فهرست نشریات علمی دسترسی آزاد ایران

استفاده از شاخص­های ژئومورفومتری در تفکیک ناهمواری­های سطح زمین کاربرد گسترده­ای را طی دهۀ گذشته در علم ژئومورفولوژی داشته است. در این تحقیق از روش پرسپترون چند لایۀ شبکۀ عصبی مصنوعی برای طبقه‌بندی ناهمواری­های کارستی استفاده شد. ابتدا با استفاده از نقشۀ مدل رقومی ارتفاع، شاخص­های ژئومورفومتری تهیه شد و سپس این شاخص­ها به­عنوان نرون­های لایۀ ورودی در شبکۀ عصبی مصنوعی استفاده شد. علاوه بر این از نمودار­های جعبه­ای برای تحلیل ارتباط ناهمواری­های کارستی همچون دولین، تپه، دشت کارستی، درۀ کارستی و پرتگاه با شاخص­های ژئومورفومتری استفاده شد. نتایج طبقه­بندی نشان داد که ناهمواری‌های منطقۀ مورد مطالعه به­ترتیب شامل 34، 9/6، 07/1، 5/48 و 51/9 درصد دره، دشت، دولین، پرتگاه و تپه می­باشد. علاوه بر این، نتایج نشان داد که مدل بهینۀ شبکۀ عصبی مصنوعی برای طبقه­بندی ناهمواری‌ها، مدل 1-9-12 با ضریب یادگیری 1/0 و ضریب تبیین 18/87 درصد بود و دقت روش ابداعی برای طبقه­بندی ناهمواری­های کارستی 58/90 درصد می­باشد. همچنین تحلیل­ها نماینده این است که تغییرات شاخص‌های ژئومورفومتری در ناهمواری‌های تپه، پرتگاه و دره­کارستی بسیار نمایان بوده ولی در دشت و دولین کمی دارای همپوشانی هستند.