| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,196 |
| تعداد مقالات | 35,423 |
| تعداد مشاهده مقاله | 52,255,317 |
| تعداد دریافت فایل اصل مقاله | 91,784,873 |
استخراج اتوماتیک تپه های بزرگ ماسه ای ریگ ییلان، شرق کویر لوت با استفاده از نقشه های خودسازمان ده | ||
| پژوهش های آبخیزداری | ||
| مقاله 3، دوره 30، شماره 1 - شماره پیاپی 114، فروردین 1396، صفحه 25-34 اصل مقاله (1.17 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmej.2017.115561 | ||
| نویسنده | ||
| امیر هوشنگ احسانی* | ||
| استادیار دانشکده محیط زیست، دانشگاه تهران | ||
| چکیده | ||
| اشکال متفاوت از تپههای ماسهای حدود 20 درصد از سطح بیابانهای جهان را پوشانده، که زمین ریختشناسی آنها همواره از دیدگاههای مختلف مورد توجه بوده است. روشهای سنتی نقشهبرداری زمین ریختشناسیک کیفی و یا بر پایهی عملیاتهای میدانی، به دلیل شرایط خاص و دشوار حاکم بر بیابانها بسیار زمانبر و پرهزینه است. به ویژه زمانی که منطقهای منحصر به فرد نظیر دشت لوت شامل تپههای بزرگ ماسهای در مقیاسی بزرگ تحت بررسی قرار گیرد، روشهای سنتی به دلیل عدم امکان بازدید صحرایی و دسترسی به منطقه دارای دقت مطلوبی نخواهد بود. در این مطالعه تپههای عظیم ماسهای بخش شرقی دشت لوت با پستی و بلندی ویژه، به وسیلهی یکی از روشهای شبکههای عصبی مصنوعی تحت عنوان الگوریتم خودسازمانده مطالعه گردید. در این مطالعه ابتدا 22 پارامتر مورفومتریک نمای اول، نمای دوم و نمای سوم از آخرین نسخهی دادههای رقومی ارتفاعی رادارSRTM/X با گرید سایز 1 قوس ثانیه (بزرگنمایی معادل 30 متر) بر اساس برنامهنویسی و با کمک برازش یک سطح درجه دوم و درجه سوم محاسبه گردید. سپس پارامترهای مؤثر در طبقهبندی و تعداد کلاسهای متناسب منطقه بر اساس ضرایب کمی OIF و DBI تعیین گردید. پارامترهای بهینهی مورفومتریک همراه با باندهای سنجندهی ETM+ به تاریخ 2001 جهت طبقهبندی با الگوریتم شبکهی خودسازمانده مورد استفاده قرار گرفت و نتایج با استفاده از اطلاعات موجود و نقشههای پستی و بلندی مقایسه گردید. نتایج حاصل نشان داد که شبکهی خودسازمانده به عنوان یک الگوریتم نظارت نشدهی شبکههای عصبی مصنوعی در تلفیق پارامترهای مورفومتریک و دادههای ماهوارهی لندست برای تحلیل لندفرمهای بیابان با مقیاسها و توانهای تفکیک متفاوت بسیار کارآمد میباشد. | ||
| کلیدواژهها | ||
| لندفرم بیابان؛ لوت؛ تپههای ماسهای؛ دادههای ماهوارهای؛ SRTM | ||
| عنوان مقاله [English] | ||
| Automatic Extraction of Mega Dune of Yealan Erg, Lut Desert by Self Organizing Maps | ||
| نویسندگان [English] | ||
| Amir Houshang Ehsani | ||
| Assistant Professor, Graduate Faculty of Environment, University of Tehran, Iran | ||
| چکیده [English] | ||
| 85 % of Total moving sands in the world are in ergs which cover about 32000 Km2. Traditional qualitative methods for geomorphological surveys are based on the field observations which due to harsh condition in deserts are time and money consuming. Lut desert in eastern part of Iran includes the mega dunes which are very interesting landforms but unreachable. This paper presents a new approach using a Self Organizing Map (SOM) as an unsupervised algorithm of artificial neural networks for analysis and identification of Lut mega dunes. The latest version 1 arc second SRTM/X band DEM were re-projected 30 m UTM grid and used to generate 22 morphometric parameters of first order (e.g. slope), second order (e.g cross-sectional curvature, maximum curvatures and minimum curvature) and third order( extreme curvature)by using a bivariate quadratic surface. The five optimum parameters are selected based on Optimum Index factor (OIF) and used in a SOM to identify morphometric features (or landform). The number of landforms was determined by Davies-Bouldin Index. The ETM+ bands of landsat satellite data also included to input data for increasing the potential of SOM to extract features. The result showed that all mega dunes could clearly be recognized and classified by this method when their width is larger than the DEM resolution. The results also demonstrate that a SOM is a very efficient tool for analyzing geo-morphometric features as Aeolian landforms under a hyper-arid environmental condition. | ||
| کلیدواژهها [English] | ||
| Desert Landforms, Lut, Mega dunes, satellite data, SRTM | ||
| مراجع | ||
|
1- Darvish zadeh, A., Iran Geology. Amir kabir Publication, Tehran. 2- Bagnold, R.A, (1941), The Physics of BlownSand and Desert Dunes. Methuen, London. 3- Bishop,(2010), “Nearest neighbor analysis of mega-barchanoid dunes, Ar Rub' al Khali, sand sea: The application of geographical indices to the understanding of dune field self-organization, maturity and environmental change, Geomorphology, vol. 120, no. 3-4, pp. 186-194. 4- Blumberg, D. G., (2006), Analysis of large aeolian (wind-blown) bedforms using the Shuttle Radar Topography Mission (SRTM) digital elevation data, Remote Sensing of Environment, vol. 100, no. 2, pp. 179-189. 5- Daniell, J., Hughes, M, (2007), The morphology of barchan-shaped sand banks from western Torres Strait, northern Australia, Sedimentary Geology 202: 638-652. 6- Ehsani, A. H., Alavi Panah, S. K., (2002), Study and evaluation of ETM+ bands for differentiating spectral units of marginal playa, Technical and Scientific surveying Journal,Vol 7, Issue 53, pp 5-10. 7- Ehsani, A.H., 2003, Mapping of geomorphological facies of playa using Landsat 7 satellite data (ETM+) (Case study; Chejam playa, Iran). SPIE 10 th International Symposium Remote Sensing, 8-12 September 2003, Barcelona, Spain. 8- Ehsani, A. H., & Quiel, F. (2008). Application of self organizing map and SRTM data to characterize yardangs in the Lut desert, Iran. Remote Sensing of Environment, 112, 3284−3294. 9- Ehsani, A.H., and Quiel, F., (2008), Geomorphometric feature analysis using morphometric parameterization and artificial neural networks, “Geomorphology“, Vol 99, Issues 1-4, Pages 1- 10- Ehsani, A. H., and Quiel, F., (2009), A semi-automatic method for analysis of landscape elements using shuttle radar topography mission and Landsat ETM+ data. “Computers & Geosciences”, Vol 35, Issues 2, Pages 373-389. 11- Ehsani, A. H., and Quiel, F., (2009), Self Organizing Maps for Multi-Scale Morphometric Feature Identification Using Shuttle Radar Topography Mission (SRTM) Data. “Geocarto International”, Volume 24, Issue 5, Pages 335 – 355. 12- Ehsani, A. H., and Quiel, F., (2010), Effect of SRTM Resolution on Morphometric Feature Identification Using Neural Network -Self Organizing Map, “Geoinformatica”. 13- Finkel, H.J, (1959), The barchans of southern Peru. Journal of Geology 67: 614–647. 14- Forootan, M., Kompanizare, M., Ehsani, A.H., (2011) Semi-Automatic Morphometric Land Surface Segmentation of an Arid Mountainous Area by Using DEM and Self Organizing Maps (SOM) Method, Geoinformation for disaster management 2011, 3-8 May 2011, Antalya, Turkey. 15- Herrmann, H.J., Sauerman, G, (2000), The shape of dunes. Physical A 283: 24–30. 16- Moren, B., Heyman J. and Stroeven. A., (2011), Glacial geomorphology of the central Tibetan Plateau,Journal of maps, 115, 125, 17- Hugenholtz, C. H. and Barchyn T. E., “Spatial analysis of sand dunes with a new global topographic dataset: new approaches and opportunities,” Earth Surface Processes and Landforms, vol. 35, no. 8, pp. 986-992, 2010. 18- Pye, K., Tsoar. H., (2009), Aeolian Sand and Sand Dunes, Springer, Berlin, Germany. | ||
|
آمار تعداد مشاهده مقاله: 698 تعداد دریافت فایل اصل مقاله: 1,065 |
||