کاربرد شاخص‌های ژئومورفومتریک در تعیین کمیت ژئودایورسیتی مناطق کوهستانی مطالعۀ موردی: کوهستان میشوداغی، شمال غرب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

2 استاد تمام، گروه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز، ایران

چکیده

ارزیابی ژئودایورسیتی یکی از مراحل اولیه و اصلی در توسعۀ اقدامات حفاظت از زمین است. هدف اصلی پژوهش حاضر، ارزیابی کمی تنوع زمینی تودۀ کوهستانی است که از شدت نمایان‌بودن مورد اغفال است. این پژوهش، یک روش استانداردشدۀ احتمالی پیشنهاد می‌کند که از طریق جمع مقادیر عناصر تراکم آبراهه، فرکانس جریان، برجستگی ارتفاع، شدت فرسایش، گرادیان شیب، رطوبت توپوگرافی، شیب طولی رودخانه، نسبت مساحت سطح، فراوانی ناهمواری و لیتولوژی محاسبه می‌شود. نتایج نشان‌دهندۀ آن بود که تنوع تراکم آبراهه در دامنه‌ها بیشتر است. مقادیر زیاد تنوع در عامل زمین‌شناسی مربوط به بستر زمین‌شناسی مقاوم در برابر فرسایش است. زاویۀ شیب بیشتر تنوع بیشتری را در منطقه ایجاد می‌کند. مقدار زیاد شاخص شدت فرسایش موجبات شکل‌گیری تنوع بیشتری را در منطقه فراهم کرده است. مقدار زیاد فرکانس جریان >5 در منطقه موجبات تنوع بیشتری در منطقه شده است. مقادیر زیادتر شاخص فراوانی ناهمواری به‌طور دقیق بر مناطقی منطبق است که تغییر شکل چشمگیری دارند و نشان‌دهندۀ تنوع بیشتری است. بیشترین مقدار شاخص رطوبت توپوگرافی 8/20 و در مناطق دشتی است. مقادیر نزدیک به 00/0 یا 00/1 برجستگی ارتفاع هر دو توپوگرافی زیر افقی را نشان می‌دهند که مقدار نزدیک‌تر 00/1 نشان‌دهندۀ تنوع بیشتری در منطقه است. مقادیر زیاد نسبت مساحت سطح، حاکی از یک منطقۀ ناهموار با تنوع زیاد است. بخش‌هایی تنوع بیشتری دارند که مقادیر شاخص شیب طولی رودخانۀ بیشتری به خود اختصاص داده‌اند. در کل، حد فاصل گسل شمالی و جنوبی کوهستان بیشترین تنوع را در اطراف خود ایجاد کرده است. روش ارائه‌شده ابزاری بالقوه و مؤثر برای حمایت از فرایندهای تصمیم‌گیری دربارۀ مدیریت و حفاظت از ژئودایورسیتی در مقیاس‌های مختلف با کاربردهای احتمالی بیشتر در ایران است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Use of Geomorphometric Indices for Quantifying the Geodiversity of Mountainous Areas (Case study: Mishu Mountain, Northwestern Iran)

نویسندگان [English]

  • Mahdie Esfandiari 1
  • Davoud Mokhtari 2
  • Mohamad Hosein Rezaei Moghdam 2
1 Ph.D. Student in Geomorphology, Department of Geomorphology, Faculty of Planning and Environmental Science, University of Tabriz, Tabriz, Iran
2 Full Proffesor, Department of Geomorphology, Faculty of Planning and Environmental Science, University of Tabriz, Tabriz, Iran
چکیده [English]

 
Abstract 
Geodiversity assessment is one of the first and main steps in the development of land conservation measures. The main goal of the present study was to quantitatively evaluate the geodiversity of a mountain mass, which was neglected due to its visibility. This research proposed a possible standardized method of calculation through the sum of the elements of Surface Area/Raitio (SAR), Dissection Index (DI), Elevation relief (Er), Slope gradient (Sg), Amplitude of relief (Ar), Stream Length (SL), Drainage density (Dd), Stream frequency (fu), Topographic wetness Index (TwI), and lithology. In general, the distance between the northern and southern faults of the studied mountain had created the most diversity around it. The presented method can be a potentially effective tool for supporting decision-making processes regarding management and protection of geodiversity at different scales with possible applications in Iran.
Keywords: Geomorphometric Indices, Geodiversity Quantity, Mishu Mountain, Northwestern Iran
Introduction
Mountainous regions are characterized by spatial geomorphic heterogeneity, which gives significant geodiversity to the environment. Geodiversity assessment is one of the first and main steps in the development of land conservation measures. Geodiversity studies can be a valuable tool in ecosystem management and ecosystem service delivery, including sustainable geotourism. In recent decades, many researchers have turned their attention to the definition of geodiversity and its relationship to biodiversity, natural environment protection, ecosystem services, and geotourism. This research tried to use and measure some indicators to measure geomorphological diversity in Mishu mountain region. The Mishu Mountains contain a variety of geomorphological phenomena. The mountain area is less popular today among different regions due to habitat destruction and species extinction. In the past, it was one of the most valuable regions in the country in the regional network and was considered as an irreplaceable region. Due to the recent droughts, lack of codified management plans, and lack of attention to control and supervise miners as one of the main conflicts in the Mishu Mountains, we can point to the imbalance between livestock and rangeland. This area has witnessed many destructions over the past years. Mainly, geodiversity of Misho Mountain region has been involved in its development, providing both opportunities and constraints that need to be managed and understood. With the advent of new approaches to geodiversity, geographical spaces, such as Mount. Misho can be used effectively.
 
Materials & Methods
In this research, the methods of Benito-Calvo et al. (2009) and Melelli et al. (2017) were used with some special changes. Moreover, a possible standardized method was proposed through the sum of the values of the elements of Surface Area/Raitio (ASR), Dissection Index (DI), Elevation relief (Er), Slope gradient (Sg). Amplitude of relief (Ar), Stream Length (SL), Drainage density (Dd), Stream frequency (fu), Topographic wetness Index (TwI), and lithology. In this article, the quantitative index of GMI was estimated with 9 geomorphometric indices derived from digital elevation models in GIS environment. In addition, the lithology index was extracted from the geological map (Eq. 1).
GmI = SARv + DIv + ERv + SGv + Arv + SLv+ Ddv+ Fuv+ TWIv+ Geov
It is necessary to mention that the maps went through two stages of processing in all the factors, except for the factor of geological map,. The first step was to extract the raw data. The second stage was based on normalization by using natural ruptures. This algorithm reduced the variance within the groups and maximized the variance between them. In the stage of Normalization, the ArcGIS 10.7 reclassification tool was used to create 5 classes for each factor. V1 and V5 were the lowest and highest diversity classes (V), respectively. This formula was classified into 5 categories (very low to very high levels). The focus of the research method of this model was on the spatial analysis of the indicators obtained from Dem 12.5 meters. To evaluate the variability of each parameter, a focal function was applied as a result of the variability.
 
Research findings
The results of this study showed that the geodiversity range of the study area decreased from the peaks to the plains, while the areas with low geodiversity values were located in the plains. The lowest diversity (V1) consisted of Quaternary deposits and the highest diversity (V4 and V5) was composed of carbonate formations, intrusive masses, and volcanic formations. Since they were the rarest types of rocks all over the Earth's surface, they were mainly located in the eastern Mishu Mountains. The high values ​​of diversity for the geological factors were related to the erosion-resistant geological substrates, such as volcanic compositions and intrusive masses, while the lowest values ​​of diversity were related to the Quaternary deposits along the valleys and plains.
 
Discussion of Results & Conclusion
The results of the present research showed that the replacement of landforms with geomorphometric parameters and their results in terms of spatial diversity could be a valuable parameter in defining the diversity of physiographic units. Comparison of the results with the geomorphological map of the region provided a validation method. The results showed that the geodiversity range of the study area decreased from the peaks to the plains, while the areas with low geodiversity values were located in the plains. Also, the lowest diversity (V1) consisted of Quaternary deposits and the highest diversity (V4 and V5) consists of carbonate formations, intrusive masses, and volcanic compounds because they were the rarest types of rocks all over the Earth, which were mainly located in the eastern parts of Misho Mountains. The high values of diversity for the geological factors were related to the erosion-resistant geological substrates, such as volcanic compounds and intrusive masses, while the lowest values of diversity were related to the Quaternary deposits along the valleys and plains.
 

کلیدواژه‌ها [English]

  • Geomorphometric Indices
  • Geodiversity Quantity
  • Mishu Mountain
  • Northwestern Iran

مقدمه

ژئودایورسیتی[1]، نقشی کلیدی در سیاست‌های مدیریت و حفاظت سرزمینی دارد و مفهوم آن به‌خوبی از سوی جامعۀ علمی در سراسر جهان پذیرفته شده است. میان تعاریف مختلف موجود، تعریف موری گری[2] یکی از پر استنادهاست که ژئودایورسیتی را به‌عنوان گسترۀ طبیعی (تنوع) زمین‌شناسی (سنگ‎ها، کانی‎ها و فسیل‎ها)، ژئومورفولوژیکی (فرم‎های زمین، توپوگرافی و فرایندهای طبیعی) ویژگی‌های خاک و هیدرولوژیکی تعریف می‌کند (Gray, 2004). تعریف و ارزیابی اجزای غیر زنده گامی اساسی برای مقایسه و مدل‌سازی سیر تکاملی اکوسیستم است؛ بنابراین از دهۀ گذشته، جامعۀ علمی شروع به توسعۀ زمینۀ تحقیقاتی خاص در علوم زمین با هدف تعریف و اندازه‌گیری، در دیدگاه کمی، تنوع اجزای غیر زنده یا ژئودایورسیتی کرده است (et al., 2017 Melelli). در دهه‌های اخیر بسیاری از محققان توجه خود را به موضوع تعریف ژئودایورسیتی و روابط آن با تنوع زیستی، حفاظت از محیط‌زیست طبیعی، خدمات اکوسیستم و ژئوتوریسم معطوف کرده‌اند. در ایران اگرچه مطالعات زیادی در ارتباط با ژئومورفولوژی منطقۀ موردمطالعه صورت گرفته است (مختاری، 1390؛ رضایی مقدم و همکاران، 1392؛ پیر علیلو و همکاران، 1393)، تاکنون مطالعۀ مدونی دربارۀ ژئودایورسیتی منطقه صورت نگرفته است. در سال‌های اخیر، تعداد کمی از پژوهش‌ها به مسائل روش‌شناختی مربوط به ارزیابی ژئودایورسیتی توجه کرده‌اند. به‌تازگی در زمینۀ ژئودایورسیتی، چندین نویسنده شاخص‌های مبتنی بر ویژگی‌های توپوگرافی را استفاده و آزمایش کردند. این مطالعات فرسایش ناهمواری را به‌عنوان یک عنصر ساختاری چشم‌انداز (Zwoliński, 2009)، ناهمواری توپوگرافی را به‌عنوان ضریب اندازه‌گیری واحدهای همگن نقشه‌های اساسی و داده‌های مورفومتری را به روش‌های مختلف برای کمی‌کردن تنوع (Santos et al., 2020 Calvo et al., 2009;) و ایجاد الگوریتم اقدام برای ارزیابی ژئودایورسیتی لندفرم زمین با استفاده از پارامترهای ژئومورفومتریک و بر تحلیل‌های فضایی شاخص‌های حاصل از DEM معرفی کرده‌اند (Najwer & Zwoli´nski, 2015; Zwoli´nski  et al., 2018; Melelli et al., 2017; Kot, 2017; مقصودی و همکاران، 1398؛ حق­جو، 1399). سنتوس و همکاران در مطالعۀ خود نقشۀ شاخص ژئودایورسیتی منطقه را ایجاد کردند که نشان‌دهندۀ غنا و توزیع عناصر تنوع زمین (زمین‌شناسی، ژئومورفولوژی، خاک و هیدرولوژی) در سراسر قلمرو است (Santos et al., 2020). با این خروجی متنوع‌ترین دایورسیتی مناطق شهری شناسایی شد. نتایج نشان‌دهندۀ آن بود که شهرنشینی بخش چشمگیری از مناطق طبقه‌بندی‌شده با شاخص‌های تنوع زمینی زیاد و بسیار زیاد را تحت‌تأثیر قرار داده و این امر نشان‌دهندۀ آن است که محیط کالبدی و درنتیجه تنوع زیستی در معرض تهدید جدی قرار دارد و باید در سیاست‌های عمومی و مدیریت سرزمینی موردتوجه قرار گیرد. پرییرا و همکاران بر استفاده از مقیاس مناسب (خرد، متوسط و بزرگ) تأکید دارند (Pereira et al., 2013). آنها شاخص‌های زمین‌شناسی (چینه‌شناسی و سنگ‌شناسی)، ژئومورفولوژی، دیرینه‌شناسی و خاک را به‌عنوان مؤلفه‌های اصلی ژئودایورسیتی به کار بردند. در این بررسی شاخص ژئودایورسیتی به شکل نقشۀ ایزولاین تعریف شده است که به‌عنوان ابزاری در برنامه‌ریزی کاربری زمین، به‌ویژه شناسایی مناطق اولویت‌دار برای حفاظت، مدیریت و استفاده از منابع طبیعی در سطح ایالت استفاده می‌شود. کالوو و همکاران نقشۀ مورفومتریک (10 طبقه)، ریخت اقلیمی (پنج طبقه) و زمین‌شناسی (15 طبقه) را با عملیات همپوشانی به 419 کلاس طبقه‌بندی کردند (Calvo et al., 2009). با استفاده از متریک‌های منظر (تراکم ناهمواری در هر قطعه، شاخص تنوع و یکنواختی شانون، شاخص تنوع و یکنواختی سیمپسون) تنوع چشم‌انداز محاسبه شد.

نجوار و زوالنسکی نقشه‌های هفت فاکتور انحنای عمومی، بازبودن توپوگرافی، تابش خورشیدی ورودی بالقوه، شاخص موقعیت و رطوبت توپوگرافی، شاخص همگرایی و ارتفاعات نسبی را در منطقۀ موردمطالعۀ خود تهیه کردند (Najwer & Zwoli´nski, 2015). سپس داده‌ها را ادغام و تجزیه‌وتحلیل اطلاعات جغرافیایی لازم را انجام دادند. مرحلۀ بعدی، طبقه‌بندی امتیازی نقشه‌های ورودی با استفاده از تجزیه‌وتحلیل زمین آماری و کارشناسی انجام شده است. نتیجه آنکه روش ارزیابی تنوع زمین براساس پارامترهای ژئومورفومتریک نتایجی را در سطحی مشابه با روش استفاده از لایه‌های موضوعی ارائه می‌دهد. مقصودی و همکاران (1398)، ژئومورفودایورسیتی آتش‌فشان دماوند را با استفاده از روش GMI بررسی کردند و به این نتیجه رسیدند که تراکم بیشتر لندفرم‌ها در این منطقه، باعث شده است، مجموعه‌ای غنی و منحصربه‌فرد از انواع مختلف لندفرم‌ها و فرایندهای ژئومورفولوژیکی به وجود آید. پژوهشگران این بررسی به این نتیجه رسیده‌اند که ژئومورفودایورسیتی زیاد اغلب بر بستر زمین‌شناسی آبرفتی در محل تلاقی گدازه‌ها و آبرفت‌ها منطبق است. علاوه بر این، دامنۀ ژئومورفودایورسیتی کوهستان دماوند از محل دره‌ها به‌سمت قله‌ها کاهش می‌یابد. کت، تنوع ژئومورفولوژیکی را در منطقۀ کوچکی از دشت لهستان با استفاده از روش‌های مختلف ارزیابی کرده و نتایج را بر روی نقشه‌ها ارائه می‌کند (Kot, 2017). با مقایسۀ این نقشه‌ها و تجزیه‌وتحلیل ضرایب همبستگی نتایج به‌دست‌آمده، دو روش را شناسایی می‌کند که برای نشان‌دادن مناطق با بیشترین تنوع ژئومورفولوژیکی در دشت‌ها مناسب‌تر هستند. این دو روش Bon_2 و WLC_4 متعلق به روش‌های چند معیاره هستند. آنها طیف وسیعی از 12 معیار را شامل متغیرهای مستقیم و غیرمستقیم در نظر می‌گیرند. در Bon_2 همۀ معیارها به یک اندازه مهم هستند و در WLC معیارهای غیرمستقیم (شیب) وزن بیشتری نسبت‌به معیارهای مستقیم (انواع شکل زمین) دارند. مللی و همکاران در پژوهش خود ارزش ژئومورفودایورسیتی منطقۀ اومبریا را از مجموعه 5 عامل تنوع زمین‌شناسی، تراکم زهکشی، زبری ناهمواری، شاخص وضعیت شیب و طبقه‌بندی لندفرم محاسبه کردند (Melelli et al., 2017). روش پژوهش، مبتنی بر تحلیل‌های فضایی شاخص‌های حاصل از DEM است. این پژوهشگران در پژوهش خود به این نتیجه رسیده‌اند که ژئومورفودایورسیتی زیاد با مجموعه کربنات‌ها تطابق دارد و دامنۀ ژئومورفودایورسیتی از سمت قله‌ها به‌سمت دشت کاهش می‌یابد. زولینسکی و گودیچ با هدف محاسبه، طبقه‌بندی پارامترهای ژئومورفومتریک و تشریح تنوع ژئوفرم‌های زمین در پهنه‌های مورفوکلیمی مطالعاتی براساس مقادیر انجام دادند (Zwolinski & Gudowicz, 2016). پارامترهای اولیه شامل ارتفاع نسبی، شیب، پلان و انحنای پروفیل است و برای تجزیه‌وتحلیل از پارامترهای ثانویه یعنی شاخص رطوبت توپوگرافی و همگرایی استفاده کردند. نتایج نشان‌دهندۀ آن بود که همۀ پارامترها به‌طور کامل برای ویژگی‌ها و تمایز مناطق مورفوکلیمی مفید نیستند؛ با این حال، در بسیاری از موارد، تجزیه‌و‌تحلیل طرح‌بندی خاص این پارامترها امکان کشف مشاهدات مورفوژنتیکی جالب را فراهم می‌کند. مزیت انکارناپذیر بسیاری از پارامترهای ژئومورفومتری امکان نشان‌دادن وضعیت برجستگی مورفومتریک است که حضور خطرات ژئومورفولوژیکی مانند سیل یا رانش زمین را تقویت می‌کند.

 به‌طور خاص، با توجه به بولاتی و همکاران و ارجاعات موجود در آن، کمیت ژئودایورستی در سه سطح بررسی می‌شود: الف) سایتی واحد (ژئودایورستی ذاتی سایت)؛ ب) در یک منطقه (ژئودایورستی ذاتی منطقه‌ای)؛ ج) در سطح منطقه‌ای در مقایسه با سایر مناطق (ژئودایورستی خارجی). سطح (ب) یکی از مواردی است که اغلب استفاده می‌شود؛ زیرا به‌راحتی برای اهداف مدیریتی در مناطق خاص اجرا می‌شود (Bollati et al., 2016). عناصر طبیعی مانند ویژگی‌های ژئومورفولوژیکی و زمین‌شناسی، عناصر اصلی را در ارزیابی ژئودایورسیتی تشکیل می‌دهند (Kozlowski, 2004; Serrano & Flano, 2007). ترکیبی از زمین‌شناسی، ژئومورفولوژی، اطلاعات هیدرولوژیکی با استفاده از رویکردهای ژئوانفورماتیکی در کمی‌سازی ژئودایورسیتی برای مقیاس منطقه‌ای مفید است (Benito-Calvo et al., 2009; Hjort & Luoto, 2010). این پژوهش، با هدف ارزیابی ژئودایورسیتی کوهستان میشو داغی، یکی از جذاب‌ترین و زیباترین کوه‌های ایران و منطقۀ آذربایجان به شمار می‌رود. این کوهستان شامل پدیده‌های متنوع ژئومورفولوژیکی نظیر ﺩﺭﻩ، ﺗﺮﺍﺱ ﺭﻭﺩﺧﺎﻧﻪ، ﻣﺨﺮﻭﻃﻪ ﺍﻓﻜﻨﻪ، ﭼﺸﻤﻪ‌ﻫﺎ و ﭘﺮﺗﮕﺎه‌هاست. مناطق خوش ییلاقی این کوهستان امروزه میان مناطق مختلف به علت تخریب زیستگاه‌ها و انهدام گونه‌ها رغبت کمتری را برمی‌انگیزد، در گذشته در شبکۀ منطقه‌ای جزو ارزشمندترین‌های کشور بوده است و منطقه‌ای غیرقابل‌جانشین به حساب می‌رفت. با خشک‌سالی‌های چند سالۀ اخیر، نبودِ برنامه‌های مدیریتی مدون و کم‌توجهی در کنترل و نظارت نسبت‌به استخراج‌کنندگان معادن و نیز از عمده‌ترین تعارضات در کوهستان میشو به نبودِ تعادل دام و مرتع اشاره می‌شود. در طول سال‌های گذشته آسیب‌های بسیاری به این منطقه وارد آمده است. به‌طور عمده ژئودایورسیتی منطقه در توسعۀ آن نقش داشته است. فرصت‌ها و محدودیت‌هایی باید مدیریت شود که ژئودایورسیتی منطقه فراهم می‌کند. با ظهور رویکردهای جدید در ژئودایورسیتی از فضاهای جغرافیایی مثل کوهستان میشو داغی به نحو احسنت استفاده می‌شود. این پژوهش در زمینۀ اولین ارزیابی ژئودایورسیتی منطقه نوآوری دارد که زمینه را برای استفاده از شاخص‌های ژئومورفومتریک بیشتر فراهم می‌کند، اطلاعات ژئومورفولوژیک، هیدرولوژیکی و مورفوتکتونیکی هرچه بیشتر برجسته می‌شود و قابلیت بهتری برای نمایش ژئودایورسیتی دارد.

 

منطقۀ موردمطالعه

کوهستان میشو داغی نام یکی از رشته‌کوه‌های استان آذربایجان شرقی است که حد فاصل شهرستان شبستر و شهرستان مرند است. بلندترین قلۀ آن علی علمدار با ارتفاع ۳۱۵۵متر است. این کوهستان در مختصات جغرافیایی 38 درجه، 19 دقیقه، 33 ثانیۀ شمالی و 45 درجه، 37 دقیقه و 14 ثانیه شرقی واقع شده است. کوهستان میشو داغی به‌صورت یک هورست بین چالۀ تکتونیکی مرند و دریاچۀ ارومیه بالا آمده است. این رشته‌کوه با ارتفاع بیش از 1600 متر، تصویری از ژئومورفولوژی را در منطقه ایجاد می‌کند. ازنظر ویژگی‌های مورفولوژیکی و زمین‌شناسی به دو بخش میشو شرقی و غربی تقسیم می‌شود. جهت‌گیری شرقی-غربی آن تعاملی عظیم و منحصربه‌فرد جو زمین را در منطقه ایجاد می‌کند شکل (1).

 

شکل (1) منطقۀ موردمطالعه (منبع: نویسندگان).

Figure (1) the study area

 

روششناسی

ارزیابی ژئودایورسیتی تنها به دو نوع داده و دو نوع نرم‌افزار برای تهیه و محاسبه نیاز دارد: نقشۀ زمین‌شناسی مدل 1:100000 با ایجاد یک فایل با فرمت شیپ با استفاده از ابزار ترسیم در نرم‌افزار GIS برای ترسیم نقشۀ لیتولوژی استفاده شد. مدل ارتفاعی دیجیتال[3] 5/12 متری که در سایت  vertex.daac.asf.alaska.eduدر دوره‌های زمانی متوالی بارگزاری شده است و نرم‌افزار محبوب GIS و SAGA GIS. طبقه‌بندی ژئومورفومتریک براساس شاخص‌های ژئومورفومتریک شامل شاخص‌های نسبت مساحت سطح[4]، شدت فرسایش[5]، برجستگی ارتفاع[6] گرادیان شیب[7]، فراوانی ناهمواری[8]، شاخص طول- شیب آبراهه[9] تراکم آبراهه‌ها[10]، فرکانس جریان[11] و شاخص رطوبت توپوگرافی[12] صورت گرفت. در این پژوهش در مدل مللی و همکاران با برداشتی مبتکرانه از مقالۀ آثناسیوس و همکاران اصلاحاتی اساسی صورت گرفته است که زمینه را برای استفاده از شاخص‌های ژئومورفومتریک بیشتر فراهم می‌کند، اطلاعات ژئومورفولوژیک، هیدرولوژیکی و مورفوتکتونیکی هرچه بیشتر برجسته می‌شود و قابلیت بهتری برای نمایش ژئودایورسیتی دارد (Melelli et al., 2017; Athanasios et al., 2016). مدل GMI مللی از طریق جمع مقادیر عناصر تراکم زهکشی، وضعیت شیب، طبقه‌بندی لندفرم، شدت ناهمواری و سنگ‌شناسی محاسبه می‌شود. درنهایت، نقشۀ ژئومورفودایورسیتی با این 5 فاکتور ترسیم می‌شود. آثناسیوس و همکاران مقادیر عناصر تراکم آبراهه، فرکانس جریان، برجستگی ارتفاع، شدت فرسایش، گرادیان شیب، رطوبت توپوگرافی، شیب طولی رودخانه، نسبت مساحت سطح، فراوانی ناهمواری، نقشۀ زمین‌شناسی و داده‌های آب‌وهوای فصلی را شاخص‌های مؤثری می‌دانند که اطلاعات ژئومورفولوژیکی، هیدرولوژیکی، مورفوتکتونیکی، زمین‌شناسی و آب‌وهوایی مناسبی ارائه می‌دهند (Athanasios et al., 2016). در این مدل نقشۀ ژئودایورسیتی به این شکل تهیه و متریک‌های سیمای سرزمین این نقشه محاسبه می‌شود. مجموع ده پارامتر زیر نشان‌دهندۀ میزان ژئودایورسیتی منطقه است (جدول 1).

جدول (1) پارامترهای مدل GmI

Table (1) GmI model parameters

فاکتور

توضیحات

فاکتور

توضیحات

SARv

نقشۀ رستری طبقه‌بندی‌شدۀ نسبت مساحت سطح است.

SLv

نقشۀ رستری طبقه‌بندی‌شدۀ شیب طولی رودخانه است.

DIv

نقشۀ رستری طبقه‌بندی‌شدۀ شدت فرسایش است.

Ddv

نقشۀ رستری طبقه‌بندی‌شدۀ تراکم آبراهه است.

 

ERv

 

نقشۀ رستری طبقه‌بندی‌شدۀ برجستگی ارتفاع است.

Fuv

نقشۀ رستری طبقه‌بندی‌شدۀ فرکانس جریان است.

SGv

نقشۀ رستری طبقه‌بندی‌شدۀ گرادایان شیب است.

TWIv

نقشۀ رستری طبقه‌بندی‌شدۀ تنوع رطوبت توپوگرافی است.

Arv

نقشۀ رستری طبقه‌بندی‌شدۀ فراوانی ناهمواری است.

Geov

نقشۀ رستری طبقه‌بندی‌شدۀ تنوع زمین‌شناسی است.

GmI = SARv + DIv + ERv + SGv + Arv + SLv+ Ddv+ Fuv+ TWIv+ Geov

 

تجزیه‌وتحلیل شاخص‌ها با استفاده از نرم‌افزارهای پیشرفته مثل GIS و SAGA باعث افزایش اعتبار یافته‌ها و نتایج پژوهش می‌شود. ذکر این نکته ضروری است که به‌جز فاکتور نقشۀ زمین‌شناسی، در سایر فاکتورها نقشه‌ها دو مرحلۀ پردازش را طی کردند. مرحلۀ اول، استخراج از داده‌های خام است. مرحلۀ دوم، نرمال‌‌سازی با استفاده از گسست‌های طبیعی است. این الگوریتم، واریانس درون گروه‌ها را کاهش می‌دهد و واریانس بین آنها را به بیشترین مقدار می‌رساند. نرمال‌سازی از ابزار طبقه‌بندی مجدد ArcGIS برای ایجاد پنج کلاس برای هر عامل استفاده می‌کند. V1 کمترین و در عین حال، V5 بالاترین کلاس تنوع (V) است. در این فرمول به پنج طبقۀ (خیلی کم) تا (خیلی زیاد) دسته‌بندی شده است. هر یک از شاخص‌های یادشده با استفاده از دستورات زیر در نرم‌افزار  GISو  SAGAمحاسبه می‌شود. کانون روش پژوهش این مدل تحلیل‌های فضایی شاخص‌های حاصل از Dem 5/12 متر است. به‌منظور ارزیابی تنوع هر پارامتر، یک تابع کانونی (تابع آمار همسایگی) درنتیجۀ تنوع اعمال می‌شود.

به‌منظور طبقه‌بندی ژئومورفومتری، متغیرهای ژئومورفومتریک از DEM استخراج شدند. در این بررسی سعی بر آن بود تا اطلاعات ژئومورفولوژیکی و مورفوتکتونیکی برجسته شود. بدین منظور برای برجسته‌سازی اطلاعات ژئومورفولوژیکی شاخص‌های نسبت مساحت سطح، شدت فرسایش، برجستگی ارتفاع و گرادیان شیب که ناهمواری زمین، تشریح، تقارب یا تحدب را برجسته می‌کند، از طریق فرمول‌ها و محاسبات مختلف در نرم‌افزار GIS استخراج شد. اطلاعات مورفوتکتونیک از سوی شاخص‌هایی مانند فراوانی ناهمواری، شاخص طول- شیب آبراهه ترکیب شد (Toudeshki & Arian, 2011). برخی از شاخص‌های تکمیلی مانند تراکم آبراهه‌ها، فرکانس جریان و شاخص رطوبت توپوگرافی برای ارائۀ اطلاعات هیدرولوژیکی بررسی شد؛ در حالی که ارتباط متقابل آنها اطلاعات ژئومورفولوژیکی و مورفوتکتونیکی را برجسته می‎کند (Kouli et al., 2007; Argyriou et al, 2016). شاخص‎های ژئومورفومتری زیر و اطلاعات ژئومورفولوژیکی، هیدرولوژیکی و مورفوتکتونیکی آنها بررسی شد. جدول (2).

جدول (2) پارامترهای ژئومورفومتریک و فرمول آنها

Table (2) Geomorphometric parameters and their formulas

شماره

پارامتر

فرمول

توضیحات

1

فرکانس جریان

 

N = تعداد کل جریان‌ها، A= مساحت حوضه

نشان‌دهندۀ میزان سراشیبی، نفوذپذیری سنگ و رواناب سطح است (Horton, 1945).

2

رطوبت توپوگرافی

 

CA= منطقه‌ای که با یک شبکه تخلیه می‌شود، Slope= شیب برای هر سلول

شاخص ترکیب پستی و بلندی بوده است که نسبت بین شیب‌ها را در منطقه به نمایش می‌گذارد .

3

گرادیان شیب

ATAN ( √ ([dz/dx]2 + [dz/dy]2) )

نرخ تغییر (دلتا) سطح در جهت افقی (dz/dx) و عمودی (dz/dy) از سلول مرکزی، شیب را تعیین می‌کند.

نشان‌دهندۀ تغییر رخ‌داده در ارتفاع بین هر سلول و همسایگان است.

4

تراکم آبراهه‌ها

 

L= مجموع طولی آبراهه‌ها، A= مساحت کل حوضه

میزان توسعۀ شبکۀ آبراهه‌های یک حوضه نسبت‌به مساحت آن حوضه است (Horton, 1945).

5

برجستگی ارتفاع

 

Mean H= میانگین ارتفاع

Min H= کمترین ارتفاع

Max H= بیشترین ارتفاع

ناهمواری را در سطح یک رستر پیوسته توصیف و اطلاعات هیپسومتریک را راجع به حوضه‌ای آبریز فراهم می‌کند، مشابه انتگرال هیپسومتریک و نشان‌دهندۀ درجۀ نبودِ تعادل در تعادل نیروهای فرسایشی و تکتونیکی است.

6

شدت فرسایش

 

RR= ناهمواری منطقه

AR= ارتفاع متوسط منطقه

برای برآورد درجۀ عمودی فرسایش و فازهای توسعه‌ای لندفرم‌ها در هر منطقۀ فیزیوگرافی است (Hajam et al., 2013).

7

نسبت مساحت سطح

 

A= مساحت سطح منطقه، AS= مساحت پلانی متریک

ﻣﺒﻨﺎﯾﯽ ﺑﺮای اﻧﺪازهﮔﯿﺮی ﭘﺴﺘﯽ و ﺑﻠﻨﺪی چشم‌انداز است (عرب عامری و همکاران، 1397).

8

شاخص شیب طولی رودخانه

 

H= اختلاف ارتفاع در یک قطعه، L= طول آبراهه، L= طول رودخانه از نقطۀ مرکزی مقطع اندازه‌گیری‌شده تا سرچشمۀ رودخانه

از روش‌های اندازه‌گیری، تغییر ناگهانی شیب در مسیر طولی بستر رودخانه است؛ زیرا نشان‌دهندۀ جریان آب نسبت‌به تغییر اوضاع در پی شیب بستر حساسیت است (نگهبان و درتاج، 1398).

9

 

فراوانی ناهمواری

 

H Max = بیشترین ارتفاع

H Min = کمترین ارتفاع

 

شاخص مهمی است که ازنظر کمی شکل ویژگی توپوگرافی را مشخص و انواع توپوگرافی را طبقه‌بندی می‌کند (Zhang & Dong, 2012).

 

بسیاری از محققان نشان داده اند که شاخص­های ذکر شده شاخص­های موثری از روند کارایی سطح زمین و تکامل چشم انداز هستند(Currado & Fredi, 2000; Jamieson et al., 2004, Toudeshki & Arin, 2011). ماتریس ضریب همبستگی برای اعتبارسنجی وابستگی متقابل کم نُه متغیر انتخاب‌شده تولید شده است (جدول 3). ماتریس ضریب همبستگی نشان‌دهندۀ آن بود که شاخص‌ها با همبستگی پایینی ( مقادیر<6/0) مشخص می‌شوند؛ درنتیجه، شاخص‌های انتخاب‌شده طیف وسیعی را از اطلاعات متغیر در رابطه با زمینۀ ژئومورفولوژیکی، هیدرولوژیکی و مورفوتکتونیکی تا طبقه‌بندی ژئومورفومتریک نهایی ارائه می‌دهند.

جدول (3) ماتریس ضریب همبستگی

Table (3) Correlation coefficient matrix table

شدت فرسایش%

نسبت مساحت سطح%

گرادیان شیب%

رطوبت توپوگرافی%

برجستگی ارتفاع%

تراکم آبراهه ها%

فرکانس جریان%

گرادیان طولی رودخانه%

فراوانی ناهمواری%

 

 

لایه

048/0

474/0

585/0

067/0

022/0

138/0-

056/0-

528/0

1

فراوانی ناهمواری درصد

365/0

212/0

285/0

033/0-

015/0

045/0-

063/0

1

528/0

گرادیان طولی رودخانه درصد

215/0

032/0-

061/0-

153/0

002/0-

356/0

1

063/0

056/0-

فرکانس جریان درصد

14/0

092/0-

157/0-

106/0

004/0

1

365/0

045/0-

138/0-

تراکم آبراهه‌ها درصد

016/0

005/0

013/0

217/0-

1

004/0

002/0-

015/0

022/0

برجستگی ارتفاع درصد

088/0

093/0-

138/0-

1

217/0

106/0

153/0

033/0-

067/0-

رطوبت توپوگرافی درصد

307/0-

566/0

1

138/0-

013/0

157/0-

061/0-

285/0

585/0

گرادیان شیب درصد

133/0-

1

566/0

093/0-

005/0

092/0-

032/0-

212/0

474/0

نسبت مساحت سطح درصد

1

133/0-

307/0-

088/0

016/0

14/0

215/0

365/0

48/0-

شدت فرسایش درصد

 

طبقه‌بندی زمین‌شناسی

 فاکتور زمین‌شناسی ویژگی‌های اصلی بستر است که اثرات فرایندهای مدل‌سازی را بر ناهمواری بیان می‌کند. به‌منظور به دست آوردن طبقه‌بندی زمین‌شناسی، شاخص در نظر گرفته شد؛ به همین دلیل عامل زمین‌شناسی به داده‌های ورودی اضافه و براساس نقشۀ زمین‌شناسی 1:100000 منطقه، نقشۀ لیتولوژی ترسیم شد. ویژگی لیتولوژیکی منطقه، با توجه به مقاومت سنگ یا رسوبات و عکس‌العمل یکسان در برابر فرایندهای فرسایشی طبقه‌بندی شد؛ بنابراین ویژگی لیتولوژیکی منطقه، با توجه به نوع سنگ یا رسوبات و پاسخ توپوگرافیکی آنها به فرایندهای فرسایشی (چسبندگی، نفوذپذیری و استایل تکتونیکی) طبقه‌بندی گردید. طبقه‌بندی ذکرشده در محیط Arc map بر روی نقشۀ لیتولوژی اعمال، سپس لایۀ پلیگونی به‌دست‌آمده به شبکه‌ای با اندازۀ سلولی 25 متر تبدیل و در پنج کلاس طبقه‌بندی شد. براساس این طبقه‌بندی، کمترین تنوع (رسوبات آبرفتی، رودخانه‌ای و مخروط ‌افکنه‌ای)، تنوع کم (ترکیبات آواری یا واریزه‌ای)، متوسط (مجموعه‌های ترکیبی)، زیاد (رسوبات کربناتی) و درنهایت، بیشترین تنوع (ترکیبات آتش‌فشانی) است.

یافته‌ها

این پژوهش با تعیین کمی ژئودایورسیتی، کوهستان میشو داغی را از طریق ویژگی‌های زمین، براساس اطلاعات ژئومورفولوژی و زمین‌شناسی ارزیابی کرده است .این روش با چند تغییر ویژه از روش مللی و همکاران و روش آثناسیوس پیروی می‌کند: الف) اصلاح شاخص‌های مدل GMI مللی؛ ب) طبقه‌بندی ژئومورفولوژیکی از شاخص‌های مختلف ژئومورفومتری تشکیل شده است تا زمینۀ ژئومورفولوژی، هیدرولوژیکی و مورفوتکتونیکی را برجسته کند؛ ج: توجه‌نکردن به طبقه‌بندی اقلیمی به دلیل محدودیت در وجود ایستگاه اقلیمی در اطراف کوهستان (Melelli et al., 2017; Athanasios et al., 2016).

الگوریتم پیشنهادی در این کار از بیان سرانو وفلانو الهام گرفته شده است که در آن ژئودایورسیتی از ضرب بین N و R، تقسیم بر lnS محاسبه می‌شود (Serrano & Flano, 2007). در این فرمول N مجموع حسابی عناصر فیزیکی، R زبری و S سطح واقعی است. لگاریتم ناپری برای عادی‌سازی نتیجه با مساحت واحد معرفی شده است. در معادلۀ ارائه‌شده در اینجا (جدول 1) فقط مجموع حسابی عناصر طبیعی در نظر گرفته شده است؛ زیرا در این کار فقط ژئودایورسیتی ارزیابی شده است؛ بنابراین پارامترهای مورفومتریک به‌عنوان مهم‌ترین عوامل برای تحلیل در نظر گرفته می‌شوند. تنها پارامتری که به‌طور کامل مورفومتریک نیست، زمین‌شناسی است. انتخاب این پارامتر مبتنی بر این است که انواع سنگ‌ها بر پاسخ برجستگی به عوامل ژئومورفیک و درنتیجه لندفرم‌های حاصل تأثیر می‌گذارند. مزیت اصلی این فرمول تنوع هر دادۀ ورودی است که از قبل معیاری برای اندازه‌گیری تنوع اجزای غیر زنده هستند. عملکرد کانونی امکان اندازه‌گیری تنوع را در مناطق اطراف تشخیص می‌دهد؛ بنابراین اطلاعات اولیۀ زمین را به مرحله‌ای میانی تبدیل می‌کند که به پردازش داده‌ها ازنظر «تنوع» منجر می‌شود. علاوه بر این، منبع داده‌های ورودی (به‌جز لایۀ زمین‌شناسی) شبکۀ DEM است. اطلاعات ژئومورفولوژیکی شامل شاخص‌های نسبت مساحت سطح، شدت فرسایش، برجستگی ارتفاع و گرادیان شیب است. اطلاعات مورفوتکتونیک با شاخص‌هایی مانند فراوانی ناهمواری و شاخص طول- شیب آبراهه ترکیب شد. برخی از شاخص‌های تکمیلی مانند تراکم آبراهه‌ها، فرکانس جریان و شاخص رطوبت توپوگرافی به‌منظور ارائۀ اطلاعات هیدرولوژیکی بررسی شد.

این روش با استفاده از نقشه‌های ژئومورفولوژیکی سنتی تأیید شد. هدف مقایسه، طبقه‌بندی کیفی چشم‌انداز براساس لندفرم‌ها و فرایندهای شکل‌دهی با روش کمی GMI است. در روش پیشنهادی، تابع کانونی خاص با هدف ارزیابی تنوع در هر پیکسل (یا سلول) استفاده می‌شود (Melelli et al., 2017). روش کمی پیشنهاد‌شده در این کار و نتایج ازنظر تنوع فضایی پارامتر ارزشمندی در تعریف واحدهای فیزیوگرافیک است.

هدف اساسی این کار، ارائۀ شاخصی از ژئودایورسیتی، تهیۀ نقشه‌های ژئودایورسیتی منطقۀ موردمطالعه و درنهایت، گسترش روشی است که از GIS و مدل‌های ارتفاعی دیجیتال (DEMs) برای به دست آوردن بیان ریاضی خودکار و منصفانه به‌منظور مؤلفۀ مورفولوژیکی GI، شاخص ژئودایورسیتی (GmI) استفاده می‌کند. تحلیل‌های فضایی شاخص‌های حاصل از dem کانون روش تحقیق این پژوهش است. نقشۀ نهایی GmI نتیجۀ اعمال معادله است (جدول 1). نقشۀ GmI مجموع تنوع هر پارامتر زمین در نظر گرفته شده است. هر گرید تنوع به پنج کلاس طبقه‌بندی می‌شود تا وزن یکسان برای هر پارامتر در مجموع نهایی مشخص شود.

با توجه به اینکه تعداد جریان‌ها در دامنه‌ها بیشتر، تنوع تراکم آبراهه نیز در دامنه‌ها بیشتر می‌شود و کمترین مقدار تنوع شبکۀ آبراهه‌ای نیز در بالای قله‌ها و ارتفاعات وجود دارد (شکل 2). مقادیر زیاد تنوع در عامل زمین‌شناسی مربوط به بستر زمین‌شناسی مقاوم در برابر فرسایش (مانند ترکیبات آتش‌فشانی و توده‌های نفوذی) و کمترین مقادیر تنوع نیز مربوط به رسوبات آبرفتی، رودخانه‌ای و مخروطه ‌افکنه‌ای (نهشته‌های دورۀ کواترنر) در امتداد دره‌ها و دشت‌هاست (شکل 3). زاویۀ شیب بیشتر تنوع بیشتری را در منطقه ایجاد می‌کند (شکل 4). بیشترین شدت فرسایش در مجموعه‌های ترکیبی (تشکیلات قم) واقع شده است. میزان پارامتر شاخص شدت فرسایش 79/0 است. میزان این پارامتر نشان‌دهندۀ شیب توپوگرافی زیاد، افزایش ضریب رواناب به علت کاهش نفوذپذیری و درنهایت، فرسایش یافتگی زیاد عمودی و ناهمواری زیاد کوهستان میشو داغی است. کمترین مقدار این شاخص برابر با 004/0 و نشان‌دهندۀ مناطق مسطح و فرسایش کم مناطق با این مقادیر است. بیشترین مقدار این شاخص برابر با 79/0 و نشان‌دهندۀ فرسایش زیاد و ناهمواری زیاد است که درنتیجه مقدار زیاد این شاخص موجبات شکل‌گیری تنوع بیشتری را در منطقه فراهم می‌کند (شکل 5). مقدار زیاد فرکانس جریان >5 در منطقه با عملکرد مواد سطح قابل‌انعطاف، برجستگی زیاد و ظرفیت نفوذ کم است که تنوع بیشتری را در منطقه موجب شده است؛ در حالی که مقادیر کم فراوانی آبراهه حاوی مواد سطحی نفوذپذیر، برجستگی کم و ظرفیت نفوذ زیاد است (شکل 6). مقادیر زیادتر شاخص فراوانی ناهمواری به‌طور دقیق منطبق بر مناطقی است که تغییر شکل چشمگیری دارند و تنوع بیشتری را ایجاد می‌کنند. مقادیر پایین بر مناطقی از منطقه منطبق است که تغییر شکل بارزی ندارند و در واحد سطح دارای کمترین اختلاف هستند (شکل 7). به‌طور نرمال نرخ شاخص رطوبت توپوگرافی بین 3- تا 30 قرار دارد. بیشترین مقدار شاخص رطوبت توپوگرافی 8/20 و در مناطق دشتی و کمترین مقدار شاخص رطوبت توپوگرافی 26/1و در مناطق کوهستانی است. در مناطقی رطوبت توپوگرافی بیشترین مقدار را به خود اختصاص داده است که شیب منطقه کمتر و کمترین مقدار شاخص در مناطقی نمایان شده که منطقه دارای شیب بیشتری است. این شاخص رطوبت توپوگرافی و اشباع سطح را ارزیابی می‌کند که تحت‌تأثیر تغییرات شیب موقعیتی مانند ریزش دامنه‌ها یا وصول دامنه‌ها قرار دارد. در مناطق هموار به دلیل کاهش شیب رودخانه، افزایش حجم آب، برداشت ماسه و کم‌عرض بودن دشت در معرض طغیان رودخانه، این نواحی در معرض خطر سیل قرار دارند. بخش‌هایی که رطوبت توپوگرافی بیشتری به خود اختصاص داده‌اند، قابلیت تغییر شکل و ایجاد تنوع بیشتری در چشم‌انداز دارند (شکل 8).

 

 

شکل (2) نقشۀ تنوع تراکم آبراهه در فرمت شبکه. رنگها نشاندهندۀ تنوع هستند که از کلاس خیلی کم تا خیلی زیاد افزایش می‌یابد (منبع: نویسندگان).

Figure (2) The map of the diversity of drainage density in the network format. The colors represent variation that increases from very low to very high class.

 

مقادیر برجستگی ارتفاع به‌طور نرمال بین 0 و 1 است که منطقۀ موردمطالعه نیز به‌طور کامل بر این استاندارد منطبق است. مقادیر نزدیک به 00/0 یا 00/1 نشان‌دهندۀ برجستگی ارتفاع هر دو توپوگرافی زیر افقی است. مقدار نزدیک‌تر 00/0 نشان‌دهندۀ زمین‌های تقعر یا زیر افقی با برخی قله‌های جدا شده است؛ در حالی که مقدار نزدیک‌تر 00/1نشان‌دهندۀ زمین‌های تحدب یا زیر افقی با برش عمیق است که بخش‌های محدب تنوع بیشتری در منطقه ایجاد کرده‌اند (شکل 9). مقادیر زیاد نسبت مساحت سطح، نشان‌دهندۀ منطقه‌ای ناهموار با تنوع زیاد و مناطق هموار به‌صورت اعداد کم و تنوع پایین است که در منطقۀ موردمطالعه کامل بر این موارد منطبق است (شکل 10). پس از بررسی مقادیر شاخص شیب طولی رودخانه در نقاط اندازه‌گیری‌شده مشخص شد. ساختارهای تکتونیکی نقش اصلی را در کنترل فعالیت نسبی زمین ساختی در ناحیه دارد و نقش لیتولوژی کمتر است. شاخص شیب طولی رودخانه در بخش‌هایی از منطقه بیشتر است که رودخانه تغییرات بیشتری در منطقه ایجاد کرده یا آنامولی تکتونیکی مثل پرتگاه، گسل یا تغییر مقاومت شدید درنتیجه حرکت گسل ایجاد شده است؛ درنتیجه بخش‌هایی که مقادیر بیشتری به خود اختصاص داده‌اند، تنوع بیشتری دارند (شکل 11). درصد مساحت تنوع عوامل مؤثر در ژئودایورسیتی منطقۀ موردمطالعه در شکل (12) نمایش داده شده است. بیشترین مساحت در تنوع خیلی زیاد که 15 درصد است، تنوع برجستگی ارتفاع به خود اختصاص داده است.

 

شکل (3) نقشۀ تنوع لیتولوژی در فرمت شبکه (منبع: نویسندگان)

Figure (3) Lithology diversity map in grid format.

 

 

شکل (4) نقشۀ تنوع گرادیان شیب در فرمت شبکه (منبع: نویسندگان)

Figure (4) Slope gradient diversity map in grid format.

 

 

شکل (5) نقشۀ تنوع شدت فرسایش در فرمت شبکه (منبع: نویسندگان)

Figure (5) The map of the Dissection index diversity in the grid format.

 

شکل (6) نقشۀ تنوع فرکانس جریان در فرمت شبکه (منبع: نویسندگان)

Figure (6) The map of the Stream frequency diversity in the grid format.

 

 

شکل (7) نقشۀ تنوع فراوانی ناهمواری در فرمت شبکه (منبع: نویسندگان)

Figure (7) The map of the Amplitude of relief diversity in the grid format.

 

 

شکل (8) نقشۀ تنوع برجستگی ارتفاع در فرمت شبکه (منبع: نویسندگان)

Figure (8) The map of the Topographic wetness Index diversity in the grid format

 

شکل (9) نقشۀ تنوع برجستگی ارتفاع در فرمت شبکه (منبع: نویسندگان)

Figure (9) The map of the Elevation relief diversity  in the grid format

 

 

شکل (10) نقشۀ تنوع نسبت مساحت سطح در فرمت شبکه (منبع: نویسندگان)

Figure (10) The map of the surface area/ratio diversity in the grid format

 

 

شکل (11) نقشۀ شیب طولی رودخانه در فرمت شبکه (منبع: نویسندگان)

Figure (11) The map of the Stream length diversity in the grid ormat

 

تنوع خیلی کم

تنوع کم

تنوع متوسط

تنوع زیاد

تنوع خیلی زیاد

 

شکل (12) درصد مساحت تنوع عوامل مؤثر در ژئودایورسیتی منطقۀ موردمطالعه (منبع: نویسندگان)

Figure (12) The area percentage of the diversity of the effective factors in the geodiversity of the study area

 

تنوع ارزش در نقشۀ نهایی GmI نشان داده شده است؛ همان‌طور که در شکل (13) مشاهده می‌شود، روند متفاوت متغیرها به منطقۀ همسایۀ مورداستفاده برای برآورد آنها بستگی دارد. کمترین تنوع در امتداد دره‌ها توزیع می‌شود که متشکل از تشکیل شده است؛ زیرا نادرترین نوع سنگ‌ها در سراسر سطح زمین هستند که اغلب در قسمت‌های میشو شرقی قرار گرفته است.

 

 

 

شکل (13) نقشۀ شاخص ژئودایورسیتی (GmI)

Figure (13) Geodiversity Index map

 

در پیمایش میدانی کوهستان میشو داغی نتایج شاخص ژئودایورسیتی تأیید شد. در شکل (14) مواردی از تصاویر ژئودایورسیتی منطقۀ موردمطالعه مشاهده می‌شود.

 

ب

الف

ت

پ

 

ج

 

شکل (14) تصاویری از ژئودایورسیتی منطقۀ موردمطالعه (شکل الف) درۀ گزافر شکل؛ ب) استوک گچی قلعه سی؛

شکل پ) بدلندهای نهشتههای کواترنر؛ شکل ت) آبشار عیش آباد؛ شکل ج) چشمههای آهندار محدودۀ گرانیت میشو)

Figure (14) Pictures of the geodiversity of the studied area (Figure A: Ghazafar Valley, Figure B: Gypsum stock of Castle C. Figure C: Badlands of Quaternary deposits. Figure T: Aishabad waterfall. Figure C: Iron springs of Mishu granite range)

 

بحث

در این کار، ارزیابی ژئودایورسیتی اغلب براساس روش توصیف‌شده از سوی مللی و همکاران و آثناسیوس و همکاران با چند تغییر ویژه انجام شد. شاخص‌ ژئودایورسیتی اغلب برای مطالعات مقیاس منطقه‌ای اجراشده‌ که تعداد و کیفیت موارد تاریخی را در سال‌های اخیر بهبود بخشیده است (Benito-Calvo et al., 2009; Hejort & Lotto, 2010; Serrano & Flano, 2007; Silva et al., 2014). در این زمینه، شاخص ‌ژئودایورسیتی به‌تازگی با تکنیک جدید تصویرسازی زمین به‌منظور بهبود در کارتوگرافی دیجیتال و نمایش مجازی سه بعدی مرتبط شده است (Melelli et al., 2017; Martinez-Graña et al., 2015)؛ همچنین عملیات مفیدی برای طیف گسترده‌ای از اهداف، مانند ژئوپارک‌ها و توصیف میراث زمین (Ferrero et al., 2012; Panizza & Piacente 2009) یا برای ارزیابی و پیشگیری از خطر (Gordon et al., 2012) پیشنهاد شده‌ است. روش کمی برای ارزیابی شاخص ژئودایورسیتی به‌طور کلی از چندین پارامتر زمین، مانند مجموعه داده‌های زمین‌شناسی، ژئومورفولوژی، هیدروگرافی و توپوگرافی گزارش می‌شود. در این میان، داده‌های ژئومورفولوژیکی برای گنجاندن در روشی خودکار سخت‌ترین هستند. اگرچه تولید نقشه‌های ژئومورفولوژیکی هم‌تراز با تکنیک‌های دیجیتال جدید است (Gustavson et al., 2006)، در حال حاضر مشخصه‌های ژئومورفولوژیکی به‌ویژه به دلیل فقدان نقشه‌های ژئومورفولوژیکی برای مناطق بزرگ، هنوز سخت‌ترین هستند. علاوه بر این، اطلاعات ژئومورفولوژیکی بسیار پیچیده است؛ بنابراین به دلیل حجم عظیمی از داده‌های مرتبط که نشان داده می‌شود، نقشه‌ای به وجود می‌آید که به‌راحتی به فرمت دیجیتال تبدیل نمی‌شود (Carton et al., 2005; Melli et al., 2012 نقل در Melelli et al., 2017).

منطقۀ کوهستانی میشو منطقۀ آزمایشی عالی برای ارزیابی ژئودایورسیتی با روش کاربردی در این مقاله است. در این منطقه رابطۀ به‌خوبی تعریف‌شده‌ای بین آرایش توپوگرافی و موقعیت زمین‌شناسی در کل منطقه وجود دارد. نتایج پژوهش حاضر نشان‌دهندۀ آن است که دامنۀ ژئودایورسیتی منطقۀ موردمطالعه از سمت قله‌ها به‌سمت دشت کاهش می‌یابد. مناطق با ارزش ژئودایورسیتی کم در دشت و مناطق دارای ارزش ژئودایورسیتی زیاد در ارتفاعات بالاتر واقع شده است. نتایجی که مقصودی و همکاران (1398) در کوهستان دماوند بدان رسیده‌اند نیز نشان‌دهندۀ آن است که مناطق با ژئومورفودایورسیتی کم با ارزش بین 5 الی 10 مربوط به شمال غرب دماوند در محل دشت سرداغ و مخروط آتش‌فشان دماوند است. مللی و همکاران در منطقۀ اومبریا (ایتالیا) در پژوهش خود به این نتیجه رسیده است که ژئومورفودایورسیتی زیاد با مجموعه کربنات‌ها تطابق دارد؛ ولی در منطقۀ کوهستانی دماوند به نتیجه‌ای برخلاف این رسیده‌اند که ژئومورفودایورسیتی زیاد با مجموعه کربنات‌ها تطابق ندارد و اغلب بر بستر زمین‌شناسی آبرفتی در محل تلاقی گدازه‌ها و آبرفت‌ها منطبق است (Melelli et al., 2017). علاوه بر این، دامنۀ ژئومورفودایورسیتی کوهستان دماوند از محل دره‌ها به‌سمت قله‌ها کاهش می‌یابد؛ در حالی که در اومبریا از سمت قله‌ها به‌سمت دشت کاهش می‌یابد. این اختلاف به دلیل تفاوت توپوگرافیکی دو منطقۀ موردمطالعه است که در کوهستان دماوند تحقیق در واحد کوهستان قرار دارد؛ ولی در اومبریا واحد دشت و حوضه‌های انتهایی نیز وجود دارد. با توجه به اینکه در منطقۀ موردمطالعه نیز دشت و حوضه‌های انتهایی نیز بررسی شده‌اند، نتایج به‌نسبت مشابه نتایج مللی حاصل شده است. برخلاف مطالعۀ حاضر در پژوهش کوهستان دماوند مشخص شد که فرایندهای ژئومورفولوژیکی در دره‌ها و ارتفاعات پایین‌تر نقش بیشتری در افزایش ارزش ژئومورفودایورسیتی کل داشته‌اند که با نتایج مطالعۀ  کت در حوضۀ ترونی در کشور لهستان مطابقت دارد (Kot, 2017). با وجود این، نتایج چند پژوهش (Gray et al., 2013; Kot, 2017) نشان‌دهندۀ آن است که تنوع لندفرم‌ها و فرایندها در محدوده‌های با ژئودایورسیتی و ژئومورفودایورسیتی زیاد پتانسیل بسیار زیادی برای ارائۀ خدمات مختلف ژئوسیستمی دارد و به‌عنوان شاخصی برای شناسایی و ارزیابی تنوع چشم‌انداز استفاده می‌شود. آن‌ها نیاز به مدیریت مناسب و حفاظت دارند تا برای نسل‌های آینده حفظ شوند. در پایان‌نامه‌ای که حق­جو (1399) در منطقۀ یام انجام داده، نتایج نشان‌دهندۀ آن است که تنوع زمین‌شناسی مهم‌ترین نقش را در تولید سایر شاخص‌های ژئومورفودایورسیتی داشته است. گسل شمالی میشو که یک عامل زمین‌شناسی مهم محسوب می‌شود، بیشترین تأثیر را در افزایش تنوع ژئومورفودایورسیتی در منطقۀ یام داشته است. این نتیجه بر نتایج این پژوهش نیز منطبق است که وجود گسل شمالی و جنوبی میشو باعث افزایش ارزش ژئودایورسیتی هستۀ مرکزی میشو شده است. به‌طور کلی هستۀ مرکزی میشو داغ (حد فاصل گسل‌های شمالی و جنوبی میشو) دارای تنوع ژئودایورسیتی گسترده‌تری است.

مزیت عمدۀ این روش، منبع داده‌های ورودی (به‌جز لایۀ زمین‌شناسی) شبکۀ DEM است. عملکرد کانونی که در این پژوهش استفاده شده است، امکان اندازه‌گیری براساس متوسط اندازۀ محدودۀ اطراف را فراهم می‌کند که نوعی یکنواختی و حد تعادل را در اندازۀ داده‌ها به وجود می‌آورد. در مجموع نهایی فرمول، هر یک از پیکسل‌ها از مجموع مقادیری از عناصر ناشی نمی‌شوند، بلکه عناصر شبکه‌های متشکل از مقادیر 1 تا 5 هستند که تنوع پارامتر ورودی را اندازه‌گیری می‌کنند. به این ترتیب، عملکرد کانونی خاص با هدف ارزیابی تنوع در هر سلول استفاده می‌شود. مهم است، ذکر شود که روش ما در مرحلۀ توسعه است که هدف آن بهبود در تحقیقات بیشتر با استفاده از کالیبراسیون داخلی است.

با توجه به اینکه روش‌های ارزیابی ژئودایورسیتی در سراسر دنیا به شکل استانداری درنیامده، سعی بر آن است که در تحقیقات آتی، مدل GMI با سایر روش‌های ارزیابی ژئودایورسیتی مقایسه شود تا استانداردهای لازم برای ارزیابی ژئودایورسیتی بهبود داده شود. در همین حال، مناطق منتخب که ارزش زیادی برای ژئودایورسیتی قائل شده‌اند، برای تأکید بر منحصربه‌فردبودن آنها موردمطالعۀ دقیق‌تری قرار می‌گیرند. نقشۀ شاخص ژئودایورسیتی در مدیریت سرزمینی و حفاظت از زمین، علاوه بر سایر ابزارهای مدیریت رایج استفاده می‌شود.

 

نتیجه‌گیری

مطالعۀ کمی ژئودایورسیتی درک تنوع را در هر واحد بالا می‌برد و تشخیص نقش عوامل مختلف و درجۀ اهمیت آنها را امکان‌پذیر می‌کند. از آنجایی که زمین‌شناسان در طول سال‌های متمادی در پی شناخت بیشتر زمین، دسترسی به اطلاعات و رفع ابهامات، غافل از ژئودایورسیتی بودند، ارزش چندانی برای بررسی ژئودایورسیتی قائل نبودند. با بررسی جهان از منظر ژئودایورسیتی درک بهتری از منابع طبیعی زمین حاصل می‌شود (مختاری و همکاران، 1397). در این پژوهش به بررسی کوهستان میشو داغی براساس معیارهای ژئومورفومتریک و زمین‌شناسی اقدام شد. روش پیشنهادی در این پژوهش، از داده‌های مورفومتریک حاصل از مدل رقومی ارتفاع و زمین‌شناسی استفاده می‌کند. ژئودایورسیتی از طریق جمع مقادیر عناصر تراکم آبراهه، فرکانس جریان، برجستگی ارتفاع، شدت فرسایش، گرادیان شیب، رطوبت توپوگرافی، شیب طولی رودخانه، نسبت مساحت سطح، فراوانی ناهمواری و لیتولوژی محاسبه شد. با استفاده از نرم‌افزارهای در دسترس مانند GIS و SAGA GIS نقشۀ ژئودایورسیتی با موفقیت ترسیم شد. اعتبارسنجی براساس نقشه‌های ژئومورفولوژی سنتی انجام شد. نتیجه، این است که حد فاصل گسل شمالی و جنوبی کوهستان میشو داغی بیشترین تنوع را در اطراف خود ایجاد کرده است که مهم‌ترین قسمت منطقه ازلحاظ وجود ژئودایورسیتی به شمار می‌آید. مناطقی که با کمترین مقدار تنوع زمین مشخص می‌شود، مربوط به مناطق مسطح منطقه است. دامنۀ ژئودایورسیتی منطقۀ موردمطالعه از سمت قله‌ها به‌سمت دشت کاهش می‌یابد. میشو شرقی تنوع پیچیده‌تری نسبت‌به میشو غربی دارد. این محدوده برای موارد بیشتر پژوهش و مطالعۀ عمیق پیشنهاد می‌شود. در این مطالعه به روشی توجه شد که اکنون برای ارزیابی مکان‌های دیگر در ایران به‌منظور مقایسۀ نتایج از طریق تحقیقات بیشتر استفاده می‌شود. بهتر آن است که معادله با سایر مقادیر اصلی ژئودایورسیتی (هوازدگی تودۀ سنگ و خاک) و مقادیر اضافی مانند آب و هوا بهبود یابد. این کمک می‌کند تا ژئودایورسیتی در مکانی پیچیده‌تر ارزیابی شود. ژئودایورسیتی راهی برای برجسته‌کردن جنبه‌ها و ارزش‌های منحصربه‌فرد مکان‌های بی‌شماری است. بررسی ژئودایورسیتی به‌ویژه هنگام ترسیم مرزها پارک‌های ملی و سایر مناطق حفاظت شده بسیار مفید است. این رویکرد به‌ویژه در مناطقی مانند میشو معنادار است که نیروهای درون زا و برون زا در حال کار برای ایجاد چشم‌اندازی منحصربه‌فرد هستند و دنیای ما را پر از شگفتی می‌کنند.

 

[1] .Geodiversity

[2].  Mury Gray

[3]. DEM

[4]. Surface Area/ Raitio( SAR)

[5]. Dissection index( DI)

[6]. Elevation relief (Er)

[7]. Slope Gradient( Sg)

[8]. Amplitude of relief( Ar)

[9]. Stream length( SL)

[10]. Drainage density( Dd)

[11]. Stream frequency( fu)

[12]. Topographic wetness Index( TwI)

منابع
پیرعلیلو، حمید، و رحیم زاده، عفت (1393). شناسایی جاذبه های ژئوتوریسمی با استفاده از روش pralong (موردی،میشو داغ مرند). اولین کنگره تخصصی مدیریت شهری و شوراهای شهر، ساری، مرکز همایش­های توسعه ایران. https://civilica.com/doc/271513
رضایی مقدم، محمدحسین، خیری­زاده، منصور، و سرافروزه، سلیمان (1392). ارزیابی تکتونیک فعال در دامنة جنوبی میشوداغ. پژوهش­های ژئومورفولوژی کمی، 2(3)، 141-158.
عرب عامری، علیرضا، رضایی، خلیل، سهرابی، مسعود، و شیرانی، کورش (1397). ارزیابی کارایی پارامترهای کمی ژئومورفومتریک در افزایش صحت نقشه­های پهنه بندی حساسیت زمین لغزش( مطالعه موردی: حوضه فریدون شهر، استان اصفهان). پژوهشنامه مدیریت حوزه آبخیز، 9(18)، 220-232.
گلی مختاری، لیلا، و بیرامعلی، فرشته (1397). محاسبه و تحلیل تنوع زمینی (ژئودایورسیتی) ( مطالعه موردی: شهرستان اشتهارد). پژوهش های جغرافیای طبیعی، 50(2)، 307-322.
مختاری، داود، کرمی، فریبا، و بیاتی خطیبی، مریم (1390). شناسایی اشکال مورفوژنتیک فعال در گردنۀ پیام با هدف برنامه‌ریزی ژئوتوریسم. فصلنامۀ تحقیقات جغرافیایی. 26(4)، 67-92.
حق­جو، مهدی (1399). بررسی شاخص های ژئومورفودایورسیتی گردنه پیام (شمالغرب ایران) بر اساس شاخص GMI [پایان نامه کارشناسی ارشد، دانشگاه تبریز]. گنج.
مقصودی، مهران، مقیمی، ابراهیم، یمانی، مجتبی، رضایی، ناصر، و مرادی، انور (1398). بررسی ژئومورفودایورسیتی آتش‌فشان دماوند و پیرامون آن براساس شاخص GMI. پژوهش‌های ژئومورفولوژی کمّی، 8(1)، 52-69.
نگهبان، سعید، و درتاج، دیانا (1398). ارزیابی تکتونیک فعال حوضه ی رودخانه سیروانبا استفاده از شاخص­های ژئومورفیک. هیدروژئومورفولوژی، 6(19)، 187-209. https://hyd.tabrizu.ac.ir/article_9327.html
 
References
Arabameri, A., Rezaei, K., Sohrabi, M., & shirani, K. (2019). Evaluating of Quantitative Geomorphometric Parameters Efficiency in Increasing the Accuracy of Landslide Sensitivity Maps (Case Study: Fereydoun Shahr Basin, Isfahan Province). Journal of Watershed Management Research, 9(18), 220-232. 10.29252/jwmr.9.18.220 [In Persian].
Argyriou, A. V., Teeuw, R. M., Rust, D., & Sarris, A. (2016). GIS multi-criteria decision analysis for assessment and mapping of neotectonic landscape deformation: A case study from Crete. Geomorphology, 253, 262-274. https://doi.org/10.1016/j.geomorph.2015.10.018
Athanasios, V., Argyriou., S., Apostolos., T., & Richard., M. (2016). Using geoinformatics and geomorphometrics to quantify the geodiversity of Crete, Greece. International Journal of Applied Earth Observation and Geoinformation, 51, 47- 59. http://dx.doi.org/10.1016/j.jag.2016.04.006
Benito-Calvo, A., Perez-Gonzalez, A., Magri, O., & Meza, P. (2009). Assessing regional geodiversity: The Iberian Peninsula. Journal of Earth Surface Processes and Landforms, 34(10), 1433-1445. http://dx.doi.org/10.1002/esp.1840
Bollati, I., Fossati, M., Zanoletti, E., Zucali, M., Magagna, A., & Pelfini, M. (2016). A methodological proposal for the assessment of cliffs equipped for climbing as a component of geoheritage and tools for Earth Science education: the case of the Verbano-Cusio-Ossola (Western Italian Alps). Journal of the Virtual Explorer49(1), 1-23. https://www.researchgate.net/publication/310597935
Calvo, B. A., Pérez-González, A., Magri, O., & Meza, P. (2009). Assessing regional geodiversity: The Iberian Peninsula. Earth Surface Process and Landforms, (34), 1433-1445. http://dx.doi.org/10.1002/esp.1840
Currado, C., & Fredi, P. (2000). Morphometric parameters of drainage basins and morphotectonic setting of eastern Abruzzo. Memorie della Società Geologica Italiana, 55, 411–419. https://www.researchgate.net/publication/284098347
Ferrero, E., Giardino, M., Lozar, F., Giordano, E., Belluso, E., & Perotti, L. (2012). Geodiversity
action plans for the enhancement of geoheritage in the Piemonte region (north-western Italy). Annals of Geophysics55(3), 487-495. https://www.researchgate.net/profile/Elena-Ferrero-2/publication/267383078
Haghjoo, M. (2020). Investigating geomorphodiversity indices of Payam Pass (northwest of Iran) based on GMI Indicator [Master Thesis, Tabriz University]. Ganj. https://ganj.irandoc.ac.ir/#/articles/56a3dd0850727e1c9ad1f2a83b28723c [In Persian].
Goli Mokhtari, L., & Beiramali, F. (2018). Analysis of Geodiversity (Case study: Eshtehard County, Iran). Physical Geography Research, 50(2), 307-322. 10.22059/JPHGR.2018.226075.1006996 [In Persian].
Gray, M. (2004). Geodiversity Valuing and Conserving Abiotic Nature. John Wiley & Sons Ltd.
Gray, M., Gordon. J. E., & Brown, E. J. (2013). Geodiversity and the ecosystem approach: the contribution of geoscience in delivering integrated environmental management. Proceedings of the Geologists' Association124(4), 659-673. https://doi.org/10.1016/j.pgeola.2013.01.003
 Gustavsson, M., Kolstrup, E., & Seijmonsbergen, A. C. (2006). A new symbol-and-GIS based detailed geomorphological mapping system: Renewal of a scientific discipline for understanding landscape development. Geomorphology77(1-2), 90-111. https://doi.org/10.1016/j.geomorph.2006.01.026
Gordon, J. E., Barron, H. F., Hansom, J. D., & Thomas, M. F. (2012). Engaging with geodiversity—why it matters. Proceedings of the Geologists' Association123(1), 1-6. https://doi.org/10.1016/j.pgeola.2011.08.002
Horton, R. E. (1945). Erosional development of streams and their drainage basins; hydrophysical approach to quantitative morphology. Geological society of America bulletin56(3), 275-370. https://doi.org/10.1130/0016-7606(1945)56[275:EDOSAT]2.0.CO;2
Hjort, J., & Luoto, M. (2010). Geodiversity of high-latitude landscapes in northern Finland. Geomorphology, 115(1–2), 109–116. http://dx.doi.org/10.1016/j.geomorph.2009.09.039
Hajam, R. A., Hamid, A., & Bhat, S. (2013). Application of morphometric analysis for geo-hydrological studies using geo-spatial technology–a case study of Vishav Drainage Basin. Hydrology Current Research4(3), 1-12. https://B2n.ir/j80912
Jamieson, S. S. R., Sinclair, H. D., Kirstein, L. A., & Purves, R. S. (2004). Tectonic forcing of longitudinal valleys in the Himalaya: morphological analysis of the Ladakh Batholith, North India. Geomorphology58(1-4), 49-65. https://doi.org/10.1016/S0169-555X(03)00185-5
Kot, R. (2017). A comparison of results from geomorphological diversity evaluation methods in the Polish Lowland (Toruń Basin and Chełmno Lakeland). Geografisk Tidsskrift-Danish Journal of Geography, 118(1), 17-35. http://dx.doi.org/10.1080/00167223.2017.1343673
Kouli, M., Vallianatos, F., Soupios, P., & Alexakis, D. (2007). GIS-based morphometric analysis of two major watersheds, western Crete, Greece. Journal of Environmental Hydrology15, 1-17. https://B2n.ir/n63991
Kozlowski, S. (2004). Geodiversity. The concept and scope of geodiversity. Przeglad Geologiczny, 52(8/2), 833–837. https://www.researchgate.net/publication/259011668
Maqsoudi, M., Moghimi, A., Yamani, M., Rezaei, N., & Moradi, A. (2019). Investigating the geomorphodiversity of Damavand volcano and its surroundings based on the GmI index. Journal of Quantitative Geomorphology Research, 8(1), 52-69. https://www.geomorphologyjournal.ir/article_91725.html [In Persian].
Melelli, L., Vergari, F., Liucci, L., & Del Monte, M. (2017). Geomorphodiversity index: Quantifying the diversity of landforms and physical landscape. Journal of Science of the Total Environment, 584, 701-714. http://dx.doi.org/10.1016/j.scitotenv.2017.01.101
Mokhtari, D., Karami, F., & Bayati Khatibi, M. (2011). Identification of active morphogenetic forms in Payam pass with the aim of geotourism planning. Quarterly Journal of Geographical Research, 26(4), 67-92. https://jgr.ui.ac.ir/article_17912.html [In Persian].
Martinez-Grana, A. M., Goy, J. L., & Cimarra, C. (2015). 2D to 3D geologic mapping transformation using virtual globes and flight simulators and their applications in the analysis of geodiversity in natural areas. Environmental earth sciences73, 8023-8034. https://doi.org/10.1007/s12665-014-3959-1
Najwer, A., & Zwoliński, Z. (2015, April). Geomorphometry-based method of landform assessment for geodiversity. In EGU General Assembly Conference Abstracts (p. 980). https://www.researchgate.net/profile/Zbigniew-Zwolinski/publication/273886328
Negahban, S., & Dortaj, D. (2019). The Evaluation of the Active Tectonics of the Sirvan River Basin Using Geomorphic Indices. Hydrogeomorphology, 6(19), 187-209. https://hyd.tabrizu.ac.ir/article_9327.html?lang=en [In Persian].
Panizza, M., & Piacente, S. (2009). Cultural geomorphology and geodiversity. In: Reynard, E., Coratza, P., Regolini-Bissig, G. (Eds). Geomorphosites (pp. 35–48). Pfeil Verlag.
Pereira, D. I., Pereira, P., Brilha, J., & Santos, L. (2013). Geodiversity assessment of Paraná State (Brazil): an innovative approach. Environmental management52, 541-552.  https://doi.org/10.1007/s00267-013-0100-2
Piraliloo, H., & Rahimzade, E. (2014). Identifying geotourism attractions using the pralong method (case, Misho Dagh Marand). The first specialized congress of urban management and city councils, Sari. https://civilica.com/doc/271513 [In Persian].
Rezaei Moghadam, M. H., Kheirizade, M., & Sarafrouze, S. (2014). Assessment of active tectonics in the southern slope of Mishodagh. Quantitative Geomorphological Research, 2(3), 141-158. https://www.geomorphologyjournal.ir/article_77926.html?lang=en [In Persian].
Serrano, E., & Flano, P. (2007). Geodiversity: concept, assessment and territorial application. The case of Tiermes-Caracena. Boletín de la Asociación de Geógrafos Españoles,45(45), 389-393. https://www.researchgate.net/publication/266021182
Santos, F. M., de La Corte Bacci, D., Saad, A. R., & da Silva Ferreira, A. T. (2020). Geodiversity index weighted by multivariate statistical analysis. Applied Geomatics12, 361-370. https://doi.org/10.1007/s12518-020-00303-w
Silva., J., Rodrigues, C., & Pereira, D. I. (2015). Mapping and analysis of geodiversity indices in the Xingu River basin, Amazonia, Brazil. Geoheritage7, 337-350. https://doi.org/10.1007/s12371-014-0134-8
Toudeshki, V. H., & Arian, M. (2011). Morphotectonic analysis in the ghezel ozan river basin: NW Iran. Journal of Geography and Geology, 3(1), 258–265. http://dx.doi.org/10.5539/jgg.v3n1p258
Zhang X. R., & Dong, K. (2012). Neighborhood analysis-based calculation and analysis of multi-scales relief amplitude. Advanced Materials Research468, 2086-2089. https://doi.org/10.4028/www.scientific.net/AMR.468-471.2086
Zwoliñski, Z., (2009). The routine of landform geodiversity map design for the Polish Carpathian Mts. Landform Analysis11, 77-85. https://www.infona.pl/resource/bwmeta1.element.baztech-article-BUJ5-0052-0094
Zwolinski, Z., & Gudowicz, J. (2016). Geodiversity of landforms within morphoclimatic zones of the Earth. Geophysical Research Abstracts, 18. https://meetingorganizer.copernicus.org/EGU2016/EGU2016-11046.pdf
Zwoliński, Z., Najwer, A., & Giardino, M. (2018). Methods for assessing geodiversity. In Geoheritage - Assessment, Protection, and Management (pp. 27-52). http://dx.doi.org/10.1016/B978-0-12-809531-7.00002-2