نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس در زمین شناسی

چکیده

در برزیل، مزارع گونه‌های عجیب و غریب مانند اکالیپتوس در سال‌های اخیر به طور قابل ملاحظه‌ای گسترش یافته است که تا حد زیادی به دلیل تقاضای زیاد برای سلولز و چوب است. ترکیب شیب های تند در برخی از این مناطق، مانند شهرداری های واقع در نزدیکی Serra do Mar و Serra da Mantiqueira، و قرار گرفتن در معرض خاک که در برخی از مراحل چرخه کشت اکالیپتوس رخ می دهد، می تواند باعث رانش زمین شود. استفاده از سیستم اطلاعات جغرافیایی (GIS) به شناسایی مناطق مستعد زمین لغزش کمک می کند و یکی از ابزارهای GIS مورد استفاده، تکنیک استنتاج فضایی است. در این کار به بررسی حساسیت زمین لغزش مناطق اشغال شده توسط اکالیپتوس پرداخته شده استمزارع در مراحل مختلف توسعه در شهرداری های ایالت سائوپائولو مورد بررسی قرار گرفت. از هشت نقشه موضوعی استفاده شد و از تکنیک گامای فازی برای یکپارچه‌سازی داده‌ها و تولید نقشه‌های حساسیت استفاده شد که در آن سناریوهایی با مقادیر گامای مختلف برای فصول خشک و بارانی ایجاد شد. نتایج برای مناطق کاشته شده با اکالیپتوس با نتایج به دست آمده برای سایر کاربری ها و پوشش ها مقایسه شد. در طبقات حساسيت متوسط ​​و بالا، مرتع نوع كاربري اراضي است كه بيشترين حساسيت را داشته است و به دنبال آن مزارع جديد اكاليپتوس و مناطق شهري قرار دارند.
کلید واژه ها: 

سنجش از دور ؛ GIS ; حساسیت ؛ اکالیپتوس ؛ درهم

 

 

1. مقدمه

برزیل بیش از 6 میلیون هکتار جنگل کاشته شده با گونه هایی از جنس های Pinnus و Eucalyptus دارد [ 1 ]. هدف اولیه این مزارع تولید خمیر سلولزی است. جنگل های جنس اکالیپتوس در مناطق مختلف کشور در مکان هایی با توپوگرافی و بارندگی متفاوت وجود دارد. در ایالت سائوپائولو، برزیل، این مزارع در مناطق Ribeirão Preto، Botucatu، Vale do Paraíba و São Paulo متمرکز شده اند که به استثنای Ribeirão Preto، در نزدیکی Serra do Mar و/یا Serra da قرار دارند. مانتیکیرا.
Serra do Mar و Serra da Mantiqueira از نظر زمین ساختی با یک زمین بلوک گسلی مشخص می شوند و سنگ شناسی آنها از سنگ های کریستالی و دگرگونی، مانند گنیس و گرانیت، مرتبط با سنگ های نفوذی به شدت تجزیه شده تشکیل شده است [ 2 ]. این ویژگی ها در کنار رژیم بارندگی این منطقه با میانگین بارندگی سالانه 1200 میلی متر می تواند زمین لغزش های بزرگی را به دنبال داشته باشد. فجایع رخ داده در Caraguatatuba (مارس 1967، 200 نفر از دست رفته)، کوباتائو (فوریه 1994، سیل RPBC و وقفه در تولید نفت با خسارت 40 میلیون دلار، به گفته گرامانی [ 3 ]) و Campos do Jordão (ژانویه، 2000) با ویران شدن بسیاری از خانه ها) نمونه هایی هستند.
پوشش گیاهی می تواند بلایای طبیعی ناشی از حرکت دسته جمعی مانند رانش زمین در دامنه تپه های مناطق کوهستانی را کنترل و از آن جلوگیری کند. از سوی دیگر، مدیریت نامناسب خاک مرتبط با محدودیت های طبیعی، روند تخریب را تسریع می کند. بارش شدید و متمرکز، دامنه‌های شیب‌دار بدون محافظت از پوشش گیاهی، سکونت‌گاه‌های غیرقانونی در دامنه‌های شیب‌دار و ناپیوستگی‌های سنگ‌شناسی و پدوژنیک از جمله شرایطی هستند که می‌توانند فرآیندهای فرسایش و در نتیجه حرکت‌های توده‌ای را تسریع کنند [ 4 ، 5 ، 6 ، 7 ].
جنگل های اکالیپتوس از مراحل مختلف رشد، از استقرار تا برداشت، عبور می کنند که با درصدهای مختلف پوشش خاک و زیست توده برگ مشخص می شود. در طول دوره برداشت، نرخ فرسایش و فراوانی زمین لغزش افزایش می یابد. در مقایسه با یک منطقه جنگلی حفاظت شده، نرخ فرسایش در یک منطقه برداشت شده می تواند تا 4 برابر افزایش یابد [ 8 ]. نگرانی در مورد افزایش مساحت مزارع اکالیپتوس در مکان هایی با دامنه های شیب دار در ایالت سائوپائولو وجود دارد، زیرا هیچ مطالعه خاصی در مورد تأثیر جنگل کاری بر فرآیندهای جابجایی جمعی وجود ندارد.
پاریس [ 9 ] چهار نوع نقشه زمین لغزش را برجسته می کند: نقشه های موجودی، نقشه های حرکت فعلی زمین لغزش ها، نقشه های حساسیت و نقشه های آسیب پذیری. سیستم های اطلاعات جغرافیایی (GIS) یک ابزار تجزیه و تحلیل مهم است که امکان نقشه برداری از مناطق مستعد زمین لغزش را با استفاده از روش های مدل سازی مختلف فراهم می کند. دو طبقه بندی از این روش ها در ادبیات وجود دارد: مستقیم و غیر مستقیم [ 10 ]. روش های مستقیم بر اساس یک نقشه ژئومورفولوژیکی دقیق است و درجات مختلف حساسیت با کمک بررسی های میدانی ترسیم می شود. عیب اولیه این روش ها تاخیر در نقشه برداری است [ 11]. روش‌های غیرمستقیم مبتنی بر نقشه‌برداری از مکان‌هایی است که در گذشته زمین لغزش‌ها در آن‌ها رخ داده است و نقشه‌برداری از ویژگی‌های زمین‌شناسی و ژئومورفولوژیکی که به‌طور مستقیم یا غیرمستقیم با پایداری دامنه تپه مرتبط است [ 12 ].
رویکردهای نقشه برداری نیز می توانند به دو دسته کمی یا کیفی طبقه بندی شوند. یک رویکرد کمی از ابزارهای ریاضی برای تخمین حساسیت استفاده می کند و شامل روش های آماری چند متغیره، تجزیه و تحلیل متمایز، رگرسیون خطی و روش های غیرخطی، مانند شبکه های عصبی [ 6 ، 13 ، 14 ] است. روش های کیفی مبتنی بر تجربه قبلی یک فرد یا گروهی از افراد هستند و بنابراین بیشتر ذهنی هستند. برخی از نمونه ها روش های WLC (ترکیب خطی وزنی) و AHP (فرایند تحلیل سلسله مراتبی) [ 15 ] است. برخی از تکنیک ها به عنوان نیمه کمی طبقه بندی می شوند، مانند منطق فازی [ 16 ، 17 ، 18 ، 19, 20 , 21 ].
با توجه به عدم قطعیت در پارامترهای مورد استفاده در ارزیابی زمین لغزش ها و غیرخطی بودن مشخصه این پدیده، منطق فازی رویکردی موثر برای نقشه برداری زمین لغزش ها در نظر گرفته می شود که دانش تخصصی را در تکنیک استنتاج فضایی گنجانده و منجر به تهیه نقشه هایی می شود. درک کنند، که برای تجزیه و تحلیل مناطق بزرگ نشان داده شده است [ 17 ]. در برزیل، رایج‌ترین حرکات توده‌ای، لغزش‌های کم عمق انتقالی ناشی از بارندگی است و این کار این حرکت را پیش‌بینی می‌کند. حرکت انتقالی رایج‌ترین شکل را در میان انواع حرکت جرمی نشان می‌دهد، که سطح گسیختگی صفحه‌مانند را نشان می‌دهد، که به طور کلی ناپیوستگی‌های مکانیکی و/یا هیدرولوژیکی موجود در داخل ماده را همراهی می‌کند [ 18 ].]. در برزیل، هیچ مطالعه مداومی برای ارزیابی اسکارهای ناشی از حرکات توده ای به منظور اعتبار سنجی نقشه وجود ندارد. با این حال، نقشه‌های حساسیت از اهمیت فوق‌العاده‌ای برخوردار هستند، زیرا مبنایی برای تولید نقشه‌های خطر زمین لغزش هستند [ 6 ].
پژوهش حاضر با هدف ترسیم مناطق مستعد زمین لغزش در مکان‌های اشغال شده توسط مزارع اکالیپتوس در مراحل مختلف توسعه در ایالت سائوپائولو با استفاده از سیستم‌های اطلاعات جغرافیایی (GIS) و تکنیک‌های استنتاج فضایی و مقایسه این مناطق با مناطق تحت اشغال انجام شد. توسط سایر کاربری ها و پوشش های زمین.

2. مواد و روشها

ایالت سائوپائولو، واقع بین 53 درجه و 10 دقیقه و 43 درجه و 52 دقیقه و 19 درجه و 40 دقیقه و 41 دقیقه و 25 درجه سانتی‌گراد و 248209 کیلومتر مربع مساحت دارد . برای مطالعه حاضر، شهرداری‌های ایالت که دارای مناطقی با مزارع اکالیپتوس در زمین با توپوگرافی موج‌دار بودند انتخاب شدند ( شکل 1 ).
Ijgi 01 00209 g001 1024
شکل 1. موقعیت مناطق مورد مطالعه در ایالت سائوپائولو.
بخش غربی ایالت سائوپائولو در فلاتی به طول 600 کیلومتر قرار دارد. سرا دو مار با اسکروهای ناگهانی بین این فلات و دشت ساحلی قرار دارد. Serra da Mantiqueira، همچنین در برخی از نقاط اسکروپ را نشان می دهد، در قسمت شمال شرقی ایالت، در مرز با ایالت Minas Gerais واقع شده است ( شکل 2 ). آب و هوا متنوع است: استوایی در منطقه شمالی، گرمسیری با ارتفاع در نزدیکی Serra do Mar و Serra da Mantiqueira و نیمه گرمسیری در جنوب. میانگین دمای سالانه تقریباً 20 درجه سانتیگراد و میانگین بارندگی 1500 میلی متر در سال است.
Ijgi 01 00209 g002 1024
شکل 2. شیب ایالت سائوپائولو.

2.1. جمع آوری داده ها

در ابتدا، یک پایگاه داده شامل تمام اطلاعات مربوط به مطالعه، از جمله داده های زمین شناسی، ژئومورفولوژی، خاک، توپوگرافی و آب و هوا و همچنین تصاویر ماهواره ای مورد استفاده برای نقشه برداری مناطق با مزارع اکالیپتوس ایجاد شد. داده ها برای کل ایالت جمع آوری شد و متعاقباً فقط مناطق انتخاب شده مورد ارزیابی قرار گرفتند.
نرم افزار SPRING (پردازش اطلاعات مرجع جغرافیایی) [ 23 ] برای این مطالعه مورد استفاده قرار گرفت زیرا یک گزینه پایگاه داده، مجموعه ای از توابع پردازش تصویر، دستکاری داده های موضوعی، مدل سازی عددی زمین، ذخیره و بازیابی داده های مکانی با جداول ویژگی، مدل سازی را ارائه می دهد. و استفاده از شبکه ها و تحلیل های فضایی. SPRING که توسط مؤسسه ملی تحقیقات فضایی توسعه یافته است، مالکیت عمومی است و می توان آن را به صورت رایگان در www.dpi.inpe.br/spring خریداری کرد.
داده‌های زمین‌شناسی در مقیاس 1:750000 از سازمان زمین‌شناسی برزیل، که در وب‌سایت CPRM (شرکت منابع تحقیقاتی و معدنی: www.cprm.gov.br ) موجود است، به‌دست آمد. یک نقشه ژئومورفولوژیکی، در مقیاس 1:1،000،000، از IPT (موسسه تحقیقات فناوری) [ 24 ] به دست آمد. یک نقشه خاک در مقیاس 1:500000 از IAC (انستیتو کشاورزی Campinas) [ 25 ] به دست آمد. داده های توپوگرافی از وب سایت Topodata ( www.dsr.inpe.br/topodata ) به دست آمد، جایی که داده های اصلی از SRTM (ماموریت توپوگرافی رادار شاتل) در محدوده Topodata [ 26 ] پردازش شد.] برای استخراج متغیرهای ژئومورفومتریک، از جمله شیب (زاویه اوج) و انحناهای عمودی و افقی.
داده های آب و هوای تاریخی از IAC ( www.ciiagro.sp.gov.br ) و INMET (موسسه ملی هواشناسی) به دست آمد [ 27 ]] که مجموعاً 103 مکان را در ایالت سائوپائولو برای مدت تقریباً 25 سال نمایندگی کرده اند. داده های میانگین ماهانه بارندگی از همه سایت ها وارد پایگاه داده شد و متعاقباً دو دوره مجزا تعریف شد: یک فصل بارانی (دی، ژانویه و فوریه) و یک فصل خشک (ژوئن، تیر و مرداد) و میانگین بارندگی برای هر دوره محاسبه شد. داده های فردی برای کل ایالت با استفاده از درون یابی (میانگین وزنی) فضایی شدند و سپس به کلاس ها (هر 50 میلی متر) تقسیم شدند، در نتیجه دو نقشه موضوعی ایجاد شد: یکی برای فصل بارانی و دیگری برای فصل خشک.
برای شناسایی مراحل مختلف رشد مزارع اکالیپتوس ، از تصاویر ماهواره ای Landsat TM 5 [ 28 ] به مدت سه سال (2006، 2007 و 2008، یک تصویر در سال) استفاده شد ( جدول 1 ). تصاویر با استفاده از تصاویر Geocover موجود در وب‌سایت بخش پردازش تصویر INPE ( www.dpi.inpe.br/geocover ) به عنوان پایه، ارجاع جغرافیایی شدند و سپس در پایگاه داده درج شدند. میانگین خطای ثبت تصویر کمتر از 1 پیکسل، یعنی کمتر از 30 متر بود.
جدول
جدول 1. مسیر/ردیف و تاریخ عبور ماهواره Landsat/TM5.
در برزیل، اکثر مزارع اکالیپتوس از کلون هایی ساخته شده اند که از نظر ژنتیکی برای آب و هوا و شرایط ادافیک محل کاشت بهبود یافته اند. چرخه کشت اکالیپتوس به طور متوسط ​​7 سال طول می کشد و 3 چرخش با همان کلون امکان پذیر است. سال 2008 به عنوان مبنای نقشه برداری اتخاذ شد، در حالی که دو سال دیگر (2006 و 2007) برای مطالعه زمانی مزارع استفاده شد. بنابراین، شناسایی سه مرحله رشد ممکن بود: اکالیپتوس بالغ ، اکالیپتوس جوان و اکالیپتوس جدید و/یا خاک در معرض ( شکل 3).). این سه مرحله به دلیل محدودیت در شناسایی اهداف از طریق سنجش از دور انتخاب شدند. نقشه از طریق طبقه‌بندی خودکار تصاویر ایجاد شد و ویرایش دستی برای تصحیح برخی مناطق دارای اشتباه در طبقه‌بندی استفاده شد. روش اتخاذ شده برای این مطالعه همان روشی بود که توسط کرونکا و همکاران اتخاذ شد. [ 29 ]، جایی که مناطق احیای جنگل در سراسر ایالت سائوپائولو با استفاده از تصاویر ماهواره ای نقشه برداری شدند. مناطق اشغال شده توسط مزارع اکالیپتوس در 16 شهرداری منتخب در جدول 2 و همچنین درصد آنها از مناطق شهرداری ارائه شده است.
وجود یا عدم وجود پوشش گیاهی یکی از عواملی است که پایداری شیب ها را مشخص می کند. به طور کلی، هر چه پوشش گیاهی کمتری در یک شیب وجود داشته باشد، حساسیت آن نسبت به حرکات توده ای بیشتر است. پوشش گیاهی از خاک در برابر عواملی محافظت می کند که می توانند با مهار آب باران، کاهش انرژی جنبشی آن و ترویج نفوذ آب به خاک، زمین لغزش را تسریع کنند. خاک بدون پوشش گیاهی به دلیل تأثیر قطرات باران و در نتیجه افزایش رواناب که منجر به فرسایش نیز می شود، مستعد تراکم خاک می شود. حجم مواد برداشته شده و حمل شده توسط آب باران به تراکم پوشش گیاهی و شیب تپه مربوط می شود، به طوری که با حذف پوشش گیاهی، این فرآیندها به ویژه در مکان هایی با شیب تندتر شدیدتر می شود.30 ].
Ijgi 01 00209 g003 1024
شکل 3. مراحل مختلف چرخه اکالیپتوس در تصاویر سنجش از دور. ( الف ) ترکیب رنگ RGB 543 سال 2006; ( ب ) سال 2007; ( ج ) سال 2008; ( د ) چرخه های اکالیپتوس نقشه برداری شده است.
جدول
جدول 2. کمی سازی مناطق دارای اکالیپتوس در شهرداری های مورد مطالعه.
در دو مرحله متوالی اکالیپتوس ، مرحله اولیه در مزارع و مرحله “جوان” که تقریباً در 2 تا 3 سالگی مشاهده شد، مقدار زیادی زیست توده برگ وجود دارد، اما خاک همچنان آسیب پذیر است. ، به دلیل عدم وجود لایه زیرین یا مسدود شدن کامل نور خورشید. در مرحله بالغ اکالیپتوس ، مقدار زیست توده برگ کاهش می‌یابد و به نور خورشید اجازه می‌دهد تا به زمین برسد و لایه زیرین رشد کند، که آسیب‌پذیری خاک را کاهش می‌دهد.
برای سایر کاربری ها و طبقات پوشش زمین موجود در ایالت، نقشه ایجاد شده توسط Vieira و همکاران. [ 31 ] استفاده شد. این نقشه شامل سایر پروژه‌های توسعه‌یافته در INPE (موسسه ملی تحقیقات فضایی) مانند CANASAT ( www.dsr.inpe.br/mapdsr ) برای اهداف نقشه‌برداری نیشکر (در این مطالعه، نیشکر دوباره به عنوان کشاورزی طبقه‌بندی شد) و SOS Mata Atlântica بود. ( www.sosmatatlantica.org.br )، جایی که تمام بقایای جنگل های طبیعی ماتا آتلانتیکا نقشه برداری شد. بنابراین، نقشه نهایی ایالت سائوپائولو شامل طبقات زیر است: جنگل، مرتع، منطقه شهری، کشاورزی، اکالیپتوس بالغ ، اکالیپتوس جوان و اکالیپتوس جدید.و/یا خاک در معرض
با توجه به مقیاس های مختلف مرتبط با مجموعه داده های مختلف در نظر گرفته شده در این کار، نتایج به مقیاسی اشاره دارد که با کوچکترین مقیاس داده های ورودی، یعنی 1:1,000,000 که معادل یک پیکسل 500 متری است سازگار است.

2.2. تولید نقشه های وزنی

قبل از تهیه نقشه های حساسیت، نقشه های موضوعی مربوط به حساسیت زمین لغزش باید وزن دهی شوند. وزن ها از 0 تا 1 متفاوت است، جایی که 0 نشان دهنده کلاس هایی است که هیچ ارتباطی با وقوع زمین لغزش ندارند و 1 نشان دهنده کلاس هایی با رابطه بالا با زمین لغزش ها است. این وزن دهی نقشه های موضوعی را به یک شبکه عددی تبدیل می کند که در آن هر کلاس از نقشه یک وزن (از 0 تا 1) دریافت می کند. جدول 3 مقادیر حساسیت را برای تمام طبقات موجود در موضوعات مختلف مورد بررسی در این مطالعه نشان می دهد.
برای داده های زمین شناسی، کار Crepani و همکاران. [ 32 ] که روابط انواع مختلف سنگ را با زمین لغزش ارزیابی می کرد، به عنوان مبنای وزن دهی در نظر گرفته شد. سنگهای آذرین کمترین احتمال زمین لغزش را داشتند و سنگهای دگرگونی و رسوبی متوسط ​​مقاومت کمتری در برابر هوازدگی داشتند، یعنی احتمال زمین لغزش بیشتر بود.
واحدهای ژئومورفولوژیکی ارائه شده در منطقه مورد مطالعه توسط Ponçano و همکاران تعریف شدند. [ 24 ]، و اوزان تخصیص یافته بر اساس شکل زمین، تشریح و شیب موجود برای هر کلاس ژئومورفولوژیکی بود. برای انواع مختلف خاک، وزن‌ها بر این فرض استوار بود که خاک‌هایی با مقدار ماسه بالاتر نسبت به خاک‌های دارای رس بیشتر حساس‌تر هستند. این وزن ها نیز بر اساس مطالعه Crepani و همکاران بود. [ 32 ].
توپوگرافی از طریق انحناهای افقی و عمودی و شیب مورد بررسی قرار گرفت. انحنای افقی به ویژگی واگرا/همگرا جریان های ماده روی زمین زمانی که بر روی یک برآمدگی افقی تجزیه و تحلیل می شود، اشاره دارد ( شکل 4 ). این انحنا به فرآیندهای مهاجرت و تجمع آب، مواد معدنی و مواد آلی در خاک ناشی از گرانش مربوط می شود و نقش مهمی در تعادل آب حاصل و فرآیند پدوژنز دارد [ 33 ].
نواحی مقعر نسبت به نواحی محدب بیشتر مستعد زمین لغزش هستند و بیشترین وزن را در جدول حساسیت دریافت می کنند. زمین با پروفیل های همگرا خطر بیشتری را برای حوادث لغزش نسبت به پروفیل های واگرا نشان می دهد، بنابراین وزن های حساسیت بیشتری را دریافت می کند [ 7 ] ( جدول 3 ). نقشه شیب مطابق با آنچه که توسط Binda و Bertotti [ 34 ] و Kanungo و همکاران پیشنهاد شده بود، به 5 طبقه تقسیم شد . [ 14 ]، با وزن هایی که به هر کلاس شیب نسبت داده می شود.
جدول
جدول 3. داده های جمع آوری شده و وزن آنها در رابطه با حساسیت زمین لغزش.
Ijgi 01 00209 g004 1024
شکل 4. انحناهای عمودی و افقی و ترکیبات زمینی آنها.
حجم مواد برداشته شده و حمل شده توسط آب باران به تراکم پوشش گیاهی و شیب شیب مربوط می شود و با حذف پوشش گیاهی، این فرآیندها به ویژه در مناطق با شیب های تند شدت بیشتری می یابد [ 30 ]. وزن های اختصاص داده شده به هر طبقه کاربری به نوع پوشش گیاهی بستگی دارد. مرحله جوانی مزارع اکالیپتوس ، تقریباً 3 تا 4 ساله، دارای مقدار زیادی زیست توده برگ است، اما خاک به دلیل عدم وجود کف زیرین ناشی از مسدود شدن کامل نور خورشید، همچنان مستعد است. با این حال، در مرحله بالغ، مقدار زیست توده برگ کاهش می‌یابد و به نور خورشید اجازه می‌دهد به خاک برسد و لایه زیرین رشد کند، که حساسیت خاک را کاهش می‌دهد.
نقشه‌های موضوعی اقلیمی برای فصول پرباران و خشک با استفاده از معیارهای کرپانی و همکاران وزن‌گذاری شدند. [ 32 ]. خطر زمین لغزش در طول فصل بارانی به طور قابل توجهی افزایش می یابد زیرا باران یک عامل فرسایشی و یک محرک زمین است. بنابراین، هر چه شدت بارندگی بیشتر باشد، وزن نیز بیشتر می شود.

2.3. تولید نقشه های حساسیت

هشت موضوع زمین شناسی، کاربری و پوشش زمین، ژئومورفولوژی، خاک، شیب، انحناهای عمودی و افقی و شدت بارندگی، برای ایجاد یک نقشه حساسیت نهایی با استفاده از عملگر گامای فازی ترکیب شدند.
عملگر فازی توسط Zadeh [ 35 ] معرفی شد و امکان برخورد واقعی تری از داده های غیردقیق و ذهنی را که بخشی از تجزیه و تحلیل محیط های فیزیکی هستند، می دهد. منطق فازی قادر است مسائل واقعی را در جایی که عدم قطعیت و عدم دقت وجود دارد مدل کند [ 36 ].
محدودیت‌های عدم دقت، که مجموعه‌های فازی نامیده می‌شوند، ارتباط جزئی را تایید می‌کنند و از نظر ریاضی تعریف می‌شوند، گویی Z نشان‌دهنده فضای شی است. با این حال، مجموعه A در Z مجموعه ای از جفت های مرتب شده است (معادله (1)) [ 36 ].
Ijgi 01 00209 i001
تابع تناسب (z) به عنوان “درجه عضویت Z در A” شناخته می شود. مقدار عضویت فازی باید در محدوده 0 تا 1 قرار گیرد و میزان قطعیت عضویت را منعکس می کند. تئوری فازی ایده توابع عضو را به کار می گیرد و درجه عضویت را با توجه به برخی ویژگی ها، در این مورد حساسیت زمین لغزش، بیان می کند. Ijgi 01 00209 i003
عملگر گامای فازی از حاصل جمع جبری فازی و حاصلضرب فازی تشکیل شده است. معادله (2) این عملگر را نشان می دهد.
Ijgi 01 00209 i002
که γ پارامتری در محدوده (0،1) است. جمله اول معادله حاصل جمع فازی و جمله دوم حاصلضرب فازی نامیده می شود. هنگامی که γ = 0، ترکیب فازی برابر با حاصلضرب و زمانی که γ = 1، برابر است با مجموع.
برای Bonham-Carter [ 37 ]، مقادیر در محدوده 0 تا 0.35 یک کاراکتر “تقلیل” را نشان می دهند، به عنوان مثال ، آنها همیشه کمتر یا مساوی با کوچکترین عضو فازی ورودی هستند. مقادیر در محدوده 0.8 تا 1.0 دارای یک کاراکتر “افزاینده” هستند که در آن مقدار خروجی برابر یا بیشتر از مقدار بزرگترین مقادیر ورودی عضو فازی خواهد بود و محدوده 0.35 تا 0.8 دارای یک “افزودنی” نیست. کاراکتر افزایشی یا کاهشی.
نقشه های حساسیت با مقادیر گاما برابر با 7/0 و 8/0 برای هر فصل (بارانی و خشک) تهیه شد. این مقادیر ورودی یک شخصیت کوچک یا افزایشی ندارند و در کارهایی از Lee [ 38 ]، Pradhan و همکاران استفاده شده است. [ 39 ] و پرادان [ 40 ]. پس از تولید نقشه ها، همانطور که در جدول 4 نشان داده شده است، آنها به کلاس های حساسیت تقسیم شدند .
جدول
جدول 4. محدوده های اتخاذ شده در فرآیند برش.
نقشه های حساسیت با نقشه کاربری اراضی تلاقی داده شد تا بتوان مناطق اکالیپتوس را ارزیابی و با سایر کاربری ها مقایسه کرد. برای مقایسه، نقشه‌های عدم قطعیت هم برای فصل خشک و هم برای فصل بارانی ایجاد شد، که مناطقی را که کلاس‌ها را در دو نقشه حفظ می‌کردند (مقادیر گامای 0.7 و 0.8) و مناطقی که کلاس‌ها را بین نقشه‌ها تغییر می‌دادند، برجسته می‌کردند، و مناطق عدم قطعیت را ایجاد می‌کردند. مطابق با پیشنهاد Meirelles و همکاران. [ 41 ].

3. نتایج و بحث

نقشه کاربری و پوشش اراضی شهرداری های مورد مطالعه در زیر ارائه شده است ( شکل 5 ). تقریباً 33.3٪ از کل مساحت را کشاورزی (4266 کیلومتر مربع ) ، 28.2٪ توسط مرتع (3608 کیلومتر مربع ) ، 19.9٪ توسط جنگل (2554 کیلومتر مربع ) ، 7٪ توسط اکالیپتوس بالغ ( 897.4 کیلومتر مربع ) اشغال می کند . توسط اکالیپتوس جوان (568 کیلومتر مربع ) ، 3.3 درصد توسط اکالیپتوس جدید و/یا خاک در معرض (423 کیلومتر مربع ) ، 2 درصد توسط آب های سطحی (257 کیلومتر مربع ) و 1.6 درصد توسط مناطق شهری (212 کیلومتر مربع )). این نتایج نشان می دهد که تقریباً 50 درصد از شهرداری های مورد مطالعه دارای نوعی زمین زراعی (از جمله جنگل کاری اکالیپتوس برای اهداف تجاری) هستند.
Ijgi 01 00209 g005 1024
شکل 5. نقشه کاربری و پوشش اراضی برای شهرداری های مورد مطالعه.
نقشه های تولید شده برای دوره خشک برای مقادیر گاما برابر با 0.7 و 0.8 در شکل 6 ارائه شده است. در نقشه تولید شده با مقدار گامای برابر با 7/0، نتایج نشان می‌دهد که 34 درصد و 60 درصد از منطقه به ترتیب با حساسیت بسیار کم و 60 درصد، در حالی که 5 درصد از منطقه مورد مطالعه دارای حساسیت متوسط ​​بوده است. در نقشه تولید شده با مقدار گامای معادل 8/0، تنها 5 درصد از منطقه با حساسیت بسیار کم و 55 درصد و 42 درصد به ترتیب به عنوان حساسیت کم و متوسط ​​طبقه بندی شدند. دوره خشک، با مقادیر کمتر بارندگی، تمایل به نشان دادن حساسیت کمتری نسبت به زمین لغزش دارد.
Ijgi 01 00209 g006 1024
شکل 6. نقشه حساسیت به زمین لغزش برای شهرداری های مورد مطالعه برای دوره خشک با مقادیر گاما = 0.7 ( بالا ) و 0.8 ( زیر ).
Ijgi 01 00209 g007 1024
شکل 7. مقیاس لگاریتمی حساسیت برای هر کاربری و طبقه پوشش زمین در فصل خشک.
یک نقشه عدم قطعیت نیز برای دوره خشک تهیه شد و با تلاقی این نقشه با نقشه کاربری اراضی، امکان مشاهده توزیع طبقات حساسیت در هر طبقه کاربری فراهم شد ( شکل 7 ). طبقاتی که به بیشترین توجه نیاز دارند حساسیت متوسط، زیاد و بسیار زیاد دارند. بیشترین مناطق برای طبقات با حساسیت متوسط ​​مربوط به مرتع و کشاورزی است که به ترتیب مربوط به 1240 و 990 کیلومتر مربع است . پس از آن کلاس جنگل با مساحت 745 کیلومتر مربع قرار دارد. برای طبقه حساسیت بالا، بزرگترین مناطق مربوط به مرتع (30 کیلومتر مربع ) ، اکالیپتوس (8 کیلومتر مربع ) و کشاورزی (5 کیلومتر مربع) است.2 ).
مناطق تحت پوشش مرتع و کشاورزی نمونه‌هایی از کاربری‌ها هستند که شامل مراحل مختلف فنولوژیکی هستند که به رژیم هیدرولوژیکی وابسته هستند. مرتع بخشی از زیست توده سبز خود را در فصل خشک از دست می دهد و خاک را مستعدتر می کند. مناطق تحت پوشش کشاورزی، به ویژه مناطقی که برای گونه هایی که دارای چرخه سالانه هستند، تحت یک دوره برداشت قرار می گیرند، مرحله ای که حساسیت خاک را نیز افزایش می دهد.
قابل توجه است که طبقه کاربری زمین “جنگل” به دلیل قرار گرفتن بقایای جنگل در ایالت سائوپائولو، که تقریباً به طور کامل در سرا دو مار واقع شده است، با سایر طبقات (مراتع و کشاورزی) گروه بندی می شود. زمین اگرچه این طبقه کاربری با وزن حساس کم همراه است، اما ممکن است این منطقه به دلیل عوامل دیگری مانند شیب و زمین شناسی وزن نهایی بالاتری دریافت کرده باشد.
اگرچه عدم قطعیت بین نقشه های تولید شده با دو مقدار گاما (0.7 و 0.8) زیاد است، نقشه ها برای شناسایی کاربری ها و پوشش های زمین در افزایش حساسیت زمین لغزش مفید هستند.
به طور مشابه، نقشه هایی برای فصل بارانی نیز با در نظر گرفتن مقادیر گاما برابر با 0.7 و 0.8 تولید شد ( شکل 8 ).
Ijgi 01 00209 g008 1024
شکل 8. نقشه حساسیت به زمین لغزش برای شهرداری های مورد مطالعه در فصل بارندگی با مقادیر گامای 0.7 ( بالا ) و 0.8 ( زیر ).
در نقشه تولید شده با مقدار گامای معادل 0.7 (0.8)، 23% (0.19%) و 62% (42%) از منطقه مورد مطالعه به ترتیب دارای حساسیت بسیار کم و کم و 14% (52%) بودند. ) از منطقه به عنوان دارای حساسیت متوسط ​​و 0.2٪ (5٪) به عنوان حساسیت بالا طبقه بندی شد. بنابراین، به نظر می رسد که محدوده ای برابر با 0.8 مناطق مستعد به لغزش را در مقایسه با مناطق مشاهده شده در نقشه تولید شده برای دوره خشک افزایش می دهد.
یک نقشه عدم قطعیت نیز برای فصل بارندگی تولید شد و توزیع طبقات حساسیت در هر کلاس کاربری زمین در شکل 9 نشان داده شده است . مجدداً، طبقات کاربری مرتع، کشاورزی و جنگلی به ترتیب با 1574، 1407 و 931 کیلومتر مربع بیشترین مساحت مرتبط با کلاس حساسیت متوسط ​​را داشتند. برای کلاس حساسیت بالا، سه کاربری مختلف، مرتع (144 کیلومتر مربع ) ، کشاورزی (47 کیلومتر مربع ) و جنگل (32 کیلومتر مربع )) باز هم بزرگترین مناطق بودند. به منظور مقایسه اثرات کاربری های مختلف خاک بر اساس نقشه های تولید شده (فصل خشک و بارندگی و گاما برابر با 7/0 و 8/0)، مناطق نسبی حساسیت اشغال شده توسط هر کاربری محاسبه شد و نتایج در شکل ارائه شده است. 10 .
Ijgi 01 00209 g009 1024
شکل 9. مقیاس لگاریتمی حساسیت برای هر کاربری و طبقه پوشش زمین در فصل بارندگی.
با افزایش مقدار گاما از 0.7 به 0.8، افزایش کلی در حساسیت کلیه طبقات کاربری اراضی و در هر دو دوره (خشک و بارانی) وجود دارد. به ویژه در مناطقی که توسط مزارع اکالیپتوس اشغال شده است، قابل توجه است که مناطق دارای اکالیپتوس جدید بیشترین درصد حساسیت را دارند زیرا این مرحله از کشت خاک را در معرض دید و در نتیجه مستعدتر می کند.
در طبقات حساسيت متوسط ​​و بالا، مرتع نوع کاربری اراضی است که بيشترين حساسيت را نشان می دهد و به دنبال آن اکالیپتوس های جدید و مناطق شهری قرار دارند.
مناطق اشغال شده توسط اکالیپتوس در سایت های ارزیابی شده در زمین های کوهستانی است، با 22٪ در کلاس شیب موجدار نرم، 42٪ در کلاس موجدار و 28٪ در کلاس مواج قوی، که می تواند منجر به افزایش حساسیت شود.
ترنان و همکاران [ 42 ] به این نتیجه رسیدند که سایت‌هایی که پوشش زمین و استقرار درختان خوبی را ارائه می‌کنند، تقریباً 3 برابر کمتر از سایت‌هایی با طبقه زیرین تخریب شده (در این مورد، جنگل کاج ) تلفات خاک دارند. مطالعه آنها به این نتیجه رسید که احیای جنگل باید برای اهداف حفاظت از خاک اتخاذ شود و مراحل اولیه استقرار جنگل همانهایی بود که خطر وقوع جریان زمینی و تلفات خاک را بیشتر داشت.
Ijgi 01 00209 g010 1024
شکل 10. درصد حساسیت برای کاربری های مختلف و پوشش زمین در چهار نقشه تولید شده.
در کار دیگر، تفاوت‌های مشخصی در تراکم زمین لغزش بین طبقات پوشش جنگلی در فهرست زمین لغزش مشاهده شد، با بالاترین میانگین تراکم در مناطق اخیراً آشفته (طبقه باز) و کمترین تراکم در جنگل‌های قدیمی‌تر (طبقه بزرگ) [ 43 ].
برای برخی از کاربری‌ها، لغزش‌ها به دلیل فقدان حفاظتی که ریشه‌های عمیق از طریق پایداری شیب به زمین می‌دهند، بیشتر است، به ویژه در زمین‌هایی با شیب‌های تند [ 44 ].

4. نتیجه گیری

نتایج نشان می‌دهد که اگرچه مناطق ارزیابی‌شده در ایالت سائوپائولو دارای زمین‌های مشخص‌تر بودند، اما حساسیت زمین لغزش به طور کلی بین کم و متوسط ​​باقی ماند. این به این دلیل رخ داد که عوامل زیادی می توانند در حساسیت بیشتر یک منطقه به زمین لغزش نقش داشته باشند، مانند شیب و زمین شناسی. در این زمینه، مناطق اشغال شده توسط جنگل در ایالت سائوپائولو، که در نزدیکی Serra do Mar و Serra da Mantiqueira قرار دارند، دارای زمینی با شیب تند و در نتیجه حساسیت بالاتری هستند.
کشاورزی و مرتع انواع کاربری اراضی با مساحت بیشتر مستعد زمین لغزش بودند که در تمامی نقشه های تولید شده نشان داده شد.
اکالیپتوس در مرحله اولیه خود و یا در زمان برداشت ( اکالیپتوس جدید / خاک در معرض) با بیشترین خاک مرتبط است. بنابراین، این مناطق بیشتر مستعد زمین لغزش هستند و این مرحله توسعه بیشترین حساسیت را دارد. به طور کلی، مناطق اشغال شده توسط مزارع اکالیپتوس با مقادیر کمی از حساسیت همراه است.
همپوشانی نقشه تکنیک گامای فازی رضایت بخش بود، اما نیاز به تجربه قبلی کاربر برای اختصاص وزن به کلاس های مختلف دارد که در هر یک از موضوعات مورد استفاده (زمین شناسی، ژئومورفولوژی و غیره ) وجود دارد. این تکنیک برای کار با داده‌های محیطی توصیه می‌شود، جایی که اطلاعات نادقیق هستند و محدودیت‌های سختی بین یک کلاس و کلاس دیگر وجود دارد. واریانس مقادیر گاما به کاربر اجازه می دهد تا با خطای داده ها در طول فرآیند همپوشانی نقشه کار کند و سناریوهای بدبینانه (γ = 0.7) و خوش بینانه (γ = 0.8) را به ترتیب با مقادیر گامای کمتر و بالاتر ایجاد کند و در فصل بارندگی، حساسیت منطقه را به رانش زمین افزایش می دهد.
نقشه‌های تولید شده توسط این مطالعه می‌تواند برای ارزیابی اینکه کدام عامل یا مجموعه‌ای از عوامل در افزایش حساسیت به حرکات توده‌ای در منطقه مورد مطالعه نقش دارد، استفاده شود.

منابع

  1. Associação Brasileira dos Produtores de Florestas Plantadas. Anuário Estatístico da ABRAF . 2010. در دسترس آنلاین: www.abraflor.org.br/estatisticas.asp (دسترسی در 14 مه 2010).
  2. Conti، JB Resgatando “Fisiologia da Paisagem”. Revista do Departamento de Geografia da USP 2001 ، 14 ، 59-68. [ Google Scholar ]
  3. Gramani, MF Caracterização Geológica-Geotécnica das Corridas de Detritos (“جریان های آوار”) no Brasil e Comparação com Alguns Casos Internacionais. پایان نامه کارشناسی ارشد، Escola Politécnica، دانشگاه سائوپائولو، سائوپائولو، برزیل، 2001. [ Google Scholar ]
  4. روستی، LAFG؛ پینتو، SAF; Almeida، CM Geotecnologias Aplicadas à caracterização das Alterações da Cobertura Vegetal Intraurbana e da Expansão Urbana da Cidade de Rio Claro، سائوپائولو. در مجموعه مقالات 13 Simpósio Brasileiro de Sensoriamento Remoto، Florianópolis، برزیل، 21-26 آوریل 2007; صص 5479–5486.
  5. Cunha، SB; Guerra، AJT Degradação Ambiental. در Geomorfologia e Meio Ambiente ، 2nd; Guerra، AJT، Cunha، ESB، Eds. برتراند برزیل: ریودوژانیرو، برزیل، 1996; صص 337-379. [ Google Scholar ]
  6. دای، اف سی؛ لی، سی اف; Ngai، YY ارزیابی و مدیریت خطر زمین لغزش: یک مرور کلی. مهندس جئول 2002 ، 64 ، 65-87. [ Google Scholar ] [ CrossRef ]
  7. فرناندز، NF; آمارال، CP Movimentos de Massa: Uma Abordagem Geológico-Geomorfológica. در Geomorfologia e Meio Ambiente ، 4th; Guerra، AJT، Cunha، SB، Eds. برتراند برزیل: ریودوژانیرو، برزیل، 2003; صص 123-194. [ Google Scholar ]
  8. Neary، DG; Hornbeck، JW تاثیرات برداشت و شیوه های مرتبط بر کیفیت محیطی خارج از سایت. در تاثیرات برداشت جنگل بر بهره وری بلند مدت سایت ; Dyck، WJ، Cole، DW، Comerford، NB، Eds. چپمن و هال: لندن، انگلستان، 1994; صص 81-118. [ Google Scholar ]
  9. Parise, M. تکنیک های نقشه برداری زمین لغزش و استفاده از آنها در ارزیابی خطر زمین لغزش. فیزیک شیمی. زمین 2001 ، 26 ، 697-703. [ Google Scholar ]
  10. کارارا، ا. گوزتی، اف. کاردینالی، م. Reichenbach, P. محدودیت های فعلی در مدل سازی خطر زمین لغزش. در مجموعه مقالات انجمن بین المللی زمین شناسی ریاضی IAMG’98، Ischia، ایتالیا، 4-9 اکتبر 1998. صص 195-203.
  11. باردو، جی. بناویدس، ا. هرواس، جی. Van Westen، CJ مقایسه تکنیک‌های ارزیابی خطر زمین لغزش اکتشافی با استفاده از GIS در حوضه تیراجانا، جزیره گران کاناریا، اسپانیا. بین المللی J. Appl. زمین Obs. Geoinf. 2000 ، 2 ، 9-23. [ Google Scholar ] [ CrossRef ]
  12. کلیریسی، ا. پرگو، اس. تلینی، سی. Vescovi، P. روشی برای پهنه بندی حساسیت زمین لغزش با روش تحلیل شرطی. ژئومورفولوژی 2002 ، 48 ، 349-364. [ Google Scholar ] [ CrossRef ]
  13. کارارا، ا. کروستا، جی. فراتینی، ص. داده های ژئومورفولوژیکی و تاریخی در ارزیابی خطر زمین لغزش. زمین گشت و گذار. روند. Landf. 2003 ، 28 ، 1125-1142. [ Google Scholar ] [ CrossRef ]
  14. Kanungo، DP; آرورا، MK; سرکار، س. گوپتا، RP مطالعه تطبیقی ​​جعبه سیاه معمولی، ANN، فازی و ترکیبی روش های وزن دهی عصبی و فازی برای پهنه بندی حساسیت زمین لغزش در هیمالیاهای دارجلینگ. مهندس جئول 2006 ، 85 ، 347-366. [ Google Scholar ] [ CrossRef ]
  15. آیالو، ال. یاماگیشی، اچ. Ugawa، N. نقشه‌برداری حساسیت زمین لغزش با استفاده از ترکیب خطی وزنی مبتنی بر GIS، موردی در منطقه Tsugawa در رودخانه آگانو، استان نیگاتا، ژاپن. زمین لغزش 2004 ، 1 ، 73-81. [ Google Scholar ] [ CrossRef ]
  16. آلئوتی، پی. Chowdhury، R. ارزیابی خطر زمین لغزش: بررسی خلاصه و دیدگاه های جدید. گاو نر مهندس جئول محیط زیست 1999 ، 58 ، 21-44. [ Google Scholar ] [ CrossRef ]
  17. ارکان اوغلو، م. Gokceoglu، C. استفاده از روابط فازی برای تهیه نقشه حساسیت زمین لغزش یک منطقه مستعد زمین لغزش (منطقه دریای سیاه غرب، ترکیه). مهندس جئول 2004 ، 75 ، 229-250. [ Google Scholar ] [ CrossRef ]
  18. گویدیچینی، جی. Nieble, CM Estabilidade de Taludes Naturais e de Escavação , 2nd ed; Edgard Blücher: سائوپائولو، برزیل، 1984. [ Google Scholar ]
  19. مونوز، وی. آلمیدا، سی ام. والریانو، MM; کرپانی، ای. Medeiros، JS Técnicas de Inferência Espacial na Identificação de Unidades de Susceptibilidade aos Movimentos de Massa na Região de São Sebastião، سائوپائولو، برزیل. در مجموعه مقالات 12 Simposio Internacional en Percepción Remota y Sistemas de Información Geográfica (SELPER)، Cartagena de Indias، کلمبیا، 24-29 سپتامبر 2006.
  20. سابویا، اف. آلوز، ام جی. پینتو، WD ارزیابی حساسیت شکست شیب های خاک با استفاده از منطق فازی. مهندس جئول 2006 ، 86 ، 211-224. [ Google Scholar ] [ CrossRef ]
  21. وانگ، WD; Xie, CM; نقشه‌برداری حساسیت زمین لغزش‌های Du، XG در استان گوئیژو بر اساس تئوری فازی. حداقل علمی تکنولوژی 2009 ، 19 ، 399-404. [ Google Scholar ]
  22. وحیدنیا، محمدحسن; آلشیخ، ع.ا. علیمحمدی، ع. حسینعلی، ف. یک رویه عصبی فازی مبتنی بر GIS برای یکپارچه سازی دانش و داده ها در نگاشت حساسیت زمین لغزش. محاسبه کنید. Geosci. 2010 ، 36 ، 1101-1114. [ Google Scholar ] [ CrossRef ]
  23. کامارا، جی. سوزا، RCM; فریتاس، UM; Garrido, J. SPRING: ادغام سنجش از دور و GIS با مدل سازی داده های شی گرا. محاسبه کنید. نمودار. 1996 ، 20 ، 395-403. [ Google Scholar ] [ CrossRef ]
  24. پونچانو، WL; Carneiro، CDR; Bistrichi، CA; آلمیدا، FFM؛ پراندینی، فلوریدا Mapa Geomorfológico do Estado de São Paulo ; IPT: سائو خوزه دوس کامپوس، برزیل، 1981; مقیاس 1:1000000. [ Google Scholar ]
  25. اولیویرا، جی بی. Camargo، MN; روسی، ام. Calderano Filho, B. Mapa pedológico do Estado de São Paulo: Legenda expandida ; Instituto Agronômico/EMBRAPA Solos: Campinas، برزیل، 1999; مقیاس 1:500000. [ Google Scholar ]
  26. Valeriano، MM TOPODATA: Guia de Utilização de Dados Geomorfométricos Locais . در دسترس آنلاین: http://mtc-m18.sid.inpe.br/col/sid.inpe.br/ mtc-m18@80 /2008/07.11.19.24/doc/publicacao.pdf (دسترسی در 24 اکتبر 2011).
  27. Instituto Nacional de Meteorologia، Normais Climatológicas do Brasil 1961-1990 ، INMET: برازیلیا، برزیل، 2009; (DVD).
  28. بخش تولید تصویر، موسسه ملی Pesquisas Espaciais. سنسور لندست 5/CCD، مسیر/ردیف: 218/76، 219/76، 220/76، 220/77، 221/77 . در دسترس آنلاین: http://www.dgi.inpe.br/CDSR/ (در 23 مه 2009 قابل دسترسی است).
  29. کرونکا، FJN؛ نالون، MA; Matsukuma، CK Inventário Florestal das Áreas Reflorestadas do Estado de São Paulo ; Secretaria de Estado de Meio Ambiente, Instituto Florestal: São Paulo, SP, Brazil, 2002. [ Google Scholar ]
  30. ویرا، RMSP; آلوالا، RCS; پونزونی، اف جی. فراز نتو، س. Canavesi، V. Mapeamento dos usos da Terra e da Cobertura Vegetal do Estado de São Paulo . در دسترس آنلاین: http://urlib.net/sid.inpe.br/ mtc-m19@80 /2010/01.22.12.32 (دسترسی در 25 ژانویه 2010).
  31. کرپانی، ای. Medeiros، JS; هرنادز فیلهو، پ. فلورنزانو، تی جی; دوارته، وی. Barbosa, CCF Sensoriamento Remoto e Geoprocessamento Aplicados ao Zoneamento Ecológico-Econômico and ao Ordenamento Territorial . در دسترس آنلاین: http://www.lapa.ufscar.br/bdgaam/geoprocessamento/Crepani%20et.%20al.pdf (در 21 سپتامبر 2011 قابل دسترسی است).
  32. والریانو، MM; Carvalho Júnior، OA Geoprocessamento de modelos digitais de elevachão for mapeamento da curvatura aff microbacias. Revista Brasileira de Geomorfologia 2003 ، 1 ، 17-29. [ Google Scholar ]
  33. بیندا، آل. Bertotti، LG Geoprocessamento Aplicado à Análise da Bacia Hidrográfica do Rio Cachoeirinha، Guarapuava-PR. در مجموعه مقالات 12 Simpósio Brasileiro de Geoigrafia Física Aplicada، ناتال، برزیل، 9 تا 13 ژوئیه 2007.
  34. Veloso، AJG Importância do estudo das vertentes. Geographia 2002 , 4 , 79-83. [ Google Scholar ]
  35. Zadeh, LA Fuzzy sets. Inf. کنترل 1965 ، 8 ، 338-353. [ Google Scholar ] [ CrossRef ]
  36. بارو، PA; مک دانل، RA اصول سیستم های اطلاعات جغرافیایی ; انتشارات دانشگاه آکسفورد: آکسفورد، انگلستان، 1998. [ Google Scholar ]
  37. بونهام-کارتر، سیستم های اطلاعات جغرافیایی GF برای دانشمندان زمین شناس: مدل سازی با GIS . پرگامون: آکسفورد، بریتانیا، 1994. [ Google Scholar ]
  38. لی، اس. کاربرد و تأیید عملگرهای جبری فازی برای نگاشت حساسیت زمین لغزش. محیط زیست جئول 2007 ، 52 ، 615-623. [ Google Scholar ]
  39. پرادان، بی. لی، اس. Buchoithner، MF استفاده از داده های مکانی و عملگرهای جبری فازی برای نقشه برداری خطر زمین لغزش. Appl. Geomat. 2009 ، 1 ، 3-15. [ Google Scholar ] [ CrossRef ]
  40. پرادان، ب. نقشه‌برداری حساسیت زمین لغزش یک حوضه با استفاده از نسبت فرکانس، منطق فازی و رویکردهای رگرسیون لجستیک چند متغیره. J. شرکت هندی Remote Sens. 2010 , 38 , 301–320. [ Google Scholar ] [ CrossRef ]
  41. Meirelles، MSP; موریرا، FR; کامارا، جی. Netto، ALC؛ Carneiro، TAA Métodos de Inferência Geográfica: Aplicação no Planejamento Regional، na Avaliação Ambiental e na Pesquisa Mineral. در Geomática: Modelos E Aplicações Ambientais ; Meirelles, MSP, Camara, G., Almeida, CM, Eds. Embrapa Informação Tecnológica: برازیلیا، برزیل، 2007; صص 381-288. [ Google Scholar ]
  42. ترنان، جی ال. المز، ا. تاناگو، ام جی؛ ویلیامز، AG; Blanco، R. تبدیل زمین اصلی به جنگل پینوس : برخی اثرات هیدرولوژیکی و فرسایشی. مدیترانه 1997 ، 12 ، 77-84. [ Google Scholar ]
  43. میلر، دی جی; Burnet، KM اثرات پوشش جنگلی، توپوگرافی و وسعت نمونه برداری بر تراکم اندازه گیری شده زمین لغزش های کم عمق و انتقالی. منبع آب Res. 2007 ، 43 ، WO3433. [ Google Scholar ]
  44. O’Loughlin، CL اثربخشی پوشش گیاهی جنگلی معرفی شده برای محافظت در برابر زمین لغزش و فرسایش در مناطق شیب دار نیوزیلند. در مجموعه مقالات سمپوزیوم در مورد تأثیرات استفاده از زمین های جنگلی بر فرسایش و پایداری شیب، هونولولو، HI، ایالات متحده، 7-11 مه 1984. ص 275-280.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربردهای GIs در زمین شناسیمقاله

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370