استخراج و طبقه‌بندی خودکار لندفرم‌ها با استفاده از شاخص موقعیت توپوگرافی
عنوان دوره: بیستمین کنفرانس ژئوفیزیک ایران
نویسندگان
1دانش‌آموخته دکتری علوم و مهندسی آبخیزداری-آب، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان
2گروه مرتع و آبخیزداری- دانشکده منابع طبیعی و علوم زمین- دانشگاه کاشان
3دانشجو دکتری علوم و مهندسی آبخیز- حفاظت آب و خاک، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان
چکیده
طبقه‌بندی و تشخیص خودکار لندفرم‌های زمین از نیازهای اساسی علوم محیطی است که از این طریق واحدهای کاری با سرعت و دقت بالا استخراج می‌گردد. پژوهش حاضر با هدف تشخیص خودکار عوارض زمین در حوضه سفید‌ دشت با استفاده از شاخص موقعیت توپوگرافیک در نرم افزار SAGA GIS انجام شد. نتایج پژوهش حاضر نشان داد که از در 10 لند‌فرم شناسایی شده در محدوده مورد مطالعه لندفرم دشت‌ها و دامنه‌های باز به ترتیب با مساحت 7/106 و 4/87 کیلومتر مربع بیش‌ترین مساحت در بین سایر لندفرم‌ها را دارد. همچنین لندفرم‌های زهکشی‌های مرتفع و برآمدگی‌های محلی به ترتیب با 3/3 و 6/0 کیلومتر مربع کم‌ترین مساحت را در بین سایر لند فرم‌ها به خود اختصاص داده است. تهیه نقشه لندفرم زمین می‌تواند در علوم مختلفی نظیر برنامه‌ریزی محیطی، حفاظت منابع طبیعی و پیش‌بینی بلایای طبیعی استفاده گردد.
کلیدواژه ها
 
Title
Automatic extraction and classification of landforms using Topographic Position Index
Authors
daniyal sayyad, Hoda Ghasemieh, Zahra Naserianasl
Abstract
Automatic classification and detection of landforms is one of the basic needs of environmental sciences, through which work units are extracted with high speed and accuracy. The aim of this study was to automatically detect landslides in Sefid Dasht basin using topographic position index in SAGA GIS software. The results of the present study showed that out of 10 landforms identified in the study area, the plains and open slopes with an area of 107.7 and 87.4 square kilometers, respectively, have the highest area among other landforms. Also, upland Drainages landforms and local ridges with 3.3 and 0.6 square kilometers, respectively, have the lowest area among other landforms. Landform mapping can be used in a variety of sciences such as environmental planning, natural resource conservation, and natural disaster forecasting.
Keywords
Landform, digital elevation model, Sefid Dasht watershed, TPI, Automatic Classification, SAGA GIS