آموزش کاربرد نقشه های اتوکد AutoCAD در ArcGIS

یک مدل تحلیل تصمیم چندمعیاره مبتنی بر GIS برای تعیین آسیب پذیری یخچال های طبیعی

چکیده 

بررسی علل ناهمگونی فضایی تغییرات یخبندان اطلاعات حیاتی در مورد رفتار یخبندان ارائه می‌دهد و توانایی پیش‌بینی را برای تعریف جایی که ممکن است در آینده عقب‌نشینی یخچال‌ها رخ دهد، ارائه می‌دهد. این مطالعه به منظور تعیین توزیع مکانی آسیب پذیری یخچال های طبیعی کوه آغری طراحی شده است. هدف اصلی مطالعه حاضر ارزیابی قابلیت های پیش بینی سیستم اطلاعات جغرافیایی (GIS) مبتنی بر تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA) برای تعیین مکان عقب نشینی یخچال های طبیعی کوهستانی بود. برای تخمین عقب نشینی یخچال، معیارهای زیر انتخاب شدند: ارتفاع، جهت، شیب، جهت، و ناهنجاری دمای سطح یخچال (GSTA). برای وزن دهی معیارهای ارزیابی نواحی آسیب پذیر یخچال از روش آنتروپی استفاده شد. نتایج این روش به وضوح نشان دهنده رابطه قوی بین معیارهای GSTA، جهت و ارتفاع و عقب نشینی یخچال است. نقشه آسیب پذیری یخچال های طبیعی با سنتز لایه های معیار با وزن آنها ایجاد شد. نقشه آسیب پذیری در کوتاه مدت 77.8 درصد و در بلندمدت 92.1 درصد است. در این مطالعه، مناطق ذوب اولویت تعیین شد و مکان‌های عقب‌نشینی یخچالی در دوره‌های 10 ساله پیش‌بینی شد.
کلمات کلیدی: عقب نشینی یخچال های طبیعی GIS ; MCDA ; تجزیه و تحلیل آسیب پذیری

1. مقدمه

تغییرات یخچال های طبیعی جزء مهمی از سیستم آب و هوایی هستند و نقش کلیدی در تغییرات آب و هوا دارند [ 1 ]. بنابراین، این تغییرات به عنوان شاخص های بسیار قابل اعتماد روند گرمایش جهانی در نظر گرفته می شود و برای استراتژی های تشخیص زودهنگام در مشاهدات آب و هوای جهانی استفاده می شود. برای بیش از یک قرن، کاهش تدریجی تعداد یخچال های طبیعی در سراسر جهان وجود داشته است [ 2 ]. برخی از یخچال ها به طور کامل ناپدید شده اند در حالی که بسیاری دیگر به طور چشمگیری در حال عقب نشینی هستند و پیش بینی می شود ظرف چند دهه ناپدید شوند [ 3 ].
به طور سنتی، تغییرات یخچال های طبیعی در بسیاری از انواع تحقیقات با استفاده از اندازه گیری های درجا مورد مطالعه قرار گرفته است [ 4 ، 5 ، 6 ، 7 ]. تا به امروز، بخش عمده ای از مطالعات در مورد این موضوع با استفاده از تکنیک های سنجش از دور [ 8 ، 9 ، 10 ، 11 ، 12 ] و سیستم های اطلاعات جغرافیایی (GIS) [ 13 ، 14 ، 15 ، 16 ] انجام شده است.]. با پیشرفت‌های اخیر در فناوری‌های ماهواره‌ای و هوافضا، اکنون این امکان برای دانشمندان وجود دارد که مناطق چالش برانگیز و گسترده را در زمان کوتاه‌تری از طریق کاربردهای سنجش از دور بررسی کنند. تغییرات یخچال های طبیعی را می توان با استفاده از سیستم های سنجش از دور فعال یا غیرفعال تجزیه و تحلیل کرد. استفاده از سنسورهای ماهواره ای سیستم غیرفعال که نتایج قابل توجهی در بررسی تغییرات یخچال های طبیعی ایجاد می کند نیز به تدریج در حال افزایش است [ 1 ]. پیشرفت‌های اخیر در روش‌های GIS، بررسی تغییرات یخچال‌های طبیعی را تسهیل کرده است و GIS به ابزار مهمی برای چنین مطالعاتی تبدیل شده است [ 17 ].
مسائل عمده در مطالعات سنجش از دور و/یا GIS روی یخچال‌ها، تغییرات زمانی [ 18 ، 19 ، 20 ، 21 ]، ارزیابی هیدرولوژیکی و/یا هواشناسی [ 22 ، 23 ، 24 ]، و رابطه بین روند آب و هوا و عقب‌نشینی یخچال‌ها است. 25 ، 26]. به طور کلی، این مطالعات تغییرات زمانی یخچال‌های طبیعی را از گذشته تا کنون نشان می‌دهد. با این حال، تا به امروز، بحث کافی در مورد پیش بینی عقب نشینی یخچال های طبیعی وجود ندارد. یکی از بزرگترین چالش‌ها در پیش‌بینی عقب‌نشینی یخچال‌های طبیعی، شناسایی مناطق ذوب احتمالی با تعیین توزیع فضایی آسیب‌پذیری یخچال‌ها است. اکثر این مطالعات با هدف مدل سازی رابطه بین تغییرات یخبندان و هیدرولوژیکی انجام شده است. به این ترتیب پتانسیل طغیان سیل [ 27 ، 28 ]، تغییرات دریاچه یخچال [ 29 ، 30 ] و تغییرات منابع آب [ 31 ] پیش بینی شد.]. این مطالعات عموماً بر روی یخچال‌هایی که مناطق یخچالی وسیعی را پوشش می‌دهند و ارتباطات هیدرولوژیکی مهمی دارند، انجام می‌شود، بنابراین هدف اصلی در این مطالعات، اثرات هیدرولوژیکی رگرسیون یخچال‌ها بود. منطقه ای که در چنین مطالعاتی نادیده گرفته شده است، پیش بینی و درک اثرات ناشی از توپوگرافی و هندسه یخچال است. اگرچه آنها در معرض ویژگی های اقلیمی یکسانی هستند و هیچ ارتباط هیدرولوژیکی قابل توجهی ندارند، یخچال های طبیعی و کلاهک های یخی کوچک در نواحی کوهستانی ناهمگونی را در عقب نشینی یخچال ها نشان می دهند. برخی از مهمترین دلایل این ناهمگونی اثرات توپوگرافی و هندسی محلی است. نتایج نشان می‌دهد که پارامترهای توپوگرافی یخچال‌ها، کنترل‌های زیادی بر تغییرات متقابل اعمال می‌کنند و بنابراین، پاسخ یخچال به محیط آب و هوایی مشابه [ 14 ].
مطالعات مهمی در ادبیات بررسی این اثرات (ارتفاع، شیب، جنبه، و غیره) وجود دارد که باعث ناهمگونی در عقب نشینی یخچال‌های طبیعی می‌شوند [ 14 ، 20 ، 32 ، 33 ، 34 ]. مطالعه قبلی به ویژه بر تجزیه و تحلیل توپوگرافی عقب نشینی یخچال های طبیعی و یخبندان در کوه آگری تمرکز داشت [ 34]. با این حال، این مطالعات اثرات را یک به یک مشاهده کردند و/یا اثرات برخی از آنها را همراه با تجزیه و تحلیل بصری یا آماری تفسیر کردند. برای مدل‌سازی ناهمگونی فضایی یخچال‌ها و پیش‌بینی دقیق آینده، لازم است همه این اثرات همراه با وزن آنها ارزیابی شود. با این حال، تا جایی که ما می دانیم، تنها چند مطالعه به این مسائل می پردازند، همانطور که در زیر آورده شده است.
استریگارو و همکاران (2016) با هدف ارزیابی رفتار یخچال با استفاده از یک مدل فضایی ساده مبتنی بر GIS برای به دست آوردن شبیه‌سازی فضایی خروج یخبندان و ارزیابی سناریوهای آینده با یک نمایش فضایی. این مدل از یک مجموعه داده جغرافیایی ارجاع شده استفاده می‌کند که شامل عکس‌های ارتوفتو، مدل‌های ارتفاعی دیجیتال (DEMs) و چندضلعی‌های مرزی است. در این مطالعه، یخچال روتور برای ارزیابی مدل انتخاب شد. رفتار آینده یخچال روتور از سال 2005 تا 2100 با استفاده از سناریوهای اقلیمی [ 13 ] شبیه‌سازی شد.]. یانگ و همکاران (2015) یک مدل عددی یخبندان را با استفاده از سنجش از دور و تجزیه و تحلیل اجزای اصلی فضایی مبتنی بر GIS بر روی یخچال‌های طبیعی کوهستانی چین توسعه داد. 9 عامل در مدل به‌عنوان شیب، جهت، سایه تپه، ارتفاع، دمای هوا، بارندگی، درصد تغییر ناحیه یخبندان، نوع یخبندان و منطقه یخبندان، توصیف توپوگرافی، آب و هوا و ویژگی‌های یخچال تعریف شده است. آسیب پذیری یخچال های طبیعی در برابر تغییرات آب و هوایی در مقیاس منطقه ای در دوره 1961-2007 و دهه های 2030 و 2050 مورد ارزیابی قرار گرفت [ 16 ].
ارزیابی آسیب پذیری یخچال های طبیعی در برابر تغییرات آب و هوایی، مبنایی را برای سازگاری علمی با تفاوت های یخچالی فراهم می کند [ 16 ]. برای این ارزیابی ابتدا باید مجموعه ای از عوامل تعیین و سپس با توجه به اهمیت آنها ارزیابی شود [ 35 ]; با این حال، غلبه بر پیچیدگی های این پدیده بسیار دشوار است. تجزیه و تحلیل تصمیم گیری چند معیاره مبتنی بر GIS (MCDA) نقش مهمی در پرداختن به چالش های پیش آمده در تجزیه و تحلیل آسیب پذیری ایفا می کند [ 36 , 37 , 38 , 39]. این مطالعه با هدف بررسی قابلیت‌های استفاده و پیش‌بینی مدل MCDA مبتنی بر GIS، که برای اولین بار برای تعیین مناطق آسیب‌پذیر یخچال‌های طبیعی مورد استفاده قرار می‌گیرد، انجام شد. این مطالعه موردی به دنبال بررسی ماهیت در حال تغییر یخچال بود. علاوه بر این، نمرات تاثیر عوامل توپوگرافی بر عقب‌نشینی یخچال‌های طبیعی مورد تجزیه و تحلیل قرار گرفت. در این مطالعه، از روش MCDA مبتنی بر GIS در تحلیل آسیب‌پذیری برای پیش‌بینی مناطق عقب‌نشینی یخچال‌های طبیعی در کوه آغری استفاده شد.

2. منطقه مطالعه

منطقه مورد مطالعه کوه آغری است، بزرگترین یخچال طبیعی ترکیه که به عنوان کلاهک یخی طبقه بندی شده است. این کوه دارای دو قله است: آتاتورک (5137 متر) و اینونو (3898 متر). همانطور که در شکل 1 نشان داده شده است، برای مطالعه، تمرکز بر روی اجلاس آتاتورک بود، که در آن کلاهک یخی قرار دارد . هیچ یخچال دیگری در مجاورت یخچال آغری وجود ندارد. یخچال طبیعی در بالاترین ارتفاع نسبت به محیط اطراف آن واقع شده است. بنابراین، اثرات بر روی یخچال را می توان با دقت بیشتری مشاهده کرد.
یخچال آغری بین 39 درجه و 40 دقیقه و 39 درجه و 45 دقیقه عرض شمالی و 44 درجه و 15 دقیقه و 44 درجه و 20 دقیقه طول شرقی در استان ایغدیر قرار دارد. در سال های اخیر یک عقب نشینی چشمگیر یخچال های طبیعی وجود داشته است. در مطالعات قبلی بر روی یخچال‌ها در ادبیات، بلومنتال (1958) و سینر (2004) گزارش کردند که در دوره پلیستوسن، مساحت یخ تقریباً 10 کیلومتر مربع و منطقه یخچال احتمالاً 100 کیلومتر مربع بود [ 40 ، 41 ] . کورتر و سونگور (1980) کلاهک یخی را به مساحت 10 کیلومتر مربع محدود کردند [ 42]. ساریکایا (2012) با استفاده از تصاویر ماهواره ای تغییرات مساحت یخچال را از سال 1976 تا 2011 محاسبه کرد و دریافت که 29 درصد از سطح یخچالی آغری ذوب شده و میانگین دمای تابستان به طور مداوم افزایش می یابد [ 43 ]. یاوسلی و همکاران (2015) تمام یخچال های طبیعی ترکیه را از دهه 1970 تا 2013 بر اساس تصاویر ماهواره ای بررسی کرد. نویسندگان گزارش کردند که دلیل اصلی از بین رفتن منطقه یخچال در ترکیه افزایش دمای سطح است [ 44 ]. یالسین و همکاران (2017) تغییرات مکانی-زمانی یخچال‌ها را با استفاده از شاخص تفاوت نرمال شده برف (NDSI) و یک تکنیک نسبت دو باندی ارزیابی کرد. در نتیجه، گزارش شد که تقریباً 39 درصد از یخچال های طبیعی از سال 1987 تا 2015 در سه دهه گذشته ذوب شده اند [ 45 ]]. یالسین (2019) اثرات ویژگی‌های توپوگرافی، یعنی جنبه، شیب، ارتفاع و جهت را بر یخبندان و عقب‌نشینی یخچال‌های طبیعی برای کوه آغری بررسی کرد. همبستگی فضایی معنی‌داری بین پارامترهای توپوگرافی و توزیع یخچال‌های طبیعی مشاهده شد. این مطالعه تنها بر روی تجزیه و تحلیل توپوگرافی عقب‌نشینی یخچال‌ها و یخبندان متمرکز بود. یالسین (2019) به شدت پیشنهاد کرد که باید مدلی برای پیش‌بینی مناطق عقب‌نشینی یخچال‌های طبیعی در آینده ایجاد شود [ 34 ]. مدل پیشنهادی با استفاده از MCDA مبتنی بر GIS در این مطالعه به دست آمد و وزن معیارهایی که بر عقب‌نشینی یخچال‌ها با توجه به اهمیت نسبی تأثیر می‌گذارند با روش آنتروپی محاسبه شد. علاوه بر این، مناطق عقب‌نشینی یخچال‌های طبیعی در کوه آغری در این مقاله پیش‌بینی شده‌اند.

3. مواد و روشها

برای تعیین الگوهای فضایی آسیب پذیری یخچال های طبیعی، شناخت تأثیر ساختار توپوگرافی و برخی عوامل هواشناسی بر پراکنش یخچال های طبیعی ضروری است. به خصوص در مناطق کوچک (کلاهک های یخی کوهستانی) که در معرض اثرات تقریبا مشابه هواشناسی قرار دارند، ساختار توپوگرافی اثرات بیشتری دارد که باید همراه با وزن آنها برای انجام تحلیل آسیب پذیری ارزیابی شود، موضوعی که می تواند به عنوان یک مشکل تصمیم گیری فضایی در نظر گرفته شود.
مسائل تصمیم گیری فضایی معمولاً شامل معیارهای ارزیابی متعدد، متناقض و نامتناسب است. افراد، تصمیم گیرندگان، مدیران، ذینفعان یا گروه های ذینفع معمولاً با ترجیحات منحصر به فرد در رابطه با اهمیت نسبی معیارهایی که بر اساس آن گزینه ها ارزیابی می شوند مشخص می شوند. وجود این مشکلات تصمیم گیری فضایی منجر به توسعه MCDA مبتنی بر GIS شد [ 46 ]. در این مطالعه آسیب پذیری یخچال آغری با استفاده از این تکنیک تعیین شد. روش مورد استفاده در مطالعه در نمودار جریان ارائه شده در شکل 2 ارائه شده است.
ابتدا معیارها با توجه به مشکل انتخاب شدند. لایه‌های معیار و کلاس‌های آن‌ها با استفاده از داده‌های جمع‌آوری‌شده از منابع سنجش از راه دور در تاریخ‌های مختلف ایجاد شدند. فرآیند وزن دهی برای بررسی اهمیت نسبی هر معیار و هر طبقه از معیارها انجام شد. برای پیش‌بینی وزن هر معیار از روش آنتروپی استفاده شد. در این مطالعه، دو نقشه آسیب‌پذیری مختلف تولید شد. در اولین نقشه آسیب پذیری که بر اساس سال 1987 تهیه شده است، از مرزهای یخچال برای اعتبارسنجی سازگاری مدل استفاده شده است. مناطق بسیار آسیب پذیر برای اعتبارسنجی در نظر گرفته شد. این نقشه بر اساس منطقه ذوب تمام دوره ها طبقه بندی شد. نقشه دوم آسیب پذیری که بر اساس مرز یخچال های طبیعی 2015 است، برای پیش بینی مناطق ذوب آینده استفاده شد.
مدیریت و تجزیه و تحلیل داده ها با استفاده از نرم افزار ArcGIS انجام شد. در این مطالعه، از داده های سنجش از دور برای ترسیم مرز یخچال، ایجاد GSTA و تولید یک مدل ارتفاعی دیجیتال (DEM) استفاده شد.
مرزهای یخچال قبلاً با تکنیک NDSI با استفاده از تصاویر LANDSAT برای پنج تاریخ مختلف مشخص شده بودند: 2 آگوست 1987، 31 اوت 1989، 16 آگوست 1998، 25 آگوست 2013، و 15 اوت 2015 (Yalcin 2019). علاوه بر این، چهار دوره ذوب (1987-1989، 1987-1998، 1987-2013، و 1987-2015) ایجاد شد. علاوه بر این، باندهای مادون قرمز حرارتی (TIR) ​​این داده ها برای تولید GSTA استفاده شد.
DEM تولید شده از داده های ماموریت توپوگرافی رادار شاتل (SRTM) برای ایجاد لایه های معیار ارتفاع، شیب و جنبه استفاده شد. وضوح داده های نمونه برداری 30 متر با دقت ارتفاع عمودی مطلق <=16 متر، دقت ارتفاع عمودی نسبی <=10 متر و دقت دایره ای افقی مطلق <=20 متر [ 47 ] بود.

3.1. معیارهای تصمیم گیری

مسائل تصمیم‌گیری به مجموعه‌ای از معیارها بستگی دارد که شامل ویژگی‌ها و اهداف است، و باید دارای برخی ویژگی‌ها باشد تا به‌اندازه کافی چند معیار را نشان دهد [ 48 ]. مجموعه معیارهای ارزیابی را می توان با ادبیات مربوطه، مطالعه تحلیلی و نظرات کارشناسان [ 49 ، 50 ، 51 ، 52 ] تعریف کرد. هر معیار باید جامع و قابل اندازه گیری باشد [ 48 ].
اثرات توپوگرافی دلیل ناهمگونی در عقب‌نشینی‌های یخچالی در مناطق کوهستانی است. نتایج نشان می‌دهد که پارامترهای توپوگرافی یخچال‌ها کنترل زیادی بر تغییرات متقابل و بنابراین واکنش یخچال به یک محیط آب و هوایی مشابه اعمال می‌کنند [ 14 ]. منطقه مورد مطالعه، یخچال آغری، نسبتا کوچک است، بنابراین همه مناطق در معرض شرایط هواشناسی یکسان (درک، دمای هوا، رطوبت و …) هستند و ارتباط هیدرولوژیکی قابل توجهی ندارند. از این رو ضمن تعیین معیارها، بر اثرات توپوگرافی تاکید شد و تحقیقات ادبیات گسترده ای انجام شد.
در مطالعه قبلی مشاهده شد که عوامل توپوگرافی مانند شیب، جهت، جهت و ارتفاع بر عقب نشینی یخچالی در منطقه مورد مطالعه تأثیر گذاشته است. اثرات هر یک از عوامل توپوگرافی بر رگرسیون یخچال های طبیعی یک به یک مورد بررسی قرار گرفت [ 34]. اگرچه معیارهای جنبه و جهت مشابه به نظر می رسند، تفاوت مهمی بین آنها وجود دارد. معیارهای جهت، قسمت های جهت کوه یا تپه را نشان می دهند، در حالی که معیارهای جنبه به سطح یا جهت شیب یک قطعه زمین، صرف نظر از جهت کوه یا تپه اشاره دارد. مثلاً یک قطعه زمین در جبهه جنوبی کوه قرار دارد (جهت) اما همان قطعه زمین رو به جهت شرق (جهت) است. علاوه بر این، ذوب یخبندان تا حد زیادی به دمای سطح یخبندان (GST) وابسته است، که منعکس کننده توزیع گرما و تعیین میزان عقب نشینی در سطح یخبندان است. به همین دلیل، جذب صحیح GST در یخچال های کوهستانی در توسعه آینده توازن انرژی- جرم و مدل های هیدرولوژی یخبندان که منعکس کننده توسعه این سیستم های حساس هستند، اهمیت زیادی دارد. 53 ]. بنابراین معیار GSTA شامل معیارهای توپوگرافی است و این معیار اثرات توپوگرافی را بر مدل تقویت می کند. با توجه به این اطلاعات، معیارهای زیر برای مطالعه حاضر انتخاب شدند: ارتفاع، جهت، شیب، جهت و GSTA.

3.2. معیارهای ارزیابی

در MCDA مبتنی بر GIS، هر معیار باید به عنوان یک لایه نقشه در پایگاه داده GIS ایجاد شود. لایه‌هایی که معیارهای ارزیابی مرتبط با اهداف را نشان می‌دهند، ماهیت عمومی مفهوم معیار را نشان می‌دهند و بر رابطه(های) ویژگی-هدف تأکید می‌کنند [ 52 ، 54 ، 55 ].
لایه‌های معیار جنبه، شیب و ارتفاع از داده‌های DEM استخراج شدند. ابتدا داده های DEM در فواصل 100 متری از 3686 تا 5137 متر طبقه بندی شدند تا لایه معیار ارتفاع ایجاد شود. سپس معیارهای شیب و جنبه استخراج شد. معیارهای جنبه به شمال، جنوب، شرق، غرب، شمال شرق، شمال غرب، جنوب غرب و جنوب غربی تقسیم شدند. لایه معیار شیب به 14 طبقه در فواصل 5 درجه از 0 تا 70 درجه طبقه بندی شد. منطقه مورد مطالعه با پذیرش قله کوه به عنوان مرکز به هشت منطقه شمال، جنوب، شرق، غرب، شمال شرق، شمال غرب، جنوب شرق و جنوب غربی تقسیم شد. در نهایت، لایه GSTA از باندهای TIR تصاویر ماهواره‌ای LANDSAT استخراج شد. تمام لایه های معیار توسط مرز یخچال های طبیعی 1987 که در آن نشان داده شده است پوشانده شدند شکل 3 .

3.3. وزن دهی

روش های وزن دهی که اغلب در MCDA استفاده می شود شامل تجزیه و تحلیل مبادله، رتبه بندی، رتبه بندی و مقایسه زوجی [ 35 ] است. با این حال، این روش ها ذهنی هستند زیرا بر اساس نظرات کارشناسان یا نظرسنجی ها هستند. روش دیگر، روش آنتروپی و مدل نسبت فرکانس (FR) برای تعیین قطعی وزن ها با توجه به شرایط منطقه مورد مطالعه در مقیاس منطقه ای استفاده می شود.
FR نسبت احتمال وقوع به احتمال عدم وقوع برای ویژگی های داده شده است [ 56 ، 57 ]. برای ذوب یخبندان، FR به نسبت منطقه ای که در آن عقب نشینی یخبندان رخ می دهد به کل منطقه مورد مطالعه و نسبت احتمالات ذوب برای کلاس های معینی از عوامل اشاره دارد.
سطح آنتروپی تقریبی از توزیع نرمال احتمال را نشان می دهد. شاخص آنتروپی میزان بی نظمی در محیط را نشان می دهد. همچنین بیان می کند که کدام پارامترها برای توسعه حرکات توده ای در یک محیط طبیعی مناسب هستند [ 58 ]. روش آنتروپی اغلب برای محاسبه شاخص حساسیت زمین لغزش استفاده می شود [ 58 ، 59 ، 60 ، 61 ]. در این مطالعه، روش آنتروپی برای تعیین نواحی آسیب پذیر یخچال طبیعی آغری اتخاذ شد. در زیر معادلات مورد استفاده برای محاسبه ضریب W j آمده استنشان دهنده ارزش وزن معیارها به عنوان یک کل است.

که در آن a و b دامنه و درصد ذوب هستند و P İJ به FR اشاره دارد و همچنین به صورت احتمال محاسبه شده بیان می شود، ( P İJ ) چگالی احتمال است. تعداد کلاس ها است، و مقادیر آنتروپی هستند، ضریب اطلاعات است و وزن عوامل است. محدوده از بین 0 و 1 متغیر است.

3.4. سنتز کردن

مقادیر پیکسل هر لایه معیار در وزن آنها ضرب شد و مجموع این مقادیر برای تولید لایه سنتز محاسبه شد. نقشه نهایی آسیب پذیری یخچال با استفاده از معادله زیر تهیه شد:

جایی که مجموع تمام طبقات است. i تعداد نقشه عامل خاص است. z تعداد کلاس های داخل نقشه پارامتری با بیشترین تعداد کلاس است. تعداد کلاس ها در یک نقشه عاملی خاص است. C مقدار کلاس است. و وزن معیارها است [ 58 ].

4. نتایج

4.1. نقشه آسیب پذیری یخچال

در مرحله اول، لایه های معیار توسط مرز یخچال های طبیعی 1987 پوشانده شدند. سپس مناطق ذوب بین سال های 1987 تا 2015 بر روی این لایه ها شناسایی شدند. از روش FR و آنتروپی برای ایجاد جدول 1 برای ارائه داده ها از تمام لایه های معیار استفاده شد.
وقتی جدول 1بررسی می شود، ستون کلاس ها شامل مقدار یا تعریف کلاس در هر معیار است. ستون منطقه یخبندان شامل کل مساحت یخچال در هر طبقه از هر معیار با توجه به مرزهای یخچال 1987 است. ستون نسبت مساحت یخچالی شامل نسبت مساحت یخچال در هر طبقه از هر معیار به کل مساحت یخچال طبق مرزهای یخچال 1987 است. ستون منطقه ذوب شامل منطقه ذوب یخچال های طبیعی بین سال های 1987 و 2015 در هر طبقه از هر معیار است. ستون نسبت مساحت ذوب نسبت مساحت ذوب یخچال های طبیعی به ذوب کل در هر طبقه را بین سال های 1987 و 2015 نشان می دهد. پارامترهای (Pij)، Pij (میانگین)، Hj، Hj (max)، Ij برای محاسبه وزن مورد نیاز هستند و Wj وزن هر معیار را نشان می دهد.
نقشه آسیب پذیری با استفاده از ستون های FR و Wj در جدول 1 تهیه شده است. FR اثر کلاس های مختلف بر رگرسیون یخچال های طبیعی در هر معیار را نشان داد. مقادیر a و b برای محاسبه FR مورد نیاز بود. به عنوان مثال، برای کلاس 3600 و 3700 متر در معیار ارتفاع، مقداری به عنوان نسبت مساحت یخچال های طبیعی بین مقدار 3600 تا 3700 متر به کل منطقه یخچال (0002/0) و مقدار b به عنوان نسبت محاسبه شد. از ناحیه ذوب مناطق یخچالی بین 3600 تا 3700 متر تا کل منطقه ذوب (0006/0). نسبت b به a مقادیر FR را نشان می دهد (معادله (1)). پایین ترین کلاس ارتفاع (3600-3700) دارای بالاترین مقادیر FR و مقدار FR با افزایش ارتفاع کاهش یافت. نتیجه گیری شد که نواحی در ارتفاعات پایین در برابر ذوب آسیب پذیرتر هستند. (Pij) یک مقدار از نسبت مقدار FR کلاس 3600-3700 متر به مجموع مقادیر FR همه طبقات در معیار ارتفاع به دست آمد. محاسبات بعدی برای کل معیار محاسبه شد. برای معیار ارتفاع، تمام مقادیر (Pij) به طور میانگین و Hj با جایگزینی (Pij) در معادله (3) (3.6308) محاسبه شد. سپس مقدار Hj (max) با جایگزینی مقدار Hj در رابطه (4) (4.0) محاسبه شد. مقدار Ij در رابطه (5) با استفاده از مقادیر Hj (max) و Hj (0.0923) محاسبه شده محاسبه شد. در نهایت، مقدار Wj با ضرب مقادیر Ij و میانگین (Pij) در رابطه (6) (0.0058) محاسبه شد. 6308). سپس مقدار Hj (max) با جایگزینی مقدار Hj در رابطه (4) (4.0) محاسبه شد. مقدار Ij در رابطه (5) با استفاده از مقادیر Hj (max) و Hj (0.0923) محاسبه شده محاسبه شد. در نهایت، مقدار Wj با ضرب مقادیر Ij و میانگین (Pij) در رابطه (6) (0.0058) محاسبه شد. 6308). سپس مقدار Hj (max) با جایگزینی مقدار Hj در رابطه (4) (4.0) محاسبه شد. مقدار Ij در رابطه (5) با استفاده از مقادیر Hj (max) و Hj (0.0923) محاسبه شده محاسبه شد. در نهایت، مقدار Wj با ضرب مقادیر Ij و میانگین (Pij) در رابطه (6) (0.0058) محاسبه شد.
مقادیر Wj اهمیت معیارها را نشان می دهد. به منظور تفسیر بهتر این مقادیر، وزن (Wj) هر مقیاس با مجموع وزن ها (∑W) متناسب بود و اهمیت نسبی معیارها با توجه به ذوب یخبندان محاسبه شد ( جدول 2 ).
با توجه به جدول 2 ، GSTA مهمترین معیار تأثیرگذار بر مناطق ذوب بود. این معیار نسبت به سایر معیارها وزن بسیار بیشتری (0.49) داشت و دومین معیار مهم جهت با ارزش وزنی 0.26 بود. به دنبال آن معیارهای ارتفاع، جهت و شیب قرار گرفتند. آنچه در اینجا قابل توجه است این است که معیار جهت در ذوب یخبندان مهمتر از معیار جنبه بوده است. جدول 2 تنها برای نشان دادن اهمیت نسبی هر معیار معرفی شده است، اما برای به دست آوردن نقشه آسیب پذیری از مقدار Wj جدول 1 استفاده شده است.
همه لایه‌های معیار با توجه به مقادیر FR محاسبه‌شده برای هر کلاس از هر معیار مجدداً طبقه‌بندی شدند ( جدول 1 ). بنابراین، هر معیار با توجه به درجه آسیب پذیری هر طبقه خود مجدداً ارزیابی شد. سپس بر اساس معادله (8) بر اساس وزن آنها (Wj) به دست آمده از روش آنتروپی سنتز شدند. در نتیجه، نقشه آسیب پذیری یخچال های طبیعی ایجاد شد ( شکل 4 ).

در شکل 4 ، نواحی قرمز نواحی یخبندان بسیار آسیب پذیر را نشان می دهند و نواحی آبی مناطقی را با آسیب پذیری کم نشان می دهند. این نقشه با ترکیب پنج معیار مورد استفاده در مطالعه همراه با وزن آنها ایجاد شده است. در شکل 3 مشاهده می شود که تنها معیار جهت به طور منظم توزیع شده است، سایر معیارها به طور نامنظم در سراسر منطقه مورد مطالعه پخش شده اند. بنابراین، اثرات معیار جهت در شکل 4 با وزن 0.26 قابل مشاهده است. این به دلیل توزیع مکانی منظم معیار جهت است. برعکس، تاثیر معیارهای دیگر را نمی توان در این نقشه دید.

4.2. اعتبار سنجی نقشه آسیب پذیری یخچال

فرآیندهای اعتبار سنجی بر روی مرزهای مشخص شده یخچال های طبیعی برای اندازه گیری سازگاری مدل MCDA مبتنی بر GIS انجام شد. در این فرآیند، ابتدا تفاوت‌های بین ناحیه یخچال در سال 1987 و مناطق یخچال در تمام سال‌های دیگر، که در شکل 5 a مشاهده می‌شود، از طریق عملگرهای تقاطع مشخص شد. سپس نقشه آسیب پذیری یخچال های طبیعی بر اساس اندازه ذوب در تمام دوره ها طبقه بندی شد ( شکل 5 ب). به عنوان مثال، منطقه ای به مساحت 1571 مترمربع بین سال های 1987 و 1989 بر اساس مرزهای مشخص شده ذوب شد . با توجه به اینکه همان ناحیه ذوب در نقشه آسیب‌پذیری دیده می‌شود، پیکسل‌هایی که بالاترین مقدار آسیب‌پذیری را دارند، مساحت 1571 متر مربع را پوشش می‌دهند .برای دوره 1987-1989 شناسایی شدند، زیرا این اولین دوره ذوب بود.
مرزهای مشخص شده یخچال های طبیعی در رنگ های مختلف برای هر سال در شکل 5 الف ارائه شده است. نقشه آسیب پذیری طبقه بندی شده بر اساس اندازه مناطق ذوب واقعی در شکل 5 ب نشان داده شده است. مناطق قرمز مناطق ذوب تخمینی را در دوره 1987-1989 نشان می دهد. مجموع مناطق قرمز و قهوه ای مناطق ذوب تخمینی را در دوره 1987-1998 نشان می دهد. مجموع مناطق قرمز، قهوه ای و زرد، مناطق ذوب تخمینی را در دوره 1987-2013 نشان می دهد. و مجموع تمام مناطق رنگی ذوب تخمینی را در دوره 1987-2015 نشان می دهد.
مناطق ذوب مشخص شده و نقشه آسیب پذیری طبقه بندی شده با تجزیه و تحلیل پوشش مقایسه شدند. جدول 3 نتایج این مقایسه را بر اساس دوره های مختلف نشان می دهد.
هنگامی که جدول 3 مورد بررسی قرار می گیرد، مشاهده می شود که مناطق همپوشانی با افزایش طول دوره افزایش یافته است، به جز دوره 1987-1998. همانطور که در جدول مشاهده می شود، منطقه ذوب در 1987-1998 کمتر از منطقه ذوب در 1987-1989 است. یک وضعیت استثنایی در این سال رخ داد که منطقه یخبندان در سال 1998 نسبت به منطقه یخبندان 1989 افزایش یافت. بنابراین بهتر است بگوییم که با افزایش سطح ذوب، توانایی تخمین مدل افزایش می یابد. در طولانی ترین دوره 1987-2015، همپوشانی 92.1 درصدی با سطح ذوب 3223 متر مربع مشاهده شد . علاوه بر این، حتی در طول دوره ذوب دو ساله همپوشانی 77.8٪ تشخیص داده شد.
به منظور مقایسه در مورد توزیع فضایی، مناطق ذوب تخمینی و واقعی در طولانی ترین دوره (1987-2015) در شکل 6 آورده شده است.
شکل 6 a مناطق ذوب واقعی را در دوره 1987-2015 نشان می دهد و شکل 6 b منطقه ذوب را بر اساس نقشه آسیب پذیری تولید شده توسط مدل MCDA مبتنی بر GIS نشان می دهد. این شکل سازگاری قابلیت های برآورد مدل را به عنوان یک الگوی فضایی نشان می دهد. برداشت های یخچال در هر دو قسمت شکل با رنگ قرمز نشان داده شده است و هر دو منطقه برداشته شده دارای اندازه مساحت یکسانی هستند. اگرچه دو شکل مناطق عقب نشینی از نظر کلی شبیه به هم هستند، تفاوت هایی در زبان یخچال ها وجود دارد. در حالی که تقریباً همه زبانه های یخچال در مناطق پیش بینی شده ذوب می شوند، برخی از قطعات یخبندان روی زبانه های یخچال در مناطق ذوب واقعی ذوب نشده اند، بنابراین شکاف هایی در زبانه های یخچال وجود دارد، همانطور که در شکل 6 مشاهده می شود.آ. این قطعات یخبندان عموماً در دره کوه آغری قرار دارند. در نتیجه، مشاهده شد که مدل MCDA مبتنی بر GIS در تخمین قسمت‌های یخچال باقی‌مانده در دره‌ها دارای خطا بود.

4.3. سناریوهای آینده

با توجه به تغییرات یخبندان تولید شده توسط NDSI بین سال‌های 1987 و 2015، یک عقب‌نشینی 3.223 کیلومتر مربعی در یخچال آغری طی 28 سال مشاهده شد [ 45 ]. این نشان دهنده میانگین 1.15 کیلومتر مربع عقب نشینی در هر دهه بود. با تخمین اینکه میانگین میزان تغییرات در آینده ادامه خواهد داشت، نقشه آسیب‌پذیری توسط مرزهای یخچال در سال 2015 پوشانده شد تا مناطق ذوب را برای دوره‌های ده ساله بعدی پیش‌بینی کند. بالاترین مقدار پیکسل‌های نقشه آسیب‌پذیری که یک منطقه 1.15 کیلومتر مربعی را پوشش می‌دهد برای هر دوره ده ساله تعیین شد، که امکان پیش‌بینی مناطقی را که می‌توانند مطابق با دوره‌های مشخص شده ذوب شوند، تعیین شد ( شکل 7).).
در شکل 7 ، پیکسل‌های قرمز تیره مناطقی را نشان می‌دهند که انتظار می‌رود تا سال 2025 ذوب شوند. بر این اساس، انتظار می‌رود یخچال‌های جزئی جدا شده از توده یخبندان اصلی ابتدا ذوب شوند. در نواحی جنوبی و شرقی، انتظار می‌رود یخچال به سمت قله عقب‌نشینی کند. مناطقی که انتظار می رود تا سال 2035 به طور کامل ذوب شوند، قسمت های جنوبی، جنوب شرقی، جنوب غربی و شرقی یخچال هستند که به رنگ قرمز نشان داده شده اند. نواحی نارنجی رنگ، نمایانگر مناطقی است که انتظار می‌رود تا سال 2045 ذوب شوند، بیشتر در بخش‌های غربی و شمال شرقی کوه قرار دارند. پیش‌بینی می‌شود که باقی‌مانده قسمت غربی یخچال که با آبی روشن نشان داده می‌شود تا سال 2055 ذوب شود. انتظار می‌رود که مناطق یخبندان باقی‌مانده که فقط در نواحی شمالی، شمال شرقی و شمال غربی قرار دارند تا سال 2065 ذوب شوند.

5. بحث

نوسانات یخچال های طبیعی در نواحی کوهستانی به طور سیستماتیک در بخش های مختلف جهان برای بیش از یک قرن مشاهده شده است [ 62 ] در پاسخ به افزایش متوسط ​​دمای جهانی ~0.6 درجه سانتی گراد [ 63 ]. تحقیقات اخیر نشان داده‌اند که یخچال‌ها در بیشتر مناطق، از قطب‌ها گرفته تا مناطق گرمسیری، عقب‌نشینی می‌کنند، و عقب‌نشینی مشاهده‌شده با گرم شدن کره زمین تسریع می‌شود [ 64 ، 65 ] . اثرات گرمایش جهانی در مناطق سطح زمین در عرض های جغرافیایی میانی و بلند نیمکره شمالی آشکارتر است [ 67 ]]. کوه آغری، بزرگترین یخچال طبیعی ترکیه (کلاه یخی) که در بالای کوه قرار دارد، در عرض های جغرافیایی میانی نیمکره شمالی قرار دارد. به طور چشمگیری، در سه دهه گذشته به سرعت در حال ذوب شدن بوده است، مشابه دیگر یخچال های طبیعی در جهان [ 43 ، 44 ، 45 ]. طبق مطالعه قبلی، عقب نشینی 3.223 کیلومتر مربعی در یخچال طبیعی آغری طی 28 سال مشاهده شد [ 45 ]. متأسفانه، اگر عقب‌نشینی‌های یخبندان با همان شتاب ادامه یابد، یخچال دائمی احتمالاً تا سال 2065 به یک یخچال موقت تبدیل خواهد شد ., 40 , 41 , 42 , 43 , 44 , 45 ].
ایجاد یک نقشه آسیب پذیری یخچال های طبیعی برای پیش بینی مناطق عقب نشینی به ترتیب اولویت بسیار مهم است. تجزیه و تحلیل الگوهای فضایی مناطق ذوب برای شناسایی مناطق آسیب پذیرتر در برابر ذوب بسیار جالب است، بنابراین به شناسایی تغییرات در هندسه یخبندان کمک می کند [ 68 ، 69 ]]. با این حال، توزیع فضایی عقب نشینی یخچال ها همگنی را نشان نمی دهد و به ویژه به دلیل عوامل توپوگرافی، ساختار پیچیده ای دارد. در این مطالعه، یک رویکرد MCDA مبتنی بر GIS برای غلبه بر این پیچیدگی انتخاب شد زیرا یکی از عملی‌ترین راه‌ها برای تعیین مناطق آسیب‌پذیر یخچال‌های کوهستانی است. قبلاً از مدل‌های مختلفی برای تعریف آسیب‌پذیری یخچال‌ها استفاده می‌شد و نتایج موفقیت‌آمیزی توسط این مدل‌ها به دست آمد [ 13 ، 16 ، 68 ].]. مطالعه حاضر به منظور تعیین توزیع فضایی آسیب‌پذیری یخچال طبیعی کوه آغری و ارزیابی قابلیت‌های پیش‌بینی مدل MCDA مبتنی بر GIS برای تعیین مناطق عقب‌نشینی یخچال‌های طبیعی به ترتیب اولویت طراحی شده است.
ابتدا معیارها در مدل تعیین و ارزیابی شدند. رابطه بین معیارهای توپوگرافی (جنبه، جهت، ارتفاع و شیب) و عقب نشینی یخچال در مطالعه قبلی مورد بررسی قرار گرفت [ 34 ]. علاوه بر این معیارها، از معیار GSTA نیز در مدل استفاده شد. در مرحله دوم، وزن معیارها با استفاده از روش آنتروپی و مدل FR محاسبه شد. رویکرد پژوهش تجربی اتخاذ شده برای این پژوهش نیز یکی از خروجی های مهم آن محسوب می شود. این یافته‌ها پیامدهای حیاتی برای درک مکان‌هایی که ذوب یخچال‌ها رخ داده و احتمالاً در آینده رخ می‌دهد، دارد.
در نتیجه روش آنتروپی، معیارها بر اساس وزن به ترتیب GSTA، جهت، ارتفاع، جهت و شیب فهرست شدند. معیار GSTA اولین معیار مهم با اهمیت نسبی 0.49 بود. نتیجه موازی با وو و همکاران است. (2015)، که توزیع GSTA یخچال Qiyi در چین را محاسبه کرد. در این مطالعه گزارش شد که ذوب یخبندان وابستگی شدیدی به GSTA دارد و ناهمگنی GSTA بیشتر از توپوگرافی ناشی می شود [ 53 ]]. به طور خاص، یخچال طبیعی آغری منطقه نسبتاً کوچکی است، بنابراین پارامترهای هواشناسی (درک، دمای هوا، رطوبت و غیره) تأثیرگذار بر این منطقه تقریباً یکسان است. بنابراین GSTA در حال حاضر شامل جنبه و جهت (شرایط آفتاب) و ارتفاع (دمای هوا) است و با توجه به این معیارها متفاوت است. معیار ارتفاع تقریباً در تمام مطالعات توپوگرافی یخچال های طبیعی مورد استفاده قرار گرفت و تقریباً در همه همبستگی های بالایی مشاهده شد [ 14 ، 16 ، 66 ، 70 ]]. علاوه بر این، ویجی و براون (2018) از ارتفاع به عنوان تنها عامل توپوگرافی در مطالعات خود استفاده کردند. آنها مدل‌های تغییرات ارتفاع قابل توجهی را در مقیاس یخچال‌های طبیعی مرتبط با عایق‌سازی زباله و افزایش ذوب یخ مشاهده کردند [ 71 ]. در این مطالعه معیار قد با اهمیت نسبی 0.12 به عنوان سومین معیار بالاتر تعیین شد. یکی از عوامل دیگری که بر آسیب پذیری یخچال های طبیعی تأثیر می گذارد، جنبه [ 16 ] است. معیار جنبه به طور مکرر در تحقیقات در مورد اثرات توپوگرافی بر روی یخچال های کوهستانی استفاده شد و همبستگی بین عقب نشینی یخچال های طبیعی کوه و معیار جنبه مشاهده شد [ 16 , 66 ].]. معیار جنبه چهارمین معیار مهم با اهمیت نسبی 0.08 بود که کمتر از اهمیت نسبی معیار جهت که دومین معیار مهم بود، همانطور که در جدول 2 مشاهده می شود . معیار جهت برای اولین بار با این مطالعه برای یخچالهای کوهستانی استفاده شد. با توجه به نتایج روش آنتروپی، عامل مهم تری نسبت به معیار جنبه بود که قابل توجه ترین یافته حاصل از این مطالعه است. در نهایت، شیب‌های تند منبع متداول حرکات توده‌ای هستند و می‌توانند شاخصی از فعالیت ژئومورفیک بالا باشند [ 28 ، 72 ]]. با توجه به اهمیت نسبی، معیار شیب (06/0) کمترین تأثیر را بر عقب‌نشینی یخچال‌های طبیعی داشت.
داده های معیار با وزن آنها ترکیب و برای ایجاد اولین نقشه آسیب پذیری استفاده شد. نقشه بر اساس اندازه منطقه ذوب دوره ها طبقه بندی و سپس با مناطق ذوب فعلی مقایسه شد. بر اساس تجزیه و تحلیل پوشش، همپوشانی بین نقشه آسیب پذیری طبقه بندی شده و منطقه ذوب فعلی 77.8 درصد در کوتاه مدت و 92.1 درصد در بلند مدت بود. با این حال، هنگامی که مناطق ذوب تخمینی تولید شده از مدل و مناطق ذوب واقعی مقایسه شدند، مشاهده شد که مدل در تخمین قطعات تکه تکه‌شده یخچال در دره موفق نبود. در مجموع، این نتایج نشان می دهد که MCDA مبتنی بر GIS نتایج رضایت بخشی را در نقشه برداری مناطق آسیب پذیر یخچال های طبیعی ارائه می دهد. علاوه بر این، 16 ، 68 ]. یانگ و al. (2015) گزارش داد که یخچالهای کوهستانی در چین در برابر تغییرات آب و هوایی بسیار آسیب پذیر هستند و 41.2٪ از مناطق یخچالی در دوره 1961-2007 به سطوح آسیب پذیری شدید و بسیار ضعیف سقوط کردند. این اساساً با قرار گرفتن در معرض توپوگرافی و حساسیت بالای یخچال ها به تغییرات آب و هوایی [ 16 ] توضیح داده می شود. این نتایج همچنین با یافته های Wójcik و Sobota (2020) مطابقت دارد. با توجه به نتایج، توزیع فضایی فرسایش در یخچال Irenebreen به طور عمده به شرایط آب و هوایی و همچنین به شرایط توپوگرافی محلی بستگی دارد [ 68 ].
در بخش آخر مطالعه، مناطق عقب نشینی یخچالی اولویت برای دوره های ده ساله بعدی پیش بینی شد. بر این اساس، انتظار می‌رود بخش‌هایی از یخچال در جنوب، جنوب شرقی، جنوب غربی و شرق تا سال 2035 به طور کامل ذوب شوند، قسمت‌های غربی یخچال تا سال 2055 و قسمت‌های یخچالی باقی مانده تا سال 2065 به طور کامل ذوب می‌شوند.
این مطالعه یکی از معدود مطالعات در ادبیات است که آسیب‌پذیری یخچال کوهستانی را با استفاده از MCDA مبتنی بر GIS، رویکردی جدید برای تعیین مناطق آسیب‌پذیر یخچال‌های کوهستانی، تحلیل می‌کند. محدودیت این مطالعه تفکیک فضایی DEM است. با وضوح بالاتر می توان داده های دقیق تری به دست آورد. علاوه بر این، معیارهای تصمیم گیری عینی هستند، بنابراین معیارهای انتخاب شده قابل تغییر هستند. امید است که داده های به دست آمده در کاهش دشواری پیش بینی مناطق ذوب یخچال های طبیعی ارزشمند باشد. در مطالعات آتی، همین رویکرد را می توان در مورد یخچال های دیگر کوهستانی و کلاهک های یخی واقع در سایر نقاط جهان نیز به کار برد.

منابع مالی

این تحقیق توسط گروه هماهنگی پروژه های تحقیقاتی علمی دانشگاه Afyon Kocatepe با شماره پروژه 16. KARIYER.170 تامین شد.

قدردانی ها

این مطالعه توسط دپارتمان هماهنگی پروژه های تحقیقاتی علمی دانشگاه Afyon Kocatepe با شماره پروژه 16. KARIYER.170 پشتیبانی شد.

تضاد علاقه

نویسنده اعلام کرد هیچ تضادی در منافع نیست. تامین کنندگان مالی هیچ نقشی در طراحی مطالعه نداشتند. در جمع آوری، تجزیه و تحلیل یا تفسیر داده ها؛ در نوشتن دستنوشته، یا در تصمیم برای انتشار نتایج.

منابع

  1. لیو، تی. کینوچی، تی. Ledezma، F. خصوصیات کاهش یخچال های طبیعی اخیر در Cordillera Real توسط داده های LANDSAT، ALOS، و ASTER. سنسور از راه دور محیط. 2013 ، 137 ، 158-172. [ Google Scholar ] [ CrossRef ]
  2. اسقف، نماینده مجلس؛ اولسنهولر، جی. شرودر، جی اف. بری، آر جی. Raup، BH; بوش، AB; کوپلند، ال. دوایر، جی ال. فواره، AG; هابرلی، دبلیو. و همکاران اندازه‌گیری‌های جهانی یخ زمین از فضا (GLIMS): بررسی‌های سنجش از دور و GIS کرایوسفر زمین. Geocarto Int. 2004 ، 19 ، 57-84. [ Google Scholar ] [ CrossRef ]
  3. مرکز ملی داده های برف و یخ (NSIDC). یخچال های طبیعی و تغییرات آب و هوایی در دسترس آنلاین: https://nsidc.org/cryosphere/glaciers/questions/climate.html (در 24 ژوئیه 2019 قابل دسترسی است).
  4. کاسر، جی. فواره، ا. Jansson, P. A Manual for Monitoring the Mass Balance of Mountain Glaciers . یونسکو: پاریس، فرانسه، 2003; پ. 137. [ Google Scholar ]
  5. Tangborn، WV; Krimmel, RM; Meier، MF مقایسه تعادل جرم یخچال با روش های یخبندان، هیدرولوژیکی و نقشه برداری، یخچال آبشار جنوبی، واشنگتن. بین المللی دانشیار هیدرول. علمی انتشار 1975 ، 104 ، 185-196. [ Google Scholar ]
  6. اوسترم، جی. Brugman, M. Glacier-Mass Balance Measurements: A Manual for Field and Office Work ; گزارش علمی NHRI موسسه ملی تحقیقات هیدرولوژی: ساسکاتون، SK، کانادا، 1994. [ Google Scholar ]
  7. ایمهوف، ای. آرارات. Die Alpen 1956 ، 32 ، 1-14. [ Google Scholar ]
  8. بایر، KJ; هال، DK; Kovalick، WM مشاهدات بر روی یخچال های طبیعی در شرق آلپ اتریش با استفاده از داده های ماهواره ای. بین المللی J. Remote Sens. 1994 ، 15 ، 1733-1742. [ Google Scholar ] [ CrossRef ]
  9. Paul, F. ارزیابی روش های مختلف برای نقشه برداری یخچال های طبیعی با استفاده از Landsat TM. در مجموعه مقالات کارگاه آموزشی EARSeL-SIG در زمین یخ و برف، درسدن، آلمان، 16-17 ژوئن 2000. جلد 16، ص. 17. [ Google Scholar ]
  10. پل، اف. هوگل، سی. کاب، ع. کلنبرگر، تی. Maisch، M. مقایسه مناطق یخچالی مشتق از TM با مجموعه داده‌های با وضوح بالاتر. در مجموعه مقالات کارگاه آموزشی EARseL در مورد سنجش از دور یخ و برف زمین، برن، سوئیس، 11-13 مارس 2002. جلد 11. [ Google Scholar ]
  11. Andreassen، LM; پل، اف. کاب، ع. هاوسبرگ، فهرست یخچال های طبیعی JE Landsat برای Jotunheimen، نروژ، و تغییرات یخچال های طبیعی را از دهه 1930 استنتاج کرد. Cryosphere 2008 , 2 , 131-145. [ Google Scholar ] [ CrossRef ]
  12. Racoviteanu، AE; ویلیامز، مگاوات؛ باری، RG سنجش از دور نوری ویژگی های یخچال طبیعی: بررسی با تمرکز بر هیمالیا. Sensors 2008 , 8 , 3355-3383. [ Google Scholar ] [ CrossRef ]
  13. استریگارو، دی. مورتی، ام. ماتاولی، م. فریجریو، آی. دی آمیسیس، ام. Maggi، V. یک ماژول GRASS GIS برای به دست آوردن تخمینی از رفتار یخچال های طبیعی تحت تغییرات آب و هوا: یک مطالعه آزمایشی بر روی یخچال های طبیعی ایتالیا. محاسبه کنید. Geosci. 2016 ، 94 ، 68-76. [ Google Scholar ] [ CrossRef ]
  14. Garg، PK; شوکلا، ا. Jasrotia، AS تأثیر توپوگرافی بر تغییرات یخچال های طبیعی در مرکز هیمالیا، هند. گلوب. سیاره. چانگ. 2017 ، 155 ، 196-212. [ Google Scholar ] [ CrossRef ]
  15. جونز، دی بی. هریسون، اس. اندرسون، ک. سلی، اچ ال. چوب، JL; Betts، RA توزیع و اهمیت هیدرولوژیکی یخچالهای طبیعی سنگی در هیمالیا نپال. گلوب. سیاره. چانگ. 2018 ، 160 ، 123-142. [ Google Scholar ] [ CrossRef ]
  16. یانگ، جی پی؛ دینگ، وای جی. لیو، سی. Tan, CP آسیب پذیری یخچال های طبیعی کوهستانی در چین در برابر تغییرات آب و هوایی. Adv. صعود چانگ. Res. 2015 ، 6 ، 171-180. [ Google Scholar ] [ CrossRef ]
  17. آلن، TR زمینه توپوگرافی یخچال‌ها و میدان‌های برفی چند ساله، پارک ملی یخچال، مونتانا. ژئومورفولوژی 1998 ، 21 ، 207-216. [ Google Scholar ] [ CrossRef ]
  18. لامبرشت، آ. کوهن، ام. تغییرات یخچال های طبیعی در کوه های آلپ اتریش در طول سه دهه گذشته، برگرفته از فهرست جدید یخچال های طبیعی اتریش. ان گلاسیول 2007 ، 46 ، 177-184. [ Google Scholar ] [ CrossRef ]
  19. گیبسون، ام جی; گلسر، NF; کوینسی، دی جی; مایر، سی. روآن، AV; ایروین-فین، TD تغییرات زمانی در توزیع زباله های فوق یخبندان در یخچال بالتورو، کاراکورام بین سال های 2001 و 2012. ژئومورفولوژی 2017 ، 295 ، 572-585. [ Google Scholar ] [ CrossRef ]
  20. پاندی، AC؛ قوش، س. Nathawat، MS ارزیابی الگوهای تغییرات یخچالهای زمانی در محدوده هیمالیا بزرگ، جامو و کشمیر، هند. Geocarto Int. 2011 ، 26 ، 321-338. [ Google Scholar ]
  21. Bolch، T. تغییرات آب و هوا و عقب نشینی یخچال های طبیعی در شمال تین شان (قزاقستان/قرقیزستان) با استفاده از داده های سنجش از دور. گلوب. سیاره. چانگ. 2007 ، 56 ، 1-12. [ Google Scholar ] [ CrossRef ]
  22. کومار، ا. ورما، ا. گوخاله، AA; بامبری، ر. میسره، ع. ساندریال، اس. Dobhal, DP; کیشور، N. ارزیابی های آب و هواشناسی و تحویل رسوب معلق از یک یخچال مرکزی هیمالیا در حوضه گانگا بالایی. بین المللی J. Sediment Res. 2018 ، 33 ، 493-509. [ Google Scholar ] [ CrossRef ]
  23. وو، اف. ژان، جی. وانگ، ز. Zhang، Q. تغییرات جریان به دلیل ذوب یخچال‌ها و تغییرات آب و هوایی در حوضه رودخانه هیهه، شمال غربی چین. فیزیک شیمی. Earth Parts A/B/C 2015 ، 79 ، 11–19. [ Google Scholar ] [ CrossRef ]
  24. لی، ز. شی، ایکس. تانگ، کیو. ژانگ، ی. گائو، اچ. پان، X. Déry، SJ; ژو، P. تقسیم سهم ذوب یخچال‌ها و بارش در رواناب 1971-2010 در یک حوضه سرآب رودخانه تاریم افزایش می‌یابد. جی هیدرول. 2020 , 583 , 124579. [ Google Scholar ] [ CrossRef ]
  25. لوپز-مورنو، جی. فونتاندا، اس. بازو، ج. روولتو، جی. آزورین-مولینا، سی. والرو-گارسس، بی. موران-تجدا، ای. ویسنته-سرانو، اس ام. زبیتا، ر. Alejo-Cochachín، J. عقب نشینی یخچال های طبیعی و روندهای آب و هوایی اخیر در Cordillera Huaytapallana، پرو. گلوب. سیاره. چانگ. 2014 ، 112 ، 1-11. [ Google Scholar ] [ CrossRef ]
  26. شووکر، اس. روهرر، ام. آکونا، دی. کوچاچین، ا. داویلا، ال. فری، اچ. گیرالدز، سی. گومز، جی. هوگل، سی. ژاک کوپر، م. و همکاران روندهای آب و هوایی و عقب نشینی یخچال های طبیعی در کوردیلرا بلانکا، پرو، بازبینی شد. گلوب. سیاره. چانگ. 2014 ، 119 ، 85-97. [ Google Scholar ] [ CrossRef ]
  27. یان، دبلیو. لیو، جی. ژانگ، ام. هو، ال. چن، جی. پیش‌بینی طغیان سیل با نظارت بر دریاچه سد یخچال‌های طبیعی با استفاده از تصاویر ماهواره‌ای از کوه‌های قراقورام، چین. کوات. بین المللی 2017 ، 453 ، 24-36. [ Google Scholar ] [ CrossRef ]
  28. میر، RA; جین، SK; لوهانی، ع.ک. مطالعات سیل صراف، AK یخچال و طغیان دریاچه یخبندان در حوضه زانسکار، غرب هیمالیا. جی هیدرول. 2018 ، 564 ، 376-396. [ Google Scholar ] [ CrossRef ]
  29. وانگ، ایکس. سیگرت، اف. ژو، AG; فرانک، جی. تغییرات یخچال و دریاچه یخچالی و رابطه آنها در زمینه تغییرات آب و هوایی، فلات مرکزی تبت 1972-2010. گلوب. سیاره. چانگ. 2013 ، 111 ، 246-257. [ Google Scholar ] [ CrossRef ]
  30. ویانی، سی. ماچگوث، اچ. هوگل، سی. گودیو، ا. فرانکو، دی. پروتی، ال. Giardino، M. دریاچه‌های بالقوه آینده از انقباض مداوم یخچال‌های طبیعی در منطقه دره آئوستا (آلپ غربی، ایتالیا). ژئومورفولوژی 2020 ، 353 ، 107068. [ Google Scholar ] [ CrossRef ]
  31. اختر، م. احمد، ن. Booij، MJ تأثیر تغییر آب و هوا بر منابع آبی منطقه هندوکش-کاراکوروم-هیمالیا تحت سناریوهای مختلف پوشش یخچال طبیعی. جی هیدرول. 2008 ، 355 ، 148-163. [ Google Scholar ] [ CrossRef ]
  32. لی، ی. Li، Y. کنترل‌های توپوگرافی و هندسی بر تغییرات یخچال‌های طبیعی در مرکز تین شان، چین، از عصر یخبندان کوچک. ان گلاسیول 2014 ، 55 ، 177-186. [ Google Scholar ] [ CrossRef ]
  33. ژو، ی. لی، ز. Li, JIA کاهش جزئی توده یخچال طبیعی در منطقه قراقورام در طول دهه 1970 تا 2000 توسط تصاویر KH-9 و SRTM DEM آشکار شد. جی. گلاسیول. 2017 ، 63 ، 331-342. [ Google Scholar ] [ CrossRef ]
  34. تأثیر پارامترهای توپوگرافی بر یخبندان و عقب نشینی یخچالی در کوه آغری (آارات). محیط زیست علوم زمین 2019 ، 78 ، 393. [ Google Scholar ] [ CrossRef ]
  35. یالچین، م. گل، FK یک رویکرد تحلیل تصمیم گیری چند معیاره مبتنی بر GIS برای کاوش منابع زمین گرمایی: حوضه آکارچای (افیون کاراهیسار). Geothermics 2017 ، 67 ، 18-28. [ Google Scholar ] [ CrossRef ]
  36. اوما، ی. Tateishi, R. نقشه‌برداری خطر و آسیب‌پذیری سیل شهری با استفاده از AHP چند پارامتری یکپارچه و GIS: بررسی اجمالی روش‌شناسی و ارزیابی مطالعه موردی. آب 2014 ، 6 ، 1515-1545. [ Google Scholar ] [ CrossRef ]
  37. احمد، ب. نقشه‌برداری حساسیت زمین لغزش با استفاده از تکنیک‌های ارزیابی چند معیاره در منطقه شهری چیتاگونگ، بنگلادش. زمین لغزش 2015 ، 12 ، 1077-1095. [ Google Scholar ] [ CrossRef ]
  38. کوگکولوس، آی. کوک، اس جی; جوملی، وی. کلارک، ال. سیمئوناکیس، ای. Dortch، JM; ادواردز، ال. Merad، M. استفاده از تجزیه و تحلیل تصمیم گیری چند معیاره برای شناسایی دریاچه های یخبندان بالقوه خطرناک. علمی کل محیط. 2018 ، 621 ، 1453-1466. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  39. کومار، اس. سریواستاوا، پ. Snehmani، K. مدل‌سازی MCDA-AHP مبتنی بر GIS برای نقشه‌برداری حساسیت بهمن منطقه دره نوبرا، هیمالیا هند. Geocarto Int. 2017 ، 32 ، 1254-1267. [ Google Scholar ] [ CrossRef ]
  40. بلومنتال، MM Vom Ağrı Dag (Ararat) zum Kaçkar Dag. Bergfahrten در nordostanatolischen Glenzlanden (از کوه آرارات تا کوه Kaçkar. سفر کوهستانی در منطقه مرزی شمال شرقی آناتولی). Die Alpen 1958 ، 34 ، 125-137. [ Google Scholar ]
  41. Çiner، A. یخچالهای طبیعی ترکیه و نهشته های یخچالی. در تحولات علوم کواترنر ; الزویر: آمستردام، هلند، 2004; جلد 2، ص 419–429. [ Google Scholar ]
  42. کورتر، ا. Sungur، K. یخبندان فعلی در ترکیه. بین المللی دانشیار هیدرول. علمی 1980 ، 126 ، 155-160. [ Google Scholar ]
  43. ساریکایا، MA رکود کلاهک یخی در کوه آغری (آارات)، ترکیه، از سال 1976 تا 2011 و اهمیت اقلیمی آن. J. آسیایی زمین علوم. 2012 ، 46 ، 190-194. [ Google Scholar ] [ CrossRef ]
  44. یاوسلی، د.د. تاکر، سی جی; Melocik، KA تغییر در گستره یخچالهای طبیعی در ترکیه در دوره Landsat. سنسور از راه دور محیط. 2015 ، 163 ، 32-41. [ Google Scholar ] [ CrossRef ]
  45. یالچین، م. اوگور، MA; پولات، ن. Dereli، MA تجزیه و تحلیل زمانی تغییرات یخچال های طبیعی در کوه آگری با استفاده از داده های Landsat مبتنی بر Gis. بین المللی چند رشته ای علمی GeoConf. SGEM Surv. جئول حداقل Ecol. مدیریت 2017 ، 17 ، 133-140. [ Google Scholar ]
  46. Malczewski، J. تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS: بررسی ادبیات. بین المللی جی. جئوگر. Inf. علمی 2006 ، 20 ، 703-726. [ Google Scholar ] [ CrossRef ]
  47. JPL آمار ماموریت SRTM. در دسترس آنلاین: https://www2.jpl.nasa.gov/srtm/statistics.html (در 9 اوت 2019 قابل دسترسی است).
  48. Malczewski، J. Rinner, C. تجزیه و تحلیل تصمیم چند معیاره در علم اطلاعات جغرافیایی ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2015. [ Google Scholar ]
  49. MacCrimmon، KR بهبود فرآیند طراحی و ارزیابی سیستم با استفاده از اطلاعات مبادله . یادداشت RM-5877-DOT؛ The Rand Corporation: سانتا مونیکا، کالیفرنیا، ایالات متحده آمریکا، 1969. [ Google Scholar ]
  50. کینی، RL; Raiffa, H. تصمیمات با اهداف چندگانه: ترجیحات و مبادلات ارزش . Wiley: نیویورک، نیویورک، ایالات متحده آمریکا، 1976. [ Google Scholar ]
  51. پیتز، جی اف. مک کیلیپ، جی. تجزیه و تحلیل تصمیم برای ارزیابان برنامه . انتشارات SAGE، گنجانده شده: Thousand Oaks، CA، USA، 1984; جلد 7. [ Google Scholar ]
  52. Malczewski، J. GIS و تجزیه و تحلیل تصمیم گیری چند معیاره . جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، 1999. [ Google Scholar ]
  53. وو، ی. وانگ، ن. او، جی. جیانگ، ایکس. تخمین دمای سطح یخچال کوه از داده‌های مادون قرمز حرارتی Landsat-ETM+: مطالعه موردی یخچال‌های طبیعی Qiyi، چین. سنسور از راه دور محیط. 2015 ، 163 ، 286-295. [ Google Scholar ] [ CrossRef ]
  54. Eastman, JR IDRISI: A Grid Based Geographic Analysis System , نسخه 4.1; دانشکده تحصیلات تکمیلی جغرافیا، دانشگاه کلارک: Worcester، MA، ایالات متحده آمریکا، 1991. [ Google Scholar ]
  55. ایستمن، جی آر. کیم، PAK; تولدانو، جی. Jin, W. GIS و تصمیم گیری ; موسسه آموزش و تحقیقات سازمان ملل متحد (UNITAR): ژنو، سوئیس، 1993. [ Google Scholar ]
  56. بونهام-کارتر، سیستم های اطلاعات جغرافیایی GF برای دانشمندان زمین شناس، مدل سازی با GIS . چاپ پرگامون: آکسفورد، انگلستان، 1994. [ Google Scholar ]
  57. العبادی، AM مدلسازی بهره وری آب زیرزمینی در شمال شرقی استان واسط، عراق با استفاده از نسبت فرکانس و مدل های آنتروپی شانون. Appl. علوم آب 2017 ، 7 ، 699-716. [ Google Scholar ] [ CrossRef ]
  58. بدناریک، م. ماگولووا، بی. ماتیس، م. Marschalko، M. ارزیابی حساسیت زمین لغزش مطالعه موردی راه آهن Kraľovany-Liptovský Mikuláš. فیزیک شیمی. Earth Parts A/B/C 2010 , 35 , 162-171. [ Google Scholar ] [ CrossRef ]
  59. کنستانتین، م. بدناریک، م. ژورچسکو، MC; Vlaicu، M. ارزیابی حساسیت زمین لغزش با استفاده از تجزیه و تحلیل آماری دو متغیره و شاخص آنتروپی در حوضه Sibiciu (رومانی). محیط زیست علوم زمین 2011 ، 63 ، 397-406. [ Google Scholar ] [ CrossRef ]
  60. جعفری، ع. نجفی، ع. پورقاسمی، HR; رضاییان، ج. ستاریان، الف. نسبت فرکانس مبتنی بر GIS و شاخص مدل‌های آنتروپی برای ارزیابی حساسیت زمین لغزش در جنگل خزر، شمال ایران. بین المللی جی. محیط زیست. علمی تکنولوژی 2014 ، 11 ، 909-926. [ Google Scholar ] [ CrossRef ]
  61. وانگ، کیو. لی، دبلیو. یان، اس. وو، ی. نسبت فرکانس مبتنی بر GIS و شاخص مدل‌های آنتروپی به نقشه‌برداری حساسیت زمین لغزش (داگوان، چین). محیط زیست علوم زمین 2016 ، 75 ، 780. [ Google Scholar ] [ CrossRef ]
  62. نسجه، ع. باک، جی. دال، SO; دروغ، Ø. Matthews، JA یخچال های طبیعی کوهستانی نروژ در گذشته، حال و آینده. گلوب. سیاره. چانگ. 2008 ، 60 ، 10-27. [ Google Scholar ] [ CrossRef ]
  63. IPCC تغییرات آب و هوا 2001: مبنای علمی ; Houghton، JT، Ding، Y.، Griggs، DJ، Noguer، M.، van der Linden، PJ، Dai، X.، Maskell، K.، Johnson، CA، Eds. انتشارات دانشگاه کمبریج: کمبریج، انگلستان، 2001. [ Google Scholar ]
  64. Barry, RG وضعیت تحقیق در مورد یخچال ها و رکود جهانی یخچال های طبیعی: یک بررسی. Prog. فیزیک Geogr. 2006 ، 30 ، 285-306. [ Google Scholar ] [ CrossRef ]
  65. کوتوزوف، اس. Shahgedanova، M. عقب نشینی یخچال و تغییر آب و هوا در Terskey-Alatoo شرقی، تین شان داخلی بین اواسط قرن نوزدهم و آغاز قرن بیست و یکم. گلوب. سیاره. چانگ. 2009 ، 69 ، 59-70. [ Google Scholar ] [ CrossRef ]
  66. گائو، اچ. لی، اچ. دوان، ز. رن، ز. منگ، ایکس. Pan، X. مدل‌سازی تنوع یخچال‌های طبیعی و تأثیر آن بر منابع آب در یخچال ارومچی شماره 1 در آسیای مرکزی. علمی کل محیط. 2018 ، 644 ، 1160-1170. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  67. دینگ، ی. لیو، اس. لی، جی. Shangguan، D. عقب نشینی یخچال های طبیعی در پاسخ به گرم شدن اخیر آب و هوا در غرب چین. ان گلاسیول 2006 ، 43 ، 97-105. [ Google Scholar ] [ CrossRef ]
  68. Wójcik، KA; Sobota، I. تغییرات مکانی و زمانی در فرسایش، توزیع و تکامل مناطق یخبندان در Irenebreen، یخچال کوچکی از قطب شمال، Svalbard. علم قطبی 2020 ، 23 ، 100503. [ Google Scholar ] [ CrossRef ]
  69. داسیلوا، AB; آریگونی-نتو، جی. براون، ام. د آلمیدا اسپینوزا، جی.ام. کوستی، جی. Janã، R. تجزیه و تحلیل مکانی و زمانی تغییرات در یخچال های طبیعی شبه جزیره قطب جنوب. گلوب. سیاره. چانگ. 2019 ، 184 ، 103079. [ Google Scholar ] [ CrossRef ]
  70. ناراما، سی. کاب، ع. دویشوناکونوف، م. Abdrakhmatov، K. تغییر فضایی تغییرات منطقه یخچالهای طبیعی اخیر در کوههای تین شان، آسیای مرکزی، با استفاده از داده های ماهواره ای Corona (~ 1970)، Landsat (~2000)، و ALOS (~2007). گلوب. سیاره. چانگ. 2010 ، 71 ، 42-54. [ Google Scholar ] [ CrossRef ]
  71. ویجی، اس. براون، ام. اوایل قرن بیست و یکم تغییرات ارتفاعی با جزئیات فضایی یخچال های طبیعی جامو و کشمیر (کاراکورام-هیمالیا). گلوب. سیاره. چانگ. 2018 ، 165 ، 137-146. [ Google Scholar ] [ CrossRef ]
  72. Peduzzi، P. زمین لغزش و پوشش گیاهی در زلزله 2005 شمال پاکستان: یک GIS و رویکرد کمی آماری. نات. سیستم خطرات زمین. علمی 2010 ، 10 ، 623-640. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00180 g001 550
شکل 1. منطقه مطالعه (یخچال آغری).
Ijgi 09 00180 g002 550
شکل 2. نمودار جریان مطالعه.
Ijgi 09 00180 g003 550
شکل 3. لایه های معیار.
Ijgi 09 00180 g004 550
شکل 4. نقشه آسیب پذیری یخچال های طبیعی.
Ijgi 09 00180 g005 550
شکل 5. ( الف ) مرزهای یخچال های طبیعی در سال های مختلف. ( ب ) نقشه آسیب پذیری یخچال های طبیعی طبقه بندی شده بر اساس منطقه ذوب برای دوره های مختلف.
Ijgi 09 00180 g006 550
شکل 6. ( الف ) مناطق ذوب واقعی (1987-2015). ( ب ) مناطق ذوب تخمینی بر اساس نقشه آسیب پذیری (1987-2015).
Ijgi 09 00180 g007 550
شکل 7. سناریوهای عقب نشینی آینده برای یخچال طبیعی آغری.

مقالات داخلی و بین المللی

یک مدل تحلیل تصمیم چندمعیاره مبتنی بر GIS برای تعیین آسیب پذیری یخچال های طبیعی

مطالب مرتبط ...

1 نظر

دیدگاهتان را بنویسید