پديد آورندگان :
ملكي، محمد دانشگاه خوارزمي، تهران، ايران , جوزك، عليرضا دانشگاه مازندران، بابلسر، ايران , سديدي، جواد دانشگاه خوارزمي - دانشكده علوم جغرافيايي - گروه سنجش از دور و GIS، تهران، ايران
كليدواژه :
كارست , فروچاله , بيستون ـ پرآو , تحليل شبكه اي , تصاوير جهاني
چكيده فارسي :
فروچاله هاي نوعي از اشكال كارستي است كه به شكل گودال هايي در سطح زمين آشكار ميشوند. شناسايي اين فروچاله ها در مديريت منابع آب بسيار حياتي هستند، چرا كه آلودگي اين مكان ها باعث آلودگي منابع آب منطقه مي شود. حوضه كارستي بيستون ـ پرآو از آن جهت مهم است كه باعث ايجاد سراب هايي در شهرهاي بيستون و كرمانشاه بوده و بخشي از آب اين شهرها را تامين ميكند. اين پژوهش با هدف شناسايي فروچاله هاي اين حوزه و همچنين شناسايي مناطق مستعد فروچاله انجام شده است. در اين پژوهش با تلفيق سيستم اطلاعات جغرافيايي و فرآيند تحليل شبكه، معيارهاي مختلف ايجاد فروچاله نظير بارش، دما، تبخير، سنگشناسي، جنس خاك، شيب، ارتفاع، گسل، آبراهه و پوشش گياهي رتبه بندي شده اند. نتايج فرآيند تحليل شبكه نشان داد كه سنگ شناسي با 87/24 درصد مهمترين عامل ايجاد فروچاله است. پس از تركيب لايه ها، نقشه مناطق محتمل فروچاله مشخص گرديد و با استفاده از تفسير تصاوير World Imagery و Google Earth فروچاله هاي موجود در منطقه تشخيص داده شد. سپس براي بررسي نتايج كار از شاخص هاي صحت، دقت و كيفيت استفاده شد كه نتايج آنها به ترتيب 98/42، 41/69 و 55/65 بود. بالا بودن شاخص صحت نشان مي دهد كارايي بالا در شناسايي فروچاله هاي موجود است، اما پايين بودن دو شاخص ديگر بيانگر ضعف روش نيست، بلكه دو شاخص دقت و كيفيت نشان دهنده مناطقي است كه احتمال فروچاله شدن را دارند، اما درحال حاضر يا فروچاله نبوده و يا در داده هاي مرجع نيستند. در نهايت مي توان گفت كه اين روش كارايي مناسبي براي شناسايي فروچاله ها و مناطق مستعد فروچاله ها را دارد.
چكيده لاتين :
Sinkhole is a type of karst form that appear as pits on the surface of the earth. Identification of these sinkholes is crucial in the management of water resources, as contamination of these sites causes contamination of water resources in the region. Bistoon-Parav Karst Basin is important because it creates mirages in the cities of Bistoon and Kermanshah and provides part of the water to these cities. The purpose of this study was to identify sinkholes in this area as well as identify potential areas of sinkholes. In this research, using the analysis network process, different criteria for sinkhole formation such as precipitation, temperature, evaporation, lithology, soil type, slope, elevation, fault, stream and vegetation are ranked. The results of the analysis network process showed that lithology with 24.87% are the most important cause of the sinkhole. After combining the layers, a map of the possible sinkhole areas was identified. Furthermore, sinkholes in the area were detected using the interpretation of World Imagery and Google Earth imagery. The accuracy, completeness and quality indices were used to evaluate the results of the work, which were 98.42, 69.41 and 65.55, respectively. The high accuracy index indicates high performance in detecting existing sinkholes, but the low two indices do not indicate the weakness of the method, rather, the two indicators of completeness and quality indicate areas that are likely to form sinkholes. However, at the moment they are either not crashed or they are not in the reference data. In the end it can be said that this method is suitable for identifying sinkholes and susceptible areas of sinkholes.
