مطالعه کمی ناهمواری ها، یکی از بخش های نوین و کم سابقه در مطالعات داخلی محسوب می شود که با توجه به این واقعیت، اعتبارسنجی های این نوع مطالعات نیز به همین منوال جایگاه مهمی را به خود اختصاص داده است. در این راستا در تحقیق پیشرو آنالیز شاخص موقعیت توپوگرافی ((TPI)) به صورت خودکار در دو ناحیه زون سنندج- سیرجان و زاگرس شکسته جهت دستیابی به نتایج صحیح تر، مورد بررسی قرار گرفت. در این تحقیق با توجه به صحت سنجی و انطباق با شرایط مشاهداتی از بین سایر روش ها از روش Dickson & Beier استفاده گردید. پس از تهیه لایه (TPI) با تفکیک 4 طبقه (ارتفاعات، شیب تند، شیب ملایم و دره) به روش Dickson & Beier از لایه رقومی ارتفاعی (DEM) با دقت 10 متر از کل شهرستان صحنه در استان کرمانشاه، در گام بعدی به صورت پایلوت از هر دو ناحیه ژئومورفولوژیک زاگرس دو قسمت (=A زون سنندج- سیرجان و =B زاگرس شکسته) با ابعاد 6.07×6.07 کیلومتر انتخاب شدند. در قسمت پایانی پروژه نیز نتایج حاصل از شاخص موقعیت توپوگرافی با توجه به تصاویر ماهواره ای و بازدیدهای میدانی بررسی شد. نتایج بیانگر تطابق مناسب مقادیر 1=(TPI)، با دره ها و کانیون ها (حضور شبکه زهکشی)، 2=(TPI)، با قسمت های سکونتگاهی، زراعی و شیب ملایم، 3=(TPI)، بر دامنه های با شیب تند و پوشش اندک گیاهی و 4=(TPI)، با ستیغ است. در دو قسمت نیز بخش های با شیب تند، حداکثر مساحت از هر دو زون مورد مطالعه (پایلوت) را شامل شده است و سپس لندفرم های شیب ملایم و ارتفاعات و در نهایت نیز دره ها نیز حداقل مساحت را به خود اختصاص داده اند.

لندفرم یک عارضه زمین یا سیمای زمینی است که تشکیل آن به وسیله فرایندهای طبیعی به صورتی شکل گرفته که می توان آن را با عارضه های شاخص توصیف و تعریف کرد؛ و در صورت شناسایی، این لندفرم اطلاعاتی درباره ساختار خود به همراه ترکیب، بافت یا یکپارچه بودنش ارائه می دهد. وجود انواع لندفرم ها و تنوع آنها به طور عمده با تغییر در شکل و موقعیت زمین کنترل می شود. بنابراین، طبقه بندی و شناسایی مناطق مختلف با توجه به ویژگی های مورفومتری آنها ضروری می باشد. این پژوهش سعی دارد که به طبقه بندی لندفرم های مختلف در جنوب شهرستان داراب بپردازد. پژوهش از نوع توصیفی - تحلیلی مبتنی بر روش های کمی، میدانی، نرم افزاری و مدل سازی است که در آن از روش شاخص موقعیت توپوگرافی ((TPI)) برای شناسایی و طبقه بندی لندفرم های منطقه مورد مطالعه استفاده شد. داده های ورودی در این مدل شامل شیب، انحنای عرضی، انحنای حداقل و انحنای حداکثر است. نتایج طبقه بندی مورفولوژیکی منطقه مورد مطالعه نشان داد که منطقه شامل 10 نوع لندفرم (آبراهه، دره های آبراهه های میانی، زهکش های مرتفع، بالا رود، دره های u شکل، دشت های کوچک، شیب های باز، شیب های بالایی، یال های مرتفع، یال های شیب میانی، قله کوه) است. بیشترین نوع لندفرم در منطقه مورد مطالعه مربوط به آبراهه (32.19%( و بعد از آن قله ها (%25.36) می باشد.

شناخت عوامل هیدروژئومورفولوژیک و عملکرد آنها در حوضه آبخیز به منظور شناخت و مدیریت محیط حوضه آبخیز، اهمیت زیادی دارد. در این پژوهش یکی از زیرحوضههای آبخیز رودخانه ارومیه (نازلوچای) واقع در شمال غرب ایران با مساحت 75/948 کیلومترمربع با محاسبه و آنالیز مورفومتری و استفاده از فنون سیستم اطلاعات جغرافیایی مورد بررسی قرارگرفته است. برای استخراج آبراهههای منطقه و بررسی حوضه آبخیز از نظر مورفومتری از مدل رقومی ارتفاع (DEM) 30 متر استفاده شد. پارامترهای مورفومتری بررسی شده در این مقاله شامل تعداد آبراههها (Nu)، رتبه آبراهه (U)، مجموع طول آبراهه (L)، ضریب بیفرکاسیون (Rb)، پستی و بلندی (Bb)، چگالی زهکشی (Dd)، فراوانی آبراهه (Fs)، فاکتور شکل (Rf)، ضریب گردی (Rc) و ضریب مستطیل معادل (Re) میباشد. نتایج نشان داد که با توجه به تعداد آبراههها (489 آبراهه)، وجود آبراهههای درجه اول، دوم و سوم، زیاد بودن طول آبراههها، بالا بودن نسبت طول آبراههها نسبت به مساحت حوضه، ضریب رلیف بالا که نشان دهنده وجود ارتفاعات و شیب زیاد، منطقه فرسایش پذیر بوده و نیاز به مدیریت بیشتر دارد. همچنین مطالعات لندفرم در منطقه مورد مطالعه نشان داد که به کمک ویژگیهای مورفومتری میتوان میزان حساسیت لندفرمها به فرسایش را در منطقه مشخص نمود. به طوری که بعد از تهیه نقشه لندفرمها با استفاده از شاخص موقعیت توپوگرافی ((TPI))، و در نظرگرفتن مناطق حساس به فرسایش از طریق ویژگیهای مورفومتری، لندفرمهای حساس به فرسایش در منطقه مورد مطالعه مشخص شد. به طوریکه افزایش تعداد آبراههها و طول آن در حوضه آبخیز نشان دهنده افزایش فرسایش است. با مقایسه نقشه لندفرمها و نقشه آبراهههای منطقه مورد مطالعه مشخص شد که لندفرمهای کلاس 4 (درههای U شکل) و لندفرمهای کلاس 3 (زهکشهای مرتفع) دارای بیشترین فرسایشپذیری هستند. نتایج نشان داد که با افزایش میزان چگالی زهکشی میزان فرسایشپذیری افزایش مییابد که در لندفرمهای کلاس 4 (درههای u شکل) و کلاس 6 بیشترین میزان فرسایشپذیری با توجه به بالا بودن چگالی زهکشی دیده شد.

لطفا برای مشاهده چکیده به متن کامل (PDf) مراجعه فرمایید.متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

هدف از انجام این تحقیق طبقه بندی ناهمواری ها با استفاده از شاخص موقعیت توپوگرافی و بررسی ارتباط بین ناهمواری ها و سازند های زمین شناسی بود. در این تحقیق برای طبقه بندی ناهمواری ها از شاخص موقعیت توپوگرافی ((TPI)) استفاده شد و در ادامه با تغییر فاصله همسایه با روش انحراف ارتفاع متوسط (DEV) به بررسی تغییر مساحت ناهمواری ها پرداخته شد. در بخش دیگر تحقیق، ارتباط بین سازندهای زمین شناسی و نقشه طبقه بندی ناهمواری ها مورد بررسی قرار گرفت. نتایج نشان داد در منطقه مورد مطالعه به ترتیب طبقات دره های باریک و آبراهه ها و طبقات شیب های پایینی با 37/33 و 63/5 درصد، بیشترین و کمترین مساحت را در منطقه دارند. علاوه بر این ناهمواری های دشت، شیب های باز، شیب های میانی، شیب های بالایی و یال های مرتفع به ترتیب 09/14، 3/10، 8/5 و 79/30 درصد از مساحت منطقه را در بر گرفته اند. دیگر نتایج نشان داد که با افزایش فاصله همسایه نقاط مرکزی، مساحت متعلق به لندفرم دره های باریک و آبراهه ها دارای بیشترین تغییرات بوده است، زیرا این لندفرم با 62/20 درصد (در فاصله50 متر) به 7/55 درصد (750 متر) رسیده است و در مقابل کمترین درصد تغییر مساحت متعلق به لندفرم زهکش های شیب میانی، دره های کم عمق بوده است، زیرا از 4/6 درصد (50 متر) به 01/1 درصد (750 متر) کاهش یافته است. نتایج تحلیل واریانس (ANOVA) یک طرفه سازندهای زمین شناسی و نقشه طبقه بندی ناهمواری های منطقه نشان داد که اثر سازند زمین شناسی بر روی ناهمواری های منطقه با احتمال 99 درصد معنی دار است و بیش از 60 درصد سازند های آهکی منطقه باعث تشکیل لندفرم های شیب میانی، شیب بالایی و یال ها و قله کوه های منطقه شده اند.

ویژگی های مورفومتری حوضه های آبخیز تاثیرات بسیار زیادی بر روی کاربری اراضی آن دارد، بدین صورت که ناهمواری ها و شیب علاوه بر اینکه تا حدودی تعیین کننده ویژگی های میکرواقلیم حوضه می باشند، بر روی نوع کاربری، پوشش گیاهی و عمق خاک نیز تاثیرگذار هستند. این پژوهش سعی دارد که به بررسی ارتباط بین ویژگی های کاربری اراضی و پارامترهای مورفومتری حوضه آبخیز سرداب و بید سبحان در شمال شرقی شهرستان اقلید استان فارس بپردازد. پارامترهای مورفومتری مانند شیب، ارتفاع، لندفرم و همچنین شاخص پوشش گیاهی NDVI در منطقه مورد مطالعه مورد بررسی قرار گرفتند. از تصاویر ماهواره ای لندست 8، سنجنده(2015) ETM+  به منظور استخراج شاخص پوشش گیاهی NDVI استفاده شد. همچنین به منظور تعیین ارتفاع، لندفرم و شیب از مدل رقومی ارتفاع (DEM) سنجنده استر استفاده شد. بعد از تهیه نقشه شیب و ارتفاع و لندفرم های منطقه با استفاده از شاخص موقعیت توپوگرافی ((TPI))، ارتباط بین هر یک از پارامترهای مورفومتری و واحدهای کاربری اراضی حوضه مورد مطالعه تعیین شد. نتایج نشان داد که بیشترین واحدهای کپه کاری و بذر پاشی، قرق میان مدت و کشاورزی در کلاس 1، منطقه حفاظتی و باغ به ترتیب در کلاس 10 و 9 قرار گرفته است. در حالیکه کمترین میزان لندفرم ها در واحدهای کپه کاری و بذر پاشی و منطقه حفاظتی در کلاس 6، واحدهای کپه کاری و قرق میان مدت در کلاس 2 و واحدهای کشاورزی و باغ به ترتیب در کلاس های 4 و 9 قرار گرفته است. حداکثر مقادیر شیب در واحد منطقه حفاظتی (45.24) و کمترین آن در واحد کپه کاری و بذرپاشی (0.375) است. همچنین نتایج نشان داد که حداکثر مقادیر DEM در واحد قرق میان مدت (3853 متر) و کمترین آن در واحد کپه کاری و بذرپاشی (2539 متر) است. حداقل و حداکثر مقادیر NDVI در واحد کپه کاری از بقیه واحدها بیشتر است که نشان دهنده پوشش گیاهی بیشتر در منطقه مورد مطالعه است.

از مهم ترین موضوعات در علم ژئومورفولوژی کمی افزایش قدرت تفکیک مکانی به منظور افزایش میزان اطلاعات در مدل رقومی ارتفاع (DEM) است. مدل های مختلفی به منظور افزایش قدرت تفکیک مکانی تاکنون استفاده شده اند. از بین مدل های مختلف مدل جاذبه به عنوان جدیدترین مدل، دارای دقت بسیار بالایی می باشد. در این تحقیق از مدل جاذبه برای اولین بار به منظور افزایش قدرت تفکیک مکانی DEM در جنوب شهرستان داراب (قلاتویه) استفاده شد. در این تحقیق از دو مدل همسایگی پیکسل های مماس و مدل همسایگی چهارگانه برای تخمین مقادیر زیرپیکسل ها بر روی DEM استفاده شد. هر مدل دارای پیکسل های همسایه متفاوت هستند که به کمک آن ها مقادیر جاذبه هر زیر پیکسل محاسبه می شود. پس از تولید تصاویر خروجی برای زیرپیکسل ها در مقیاس های 2، 3، 4 با همسایگی های متفاوت، بهترین مقیاس با مناسب ترین نوع همسایگی با استفاده از نقاط کنترل زمینی تعیین شد و مقادیر RMSE برای آن ها محاسبه شد. از بین مقیاس ها با همسایگی های مختلف مشخص شد که فاکتور مقیاس 3 و مدل همسایگی چهارگانه نسبت به بقیه روش ها دارای بیشترین دقت با کمترین میزان (8.07) RMSE برای 90 DEM متر (8.09) می باشد. نتایج حاصل از بررسی میزان RMSE نشان می دهد که مدل چهارگانه نتایج بهتری نسبت به مدل مماس نشان می دهد و میانگین RMSE خروجی های این مدل کمتر از مدل همسایگی مماس است. در حالت S=2 مدل همسایگی و چهارگانه به طور استثنا نتایج یکسانی ارائه می کنند که موجب می شود RMSE این دو مدل در این حالت مقدار یکسانی را ارائه می کند که این مقدار همچنین کمترین مقدار مربوطه در بین سایر شاخص های مقیاس (3 و 4) است. در نهایت از بهترین مدل رقومی ارتفاع حاصل از مدل جاذبه، به عنوان داده ورودی برای تهیه لندفرم های منطقه مورد مطالعه با استفاده از روش (TPI) استفاده شد. نتایج نشان داد مساحت لندفرم های قله کوه، یال های مرتفع، یال های شیب میانی، تپه های کوچک موجود در دشت، شیب های بالایی، مساها، شیب های باز، دشت و دره های u شکل در لندفرم حاصل از مدل جاذبه نسبت به 90 DEM متری افزایش یافت. درحالی که مساحت لندفرم های دره های باریک، آبراهه ها، زهکش های شیب میانی، دره های کم عمق، زهکش های مناطق مرتفع و یال های موضعی، تپه های موجود در دره کاهش یافت. با استفاده از این تحقیق مشخص شد که استفاده از مدل رقومی ارتفاع (DEM) حاصل از الگوریتم جاذبه نسبت به 90 DEM متری دارای جزئیات بیشتری می باشد و اطلاعات بیشتری را از منطقه مورد مطالعه نشان می دهد.

امروزه شناسایی لندفرم ها و طبقه بندی زمین مبتنی بر روش کارشناسی است که به صورت دستی و با استفاده از عکس های هوایی و نقشه های توپوگرافی انجام می شود و روشی وقت گیر و دارای دقت کمی است. از این رو، استفاده از روش های نیمه خودکار و خودکار به منظور طبقه بندی لندفرم ها برای افزایش دقت و سرعت کار ضروری به نظر می رسد. این پژوهش سعی دارد که به طبقه بندی لندفرم ها بر اساس الگوریتم شبکه های عصبی خودسازمانده (SOM) در حوضه آبخیز گاوخونی بپردازد. پژوهش از نوع تحلیل و توصیفی مبتنی بر روش های آماری، نرم افزار و میدانی است؛ بدین صورت که به منظور استفاده از الگوریتم SOM برای طبقه بندی لندفرم ها از شش پارامتر استفاده شد شامل جهت (aspect)، ارتفاع (elevation)، شیب (slope)، پروفیل طولی و عرضی (plan, profile) و انحنا (curvature). برای این منظور، ابتدا با استفاده از شاخص موقعیت توپوگرافی ((TPI))، لندفرم های منطقه مورد مطالعه طبقه بندی شد. از کلاس های لندفرم حاصل از (TPI) به منظور آموزش مدل SOMاستفاده شد. در مرحله بعد، پنجاه نقطه به عنوان نمونه برای آموزش شبکه استفاده شد. نتایج حاصل از طبقه بندی لندفرم ها با استفاده از الگوریتم SOM نشان داد که شش خوشه (کلاس) در محدوده مورد مطالعه وجود دارد، به طوری که خوشه 1 و 5 شامل لندفرم هایی است که در ارتفاعات زیاد قرار دارد و خوشه 3 شامل لندفرم هایی است که در کمترین ارتفاع واقع شده است. بقیه خوشه ها شامل لندفرم هایی هستند که در ارتفاعات متوسط در حوضه آبخیز مورد مطالعه قرار دارد. بنابراین از الگوریتم فوق می توان به منظور پیش بینی لندفرم های منطقه مورد مطالعه استفاده کرد.

هدف از این پژوهش واکاوی تغییرات پوشش گیاهی در لندفرم ­های بیابانی شمال استان اصفهان با استفاده از داده­ های ماهواره ­ای لندست 5 و 8، سنجنده­ های TM و OLI-TIRS در دوره 2020-1987 است. در این راستا، 200 تصویر در 27 ماه گرم سال (از اول ژوئن تا آخر آگوست، برابر با اوایل خرداد تا اوایل شهریور) اخذ شد. پس از پیش پردازش­ های لازم روی تصاویر پوشش­ دهنده محدوده مورد بررسی و با طبقه ­بندی لندفرم ­های زمین بر اساس نمایه موقعیت توپوگرافی Topographic Position Index ((TPI))، نمایه پوشش گیاهی NVDI مورد واکاوی قرار گرفت. نتایج نشان می ­دهد که الگوی تغییرات پوشش گیاهی از پهنه­ های کوهستانی به سوی مناطق هموار نزولی است. بررسی شرایط پوشش گیاهی در لندفرم های حاصل از (TPI) نشان داد که بیشینه مقادیر NDVI مربوط به واحد برآمدگی ­ها، کوه ­ها و ارتفاعات و کمینه مقادیر آن متعلق به واحد دشت­ های هموار (پلایاها، کفه ­های گلی و رسی) است. در مجموع، مقادیر NDVI از لندفرم کوهستان به سوی پلایاها و چاله ها روندی کاهشی دارد. اُفت چشمگیر NDVI در ارتفاع 1400 متری (دشت ­سرهای میانی) آشکار است. در لندفرم کوهستان (ارتفاعات بالاتر از 1400 متر) مقادیر NDVI افزایش می­ یابد. در شیب ­های بیشتر از 65 درجه (زمین ­های سنگلاخی و صخره ای مرتفع) روند کاهشی NDVI تشدید شده است. نمایه NDVI چهار فاز تغییرات را نیز آشکار کرد که فاز چهارم از 2020-2014 دارای روند کاهشی بوده و مساحت این نمایه از 34380 کیلومتر مربع به 34200 کیلومتر مربع کاهش یافته است. تغییرات فضایی نمایه NVDI در سال 2030 آشکار ساخت که ارتفاعات کرکس تا مارشنان و پهنه ­های بین کاشان تا اردستان دچار شرایط بحرانی خواهند شد؛ این مسئله نیازمند توجه ویژه مسئولان و مدیران اجرایی مربوطه در این زمینه است.

سازمان همکاری شانگهای نمادی از زنجیره همگرایی منطقه‌ای در آسیا به شمار می‌رود که به‌واسطه موقعیت اقتصادی و یا اجتماعی کشورهای عضو و همچنین پوشش جغرافیایی این گروه در سطح جهان قابل توجه است.از سویی تفاوت‌های عدیده در زیرساخت‌های اقتصادی کشورهای عضو و سطح درآمدی آن‌ها بررسی شاخص تاب‌آوری در گروه شانگهای بسیار حائز اهمیت است.در واقع شاخص تاب‌آوری به دنبال ارزیابی قابلیت سازگاری اقتصادی یک کشور و یا گروهی از کشورها در مقابل شوک‌های ایجادشده و نهایتاً پتانسیل بازگشت به سطح تعادلی مطلوب است،لذا بررسی سطح تاب‌آوری در گروه شانگهای می‌تواند دورنما و آینده این سازمان را با وضوح بیشتری نشان دهد.در این پژوهش از روش اقتصادسنجی پانل فضایی در دوره زمانی 2019-2013 استفاده شده است.لذا دو معادله بررسی و مدل SEM با روش اثرات تصادفی پذیرفته شده است و نتایج نشان می‌دهد که متغیرهای حجم تجارت و نوآوری بر سرانه تولید ناخالص داخلی، تأثیر مثبت و معناداری دارند.