طبقه‌بندی ناهمواری ها با استفاده از شاخص موقعیت توپوگرافی و بررسی ارتباط بین ناهمواری‌ها و سازند‌های زمین‌شناسی (بررسی موردی: زیر حوضه بیرانشهر)

نوع مقاله : علمی -پژوهشی

نویسندگان

1 دانشگاه لرستان

2 دانشگاه تهران

10.29252/esrj.9.1.30

چکیده

هدف از انجام این تحقیق طبقه­بندی ناهمواری­ها با استفاده از شاخص موقعیت توپوگرافی و بررسی ارتباط بین ناهمواری­ها و سازند­های زمین­شناسی بود. در این تحقیق برای طبقه­بندی ناهمواری­ها از شاخص موقعیت توپوگرافی (TPI) استفاده شد و در ادامه با تغییر فاصله همسایه با روش انحراف ارتفاع متوسط (DEV) به بررسی تغییر مساحت ناهمواری­ها پرداخته شد. در بخش دیگر تحقیق، ارتباط بین سازندهای زمین­شناسی و نقشه طبقه­بندی ناهمواری­ها مورد بررسی قرار گرفت. نتایج نشان داد در منطقه مورد مطالعه به­ترتیب طبقات دره­های باریک و آبراهه­ها و طبقات شیب­های پایینی با 37/33 و 63/5 درصد، بیشترین و کمترین مساحت را در منطقه دارند. علاوه بر این ناهمواری­های دشت، شیب­های باز، شیب­های میانی، شیب­های بالایی و یال­های مرتفع به ترتیب 09/14، 3/10، 8/5 و 79/30 درصد از مساحت منطقه را در بر گرفته­اند. دیگر نتایج نشان داد که با افزایش فاصله همسایه نقاط مرکزی، مساحت متعلق به لندفرم دره­های باریک و آبراهه­ها دارای بیشترین تغییرات بوده است، زیرا این لندفرم با 62/20 درصد (در فاصله50 متر) به 7/55 درصد (750  متر) رسیده است و در مقابل کمترین درصد تغییر مساحت متعلق به لندفرم زهکش­های شیب میانی، دره­های کم­عمق بوده است، زیرا از 4/6 درصد (50 متر) به 01/1 درصد (750 متر) کاهش یافته است. نتایج تحلیل واریانس (ANOVA) یک­طرفه سازندهای زمین­شناسی و نقشه طبقه­بندی ناهمواری­های منطقه نشان داد که اثر سازند زمین­شناسی بر روی ناهمواری­های منطقه با احتمال 99 درصد معنی­دار است و بیش از 60 درصد سازند‌های آهکی منطقه باعث تشکیل لندفرم­های شیب میانی، شیب بالایی و یال­ها و قله کوه­های منطقه شده­اند.

کلیدواژه‌ها

عنوان مقاله [English]

Landforms classification by Topographic Position Index and assessment of the relation between landforms and lithological features

چکیده [English]

Landforms are one of the most important landscape components in lithosphere that the landform elements include land such as hills, mountains, plateaus, canyons, valleys… The main objective of this study is Landforms classification by Topographic Position Index and assessment of the relation between landforms and lithological features. For landform classification, the 10 m Digital Elevation Model (DEM) and Geology map (1:100000) was used. In this paper Topographic Position Index and the Deviation from mean elevation (DEV), were used for classification of landforms. Result shown that, the valley was the largest category, with percentages 33.37 %. The lower slops was the lowest category, with percentages 5.63 %. Each of the other four categories (flat area, middle slope, upper slope and ridge) represented between 5.8 % and 30.79%. Accordant to these result, the most variable classes were the valley, increasing from 20.62% (50 m) to 55.7% (750 m), and the middle slope area, decreasing from 6.4% (50 m) to 1.01% (750 m). The results of ANOVA shown a significant relationship at 99% probability level for landform classification map and geology formation map. More than 60% limestones (OMl, El, TRjm, K2, TRkh, Jgr-vc, OMas, K1) were middle slopes, upper slopes and ridge.

کلیدواژه‌ها [English]

  • BiranShahr watershed
  • Geomorphology
  • Topographic Position Index (TPI)
  • the Deviation from mean elevation (DEV)

مراجع

  1. -تازه، م.، 1391. طبقه‌بندی دشت سرهای مناطق بیابانی براساس پارامترهای مرفومتری و بیوفیزیکی در منطقه خضرآباد یزد، رساله دکتری، دانشکده منابع طبیعی، گروه احیاء مناطق خشک و کوهستانی، دانشگاه تهران، 172 ص.
  2. -شایان، س.، یمانی، م.، فرج‌زاده اصل، م. و احمدآبادی، ع.، 1391. طبقه‌بندی نظارت شده لندفرم‌های ژئومورفولوژیکی مناطق خشک با استفاده از پارامترهای ژئومورفومتریک، سنجش از دور و GIS ایران، دوره 4، شماره 14، ص 19-30.
  3. -مکرم، م. و نگهبان، س.، 1393. طبقه‌بندی لندفرم‌ها با استفاده از شاخص موقعیت توپوگرافی (TPI)، فصلنامه علمی-پژوهشی اطلاعات جغرافیایی، دوره 23، شماره 92، ص 57-69.
  4. -Ascione, A., Cinque, A., Miccadei, E., Villani, F. and Berti, C., 2008. The Plio-Quaternary uplift of the Apennine chain: New data from the analysis of topography and river valleys in Central Italy, Geomorphology, v. 102, p. 105-118.
  5. -Barka, I., Vladovic, J. and Malis, F., 2011. Landform classification and its application in predictive mapping of soil and forest units, GIS Ostrava, v. 1, p. 23-34.
  6. -Bolongaro, C.A., Rodrıguez, V., Sorani, V., Frame, D. and Ortiz, M.A., 2005. Geomorphometric analysis for characterizing landforms in Morelos State, Mexico, Geomorphology, v. 67, p. 407-422.
  7. -Deng, Y., 2007. New trends in digital terrain analysis: landform definition, representation, and classification, Progressin Physical Geography, v. 3 1, p. 4 05- 419.
  8. -Fels, J.E. and Zobel, R., 1995. Landscape position and classified land type mapping for statewide DRASTIC mapping project, North Carolina State University Technical Report, VEL.95.1.
  9. -Grohmann, C.H. and Riccomini, C., 2009. Comparison of roving-window and search-window techniques for characterizing landscape morphometry, Computers & Geosciences, v. 35, p. 2164-2169.
  10. -Hengl, T. and Reuter, H.I. (Eds.), 2009. Geomorphometry: Concepts, Software, Applications, Developments in Soil Science, 33, Elsevier, Amsterdam, 227 p.
  11. -Iwahashi, J. and Pike, R.J., 2007. Automate d classifications of topography from DEMs by an unsupervised nested-means algorithm and a three-part geometric signature, Geomorphology, v. 86, p. 409-440.
  12. -Jenness, J., Brost, B. and Beier, P., 2013. Land Facet Corridor Designer, Produced with the generous support of USDA Forest Service Rocky Mountain Research Station and McIntire-Stennis Cooperative Forestry Program and Arizona Board of Forest Research, 110 p.
  13. -Liu, M., Hu, Y., Chang, Y., He, X. and Zhang, W., 2009. Land use and land cover change analysis and prediction in the upper reaches of the Minjiang River, China. Environmental Management, v. 43, p. 899-907.
  14. -Mokarram, M. and Seif, A., 2014. GIS-Based Automated Landform Classification in Zagros Mountain, Bulletin of Environment, Pharmacology and Life Sciences, v. 3 (3), p. 20-32.
  15. -Pavlopoulos, K., Evelpidou, N. and Vassilopoulos, A., 2009. Mapping Geomorphological Environments, Springer-Verlag Berlin, 227 p.
  16. -Reu, J.D., Bourgeois, J., Bats, M., Zwertvaegher, A., Gelorini, V., Smedt, P.D., Chu, W., Antrop, M., Maeyer, P.D., Finke, P., Meirvenne, M.V., Verniers, J. and Crombe, P., 2013. Application of the topographic position index to heterogeneous landscapes, Geomorphology, v. 186, p. 39-49.
  17. -Seif, A., 2014. Using Topography Position Index for Landform Classification, Bulletin of Environment, Pharmacology and Life Sciences, v. 3 (11), p. 33-39.
  18. -Tagil, S. and Jenness, J., 2008. GIS-based automated landform classification and Topographic, Land cover and Geologic attributes of landforms around the Yazoren Polje, Turkey, Journal of Applied Sciences, v. 8(6), p. 910-921.
  19. -Tucker, G.E., Catani, F., Rinaldo, A. and Bras, R.L., 2001. Statistical analysis of drainage density from digital terrain data, Geomorphology, v. 36, p. 187-202. -Weiss, A.D., 2001. Topographic position and landforms analysis, Poster Presentation, ESRI Users Conference, San Diego, CA.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار