مقایسه مدل های آماری دو متغیره و منطق فازی در پهنه بندی زمین لغزش (مطالعه موردی: محدوده گردنه حیران در محور مواصلاتی اردبیل- آستارا)
- سال انتشار: 1392
- محل انتشار: دومین کنفرانس بین المللی مخاطرات محیطی
- کد COI اختصاصی: ICEHH02_679
- زبان مقاله: فارسی
- تعداد مشاهده: 1128
نویسندگان
استادیار گروه ژئومورفولوژی دانشکده علوم جغرافیایی، دانشگاه خوارزمی
دانشجوی دکتری ژئومورفولوژی دانشگاه محقق اردبیلی
دانشجوی کارشناسی ژئومورفولوژی دانشگاه محقق اردبیلی
چکیده
هدف این پژوهش تهیه نقشه قابلیت وقوع زمین لغزش در محدوده گردنه حیران واقع در محور مواصلاتی اردبیل - آستارا و ارائه مدل مناسب برای منطقه مورد مطالعه می باشد. برای انجام این کار از مدلهای آماری دو متغیره و عملگر گامای فازی استفاده شده است. جهت اجرای مدل از دو دسته اطلاعات 1) لایه زمین لغزشهای رخ داده برای اعتبارسنجی مدلها و 2) پارامترهای مستعدکننده زمین لغزش(سنگشناسی، فاصله از گسل، فاصله از رودخانه، تراکم زهکشی، شیب زمین، جهت دامنه ها، کاربری زمین، فاصله از جاده، تراکم پوشش گیاهی (NDVI) و ارتفاع) استفاده شده است. در روشهای آماری دو متغیره از دو مدل ارزش اطلاعاتی و تراکم سطح استفاده شد. همچنین از بین مقادیر مختلف گاما در نهایت با ارزیابی های انجام شده گامای 0/8 انتخاب شده و نقشه قابلیت زمین لغزش منطقه تهیه شد. نقشه های بدست آمده از سه مدل با شاخص زمین لغزش مورد ارزیابی قرارگرفت و در نهایت مشخص شد که مدل های تراکم سطح، منطق فازی و ارزش اطلاعاتی به ترتیب بیشترین قابلیت را برای پهنه بندی زمین لغزش در منطقه دارند. همچنین نقشه های به دست آمده نشان میدهد که فعالیت های انسانی نقش عمدهای در وقوع زمین لغزشهای منطقه دارد چرا که اکثر زمین لغزشهای رخداده( 73 %) در پهنه هایی با کاربری کشاورزی و مسکونی و نیز حریم جاده ها رخ داده است و در نقشه نهایی با قابلیت بالای وقوع زمین لغزش مشخص شده است.کلیدواژه ها
زمین لغزش، مدل آماری دو متغیره، منطق فازی، محور اردبیل – آستارا، گردنه حیرانمقالات مرتبط جدید
- سرویس نرم افزاری همبسته ساز دنباله های کشتی ها در مسیرهای دریایی
- استخراج حوزه های نوآوریهای دفاعی مبتنی بر فناوری بلاکچین
- هوش مصنوعی و تحلیل بصری در فضای جغرافیایی و سایبری: فرصت ها و چالش های پژوهشی
- تخمین مدار ماهواره ها مبتنی بر هوش مصنوعی
- شناسایی خودروهای نظامی بر روی تصاویر واقعی به کمک مدلهای یادگیری عمیق و انطباق دامنه
اطلاعات 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.