Abstract:
پیش بینی از وقوع فرسایش خندقی با استفاده از مدلهای مناسب و تهیه نقشههای پهنهبندی خطر، مناسبترین راهکار برای برنامه ریزی مدیریت زمین در حوضههای آبخیز است. در این مطالعه از روش شبکه عصبی مصنوعی با ساختار چند لایه پرسپترون و با استفاده از متغیرهای شیب، جهت شیب، نقشه ارتفاع رقومی (DEM)، واحدهای اراضی، کاربری اراضی، فاصله از آبراهه، زمین شناسی و فاصله از راه برای حساسیت پهنه بندی فرسایش خندقی در حوضه آبخیز قویجق استان گلستان استفاده شده است. برای انجام شبکه عصبی از نرم افزار SPSS modeler و از روش MLP استفاده شده است. استفاده از لایهها در روش MLP 1-8-9 بود. یعنی شامل 9 لایه ورودی،8 لایه پنهان و 1 لایه خروجی یا هدف بود. نتایج بهدستآمده نشان داد که 20، 30، 24، 16، 10 درصد از منطقه مورد مطالعه در مناطق با خطر بسیار زیاد، زیاد، متوسط، کم و خیلی کم قرارگرفته است که بیشتر منطبق بر آبراههها و راههای ارتباطی و زمینشناسی بود. نقشه های حساسیت به فرسایش خندقی تهیه شده می تواند برای تصمیم گیری در مورد برنامه ریزی و مدیریت خاک و آب و در نهایت توسعه پایدار در حوزه آبخیز قویجق مفید باشد.
Prediction of occurrence of gully erosion through the use of models and output them to the hazard mapping of gully erosion, most appropriate strategy for land management planning in watersheds prevent the occurrence of erosion. in this research, the zoning of gully erosion in the Quyjoq watershed Golestan province of Multilayer Perception neural network structure and the use of variables the selected suitable factors are: slope, aspect, elevation, land unit, land use, distance to river, lithology, distance to road. SPSS modeler software and MLP method were used to perform the neural network. The method of using layers in MLP method was 1-8-9. It includes 9 input layers, 8 hidden layers and 1 output or target layer. Results of the study show that 20, 30, 24, 16 and 10 percent of the region form the areas with very high, high, medium, low and very low risk of erosion. This finding is primarily related to streams, roads and geology. The produced gully erosion susceptibility maps can be helpful to make decisions for soil and water planning and management and finally sustainable development in the Quyjoq watershed.
Machine summary:
در این مطالعه از روش شبکه عصبی مصنوعی با ساختار چند لایه پرسپترون و با استفاده از متغیرهای شیب، جهت شیب، نقشه ارتفاع رقومی (DEM)، واحدهای اراضی، کاربری اراضی، فاصله از آبراهه، زمین شناسی و فاصله از راه برای حساسیت پهنه بندی فرسایش خندقی در حوضه آبخیز قویجق استان گلستان استفاده شده است.
بشارتی و همکاران (١٣٩٧) با بررسی و تجزیه و تحلیل عوامل موثر در ایجاد و توسعه فرسایش خندقی در حوضه آبخیز شورچای در دامنه شرقی کوه سهند به این نتیجه رسیدند که مارن های شور و گچی دوران سوم و چهارم به دلیل انحلال پذیری بالا، نفوذپذیری بالایی دارند و زمینه مناسبی را برای ایجاد شبکه ای خندق های متراکم در اراضی تپه ماهوری و تراس های آبرفتی منطقه فراهم نموده است .
موحدی نسب و همکاران (١٣٩٨) با ارزیابی روش های آماری و داده کاوی در پهنه بندی خطر فرسایش خندقی در اراضی لسی استان گلستان از سه روش نسبت فراوانی، شاخص آماری، رگرسیون لجستیک و جنگل تصادفی به این نتیجه رسیدند که روش جنگل تصادفی دارای بهترین عملکرد میباشد در جمع بندی باید گفت که در ایران استفاده از شبکه های عصبی مصنوعی ١ (ANN) در مطالعات علوم فضایی مخصوصا در مطالعات مربوط به پهنه بندی مخاطرات ناشناخته مانده است ، در صورتیکه با این روش مخاطرات را به خوبی میتوان پهنه بندی کرد.
بدین منظور در این تحقیق با استفاده از روش شبکه عصبی مصنوعی اقدام به پهنه بندی خطر فرسایش خندقی در حوضه قویجق استان گلستان گردید.