| تعداد نشریات | 56 |
| تعداد شماره‌ها | 2,161 |
| تعداد مقالات | 22,517 |
| تعداد مشاهده مقاله | 106,927,994 |
| تعداد دریافت فایل اصل مقاله | 50,857,355 |
ارزیابی حساسیت پارامترهای ورودی در وضعیت بیابانزایی با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: جنوب شهرستان نیشابور) | ||
| آب و خاک | ||
| مقاله 20، دوره 25، شماره 2، خرداد 1390 اصل مقاله (631.57 K) | ||
| نوع مقاله: مقالات پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.9486 | ||
| نویسندگان | ||
| مرتضی اکبری* 1؛ احسان رعنایی2؛ سید حمزه بدیعی نامقی3 | ||
| 1فردوسی - دانشکده منابع طبیعی و محیط زیست | ||
| 2دانشگاه صنعتی میلان | ||
| 3اداره کل منابع طبیعی و آبخیزداری خراسان رضوی | ||
| چکیده | ||
| چکیده بیابانزایی کاهش توان اکولوژیکی و بـیولوژیکی زمین بوده که به صورت طبیعی و مصنوعی رخ می دهد. شناخت و ارزیابی عوامل موثر در توسعه روند بیابانزایی، می‌تواند در مدیریت بهتر سرزمین مفید واقع گردد. هدف از انجام این تحقیق، ارزیابی حساسیت پارامترهای ورودی در وضعیت بیابانزایی با استفاده از مدل مفهومی شبکه عصبی مصنوعی است. منطقه مورد مطالعه با مساحتی معادل 118658 هکتار در جنوب شهرستان نیشابور واقع شده است. این منطقه در طی سال‌های گذشته به دلیل خشک‌سالی متوالی، تخریب پوشش گیاهی، تبدیل اراضی مرتعی به کشاورزی دیم، فرسایش آبی و بادی و همچنین مدیریت نامناسب زمین با مشکل بیابانزایی روبه‌رو بوده است. پس از بررسی‌های میدانی، تهیه عکس‌های هوایی و تصاویر ماهواره‌ای، اقدام به جمع‌آوری لایه‌های مورد نیاز و تجزیه و تحلیل آنها در سیستم اطلاعات جغرافیایی گردید. جهت ارزیابی روند بیابانزایی، از روش فائو- یونپ (1984 میلادی) استفاده شد. در این روش وضعیت پوشش گیاهی، وضعیت مراتع، فرسایش بادی و آبی و شوری به عنوان عوامل موثر در وضعیت بیابانزایی، تعریف و امتیازبندی شدند. پس از ورود اطلاعات به محیط GIS4 بر اساس روش فائو- یونپ معیارهای تاثیرگذار بررسی و نقشه وضعیت بیابانزایی به دست آمد. نتایج نشان داد که وضعیت بیابانزایی در شمال منطقه مطالعاتی شدید بوده که مهمترین دلایل آن، کاهش درصد تاج پوشش، زوال پوشش گیاهی و فرسایش آبی شدید می‌باشد. این در حالی است که 62 درصد منطقه دارای وضعیت بیابانزایی متوسط و 30 درصد دارای وضعیت ناچیز است. جهت مقایسه نتایج حاصل از ارزیابی وضعیت بیابانزایی و همین‌طور وزن‌دهی اثر پارامترهای ورودی، از مدل ریاضی شبکه‌های عصبی مصنوعی5 استفاده شد. نتایج نشان داد که اثر وضعیت پوشش گیاهی، فرسایش بادی و فرسایش آبی در روند بیابانزایی، غیر قابل اغماض بوده که باید مورد توجه جدی قرار گیرد. اما درمورد اثر شوری، این عامل از تاثیرگذاری کمتری نسبت به عوامل دیگر برخوردار می‌باشد که با روش فائو- یونپ تطابق دارد. نتایج بررسی معیارهای خطا، خصوصاً میانگین مربعات خطا با مقدار 25/0 این عملکرد را به خوبی تایید می‌کند. واژه های کلیدی: بیابانزایی، روش فائو- یونپ، GIS، شبکه‌های عصبی مصنوعی، شهرستان نیشابور | ||
|
آمار تعداد مشاهده مقاله: 4,968 تعداد دریافت فایل اصل مقاله: 2,072 |
||