كاربرد ويژگي‌هاي دانه‌بندي رسوبات بادي در تعيين مورفولوژي تپه‌هاي ماسه‌اي همگن براساس تحليل‎هاي آماري دو و چند متغيره (مطالعه موردي: ارگ كاشان)

(Application of Aeolian Sediments Granulometry Characteristics to Determine the Morphology of Homogenous Sand Dunes through Multivariate Data Analysis (Case Study: Kashan Erg

ارگ ريگ بلند كاشان، يكي از معدود مجموعه‌هاي ماسه‌اي مهم ايران به شمار مي‌آيد. به منظور تعيين همگني ويژگي‌هاي تپه‏ هاي ماسه‌اي مختلف در ارگ كاشان، ابتدا با استفاده از پايگاه Google earth، عكس‌هاي هوايي و نيز بازديدهاي ميداني، نقشة مرفولوژي منطقه‌ي مورد مطالعه تهيه شد. سپس به منظور تعيين متغيرهاي آماري مختلف انواع تپه‌هاي ماسه‌اي، نمونه‌برداري از رسوبات بادي در اشكال مختلف تپه‌هاي ماسه‌اي صورت گرفت. بررسي شاخص‌هاي دانه‌بندي (گرانولومتري) نمونه‌ها براساس روش الك خشك انجام گرفت و با استفاده از نرم‌افزار Gradistat پارامترهاي آماري از قبيل قطر ميانگين، جورشدگي، كج‌شدگي، كشيدگي،d10 و d90 تعيين و مهم‌ترين متغيرهاي مؤثر در گروه‌بندي تپه‌ها براساس ويژگي‌هاي دانه‌بندي بر مبناي شاخص‌هاي لامبدا و ضرايب كانونيك تعيين شد. نتايج نشان داد كه تنها دو متغير جورشدگي و كشيدگي از نظر آماري توانايي جداسازي تپه‏ هاي مختلف را دارند (با دقت حدود 57 %). بنابراين با توجه به دو شاخص جورشدگي و كشيدگي طبقه‌بندي همگني تپه‌ها به روش تحليل خوشه‌اي انجام شد. نتايج نشان داد كه تپه‌هاي ماسه‌اي تثبيت شده (بارخاني) در گروه مجزا قرار مي‌گيرند. اين مسئله به دليل تأثير شرايط ناشي از استقرار پوشش گياهي از يك سو و توانايي باد در حمل ذرات ريز دانه‌تر و به جاي ماندن ذرات درشت‎دانه بيشتر در اين مناطق است. همچنين به منظور بررسي همگني تپه‌هاي ماسه‌اي به روش آناليز دو متغيره، نمودارهاي بايوپلات ترسيم و مشخص شد شاخص‌هايي همچون d10 وd90 نيز به طور گرافيكي و بصري قابليت تفكيك را دارا هستند ولي از نظر آماري چنين نيست. نتايج نشان‌دهندة قابليت روش‌هاي چند متغيره در طبقه‌بندي تپه‌هاي ماسه‌اي است. آنچه مسلم است استفاده از روش هاي چند متغيره مي‌تواند به طور كمي تپه‌هاي ماسه‎اي را طبقه‌بندي كرد و نظرات كارشناسي را به حداقل رساند.

Kashan Erg is one of the most important sand seacomplexes in Iran. The Current research tried to determine thehomogeneity of Kashan Erg through multivariate data analysis. Data was extracted by interpretation of aerialphotographs, Google earth, field observations and morphologic map of the study area. Moreover, different statisticalvariables of aeolian sediment samples were conducted in different sand dunes. The granulometric parameters were alsocalculated based on the dry sieve analysis while mean diameter, sorting, kewness, kurtosis, d10, and d90 indices werecalculated using GRADISTAT software. Wilks’ lambda and canonic coefficients results indicated that, amonggranulomtric data, skewness and kurtosis could distinguish different sand dunes types (accuracy of 57%). According to the above mentioned indices, the classification was performed using Hierarchical Cluster analysis. The results showedthat the stabilized dunes were located in the separate group which related to the effect of vegetation establishment andability of wind in transporting of fine particles of these areas. Also, bivariate plots used for evaluating the homogeneityof the sand dunes which indicated d10 and d90 parameters as a discriminant factors for graphical and visually separation,but not statistically. Findings revealed that by using quantitative multivariate methods for sand dunes classification, lessexperimental insights can affect the results.