چکیده:
شناخت لند فرمهای ژئومورفولوژی و بررسی تحولات و تغییرات آن در همه مناطق بخصوص مناطق کوهستانی در جهت مدیریت محیطی در زمینههای مختلف از نیازهای مهم و ضروری علم ژئومورفولوِژی است. عوامل دینامیک درونی و بیرونی زمین دائماً باعث ایجاد تغییرات در لند فرمهای ژئومورفولوژی میشوند. بنابراین شناخت این تحولات و تغییرات جهت مدیریت بهتر در زمینههای مختلف طبیعی و انسانی ضروری است. مناطق کوهستانی به علت صعبالعبور بودن مطالعات میدانی را دچار چالش میکنند. علم ژئومورفولوژی نیز همگام با سایر علوم از فنّاوریهای روز دنیا مانند علم سنجش از دور جهت تسریع در پیشبرد اهداف و نیازها استفاده میکند. در همین راستا جهت شناسایی لند فرمهای سطحی و مهم حوضه آبریز سجاسرود و بررسی روند تغییرات آن در طول سالهای 1986 تا 2018 از تصاویر ماهوارهای لندست TM و OLI استفاده گردید. جهت شناسایی لند فرمها، ضمن بررسیهای میدانی از تصاویر نرمافزار گوگل ارث و نقشههای توپوگرافی کمک گرفته شد. سپس از طریق روش های طبقهبندی نظارتشده حداکثر احتمال، شبکه عصبی و ماشین بردار پشتیبان لند فرمهای اصلی استخراج گردید. نتایج ارزیابی دقت طبقهبندی را نشان داد. روش حداکثر احتمال با صحت کلی 70/97 و ضریب کاپای 96 درصد در سالهای 1986 و 2018 نسبت به دو روش دیگر عملکرد بهتری در تهیه نقشه ژئومورفولوژی و روند تغییرات دارد. برای بررسی روند تغییرات لند فرمها و آشکارسازی تغییرات در بازه زمانی 32 ساله از نقشه طبقهبندی حداکثر احتمال و الگوریتم MNF در محیط نرمافزار ENVI استفاده گردید. نتایج نهایی نشان داد، پهنههای پوشش گیاهی و دشت آبرفتی به ترتیب با 159/479 و 26/572 درصد افزایش مساحت داشتند. در مقابل کوهها و تپهها، پادگانههای آبرفتی، مخروط افکنه ها و آبرفتهای جدید با کاهش مساحت مواجه بودند. همچنین نتایج الگوریتم MNF نشان داد بیشترین شدت و سرعت تغییرات مربوط به دشتهای آبرفتی، کوهها، تپهها و کمترین سرعت تغییرات مربوط به مخروط افکنه ها است.
Abstract: Understanding geomorphologic landforms and studying its developments and changes in all regions, especially mountainous areas, in order to manage the environment in different fields is the important and essential needs of geomorphology. The internal and external dynamics of the Earth constantly cause changes in geomorphologic landforms. Therefore, recognizing these changes and developments for better management in various natural and human contexts is an essential issue. Mountainous areas due to their difficulty in traffic challenge field studies. Geomorphology also uses the latest technologies of the world, such as remote sensing, to accelerate the advancement of goals and needs, in line with other sciences. Landsat TM and OLI satellite imagery were used to identify the surface landforms of Sojasrood basin and to investigate the trend of changes during the years 1986 to 2018. To identify the landforms, field surveys were performed using Google Earth images and topographic maps.Then, by maximum Likeihood Supervised Classification Methods Neural network and Support vector machine have been extracted from the original and main landforms. The results of classification accuracy assessment showed that the maximum Likeihood method with total accuracy of 97.70 Kappa coefficients 96 Percent in 1986 and 2018 has a better performance in geomorphologic mapping and change process than the other two methods. In order to investigate landform variations and detect changes over a period of 32 years, the maximum Likelihood category and MNF algorithm were used in the ENVI software environment. The final results showed that the Vegetation zones and alluvial plain had 159/479 and 26/572% increase in area, respectively. Mountains and hills, alluvial terraces, alluvial cone and new alluvial were reduced by area. Also, the results of MNF algorithm show that the maximum intensity and speed of changes are related to alluvial plains, mountains and hills, and the least speed of changes related to the alluvial cone.
خلاصه ماشینی:
در امر مديريت محيط ، معمولا ارزيابي ماهيت بلاياي طبيعي ، منابع طبيعي و به ويژه نحوه توزيع و تغييرات آن ها برحسب زمان ، کاربري نقشه لند فرم و مطالعات ژئومورفولوژيکي را ضروري مي سازد( شايان وهمکاران ، ۱۳۸۴) همچنين داده هاي سنجش ازدوري به عنوان يک منبع اصلي براي مطالعات آشکارسازي تغييرات کاربرد دارند، چرا که تناوب زماني بالا، فرمت ديجيتالي مناسب براي انجام دادن محاسبات ، ايجاد يک ديد اجمالي و انتخاب گسترده از دقت هاي طيفي و مکاني باعث اين امر شده است .
کرم و همکاران (۱۳۹۶) طبقه بندي لند فرم هاي بخشي از دشت اردکان - يزد را با استفاده از روش هاي نظارت شده و تصاوير ماهواره اي TM و 3 OLI لندست ۸ انجام داده اند و روند تغييرات آن را بين سال هاي ۱۹۸۷، ۲۰۰۰ و ۲۰۱۶ محاسبه نموده اند.
شنگ ٨ و همکاران ،(۲۰۱۸) با استفاده از روش شي ء مبنا و از روي DEM و خصوصيات حوضه زهکشي Loess area در چين ، مانند ارتفاع متوسط ، شيب خروجي ، عمق زه کشي ، و بافت ناحيه براي مشخص ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ 1 - Dickson 2 - Beier 3 - Anders 4 - Guha 5 -Mahananda 6 - Tista 7 - Ground-penetrating radar 8- Xiong کردن مورفولوژي حوضه هاي زه کشي استفاده کردند و دقت طبقه بندي به ترتيب ۸۷،۳ و ۸۶،۳ درصد براي بررسي ميداني و اعتبار سنجي مدل به دست آوردند.