مشخصات پژوهش

صفحه نخست /امکان سنجی تغییر در ساختار ...
عنوان امکان سنجی تغییر در ساختار مدل تخریب محیط زیست با به کارگیری سنجه های بوم شناسی سیمای سرزمین وشبکه عصبی مصنوعی (مطالعه موردی: شهرستان اراک)
نوع پژوهش پایان نامه های تقاضا محور و غیر تقاضا محور
کلیدواژه‌ها ارزیابی اثرات توسعه، سنجه های بوم شناسی سیمای سرزمین، شبکه عصبی مصنوعی ، مدل تخریب ، شهرستان اراک
چکیده مدل تخریب از جمله روش های ارزیابی اثرات توسعه بوده که قادر است آثار فعالیت های انسانی را در مقیاس منطقه یا آبخیز تحلیل و مقدار آنها را هم به صورت کمی معین کند. در حقیقت آنچه تحت نام ضرایب نهایی تخریب و به عنوان خروجی این مدل به دست می آید، نمایه ای از تخریب صورت گرفته توسط فعالیت های انسانی در یک منطقه است. از مشکلات عمده مدل این است که در برخی از مراحل اجرا، تکیه بر قضاوت های کارشناسی داشته و علاوه بر آن نیازمند کار گسترده میدانی است. لذا در این تحقیق سعی شده است تا ارتباط بین تخریب سرزمین و سنجه های سیمای سرزمین که نمایه های توصیف کمی سیمای سرزمین هستند، بررسی گردد. فهم این ارتباط و شناخت سنجه های دارای همبستگی قوی با ضرایب تخریب، در بررسی امکان استفاده از این سنجه ها در مدل تخریب در جهت عینی سازی بیشتر آن، بسیار مؤثر است. محدوده شهرستان اراک، با استفاده از نقشه مرز سیاسی و در محیط نرم افزار ArcGIS9.3 به تعداد 315 شبکه (شبکه های 5*5و 25 کیلومتر مربعی در زمین که البته تعدادی از انها شبکه کامل و تعدادی شبکه های غیرکامل بودند)، سپس عوامل مخرب و شدت های آن، آسیب پذیری اکولوژیک و تراکم فیزیولوژیک تعیین و در نهایت ضرایب تخریب تعیین گردید. مرحله بعد سنجه های سیمای سرزمین با استفاده از نرم-افزار Patch Analystو بر اساس نقشه کاربری سرزمین شهرستان محاسبه شد. در آخر همبستگی بین ضرایب تخریب و سنجه های سیمای سرزمین با استفاده از نرم افزار SPSS 17 مورد تجزیه و تحلیل آماری قرار گرفت. نتایج نشان داد که از بین سنجه های مورد بررسی، دو سنجه کل حاشیه لکه (TE) و تعداد لکه ها (NumP) دارای بیشترین ضریب همبستگی معنی دار با تخریب سرزمین هستند که با تغییر مقیاس (وسعت شبکه) نتیجه نیز تغییر نخواهد کرد پس می تواند جایگزین مدل تخریب شوند. یافته های بدست آمده از مدل تخریب حاکی از اثرات مخرب فعالیت های صنعتی و حمل ونقل در شهر اراک می باشد. در این تحقیق از شبکه عصبی مصنوعی نیز استفاده شد. شبکه عصبی پریسپترون چند لایه در مقایسه با سایر روش ها از دقت و قدرت بالایی در پیش بینی و مدلسازی عوامل تاثیر گذار بر آن استفاده شد. برآوردهای شبکه توسط معیارهایMAE ، RMSE و R2 مورد ارزیابی قرار گرفت.
پژوهشگران اکرم بیات (دانشجو)، محمود بیات (استاد مشاور)، آزاده کاظمی (استاد راهنما)، مهرداد هادی پور (استاد راهنما)