگرسیون لجستیک و مدل ارزش اطلاعات)، ابتکاری یا تجربی (مانند روش استوینسن، نیلسن و براب، آنبالاگان و مورا-وارسون) و ترکیبی (مانند شبکه عصبی مصنوعی و منطق فازی) تقسیم بندی می شوند. از بین روش های آماری: مدل دو متغیره، روش های تجربی: مدل مورا-وارسون و روش های تلفیقی: شبکه عصبی مصنوعی بیشترین کاربرد را دارند. نتایج این پژوهش بیانگر این موضوع است که مدل های آماری قابلیت بهتر و کاربرد بیشتری در پهنه بندی خطر زمین لغزش نسبت به مدل های ابتکاری دارند، هرچند که مدل های تلفیقی (مانند شبکه عصبی مصنوعی و منطق فازی) بیشترین صحت و دقت را در بین روش ها دارا می باشند و اگر داده هایی با تعداد کم موجود باشد، مطمئنا روش های تلفیقی می توانند پهنه بندی دقیقتری را نسبت به دیگر مدل ها در ارتباط با خطر زمینل غزش در جنگل ارایه دهند.کلیدواژه ها
جاده جنگلی, شبکه عصبی مصنوعی, طراحی جاده, مدل دو متغیره, مدل مورا-وارسون, منطق فازیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.