شناسایی و تحلیل گسیختگی اشکال سطحی زمین بر اساس روش یادگیری ماشین مطالعه موردی: کپه داغ ایران

نویسندگان

1 گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

2 گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

3 گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

4 گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

5 سازمان جغرافیایی نیروهای مسلح، تهران، ایران

doi
10.22059/jphgr.2026.385416.1007851
چکیده

این پژوهش به بررسی الگوهای گسیختگی سطحی در منطقه تکتونیکی فعال کپه‌داغ در امتداد مرز ایران و ترکمنستان می‌پردازد و با بهره‌گیری از الگوریتم‌های پیشرفته یادگیری ماشینی، دقت تحلیل‌های ژئومورفومتری را برای مدیریت بهینه منابع آب و برنامه‌ریزی کاربری پایدار زمین ارتقا می‌بخشد. روش مورداستفاده در این تحقیق با تلفیق مدل‌های رقومی ارتفاعی (DEM) با تفکیک مکانی بالا، ابزارهای تحلیلی پایتون و روش‌های آماری پیشرفته، ویژگی‌های کلیدی زمین‌چهر مانند شیب، جهت و خطواره‌ها را استخراج کرده است. الگوریتم‌های یادگیری ماشینی شامل جنگل تصادفی و رگرسیون چند متغیره برای مدل‌سازی الگوهای گسیختگی سطحی به کار گرفته شدند که به ترتیب دقت‌هایی معادل ۸۵٪ و ۷۸٪ را ارائه کردند. نتایج نشان داد، گسیختگی‌های سطحی عمدتاً در مناطقی با تراکم بالای خطواره‌ها رخ‌داده است که 51/49% از سطح منطقه را در برمی‌گیرند و تحت تأثیر عواملی مانند شیب، تراکم شکستگی و الگوهای جریان آب سطحی شکل‌گرفته‌اند. مدل جنگل تصادفی، شیب و تراکم شکستگی را به‌عنوان مهم‌ترین متغیرهای پیش‌بینی کننده شناسایی کرد که مؤید کارایی ترکیب روش‌های نوین یادگیری ماشینی با تحلیل‌های کلاسیک ژئومورفومتری است. این تحقیق چارچوبی نوآورانه برای شناخت پویایی‌های آب‌های سطحی در مناطق تکتونیکی فراهم می‌آورد و روش کاربردی ارزشمندی را در اختیار مدیران منابع آب و برنامه‌ریزان کاربری زمین قرار می‌دهد. یافته‌ها همچنین در گسترش مرزهای دانش در زمینه تشخیص و پایش فرایندهای ژئومورفولوژیکی و تکتونیکی در محیط‌های کوهستانی نیمه‌خشک نقش بسزایی ایفا می‌کنند و به تدوین راهبردهای پایدار در مدیریت منابع آب یاری می‌رسانند.