چکیده:
برای تخمین شدّت فرسایش باد که وسیعترین قلمرو فعّالیّت را دارد، استفاده از مدلهای منطقهای اجتنابناپذیر است. این مدلها، تجربی بوده و مبتنی بر مؤلّفههایی هستند که از طریق امتیازدهی در آستانههای تعیینشده به تخمین فرسایش منجر میشوند. تفاوت تجربیات و متغیّر بودن مؤلّفههای ورودی این مدلها، باعث بروز ناسازگاری و کاهش قابلیّت اعتماد تخمینها میشود. هدف از این مطالعه، بهینهسازی تخمین فرسایش باد در حوضة آبریز دشت بیرجند از طریق کمینه نمودن ناسازگاری امتیازات مؤلّفههای ورودی مدل مورد استفاده است. برای این منظور، مدل تجربی پهنهبندی شدّت فرسایش باد سازمان جنگلها و مراتع ایران با استفاده از الگوریتم هوش جمعی کلونی زنبورهای مصنوعی، بهینهسازی شده است. پس از تعیین امتیازات مؤلّفههای مدل اوّلیه، منطقه مورد مطالعه به پیکسلهای 200×200 مترمربعی تبدیل و با استفاده از دستگاه مختصات قطبی به 82 ناحیه تقسیم شد. سپس الگوریتم بهینهسازی کلونی زنبورها در سه مرحله شامل: 1- تخصیص، 2- پایش و 3- نتیجهگیری توسّط زنبورها، اجرا و پیکسلهای با بیشترین پتانسیل فرسایش شناسایی شدهاند. نتایج، نشانگر انتقال حدود 49% از مساحت طبقات فرسایش باد در مدل سازمان جنگلها و مراتع ایران به طبقات فرسایشی بالاتر در روش الگوریتم کلونی زنبورها است. بر این اساس، الگوریتم کلونی زنبورها حسّاسیت بسیار زیادی در ارائة طبقهبندی کلاسهای فرسایش باد دارد. آزمون واریانس مساحت کلاسهای فرسایشی حاصل از دو روش، حاکی از قابلیّت اطمینان بیشتر به نتایج روش الگوریتم کلونی زنبورها است. بیشترین نرخ فرسایش در لندفرم مخروط افکنهها رخ داده و بیش از 90% کانونهای فرسایش در واحد ژئومورفولوژیک دشتسر واقع شده است.
The domain of wind erosion is wider than the other erosion processes، so the use of regional models is inevitable to estimate its intensity. The experimental models depend on components rated in defined ranges evaluating the amount of erosion. Different experiences and also variety of input components of the model lead to some inconsistency in the results، and decline the reliability of estimation. The aim of this study is to optimize the estimation of wind erosion in Birjand plain through removal and mitigation of the effects of different rating experiences. In this paper، the data obtained from the experimental model of Iranian Research Institute of Forest and Rangeland (IRIFR) are optimized using collective intelligence artificial bee colony algorithm. To achieve this purpose، after calculating the components of Iranian research institute of forest and rangeland model، the investigated area was divided into pixels of 200×200m. The pixels were located into 82 subdomains by using polar coordinates in order to decrease the computational time. Then optimization of bee colony algorithm was implemented in three steps: (1) the allocation process، (2) the investigation process and (3) conclusion process by the bees. Finally the pixels with greatest potential erosion were identified. About 49% of the area of wind erosion classes in IRIFR model moved to higher erosion classes in bee colony algorithm. Therefore bee colony algorithm is highly sensitive in the classification of wind erosion. The variance test of the erosion classes obtained by the two methods showed more reliability of bee colony results. The results showed the highest erosion rates occurred in the alluvial fan landforms and more than 90 percent of erosion centers are located in the pediment of geomorphologic unit.
خلاصه ماشینی:
"مـدل سـازمان تحقیقـات جنگـل هـا و مراتـع ایـران از جملـه ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ 1- Thomas 2- Boulghobra 3- Eswaran 4- Oldeman 5- Callot 6- Prospero 7- Smith & Lee 8- Griffin 9- Carter 10- Mezosi & Szatmari 11- Goudie & Middleton 12- Washington 13- Coen 14- Böhner 15- Lawrence 16- Iranian Research Institute of Forest and Rangeland (IRIFR) 17- Artificial bee colony algorithm مدل هایی است که به دلیل پیچیدگی روابط متقابل مؤلفه های آن و نیز تعمیم نتایج ، محـدودیت هـایی در آن وجـود دارد.
طبقه بندی و پتانسیل رسوب دهی در مدل سازمان تحقیقات جنگل ها و مراتع ایران (اختصاصی و احمدی، ١٣٧٥) طبقۀ فرسایشی کیفیت فرسایش مجموع امتیاز پتانسیل رسوب دهی تن در کیلومترمربع در سال I خیلیکم کمتر از ٢٥ کمتر از ٢٥٠ II کم 25-50 250-500 III متوسط 50-75 500-1500 IV زیاد 75-100 1500-6000 V خیلی زیاد بزرگتر از ١٠٠ بیشتر از ٦٠٠٠ ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ 1- Karaboga & Basturk متعدد الگوریتم و شکل پیچیدة منطقه ، با استفاده از دسـتگاه مختصـات قطبـی محاسـبات الگـوریتم در ٨٢ ناحیـه انجام شده است .
در روش دیگر برای بررسی و طبقه بندی پهنه های فرسایش بادی در منطقۀ مورد مطالعه از الگوریتم بهینه سازی کلونی زنبورهای مصنوعی به جای جمع جبری لایه های ورودی به مدل استفاده شده است ."