همگن‌بندي حوزه‌هاي آبخيز با رهيافت تلفيقي سامانه اطلاعات جغرافيايي و تحليل‌هاي آماري چند متغيره، مطالعه موردي:حوزه‌ آبخيز‌ كارون

Homogenization of watersheds with an integrated approach GIS and multivariate statistical analysis, case study: Karoon Watershed

درك روابط پيچيده و نحوه تأثير متغيرهاي متعدد طبيعي و انساني در يك حوزه آبخيز به ‌سادگي امكان‌پذير نيست. در چنين شرايطي تلفيق تحليل‌هاي آماري چند متغيره و تحليل‌هاي مكاني سبب استخراج اطلاعاتي مفيد و قابل ‌درك از يك مجموعه داده پيچيده مي‌شوند. در اين پژوهش، اطلاعات شش گروه از داده‌هاي توپوگرافي، اقليمي، خاك، آب، اقتصادي-اجتماعي و دادههاي ماهوارهاي حوزه آبخيز كارون با تلفيق سامانه اطلاعات جغرافيايي و تحليل‌هاي آماري چند متغيره مورد مطالعه قرار گرفت. با استفاده از تحليل عاملي، شش عامل اصلي كه در مجموع 83.270 درصد واريانس داده‌ها را پوشش مي‌دهند، شناسايي شد. سپس با ورود اين شش عامل در تحليل خوشه‌اي، ابتدا تعداد بهينه خوشه‌هاي نهفته در داده‌ها شناسايي و از روش خوشه‌بندي k- ميانگين، حوزه آبخيز كارون به 16 ناحيه همگن تقسيم‌بندي شد و از تحليل تشخيصي نيز براي اعتبارسنجي خوشه‌بندي استفاده شد. دو خوشه 7 و 12 با فاصله اقليدسي 8.471 بين مراكز دو خوشه به‌عنوان متفاوت‌ترين خوشه‌ها و دو خوشه 14 و 6 با فاصله اقليدوسي 1.561 به‌عنوان شبيه‌ترين خوشه‌ها، طبقه‌بندي شدند. آزمون مقايسه ميانگين 16 منطقه همگن، نشان داد كه در مواردي دو منطقه از نظر اقليمي و توپوگرافي شرايط يكساني دارند، اما متغيرهاي اقتصادي-اجتماعي سبب تمايز آن‌ها مي‌شود. جداسازي مناطق همگن سبب فراهم ‌شدن امكان مقايسه و شناسايي مناطق مشابه به‌عنوان واحدهاي كاري و اولويت‌بندي آن‌ها براي انجام طرح‌هاي مطالعاتي و اجرايي مقابله با پديده‌هاي مخربي از جمله بيابان‌زايي، فرسايش خاك، خشك‌سالي و سيل مي‌شود.

Homogeneous sub watershed Are useful for comparison and better understanding of the complex structure of watershed and thereby facilitating the development and management approaches specific to each class to deal with the destructive phenomena such as soil erosion, drought and flood. In this study, the database contains 6 groups of information such as climatic and socio-economic, topography, soil, water, remote sensing were studied.These Factors converted to raster and then the pixel data converted to text data (ASCII). So matrix was produced with dimensions of 27 * 147 506. Eigenvalues and the variance associated with each factor showed that 6 first component includes a total of 83.27% of the changes. In order to select the optimal number of clusters and clustering evaluation and validation of the method, hierarchical clustering and discriminant analysis and clustering using k- mean cluster of the data was performed. Karoon Sub watersheds were classified into 16 groups.