طبقه بندی نیمه اتوماتیک ژئومورفومتریکی یاردانگ های لوت با شبکه های عصبی مصنوعی

یاردانگ های منطقه فراخشک لوت یکی از منحصربه فردترین لندفرم های آبی- بادی مناطق بیابانی است. شناخت و پهنه بندی ژئومورفومتریک این یاردانگ ها، با توجه به میسرنبودن بازدیدهای میدانی و دسترسی به منطقه، دقت مطلوبی نخواهد داشت. در این مطالعه یاردانگ های دشت لوت، با توپوگرافی ویژه و خاص، با یکی از روش های شبکه های عصبی مصنوعی با عنوان «الگوریتم خودسازمانده» مطالعه و طبقه بندی شد. نخست 22 پارامتر مورفومتریک نمای اول، نمای دوم، و نمای سوم از مدل رقومی ارتفاعی با اندازه سلول 10 متر بر اساس برنامه نویسی و با کمک برازش سطوح درجه دوم و درجه سوم در نرم افزار مت لب محاسبه و استخراج شد. در مرحله بعد، 7 پارامتر مورفومتریک موثر در طبقه بندی و همین طور تعداد کلاس های بهینه طبقه بندی طی دو مرحله با استفاده از شاخص فاکتور ضریب بهینه و ضریب داویس - بولدین (ضریب دی- بی) تعیین گردید. سپس، از آنالیز حساسیت به منظور تعیین میزان تاثیر هر یک از پارامترهای مورفومتریک ورودی بر روی نتایج استفاده شد. در نهایت، پارامترهای بهینه مورفومتریک با الگوریتم شبکه خودسازمانده طبقه بندی شد و نتایج با استفاده از اطلاعات موجود و نقشه های توپوگرافی مقایسه گردید.
نتایج این تحقیق نشان داد که پارامترهای انحنای سطحی، چرخش، انتگرال ارتفاع سنجی، کل انحنای تجمعی، شیب، انحنای حدی، و متوسط انحنا بهینه ترین پارامترهای مورفومتریک در جدایی یاردانگ ها هستند. همچنین، پارامترهای فوق یاردانگ های لوت را به هفت پهنه تقسیم می کنند؛ این پهنه ها عبارت اند از: دره گردنه ای، گودی بیضوی، کریدور کم شیب، شانه یاردانگ با شیب مقعر، شانه یاردانگ با شیب محدب، راس یاردانگ، و آبراهه کریدور. نتایج تحلیل حساسیت نشان داد که نتایج طبقه بندی به پارامترهای چرخش، متوسط انحنا، و انتگرال ارتفاع سنجی دارای بیشترین حساسیت اند و جفت پارامترهای انتگرال ارتفاع سنجی- انحنای حدی دارای بیشترین قدرت تفکیک کلاس ها هستند. به طور کلی، شبکه خودسازمانده به عنوان یک الگوریتم نظارت نشده شبکه های عصبی مصنوعی در تلفیق پارامترهای مورفومتریک برای آنالیز نیمه اتوماتیک لندفرم های بیابان بسیار کارآمد است.