1403/10/06
آزاده کاظمی

آزاده کاظمی

مرتبه علمی: استادیار
ارکید: https://orcid.org/0000-0003-0950-7150
تحصیلات: دکترای تخصصی
اسکاپوس: 57200914786
دانشکده: دانشکده کشاورزی و محیط زیست
نشانی: دانشگاه اراک، گروه محیط زیست
تلفن:

مشخصات پژوهش

عنوان
مکان 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
مقاله چاپ‌شده
کلیدواژه‌ها
"ارزیابی اثرات توسعه"، " مدل تخریب "، " سنجههای بومشناسی سیمای سرزمین "، " شبکه عصبی مصنوعی "،" شهرستان اراک "
سال 1401
مجله مطالعات علوم محيط زيست
شناسه DOI
پژوهشگران اکرم بیات ، مهرداد هادی پور ، آزاده کاظمی ، محمود بیات

چکیده

مدل تخریب از جمله روشهای ارزیابی اثراتتوسعه بوده که قادر است آثار فعالیتهای انسانی را در مقیاس منطقه یا آبخیز تحلیل و مقدار آنها را هم به صورت کمی معین کند. خروجی این مدل نمایهای از تخریب صورت گرفته توسط فعالیتهای انسانی در یک منطقه است. از مشکالت عمده مدل این است که در برخی از مراحل اجرا، تکیه بر قضاوتهایکارشناسی داشته و عالوه بر آن نیازمند کار گسترده میدانی است. لذا در این تحقیقسعی شده است تا ارتباط بین تخریب سرزمین و سنجههای سیمای سرزمین که نمایههای توصیف کمیسیمای سرزمین هستند، بررسی گردد. فهماینارتباط و شناخت سنجههای دارای همبستگی قوی با ضرایب تخریب، در بررسی امکان استفاده از این سنجهها در مدل تخریب در جهت عینیسازی بیشتر آن، بسیار مؤثر است. محدوده شهرستان اراک، با استفاده از نقشه مرز سیاسی و در محیط نرمافزار 3.ArcGIS9 به تعداد 315 شبکه طراحی شد، سپس عوامل مخربو شدتهای آن، آسیبپذیری اکولوژیک و تراکم فیزیولوژیک تعیینو در نهایت ضرایب تخریب تعیین گردید. درمرحله بعد سنجههای سیمای سرزمین با استفاده از نرمافزار Analyst Patchو بر اساس نقشه کاربری سرزمین شهرستان محاسبه شد. درآخر همبستگی بین ضرایب تخریبو سنجههای سیمای سرزمین با استفاده از نرمافزار 17 SPSS مورد تجزیهو تحلیل آماری قرار گرفت. نتایج نشان داد که دو سنجه کل حاشیه لکه )TE )و تعداد لکهها )NumP )دارای بیشترین ضریب همبستگی معنیدار با تخریب سرزمین هستند که با تغییر مقیاس )وسعت شبکه( نتیجه نیز تغییر نخواهد کرد پس می تواند جایگزین مدل تخریب شوند. یافتههای بدستآمده از مدل تخریب حاکی از اثرات مخرب فعالیتهای صنعتیو حملونقل در شهر اراک میباشد. در این تحقیق از شبکه عصبی مصنوعی نیز استفاده شد. شبکهعصبیپریسپترون چند الیه در مقایسه با سایر روشها R مورد 2 از دقتو قدرت باالیی در پیشبینیو مدلسازی عوامل تاثیر گذار بر آن استفاده شد. برآوردهای شبکه توسط معیارهای MAE ،RMSE و ارزیابی قرار گرفت