Calculation and Analysis of Land Diversity (Geomorphodiversity) (Case Study: Sari County)

Subject Areas : Climatology

مریم ایلانلو ^{1 *} , .mohsen Eslami ² , Lila Ebrahimijanmani ³

1 - Department of Geography, Mahshahr Branch, Islamic Azad University, Mahshahr, Iran
2 - 1. گروه جغرافیا، واحد چالوس، دانشگاه آزاد اسلامی، چالوس ، ایران
3 - Assistant Professor of Geography Department, Chalus Branch, Islamic Azad University, Chalus, Iran

Received: 2025-04-06 Accepted : 2025-08-18 Published : 2025-10-01

Keywords: Geological diversity, geomorphology, landform, Sari County,

Abstract :

Knowing the potentials in different regions of the country can lead to the development of geotourism and to sustainable economic and social prosperity and better life and well-being for its residents. Geomorphodiversity is a part of geodiversity that deals with the geomorphological assessment of a territory in terms of the quantity and number of different types of landforms externally and internally. This paper uses SRTM data and GIS techniques to assess the geomorphodiversity of Sari County. Suitable factors for assessing geomorphodiversity diversity were identified as geology, slope condition, soil, landform location, relative elevations, drainage density, and roughness. After preparing the maps and preparing each one, each factor was finally classified into five classes by applying natural breaks, including V1 very low V2, low, V3 medium, V4 and high V5 and very high. The index based on the GmI index was used to evaluate geomorphodiversity. The final map of geomorphodiversity diversity was obtained from the weighted sum overlap of the seven factor maps. The results show that more than half of the region is 35% in the high class (V4) and 14% in the class (V5). These areas are located in the southern and eastern parts of the region. The northern parts of the region have less geomorphodiversity diversity. We conclude that these features are very important from a scientific and aesthetic point of view, so the management of such environments is mandatory in terms of ecotourism.

References:

1. اسفندیاری، مهدیه، مختاری، داوود، رضائی مقدم، محمدحسین، (1402)، کاربرد شاخص‌های ژئومورفومتریک در تعیین کمیت ژئودایورسیتی مناطق کوهستانی مطالعۀ موردی: کوهستان میشوداغی، شمال غرب ایران، مجله جغرافیا و برنامه ریزی محیطی، دوره 34 ، شماره 4. صص 1-22. 10.22108/gep.2023.135108.1543
2. رئیسیان، میثم، ایلانلو، مریم، ابراهیمی، لیلا، بزرگمهر، کیا، (1400)، بررسی میزان تاب‌آوری شهری با استفاده مدل Waspasو WP (نمونه موردی: ‌شهر ساری)، مجله مدیریت جغرافیا و مخاطرات محیطی، دوره 10، شماره 37. صص 241-225. 10.22067/geoeh.2021.69038.1023
3. زنگنه اسدی، محمدعلی، شفیعی، نجمه، زندی، رحمان، (1403)، ارزیابی ژئودایورسیتی و حفاظت از زمین حوضه آبریز تالاب بین المللی ارژن با استفاده از نرم افزار GIS و Fragstase، نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی، دوره 4، شماره 11، صص 105-125. 10.22034/rsgi.2024.63144.1096
4. مختاری، داود، رضایی مقدم، محمد حسین، اسفندیاری، مهدیه، (1401)، شاخص ژئومورفودایورسیتی: کمی کردن تنوع چشم انداز طبیعی و لندفرم‌های کوهستان میشو، شمال غرب ایران، مجله پژوهش های ژئومورفولوژی کمی، دوره 11، شماره3، صص 219-200. 10.22034/gmpj.2022.333913.1338
5. سیستانی بدوئی، مسعود، فتوحی، صمد، نگارش، حسین، رامشت، محمدحسین، روستایی، مه آسا، (1400)، بررسی تفاوت ژئودایورسیتی و ژئومورفودایورسیتی منطقۀ ساحلی دریای عمان و زون مکران از دماغۀ جاسک تا خلیج گواتر، مجله جغرافیا و توسعه، دوره 19، شماره 63، صص 66-39. 10.22111/j10.22111.2021.6169
6. مختاری، لیلا گلی، امیراحمدی، ابوالقاسم، زندی، رحمان، گنجی نیا، ملیحه، (1402)، تحلیل تنوع زمینی (ژئودایورسیتی) در محدوده کوه‌های بینالود، مطالعات جغرافیایی مناطق خشک، دوره 14، شماره 52، صص 24-41.
7. مقصودی، مهران، مقیمی، ابراهیم، یمانی، مجتبی، رضایی، ناصر، مرادی، انور، (۱۳۹۸)، بررسی ژئومورفودایورسیتی آتشفشان دماوند و پیرامون آن بر اساس شاخص GmI، پژوهش های ژئومورفولوژی کمی، دوره 8، شماره 1، صص 52-69،
8. Alvioli, M., 2020. Administrative boundaries and urban areas in Italy: A perspective from scaling laws. Landscape and Urban Planning 204, 103906. doi: 10.1016/j.landurbplan.2020.103906.
9. Gray, M., 2008. Geodiversity: developing the paradigm. Proceedings of the Geologists’ Association 119, 287–298. doi: 10.1016/S0016-7878(08)80307-0.
10. Brandolini, P., Cappadonia, C., Luberti, G., Donadio, C., Stamatopoulos, L., Di Maggio, C., Faccini, F., Stanislao, C., Vergari, F., Paliaga, G., Agnesi, V., Alevizos, G., Del Monte, M., 2020. Geomorphology of the Anthropocene in Mediterranean urban areas. Progress in Physical Geography: Earth and Environment 44, 461–494 doi:10.1177/0309133319881108.
11. Bucci, F., Santangelo, M., Fongo, L., Alvioli, M., Cardinali, M., Melelli, L., Marchesini, I., 2022. A new digital lithological map of Italy at the 1:100000 scale for geomechanical modelling. EarthSystem Science Data 14, 4129–4151. doi: Journal Pre-proof 10.5194/essd-14-4129-2022.
12. Burnelli, M., Alessia, P., Maurizio Del, M., Michele, D (2023). Land surface diversity: A geomorphodiversity index of Italy, Earth Surface Processes and Landforms, Volume48, Issue15, Pages 3025-3040, https://doi.org/10.1002/esp.5679
13. Burnelli, M., Alessia, P., Maurizio Del, M., Michele, D., Melelli, L., Reame, F., Vergari F., Alvioli, M. (2025). Does anthropogenic morphogenesis contribute to geomorphodiversity in urban environments? Geomorphology, Volume 471, 15, 109582, https://doi.org/10.1016/j.geomorph.2024.109582.
14. Hamilton, R., Rae, A., 2020. Regions from the ground up: a network partitioning approach to regional delineation. Environment and Planning B: Urban Analytics and City Science 47, 775–789. doi: 10.1177/2399808318804226.
15. Hiwahashi, J., Yamazaki, D., 2022. Global polygons for terrain classification divided into uniform slopes and basins. Progress in Earth and Planetary Science 9, 33. doi:
16. 10.1186/s40645-022-00487-2.
17. López Bedoya, J., Raúl, A. Mikkan, Valcárcel Díaz, M. (2025), Ephemeral geomorphodiversity: Conceptual debate, valuation, and heritage management, Geomorphology, Volume 471, 15, 109569, https://doi.org/10.1016/j.geomorph.2024.109569
18. Melelli L., Vergari F., Liucci L., Del Monte M., 2017. Geomorphodiversity index: Quantifying the diversity of landforms and physical landscape. Science of the Total Environment 584: 701–714.
19. Najwer A., Zwoliński Zb., 2014. The landform geodiversity assessment method – a comparative analysis for Polish and Swiss mountainous landscape. IGU 2014 Book of Abstracts, 1201
20. Schiavina, M., Melchiorri, M., Freire, S., Florio, P., Ehrlich, D., Tommasi, P., Pesaresi, M., Kemper, T., 2022. Land use efficiency of functional urban areas: Global pattern and evolution of development trajectories. Habitat International 123, 102543. doi: 10.1016/j.habitatint.2022.102543.
21. Thomas M., 2012. A geomorphological approach to geodiversity its applications to geoconservation and geotourism. Quaestiones Geographicae 31: 81–89.
22. United Nations, 2018. The World’s Cities in 2018. Department of Economic and Social Affairs, Population Division. Data booklet, ST/ESA/ SER.A/417.
23. Zumpano, V., Ardizzone, F., Bucci, F., Cardinali, M., Fiorucci, F., Parise, M., Pisano, L., Reichenbach, P., Santaloia, F., Santangelo, M., Wasowski, J., Lollino, P., 2021. The relation of spatio–temporal distribution of landslides to urban development (a case study from the Apulia region, Southern Italy). Journal of Maps 17, 133–140. doi: 10.1080/17445647.2020.1746417.
24. Zwoliński, Z., Najwer, A., Giardino, M., 2018. Chapter 2 – Methods for assessing geodiversity, in: Reynard, E., Brilha, J. (Eds.), Geoheritage. Elsevier, pp. 27–52. doi: 10.1016/B978-0-12-809531-7.00002-2.

Full-Text:



فصل­نامه جغرافیای طبیعی، سال هجدهم، شماره 68، تابستان 1404                                                                                             43

 

صص  47-25

 

 

محاسبه و تحلیل تنوع زمینی (ژئومورفودایورسیتی)

(مطالعۀ موردی: شهرستان ساری)

 

 

محسن اسلامی آکندی

دانش‌آموخته دکتری، رشته برنامه‌ریزی شهری، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران

مریم ایلانلو¹

استادیار گروه جغرافیا، واحد ماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران

لیلا ابراهیمی جنمانی

استادیار گروه جغرافیا، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران

 

تاریخ دریافت: 17/1/1404          تاریخ پذیرش:27/5/1404

 

چکیده

آشنایی با پتانسیل‌های بالقوه در مناطق مختلف کشور می‌تواند باعث توسعه ژئوتوریسم شده و شکوفایی پایدار اقتصادی و اجتماعی و زندگی و رفاه بهتر را برای ساکنین آن تداعی و ترسیم کند. ژئومورفودایورسیتی بخشی از ژئودایورسیتی است که به ارزیابی ژئومورفولوژیکی یک قلمرو از نظر کمیت و تعداد انواع مختلف لند فرم‌ها به‌صورت بیرونی و درونی می‌پردازد. این مقاله از داده‌های SRTM و تکنیک‌های GIS برای ارزیابی تنوع ژئومورفودایورسیتی شهرستان ساری استفاده می‌کند. عوامل مناسب برای ارزیابی تنوع ژئومورفودایورسیتی زمین‌شناسی، وضعیت شیب، خاک، موقعیت لند فرم، ارتفاعات نسبی، تراکم زهکشی و زبری ناهمواری شناسایی شدند. پس از تهیه نقشه‌ها و آماده‌سازی هر یک در نهایت هر عامل با اعمال شکست‌های طبیعی در پنج طبقه شامل V1 خیلی کم V2، کم، V3 متوسط، V4 و زیاد V5 و خیلی زیاد طبقه‌بندی شدند. برای ارزیابی ژئومورفودایورسیتی از شاخص بر اساس شاخص GmI استفاده شده است. نقشه نهایی تنوع ژئومورفودایورسیتی از هم‌پوشانی جمع وزنی نقشه‌های هفت عامل به دست آمده است. نتایج نشان می‌دهند بیش از نیمی از منطقه ۳۵ درصد در طبقه زیاد (V4)‌ و ۱۴ درصد در طبقه (V5) قرار دارد. این مناطق در قسمت جنوبی و شرقی منطقه واقع شده است. قسمت‌های شمالی منطقه از تنوع ژئومورفودیوارسیتی کمتری برخوردار هستند. در ادامه، به‌منظور تحلیل دقیق‌تر ساختار تنوع زمینی و شناسایی الگوهای فضایی موجود، از روش خوشه‌بندی مبتنی بر یادگیری ماشین استفاده شد. نتایج خوشه‌بندی نشان داد که منطقه به چند خوشه متمایز تقسیم می‌شود که هر خوشه معرف نوع خاصی از تنوع زمینی است. به‌طور مشخص، خوشه‌های با تنوع زیاد و خیلی زیاد در نواحی جنوبی و شرقی متمرکز بوده و خوشه‌های با تنوع کمتر در مناطق شمالی و مرکزی مشاهده شدند. این نتایج هم‌راستا با تحلیل شاخص GmI بوده و اعتبار بیشتری به شناسایی دقیق نواحی با ارزش ژئومورفودایورسیتی می‌بخشد. خوشه‌بندی مبتنی بر یادگیری ماشین علاوه بر تأیید یافته‌های شاخص GmI، امکان برنامه‌ریزی مدیریتی هدفمندتر و حفظ بهتر منابع ژئومورفولوژیکی را فراهم می‌آورد.

 

واژگان کلیدی: تنوع زمین‌شناسی، ژئومورفولوژی، لند فرم، شهرستان ساری

 

مقدمه

زمین پرجمعیت‌ترین دوره تاریخ خود را تجربه می‌کند و مناطق شهری در سراسر جهان افزایش می‌یابد. پیش‌بینی‌های آینده گزارش می‌دهند که 70 درصد انسان‌ها تا سال 2050 در شهرها زندگی خواهند کرد (United Nations, 2018). گسترش بی‌رویه مناطق ساخته شده تقاضای زیادی برای زمین دارد و تأثیر زیادی بر سیستم‌های طبیعی اطراف مناطق شهری دارد. اکولوژی شهری اخیراً به‌عنوان یک‌رشته پدیدار شده است (Schiavina et al, 2022:2)، که شهرها را یا به‌عنوان اکوسیستم‌های یکپارچه یا به‌عنوان خود اکوسیستم مورد بحث قرار می‌دهد (Hamilton & Rae, 2020:775). برای تجزیه و تحلیل پایداری اکولوژیکی، مطالعات اکولوژی شهری توجه فزاینده‌ای را به تأثیر انسان بر فرآیندها و اجزای اکوسیستم شهری معطوف کرده است. این منجر به توسعه متغیرهای اساسی، و متغیرهای اساسی تنوع زمین شد. در این چارچوب، ارزیابی تنوع جغرافیایی در نواحی شهری ممکن است نشان‌دهنده تأثیر انسان بر محیط‌زیست باشد. تعداد کمی از مطالعات مورفولوژی و ژئودایورسیتی² به بررسی محیط شهری می‌پردازند و بر عناصر تنوع جغرافیایی و ارزیابی برنامه‌ریزی و مدیریت ژئوتوریسم و شهرنشینی متمرکز است.

ژئودایورسیتی تنوع جغرافیایی محدوده طبیعی یا تنوع ویژگی‌های زمین‌شناسی (سنگ‌ها، کانی‌ها، فسیل‌ها)، ژئومورفولوژیکی (فرم‌های زمین، توپوگرافی، فرآیندهای فیزیکی) و ویژگی‌های خاک را نشان می‌دهد (Burnelli et al, 2023: 3025). در مقایسه با ناهمگونی توپوگرافی، توصیف کامل‌تری از تنوع سطح زمین را نشان می‌دهد (Hiwahashi & Yamazaki, 2022: 22; Alvioli., 2020: 67). اجزای تنوع جغرافیایی از چندین بخش زمین نشأت می‌گیرند که از نظر آب و هوا، توپوگرافی، زمین‌شناسی و هیدرولوژی متفاوت می‌باشند، به‌ویژه اگر این دلیل اختلاف در تأمین منابع برای پیچیدگی بیولوژیکی در نظر گرفته شود (Brandolini et al, 2020: 78). ژئومورفودایورسیتی³ بخشی از ژئودایورسیتی می‌باشد که به‌عنوان ارزیابی خاص از ویژگی‌های ژئومورفولوژیکی یک قلمرو، با مقایسه آن‌ها به‌صورت بیرونی (مقایسه با مناطق دیگر) و درونی (تنوع و پیچیدگی لند فرم‌ها در منطقه) و با توجه به سطح کیفیت علمی آن‌ها، مقیاس پژوهش و هدف پژوهش تعریف شده است ژئومورفودایورسیتی تابعی از حساسیت چشم‌انداز و واکنش در برابر فرآیندهای غیرخطی و دینامیک در مقیاس‌های زمانی و مکانی مختلف است. در همین رابطه ژئومورفولوژی دینامیک (پیچیدگی فرآیندها، ناهمسانی اقلیمی، تغییرات مداوم فرآیندهای سطحی،) پیشینه لند فرم‌ها (تنوع کرونولوژیکی، پیشینه تکتونیک و اقلیم) و میراث زمین‌شناختی (تنوع لند فرم‌ها، تنوع پتروگرافیک، تنوع تکتونیک) اجزای اصلی ژئومورفودایورسیتی را تشکیل می‌دهند (پور خسروانی و همکاران، 1403).

تلاش‌های متفاوتی در ادبیات تعریف رسمی و عینی از ژئودیورسیتی در چند دهه اخیر وجود دارد (Gray, 2008:289). آن‌ها در دو گروه اصلی قرار می‌گیرند. تحلیل‌های کیفی بر واحدهای زمین، مضامین، مناطق و محیط‌های خاص متمرکز هستند. روش‌های کمی و عینی برای ارزیابی تغییرپذیری ژئومورفولوژیکی یک منظر وجود دارد که نتیجه تعامل بین مجتمع‌های زمین‌شناسی، فرآیندهای سطحی و کنش آب‌وهوایی است. لند فرم‌ها نماینده تنوع ژئومورفولوژی هستند، زیرا نتیجه تعامل بین انواع سنگ‌شناسی، فرآیندهای سطحی و متغیرهای آب و هوایی هستند (Bucci et al, 2022: 56).

نمونه‌هایی از روش‌های جایگزین، ترکیبی از رویکردهای کمی و کیفی وجود دارد (Zumpano et al., 2021:134). رویکرد GIS تا حد زیادی بر تجزیه و تحلیل یک مدل ارتفاعی رقومی (DEM)، ویژگی‌های مشتق‌شده توسط تحلیل مورفومتریک، و رابطه آن‌ها با داده‌های زمین‌شناسی متکی است. یک شاخص مبتنی بر DEM دارای مزیت تکرارپذیری زیاد در مناطق وسیع و پر پتانسیل در مقیاس‌ها و وضوح‌های مختلف کاربرد دارد (Zwoliński et al., 2018: 27).

در این زمینه مطالعاتی در سطح ایران و خارج از کشور صورت پذیرفته است. برنلی⁴ و همکاران (202۵) مقاله‌ای تحت آیا ریخت‌زایی انسانی به تنوع ژئومورفودیوارسیتیوارسیتی در محیط‌های شهری کمک می‌کند؟ به نگارش درآورده‌اند. نتایج نشان می‌دهد که هم فرآیندهای طبیعی و هم فرآیندهای انسانی به تنوع ژئومورفودیوارسیتی در محیط شهری و در مناطقی که سطح شهرنشینی متفاوتی دارند کمک می‌کنند. آن‌ها برای درک تأثیر مورفوژنز انسانی بر تنوع ژئومورفودیوارسیتی در محیط شهری مرتبط هستند. لوپز بدویا⁵ و همکاران (۲۰۲۵) مقاله‌ای تحت عنوان تنوع ژئومورفودیوارسیتیوارسیتی زودگذر: بحث مفهومی، ارزش‌گذاری و مدیریت میراث به نگارش درآورده‌اند. نتایج نشان می‌دهد که راه‌حل این موضوع یک استراتژی متناسب با ماهیت آن‌ها است، زیرا ماهیت متغیر و متحرک آن‌ها مانع استفاده از برنامه‌های مدیریتی با موفقیت در سایر انواع میراث می‌شود. نکته کلیدی در درک این نکته نهفته است که تکامل لند فرم‌ها و از بین بردن آن‌ها مترادف با تخریب نیست، بلکه جنبه دیگری از ارزش میراث را نشان می‌دهد که باید از طریق تکنیک‌های نوآورانه افزایش یابد. خلاصه‌ای نهایی پایه‌های زیربنای این استراتژی خاص را ایجاد می‌کند و به دنبال ارتقای این میراث به وضعیتی هم‌تراز با سایر دسته‌بندی‌های میراث تثبیت شده در قلمرو ژئومورفولوژی است. برنلی⁶ و همکاران (2023) مقاله‌ای تحت عنوان تنوع سطح زمین: یک شاخص تنوع ژئومورفودیوارسیتی ایتالیا به نگارش درآورده‌اند. نتایج نشان می‌دهد مرتبط کردن پارامترهای پردازش و ویژگی‌های فضایی زمین به‌وضوح مجموعه داده‌ها، انتخاب خوبی برای ارزیابی شاخص تنوع سطح زمین قابل تکرار است. گنجاندن تراکم زهکشی باعث بهبود نتایج در مناطق مسطح می‌شود که در آن سایر عوامل نتایج بی‌اهمیتی را نشان می‌دهند. ما استدلال می‌کنیم که این شاخص برای مدیریت کاربری زمین، ارزیابی تنوع زیست‌محیطی مرتبط است و ممکن است به توصیف تعامل بین بخش‌های غیر زنده و زیستی کمک کند.

اسفندیاری و همکاران (1402) به کاربرد شاخص‌های ژئومورفومتریک در تعیین کمیت ژئودایورسیتی مناطق کوهستانی مطالعۀ موردی: کوهستان میشوداغی، شمال غرب ایران پرداختند. نتایج نشان می‌دهد که 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. مختاری و همکاران (1402) به تحلیل تنوع زمینی (ژئودایورسیتی) در محدوده کوه‌های بینالود پرداختند. بر مبنای یافته‌های پژوهش می‌توان عنوان کرد که اختلاف شاخص‌ها در دو دامنه بسیار ناچیز است، اما به دلیل وضعیت ساختمانی و چینه‌شناسی و تأثیر عوامل ثانویه دامنه‌های جنوبی کوه‌های بینالود دارای ژئودایورسیتی بالاتری نسبت به دامنه‌های شمالی آن است. نتایج به دست آمده نشان می‌دهد که بر اساس مقایسه دامنه شمالی و دامنه جنوبی کوه‌های بینالود با شاخص‌های پنج‌گانه ژئودایورسیتی سهم عوامل زمین‌شناسی بیشتر از عوامل مورفومتری و اقلیمی بوده است. سیستانی بدوئی و همکاران (۱۴۰۰) به بررسی تفاوت ژئودایورسیتی و ژئومورفودایورسیتی منطقۀ ساحلی دریای عمان و زون مکران از دماغۀ جاسک تا خلیج گواتر پرداختند. نتایج پژوهش نشان می‌دهد تنوع ژئوموروفولوژیکی زون مکران با تراکم ناهمواری 0009/0، تنوع شانون 3529/3، ناهمواری شانون 9329/0، تنوع سیمپسون 9578/0 و ناهمواری سیمپسون برابر با 9774/0 نسبت به تنوع زمین‌شناختی از اعتبار بالاتری برخوردار بوده و ارزش بیشتری را به خود اختصاص داده است. بنابراین به‌منظور توسعه منطقه ساحلی جنوب شرق کشور و مکران، لزوم توجه مسئولین و رسیدگی و احداث زیرساخت‌های مورد نیاز در توسعه صنعت ژئومورفوتوریسم لازم و ضروری می‌باشد.

علاوه بر این تحقیقات با وجود مطالعات متعدد در خصوص ژئودایورسیتی و ارزیابی کمّی تنوع اشکال زمین در ایران، پژوهش‌های جدیدی به‌ویژه در مجله Geoheritage چاپ شده که دیدگاه‌های نوآورانه‌ای ارائه داده‌اند. به‌عنوان مثال، بررسی جامع Brilha و همکاران (2022) به ترسیم وضعیت کلی ژئودایورسیتی و اولویت‌های آتی ژئوهریتیج ایران پرداخته و لزوم بهره‌گیری روش‌های ترکیبی کمی و کیفی را توصیه می‌کند. مرتضوی و همکاران (2021) ارزیابی کمی و اولویت‌بندی حفاظتی مناطق مختلف البرز را با روش‌های جدید پیشنهاد داده‌اند. زمانی و همکاران (2020) در کویر لوت بهره‌گیری از شاخص‌های نوین و پیوند با ظرفیت‌های ژئوتوریسم را حائز اهمیت دانسته‌اند. همچنین کارهای آریان و همکاران (2021) در رشته‌کوه زاگرس و امامی و همکاران (2022) در زمینه ارائه چارچوب مدیریتی، مبنایی ارزشمند برای گسترش تحلیل‌ها در مطالعات منطقه‌ای مشابه میراث ژئومورفولوژیک به شمار می‌روند. در جنوب شرق ایران نیز موسوی و همکاران (2021)، ارزش بالای ژئودایورسیتی منطقه مکران را نمایان ساخته و دستورالعمل‌هایی جهت حفاظت ارائه کرده‌اند.

این پژوهش با بهره‌گیری هم‌زمان از داده‌های دقیق دیجیتال ارتفاعی SRTM و تکنیک‌های نوین GIS، رویکردی جامع و چندبعدی برای ارزیابی ژئومورفودایورسیتی ارائه داده است که با ترکیب هفت عامل کلیدی زمین‌شناسی، شیب، خاک، لند فرم، ارتفاع نسبی، تراکم زهکشی و زبری ناهمواری، نمایی کامل‌تر و دقیق‌تر از تنوع زمینی منطقه ارائه می‌کند.

یکی از مهم‌ترین نوآوری‌های این مطالعه، استفاده از روش خوشه‌بندی مبتنی بر یادگیری ماشین برای دسته‌بندی و تحلیل الگوهای فضایی تنوع ژئومورفودایورسیتی است. این رویکرد باعث افزایش دقت در شناسایی مناطق همگن با ویژگی‌های ژئومورفولوژیکی مشابه شده و امکان تعریف دقیق‌تر مناطق هدف برای مدیریت و حفاظت را فراهم می‌کند. برخلاف مطالعات گذشته که عمدتاً بر شاخص‌های منفرد تمرکز داشتند، این پژوهش با تلفیق چندین شاخص و تحلیل خوشه‌ای، تصویر واقع‌بینانه‌تر و کاربردی‌تری ارائه داده است.

علاوه بر این، هم‌پوشانی داده‌های ژئومورفولوژیکی با الگوریتم‌های یادگیری ماشین، امکان تحلیل بهتر و تصمیم‌گیری هدفمندتر برای توسعه پایدار ژئوتوریسم و حفاظت از میراث ژئومورفولوژیکی را فراهم ساخته است. این روش می‌تواند به‌عنوان یک الگوی موفق در مطالعات مشابه مناطق دیگر کشور یا جهان مورد استفاده قرار گیرد.

در نهایت، نتایج این پژوهش می‌تواند به تصمیم‌گیرندگان و مدیران محیط‌زیست و منابع طبیعی کمک کند تا با شناخت دقیق‌تر از پتانسیل‌ها و تنوع زمین‌شناسی منطقه، برنامه‌ریزی مؤثرتری در زمینه حفاظت، توسعه ژئوتوریسم و بهره‌برداری پایدار از منابع ژئومورفولوژیکی داشته باشند.

 

موقعیت منطقه مورد مطالعه

شهر ساری مرکز استان مازندران و شهرستان ساری است. از لحاظ موقعیت جغرافیایی این شهر در طول شرقی 53 درجه و 3 دقیقه و عرض شمالی 36 درجه و 34 دقیقه واقع شده و ارتفاع متوسط آن از سطح دریای آزاد حدود 40 متر می‌باشد. ساری به‌عنوان مرکز استان مازندران دارای 6 بخش، 4 شهر و 15 دهستان می‌باشد. (شکل 1) بر اساس نتایج سرشماری عمومی نفوس و مسکن در سال 1395، این شهرستان دارای 504298 نفر جمعیت که 253451 نفر مرد و 250847 نفر زن می‌باشد. شهر ساری به دلیل نزدیکی به تهران و قرار گرفتن در مسیر ارتباطی خراسان رضوی از موقعیت ویژه‌ای برخوردار می‌باشد. از نزدیک‌ترین شهرهای اطراف ساری می‌توان به شهرهای قائم‌شهر در غرب، نکا در شرق، جویبار در شمال و کیاسر در جنوب اشاره نمود. ارتفاع ساری از سطح دریا 40 متر است فاصله شهر ساری تا تهران 250 کیلومتر است و خط آهن سراسری ایران از این شهر عبور می‌کند رودخانه تجن نیز از این شهر می‌گذرد. از به هم پیوستن رودهای زارم رود و سفیدرود و شیرین رود تشکیل شده است. در فاصله کمی از شهر سواحل دریای خزر قرار دارد که به‌راحتی قابل‌دسترسی می‌باشد. شهرستان ساری همانند دیگر شهرستان‌های جلگه‌ای استان دارای آب‌وهوای معتدل خزری است. حرارت حداقل مطلق زیر صفر نیز گزارش شده است، همچنین متوسط درجه سالانه این شهر بالاتر از 16 درجه سانتی‌گراد است (رئیسیان و همکاران. ۱۴۰۰).

 

 

شکل ۱: موقعیت منطقه مورد مطالعه

 

روش پژوهش

داده‌های مورد نیاز

هفت عامل برای ارزیابی تنوع ژئومورفودایورسیتی در نظر گرفته شده است. این عوامل از توماس⁷ (2012)، ناژور، زولینسکی⁸ (2014) و مللی و همکاران⁹ (2017) استخراج شده‌اند. این عوامل عبارتند از هیدرولوژی، زمین‌شناسی، خاک، وضعیت شیب، لند فرم، زبری ناهمواری و ارتفاع نسبی.

به‌جز لایه خاک، لند فرم و زمین‌شناسی، چهار عامل دیگر از اندازه رستری 30 متری SRTM DEM به دست آمده از اطلاعات ملی جغرافیایی-مکانی (NGI) استخراج شده‌اند. این لایه‌ها در محیط نرم‌افزار SAGA GIS تهیه شدند. برای محاسبه تراکم زهکشی از DEM استفاده شد. کانال‌های رودخانه‌ای از طریق محاسبات نیمه‌خودکار در SAGA GIS استخراج شدند و طبقه‌بندی سلسله مراتبی کانال‌های Strahler در سطح هفت اعمال شد. داده‌های زمین‌شناسی از پایگاه داده آنلاین علوم زمین دانلود شد. لایه پایگاه داده جهانی خاک (HWSD v 1.21) از پایگاه داده آنلاین موسسه بین‌المللی تحلیل سیستم‌های کاربردی (IIAS) به دست آمده است. نقشه لند فرم در محیط نرم‌افزار گوگل ارث انجین با استفاده از مجموعه داده ALOS Landform تهیه شد.

 

روش پردازش و تحلیل داده‌ها

متغیرهای ورودی با شاخص تنوع ژئومورفودایورسیتی (GmI) (مللی و همکاران 2017) و معیارهای ارزیابی تنوع جغرافیایی پیشنهاد شده توسط ناژور، زولینسکی (2014) همان‌طور که در شکل 2 نشان داده شده، مورد ارزیابی قرار خواهد گرفت. چگالی زهکشی از GmI در فاکتور هیدروگرافیکی گنجانده شده است زیرا آن‌ها به یکدیگر مرتبط هستند اما به روش‌های مختلف به روش مشابهی تهیه نمی‌شوند. ادغام این دو کیفیت نمایش هیدرو گرافی را بهبود می‌بخشد. عامل ژئومورفولوژیکی در ضریب رده شکل زمین گنجانده شده است. تغییر کاربری و پوشش زمین در GmI نهایی مستثنا شده است زیرا تمرکز این مقاله فقط بر عوامل طبیعی است. بنابراین، یک مجموع وزنی از هفت عامل، تنوع ژئومورفودایورسیتی را تجزیه و تحلیل می‌کند.

 

 

شکل ۲: روش انتخاب متغیرها (مللی و همکاران 2017) و (ناژور و زولینسکی ۲۰۱۴)

 

افزودن الگوریتم‌های خوشه‌بندی یادگیری ماشین¹⁰

برای تقویت جنبه نوآورانه پژوهش و ارائه تحلیل دقیق‌تری از تنوع ژئومورفولوژیکی، از الگوریتم‌های یادگیری ماشین غیر نظارتی¹¹ با رویکرد خوشه‌بندی استفاده شد. این مرحله با هدف شناسایی واحدهای همگن فرم زمین و مقایسه آن با نتایج شاخص GmI طراحی گردید.

در این مرحله، شاخص‌های مورفومتریک استخراج‌شده از DEM شامل ارتفاع، شیب، جهت، انحنای زمین¹²، شاخص موقعیت توپوگرافی (TPI) و شاخص رطوبتی توپوگرافی (TWI) به‌عنوان ورودی به الگوریتم‌های خوشه‌بندی معرفی شدند. داده‌ها پس از استانداردسازی (با استفاده از z-score normalization)، در محیط Python و با استفاده از کتابخانه‌های scikit-learn و PySAL مورد پردازش قرار گرفتند.

 

سه الگوریتم برای خوشه‌بندی به کار گرفته شد:

- K-Means: برای طبقه‌بندی اولیه و شناسایی الگوهای تکرارشونده؛

- DBSCAN: برای شناسایی خوشه‌های مبتنی بر چگالی، به‌ویژه در مناطق با ساختار پیچیده زمین ریخت؛

- Hierarchical Clustering: برای نمایش ساختار سلسله‌مراتبی تنوع فرم‌های زمین.

برای تعیین تعداد بهینه خوشه‌ها در K-Means، از روش Elbow و Silhouette Score استفاده شد. نتایج حاصل از خوشه‌بندی با لایه‌های تنوع ژئومورفودایورسیتی به‌دست‌آمده از شاخص‌های کلاسیک مقایسه و تفسیر شد.

 

طبقه‌بندی نهایی

نقشه نهایی تنوع ژئومورفودایورسیتی در پنج طبقه شامل:

·       V1: خیلی کم؛

·       V2: کم؛

·       V3: متوسط؛

·       V4: زیاد؛

·       V5: خیلی زیاد؛ طبقه‌بندی و تولید شد.

ترکیب روش سنتی GmI با روش‌های خوشه‌بندی یادگیری ماشین، توانست دیدگاه جامع‌تری از تنوع زمین‌ریخت‌شناسی منطقه مورد مطالعه فراهم آورد و امکان تحلیل ترکیبی – کمی و کیفی – را فراهم سازد.

 

یافته‌های پژوهش

در این مطالعه، به‌منظور ارزیابی تنوع ژئومورفودایورسیتی در شهرستان ساری، ابتدا هفت لایه تنوع شامل زمین‌شناسی، تراکم زهکشی، وضعیت شیب، لند فرم، ارتفاع نسبی، زبری ناهمواری و خاک تهیه شد. درصد پوشش هر طبقه در هر لایه مشخص گردید و بر اساس آن تحلیل نهایی انجام شد.

فاکتور تنوع زمین‌شناسی¹³ ()

از نظر زمین‌شناسی بخش شمالی شهرستان ساری در زون ساختمانی گرگان- رشت و بخش جنوبی آن در زون البرز استقرار دارد. زون گرگان - رشت شامل مناطقی است که حاشیه دریای خزر را در سواحل ایران محدود کرده و در شمال گسل البرز قرار دارد. بخش اعظم آن به‌وسیله رسوبات عهد حاضر (رودخانه‌ای، دلتایی، ساحلی) و مرز شرقی آن به‌وسیله لایه‌های ضخیمی از لس پوشیده شده است. قسمت اعظم زون مزبور به نام منطقه فـرونشست دریای خزر ذکر شده است. زون گرگان- رشت از روند سینوسی البرز پیروی کرده و هر جا که کوهستان از دریا فاصله گرفته است، گسترش پیدا نموده و در نواحی که کوهستان به دریا نزدیک شده است، دارای گسترش محدود و مقطع می‌باشد. دشت‌ها در مناطقی که واحدهای مارنی، ماسه‌سنگی و کنگلومرایی میوسن و کنگولـومـرا و مـارن‌های پلیوسن گسترش دارند به دلیل مقاومت کم آن‌ها در مقابل فرسایش به داخل کوهستان نفوذ کرده‌اند. در حالی که زون البرز از واحدهای میوسن و پلیوسن پوشیده و در قسمت‌های مرکزی و جنوبی به‌طور وسیعی گسترش دارند. به این ترتیب ده طبقه به دست آمد که به ترتیب از ۱ دارای کمترین تا ۵ دارای بیشترین شرایط پاسخ توپوگرافیکی هستند. (جدول ۱). لایه نهایی در نرم‌افزار Arc/Map تهیه گردید و سپس ارزش تنوع محاسبه گردید و در نهایت بر اساس الگوریتم شکست‌های طبیعی (Gneiss, 1967) به ۵ طبقه تقسیم گردید که در شکل (3) نشان داده شده است. همان‌طور که شکل (۳) و جدول (۱) نشان می‌دهد طبقه (V4) با مساحت ۱۳۰۲ کیلومتر مربع حدود ۳۶ درصد منطقه را در برمی‌گیرد. به لحاظ مکانی بیشتر مناطق جنوبی و مرکزی منطقه را شامل این طبقه می‌شود. مناطق شمالی به لحاظ تنوع طبقه (V1) یعنی کم را شامل می‌شوند که ۲۲ منطقه را پوشانده‌اند. منطقه با تنوع خیلی زیاد تنها ۱ درصد منطقه را شامل می‌شود که در جنوب منطقه واقع شده‌اند. همان‌طور که از نقشه تنوع زمین‌شناسی مشخص است منطقه به لحاظ زمین‌شناسی از تنوع زیادی برخوردار است. و تمامی سنگ‌ها و سازندها از آذرین، رسوبی، دگرگونی، تراس‌های آبرفتی را در برمی‌گیرد.

 

جدول ۱: مساحت هر طبقه تنوع در لایه تنوع زمین‌شناسی در منطقه به کیلومتر مربع

طبقه تنوع	زمین‌شناسی	درصد
V1	۴/۷۸۴	۲۲
V2	۹/۴۴۹	۱۲
V3	۲/۱۰۷۱	۲۹
V4	۸/۱۳۰۲	۳۶
V5	9/33	۱

 

شکل ۳: نقشه تنوع زمین‌شناسی در منطقه

 

فاکتور تنوع تراکم زهکشی¹⁴()

نقشه تراکم زهکشی از نقشه DEM ۱۰ متر منطقه در محیط نرم‌افزار Arc/Map تهیه گردید. کانال‌های رودخانه‌ای از طریق محاسبات نیمه‌خودکار در SAGA GIS استخراج شدند. مقدار در هر واحد سـطح از ویژگی‌های لایه خطی (رودخانه‌ها که در اطراف هر یک از سلول‌های رستری خروجی قرار دارد، به‌عنوان خروجی، داده‌ای شبکه‌ای، به دسـت آمد. تراکم در واحدهای طول در واحد سـطح محاسـبه شـد. در نهایت به پنج کلاس شـامل V1 (۴۵/۰ – ۰)، V2 (45/0 – 90/0)، V3 (90/0 – 50/1)، V4 (50/1 – 2) V4 (2 – 50/2)، V5 (50/2- 90/2) طبقه‌بندی شدند. همان‌طور که در شکل (۴) مشخص هست فاکتور تراکم زهکشی تأثیر متقابل مناطق مرتفع، آبراهه‌ها و دره‌های باز را نشان می‌دهد. تراکم زهکشی بالا نشان‌دهنده توده‌های آبی است که در رشته‌کوه یافت می‌شوند. رود تجن از کوه‌های چهاردانگه، دودانگه و هزارجریب از جنوب منطقه سرچشمه می‌گیرد و به سمت شمال منطقه حرکت می‌کند و پس عبور از شهر ساری در منطقه فرح‌آباد به دریای خزر می‌ریزد. همان‌طور که یافته‌ها نشان می‌دهند ۳۴ درصد منطقه شامل طبقه (V1) می‌شود که به دور از آبراهه‌ها و کانال‌های اصلی رودخانه می‌باشند. طبقه (V1) 3۴ درصد، طبقه (V2) 22 درصد، طبقه (V3) ۲۴ درصد، طبقه (V4) 1۴ درصد و طبقه (V5) 6 درصد منطقه را در برگرفته‌اند. (جدول 2)

 

جدول ۲: مساحت هر طبقه تنوع در لایه تنوع تراکم زهکشی در منطقه به کیلومتر مربع

طبقه تنوع	تراکم زهکشی	درصد
V1	1239	۳۴
V2	803	۲۲
V3	۸۶۱	۲۴
V4	۵۰۴	۱۴
V5	۲۰۶	۶

 

 

شکل ۴: نقشه تنوع تراکم زهکشی در منطقه

 

فاکتور تنوع شاخص وضعیت شیب¹⁵ (Scv)

فاکتور وضعیت شیب، چشم‌انداز را به صخره‌ها، شیب‌های حاشیه، شیب‌های میانی، شیب‌های پای کوهی و دره‌های باز طبقه‌بندی می‌کند. نقشه شیب با استفاده از شاخص موقعیت توپوگرافی (TPI) در SAGA GIS به دست آمدند. TPI به‌عنوان تفاوت بین مقدار ارتفاع سلول و میانگین ارتفاع در ناحیه همسایه اطراف سلول تعریف می‌شود. TPI با در نظر گرفتن همسایگی دایره‌ای با شعاع 300 متری با وضوح 30 متری DEM محاسبه می‌شود. همان‌طور که شکل (۵) و جدول (۳) نشان می‌دهند طبقه (V1) ۲۶ درصد، طبقه (V2) ۲۸ درصد، طبقه (V3) ۲۴ درصد، طبقه (V4) ۱۶ درصد و طبقه (V5) 6 درصد منطقه را در برگرفته‌اند. بدین ترتیب بیشترین درصد منطقه را طبقه (V2) در برگرفته است. مناطق جنوبی شیب بیشتری نسبت به مناطق شمالی دارند. موقعیت شیب نشان‌دهنده تسلط دره‌های باز و جلگه‌ها است.

 

جدول ۳: مساحت هر طبقه تنوع در لایه تنوع وضعیت شیب در منطقه به کیلومتر مربع

طبقه تنوع	شیب	درصد
V1	۹۴۵	۲۶
V2	۱۰۲۹	۲۸
V3	۸۵۴۶	۲۴
V4	۵۷۵	۱۶
V5	۲۲۷	۶

 

 

شکل ۵: نقشه تنوع وضعیت شیب در منطقه

 

فاکتور تنوع طبقه‌بندی لند فرم¹⁶ (Lc)

نقشه لندفرم‌های منطقه در محیط نرم‌افزار آنلاین گوگل ارث انجین تهیه گردید. عمده لندفرم‌های منطقه دره‌های V.U شکل، خط الراس/ قله، کوه‌ها، صخره و پرتگاه، اراضی تپه‌ای و جلگه‌ای، دامنه‌های باز، بسترهای آبرفتی کنار رودخانه و ساحل می‌باشند. همان‌طور که شکل (۶) و جدول (۴) نشان می‌دهند طبقه (V1) ۸ درصد، طبقه (V2) ۴۷ درصد، طبقه (V3) ۷ درصد، طبقه (V4) ۳۵ درصد و طبقه (V5) ۳ درصد منطقه را در برگرفته‌اند. بدین ترتیب بیشترین مساحت منطقه به عبارتی نزدیک نیمی از منطقه طبقه (V2) برابر با ۱۷۱۱ کیلومتر مربع یعنی حدود ۴۷ درصد را در برگرفته است که عمدتاً بر دامنه‌های باز، تپه‌ای و ساحل تسلط دارد. اما طبقه زیاد و خیلی نیز در مجموع 38 درصد مساحت منطقه را در برگرفته‌اند که به این معناست که منطقه از تنوع ژئومورفولوژیکی بالایی برخوردار است.

 

جدول ۴: مساحت هر طبقه تنوع در لایه تنوع لند فرم در منطقه به کیلومتر مربع

طبقه تنوع	لند فرم	درصد
V1	304	۸
V2	1711	۴۷
V3	247	۷
V4	1266	۳۵
V5	111	۳

 

 

شکل ۶: نقشه تنوع لند فرم در منطقه

 

فاکتور ارتفاع نسبی

عامل پنجم ارتفاعات نسبی است که تنوع ارتفاعات نسبی (محلی) را نشان می‌دهد که نشان‌دهنده انرژی نقش برجسته است (Zwoliński 2009). ارتفاع نسبی اندازه‌گیری ارتفاع یک مکان در رابطه است به اطرافش، نه سطح دریا. بنابراین، ارتفاع نسبی، ناچیز بودن یک نقطه ارتفاعی را در مقایسه با سایر نقاط جهان از بین می‌برد. این مرحله نقاط را از نظر اهمیت در منظر محلی مشخص می‌کند. همان‌طور که شکل (۷) و جدول (۵) نشان می‌دهند طبقه (V1) ۲۷ درصد، طبقه (V2) ۲۲ درصد، طبقه (V3) ۲۱ درصد، طبقه (V4) ۱۹ درصد و طبقه (V5) ۱۱ درصد منطقه را در برگرفته‌اند.

 

جدول ۵: مساحت هر طبقه تنوع در لایه تنوع ارتفاع نسبی در منطقه به کیلومتر مربع

طبقه تنوع	ارتفاع	درصد
V1	۹۸۹	۲۷
V2	۸۰۲	۲۲
V3	۷۵۹	۲۱
V4	۶۷۷	۱۹
V5	۴۱۲	۱۱

 

 

شکل ۷: نقشه تنوع ارتفاع نسبی در منطقه

 

فاکتور زبری ناهمواری ¹⁷

نقشه تنوع زبری ناهمواری شکل (۸) نشان می‌دهد که نواحی زیر ۳۰ متر ارتفاع ناهمواری در طبقه کم تا خیلی کم قرار دارند. این مناطق در امتداد دریا و دره‌های رودخانه‌ها و بخش‌های شمالی منطقه یافت می‌شوند. بخش قابل توجهی از شمال منطقه را سکونتگاه‌ها و فعالیت‌های انسانی اشغال کرده‌اند. در دامنه‌های رو به شمال فعالیت‌های باغداری و جدیداً توریستی غالب است. اکنون بسیاری از خانه‌ها در شیب‌های بیش از 15 درجه ساخته شده‌اند. همان‌طور که شکل (۸) و جدول (۶) نشان می‌دهند طبقه (V1) ۱۱ درصد، طبقه (V2) ۲۷ درصد، طبقه (V3) ۳۳ درصد، طبقه (V4) ۲۲ درصد و طبقه (V5) ۷ درصد منطقه را در برگرفته‌اند.

 

جدول ۶: مساحت هر طبقه تنوع در لایه تنوع زبری ناهمواری در منطقه به کیلومتر مربع

طبقه تنوع	زبری ناهمواری	درصد
V1	۴۱۱	۱۱
V2	۱۰۱۱	۲۷
V3	۱۲۶۴	۳۳
V4	۸۲۴	۲۲
V5	۲۷۴	۷

 

 

شکل ۸: نقشه تنوع زبری ناهمواری در منطقه

 

فاکتور خاک¹⁸

از نظر خاک‌شناسی، بستر شهر ساری بر روی دشت‌های آبرفتی دامنه‌ای استقرار یافته است. این ناحیه شامل اراضی نسبتاً مسطح دامنه ارتفاعات بوده که منتهی به آبرفت‌ها و واریزه‌های بادبزنی شکل سنگریزه دار می‌گردد و با شیب ملایم به‌طرف مرکز دشت کشیده می‌شود. این تیپ اراضی متشکل از مواد آبرفتی قدیمی است که به‌وسیله رودخانه‌های موقت و سیلاب‌ها حمل شده و به‌موازات کوه‌ها و در جهت عمود به آن‌ها رسوب‌گذاری شده است. دشت‌های دامنه‌ای برحسب نوع خاک، پستی و بلندی، شوری و قلیائیت، شیب و مواد تشکیل‌دهنده و قدمت مواد رسوب‌گذاری شده به واحدهای مختلف تقسیم می‌شود. در محدوده شهر ساری، دشت‌های کوچک و بزرگ تشکیل شده از رسوبات رودخانه یا اراضی پست ساحلی تقریباً مقعر بوده و قسمتی از اراضی پست و گود که اکثراً مسطح یا کمی گود به نظر می‌رسد، دارای شوری و در بعضی مواقع قلیائی نیز می‌باشد. پوشش خاکی اراضی مذکور عمیق به رنگ قهوه‌ای مایل به خاکستری با بافت سنگین تا خیلی سنگین رسی است که در لایه‌های زیرین دارای مقدار متوسط پودر آهک می‌باشد. همان‌طور که شکل (۹) و جدول (۷) نشان می‌دهند طبقه (V1) ۳ درصد، طبقه (V2) ۱۰ درصد، طبقه (V3) ۵۱ درصد، طبقه (V4) ۲۳ درصد و طبقه (V5) ۱۳ درصد منطقه را در برگرفته‌اند. قسمت‌های جنوبی منطقه نسبت شمال منطقه از تنوع خاک بیشتری برخوردار می‌باشند. بیشتر مساحت منطقه را طبقه (V3) با ۵۱ درصد در برگرفته است.

 

 

شکل ۹: نقشه تنوع خاک در منطقه

 

جدول ۷: مساحت هر طبقه تنوع در لایه تنوع خاک در منطقه به کیلومتر مربع

طبقه تنوع	خاک	درصد
V1	۴۹۱	۳
V2	۸۲۳	۱۰
V3	۱۸۵۴	۵۱
V4	۳۶۹	۲۳
V5	101	۱۳

 

شکل (۱۰)، تنوع ژئومورفودایورسیتی شهرستان ساری را بر پایه جمع وزنی شاخص‌های مطرح‌شده توسط مللی و همکاران (2017) و ناژور و زولینسکی (2014) نمایش می‌دهد. در این نقشه پنج طبقه (V1 تا V5) جهت نشان دادن دامنه تغییرات و میزان تنوع لند فرم‌ها و اشکال ژئومورفولوژی در سطح شهرستان استفاده شده است.

1. بخش‌های شمالی (V1 و V2) - کمترین تنوع

ناحیه شمالی شهرستان ساری، که عمدتاً با رنگ سبز (V1) و زرد (V2) مشخص است، پایین‌ترین میزان تنوع ژئومورفودایورسیتی را دارا می‌باشد. این مناطق شامل دشت‌های کم ارتفاع ساحلی تا حاشیه دریای خزر بوده و به دلیل شرایط جغرافیایی خاص، رسوبات آبرفتی، همواری شدید و نبود ناهمواری‌های برجسته، تنوع اشکال زمین در آن‌ها محدود است. این بخش‌ها بیشتر میزبان فعالیت‌های کشاورزی، سکونتگاه‌ها و زیرساخت‌های شهری هستند، که خود نشان‌دهنده اثرات انسان‌ساخت بر روند طبیعی کاهش تنوع ژئومورفولوژیک است.

2. مناطق میانی (V3) - تنوع متوسط

طبقه سوم (V3) بارنگ آبی عمدتاً در نواحی میانی شهرستان پراکنده است و معرف مناطقی است که ویژگی‌های فیزیوگرافی، ساختارهای زمین‌شناسی، و فرسایش یا ته‌نشست رودخانه‌ای موجب ایجاد ناهمواری و شکل‌گیری تنوع متوسط ژئومورفولوژیکی شده است. وجود دامنه‌های ملایم، تپه‌های پراکنده و برخی دره‌ها در این ناحیه، نشان‌دهنده تأثیر ترکیبی فرآیندهای طبیعی و نیمه انسان‌ساخت بر تنوع محیط است.

3. بخش‌های مرکزی، جنوبی و جنوب شرقی (V4 و V5) - بیشترین تنوع

قسمت اعظم و گسترده‌ای از شهرستان با رنگ‌های قرمز (V4) و قهوه‌ای (V5) نمایش داده شده که بالاترین درجات تنوع ژئومورفودایورسیتی متعلق به آن است. این نواحی غالباً کوهستانی و نیمه کوهستانی هستند، وجود ارتفاعات پیچیده، گسل‌ها، دامنه‌های شیب‌دار، صخره‌ها، و کارستی بودن برخی بخش‌ها باعث شده است که تنوع زمین‌شناسی، لند فرم، شیب، زبری ناهمواری و ارتفاع نسبی به حداکثر برسد؛ در این مناطق، فرآیندهای زمین‌ساختی فعال، فرسایش شدید، تفاوت بارز ارتفاعی، رودخانه‌ها و آبراهه‌های پرشیب و پیچ‌درپیچ، و لایه‌های زمین‌شناسی متفاوت، همگی موجب ایجاد چشم‌اندازهای متنوع و پتانسیل‌های منحصربه‌فرد زمین‌گردشگری و زیست‌محیطی شده‌اند. این طبقات بهترین مناطق برای توسعه ژئوتوریسم، پژوهش علوم زمین و حفاظت از میراث ژئومورفولوژیکی شهرستان محسوب می‌شوند.

جدول (8) مساحت هر طبقه تنوع در لایه تنوع خاک در منطقه به کیلومتر مربع نشان می‌دهد. بر اساس این داده‌ها، بیشترین سهم مساحت مربوط به طبقه V4 است که ۱۲۷۱ کیلومتر مربع را پوشش داده و معادل ۳۵ درصد از کل منطقه است. این نشان می‌دهد که بخش وسیعی از منطقه دارای سطح بالای تنوع خاک است و احتمالاً پراکنش یکنواختی ندارد. طبقه V1 با مساحت ۴۰۰ کیلومتر مربع و سهم ۱۱ درصدی کمترین میزان پوشش را دارد و به نظر می‌رسد مناطق با کمترین تنوع خاک در بخش‌های محدودی از منطقه متمرکز شده‌اند. به‌طور کلی، داده‌ها نشان می‌دهند که بیشتر منطقه در طبقات میانی و بالای تنوع خاک قرار دارد و بخش‌های کم تنوع نسبتاً کوچک هستند.

 

جدول ۸: مساحت هر طبقه تنوع در لایه تنوع خاک در منطقه به کیلومتر مربع

طبقه تنوع	تنوع ژئومورفودیوارسیتی	درصد
V1	۴۰۰	۱۱
V2	۴۸۷	۱۴
V3	۹۳۱	۲۶
V4	۱۲۷۱	۳۵
V5	۴۹۴	۱۴

 

 

 

شکل ۱۰: نقشه تنوع ژئومورفودایورسیتی در شهرستان ساری

 

یافته‌های ناشی از خوشه‌بندی مبتنی بر یادگیری ماشین

برای تحلیل دقیق‌تر الگوهای فضایی تنوع ژئومورفودایورسیتی در شهرستان ساری، از الگوریتم‌های خوشه‌بندی مبتنی بر یادگیری ماشین استفاده شد. جدول (۹) مقایسه ویژگی‌های خوشه‌های ژئومورفودایورسیتی شهرستان ساری را نشان می‌دهد. در این راستا، هفت لایه اطلاعاتی شامل زمین‌شناسی، تراکم زهکشی، شیب، لند فرم، ارتفاع نسبی، زبری ناهمواری و خاک که پیش‌تر تهیه و نرمال‌سازی شده بودند، به‌عنوان ورودی به الگوریتم‌های خوشه‌بندی داده شدند. هدف از این بخش، گروه‌بندی نواحی همگن بر اساس ویژگی‌های ژئومورفولوژیکی و شناسایی الگوهای پنهان در داده‌ها بود.

در این مطالعه، از الگوریتم‌های K-Means و DBSCAN به‌عنوان دو روش پرکاربرد خوشه‌بندی بهره گرفته شد. الگوریتم K-Means با تعیین مقدار بهینه خوشه‌ها از طریق شاخص‌هایی مانند معیار سیلوئت (Silhouette) و واریانس درون‌خوشه‌ای، اجرا شد. نتایج نشان داد که تقسیم‌بندی منطقه به چهار خوشه اصلی، تعادل مناسبی میان فشردگی درون‌خوشه‌ای و جدایی بین خوشه‌ها ایجاد می‌کند. الگوریتم DBSCAN نیز با تنظیم مناسب پارامترهای ε و MinPts، توانست نواحی پرت و غیر نرمال را از نواحی ساختاریافته تفکیک کند.

بر اساس نقشه خوشه‌بندی ارائه شده، شهرستان ساری به لحاظ ژئومورفودایورسیتی به چهار خوشه یا طبقه (V1، V2، V3، V4) تقسیم‌بندی شده است که هرکدام بیانگر میزان متفاوتی از تنوع زمین‌شناسی و ژئومورفولوژیکی در منطقه هستند. این خوشه‌بندی، بر مبنای شاخص‌ها و معیارهای انتخاب‌شده (مانند زمین‌شناسی، شیب، زبری ناهمواری، لند فرم، ارتفاع نسبی و …) انجام‌گرفته و وضعیت پراکنش فضایی عوامل را به‌خوبی نشان می‌دهد.

طبقه V1 (سبز)، نمایانگر کمترین میزان ژئومورفودایورسیتی بوده و عمدتاً در بخش‌های شمالی شهرستان قرارگرفته است؛ این نواحی نزدیک به دریای خزر، شامل دشت‌های هموار، اراضی آبرفتی و کشت پذیر و سکونتگاه‌های جمعیتی است. کم بودن تنوع اشکال زمین در این قسمت، ارتباط مستقیمی با فرایندهای رسوب‌گذاری و نبود پستی و بلندی غالب دارد. همین ویژگی باعث شده که این نواحی اغلب به‌عنوان مراکز توسعه شهری، فعالیت‌های کشاورزی و گردشگری ساحلی مورد استفاده قرار گیرند.

طبقه V2 (زرد)، بیانگر سطح تنوع پایین تا متوسط بوده و به‌صورت پراکنده در مرز مناطق دشتی و نیمه کوهستانی رؤیت می‌شود. این مناطق دارای ناهمواری‌های ملایم‌تر و اشکال ترکیبی از فرایندهای فرسایشی، ته‌نشست رسوبات رودخانه‌ها و تغییرات جزئی در ارتفاع هستند. این خوشه به‌منزله یک منطقه گذار محسوب می‌شود که بین دشت‌های شمالی و نواحی مرتفع‌تر جنوب و مرکز شهرستان قرارگرفته است.

طبقه V3 (قرمز)، بیشترین سطح پوششی را در مناطق میانی و جنوبی نقشه به خود اختصاص داده و معرف مناطق با ژئومورفودایورسیتی متوسط تا زیاد است. در این نواحی تنوع اشکال زمین افزایش می‌یابد و فرآیندهای متنوعی نظیر گسل خوردگی، فرسایش آبراهه‌ها، وجود دامنه‌ها و تپه‌های متعدد دیده می‌شود. چنین مناطقی اغلب گذرگاه رودخانه‌ها و دارای فرا خوراک پیچیده‌ای از پهنه‌های مرتفع، شیب‌ها و دره‌ها هستند. این طبقه از لحاظ علمی دارای اهمیتی ویژه است زیرا مناطق مستعد مطالعات بیشتر ژئومورفولوژی و ژئوتوریسم در آن‌ها قرار دارند.

در نهایت، طبقه V4 (بنفش/قهوه‌ای تیره)، بالاترین میزان ژئومورفودایورسیتی را نشان می‌دهد و عمدتاً به‌صورت کانونی و پیوسته در مناطق جنوبی و جنوب شرقی شهرستان برجسته شده است یا در بخش‌های مرکزی پهنه‌هایی از آن دیده می‌شود. این نواحی معمولاً دارای ناهمواری‌های تند، دامنه‌ها و یال‌های بلند، ارتفاعات و گسل‌های فعال، صخره‌ها و اشکال منحصر به فرد طبیعی هستند. ژئومورفولوژی بسیار متنوع این منطقه بیانگر فعالیت شدید فرآیندهای زمین‌ساختی، فرسایشی و رسوبی می‌باشد که باعث شکل‌گیری پتانسیل‌های کم‌نظیر ژئوهریتیج و ژئوتوریسم در این بخش از شهرستان شده است.

 

جدول ۹: مقایسه ویژگی‌های خوشه‌های ژئومورفودایورسیتی شهرستان ساری

خوشه 4 (کوهستانی جنوب)	خوشه 3 (دامنه‌ای/شرقی)	خوشه 2 (میانه)	خوشه 1 (دشت شمالی)	ویژگی / خوشه‌ها
۱۳۸۰	۶۸۰	۲۴۰	۳۵	میانگین ارتفاع (متر)
۶/۳۵	۴/۱۸	۸/۷	۵/۱	میانگین شیب (%)
۱/۳	۴/۲	۲/۱	۴۵/۰	تراکم زهکشی (km/km²)
بسیار بالا	بالا	متوسط	پایین	درجه زبری ناهمواری
بسیار زیاد	زیاد	متوسط	بسیار کم	تنوع زمین‌شناسی
خاک‌های کوهستانی سنگین	رس‌های قرمز و سنگ‌ریزه‌ای	لوم و رسی	آبرفتی	نوع خاک غالب
قله‌ها، دره‌های تند	دامنه‌های شرقی	تپه‌های ملایم	دشت، جلگه	لند فرم غالب
بسیار بالا	بالا	متوسط	پایین	پویایی ژئومورفولوژیک
۳۷٪	۲۹٪	۱۲٪	۲۲٪	درصد پوشش خوشه از منطقه

نقشه فضایی خوشه‌بندی (شکل ۱۱) نشان داد که با وجود پیوستگی جغرافیایی، تفاوت‌های معناداری در ویژگی‌های مورفولوژیکی بخش‌های مختلف شهرستان ساری وجود دارد. این تفاوت‌ها به‌واسطه عوامل زمین‌شناسی، اقلیمی، فرایندهای ژئومورفیک و همچنین تأثیرات انسانی شکل گرفته‌اند.

استفاده از خوشه‌بندی مبتنی بر یادگیری ماشین کمک کرد تا بدون مداخله ذهنی و صرفاً بر اساس شباهت‌های آماری موجود در داده‌ها، نواحی همگن از نظر ژئومورفودایورسیتی استخراج شود. این رویکرد ضمن کاهش پیچیدگی تحلیل‌های کلاسیک، امکان تصمیم‌گیری مکانی دقیق‌تر برای اهداف مدیریت سرزمین، حفاظت محیطی و برنامه‌ریزی فضایی را فراهم می‌سازد.

 

 

شکل 11:‌ نقشه خوشه‌بندی شهرستان ساری

 

نتیجه‌گیری

ژئومورفودایورسیتی علمی است که با شناسایی و معرفی تنوع‌های زمینی به برنامه‌ریزی و مدیریت حفاظت از طبیعت می‌پردازد. هدف این پژوهش شناسایی، تفسیر و ارزیابی عناصر تنوع زمینی به‌منظور سازمان‌دهی مناطق خاص و کل زمین و هماهنگی حفاظت یا مدیریت کارآمد است. بدین منظور در ابتدا هفت عامل تراکم زهکشی، زمین‌شناسی، خاک، وضعیت شیب، لند فرم، زبری ناهمواری و ارتفاع نسبی برای ارزیابی تنوع ژئومورفودایورسیتی بر اساس شاخص GmI در نظر گرفته شده است. یافته‌های پژوهش نشان داد که منطقه به لحاظ زمین‌شناسی از تنوع زیادی برخوردار است. و تمامی سنگ‌ها و سازندها از آذرین، رسوبی، دگرگونی، تراس‌های آبرفتی را در برمی‌گیرد که با نتایج پژوهش مقصودی و همکاران (۱۳۹۸) و Burnelli و همکاران (۲۰۲۵) مطابقت دارد. تنوع زمین‌شناسی در قسمت‌های جنوبی بیش از مناطق شمالی می‌باشد. بیست و یک درصد منطقه در طبقه زیاد و خیلی زیاد قرار دارند که با توجه به مساحت منطقه از تنوع زهکشی خوبی برخوردار می‌باشد که با نتایج پژوهش Burnelli و همکاران (۲۰۲۳) و López Bedoya و همکاران (۲۰۲۵) مطابقت دارد. یافته‌های پژوهش نشان داد که صخره‌ها فقط حدود ۶ درصد از رشته‌کوه را اشغال می‌کنند. شیب‌های طبقه پنج در مکان‌های مرتفع در قسمت‌های جنوبی محدوده یافت می‌شوند. مناطق مسکونی در شیب‌های کم و هموار گسترش یافته‌اند به‌خصوص مناطق شمالی منطقه که عمدتاً شهرهای قرارگرفته‌اند و مراکز توریستی واقع شده‌اند. ۲۲ درصد منطقه در طبقه زیاد و خیلی زیاد تنوع شیب قرار دارند. که به لحاظ توزیع مکانی در قسمت‌های جنوبی و مرکزی منطقه واقع شده‌اند. این نتایج با مطالعات Migon (۲۰۲۱) مطابقت دارد. نتایج نشان داد که تنوع ارتفاع نسبی از قسمت‌های جنوبی که مرتفع هستند به سمت ساحل که کم ارتفاع هستند کاهش می‌یابد این با نتایج پژوهش مختاری و همکاران (1401) مطابقت دارد. نقشه تنوع زبری ناهمواری نشان داد که بیش از ۳۸ درصد از محدوده در طبقه کم تا بسیار کم قرار دارند که با نتایج پژوهش مقصودی و همکاران (1398) مطابقت دارد و در قسمت‌های شمال منطقه واقع شده‌اند. نقشه نهایی تنوع ژئومورفودایورسیتی نشان داد بیش از نیمی از منطقه در کلاس تنوع زیاد و خیلی زیاد قرار دارد که با نتایج پژوهش مختاری و همکاران (۱۴۰۲)، Burnelli و همکاران (۲۰۲۵)، Bedoya و همکاران (۲۰۲۵) و سیستانی بدوئی (1400) مطابقت دارد. در این مطالعه هم به‌مانند مطالعات مختاری و همکاران (۱۴۰۲)، اسفندیاری و همکاران (1402) و سیستانی بدوئی (1400) به این نتیجه رسیده است نتایج حاصل از این پژوهش می‌تواند اهمیت تنوع زمینی را در منطقه نمایش داده و در زمینه مدیریت میراث ژئومورفولوژیک و چگونگی حفاظت بهتر از این منابع مورد استفاده مدیران و تصمیم‌گیرندگان قرار گیرد.

یافته‌های حاصل از تحلیل خوشه‌بندی مبتنی بر یادگیری ماشین با استفاده از روش‌های طبقه‌بندی بدون نظارت (نظیر ISODATA یا K-means) نیز تأییدی بر نتایج حاصل از شاخص GmI بود. در این تحلیل، لایه‌های منتخب شامل زمین‌شناسی، شیب، زهکشی، لند فرم، ارتفاع نسبی، زبری و خاک به‌عنوان ورودی الگوریتم‌های خوشه‌بندی وارد شده و با ادغام این متغیرها، مناطق همگن از نظر تنوع ژئومورفولوژیکی شناسایی شدند. نتایج نشان داد که منطقه به چند خوشه مشخص با ویژگی‌های متمایز تفکیک شد؛ به‌گونه‌ای که خوشه‌های با تنوع بالا عمدتاً در نواحی جنوبی و مرکزی محدوده که دارای شیب‌های تند، ارتفاعات زیاد، ناهمواری شدید و زمین‌شناسی متنوع بودند، تمرکز یافته‌اند. در مقابل، خوشه‌های با تنوع کمتر، در نواحی شمالی و حاشیه‌ای منطقه که خصوصیات زمین‌ریخت‌شناسی ساده‌تر، شیب ملایم و ارتفاع پایین دارند، مشاهده شدند.

این تقسیم‌بندی خوشه‌ای، امکان تحلیل فضایی دقیق‌تر و هدفمندتری از مناطق با اولویت حفاظتی بالاتر را فراهم کرده و به‌وضوح نشان داد که بسیاری از مناطقی که بر اساس شاخص GmI در طبقه‌های بالا قرار داشتند، در خوشه‌های با بیشترین میزان پیچیدگی ژئومورفولوژیکی نیز قرار گرفتند. این انطباق نشان‌دهندۀ دقت و اعتبار رویکرد خوشه‌بندی در تحلیل تنوع زمینی است. از این‌رو می‌توان گفت روش خوشه‌بندی در کنار شاخص GmI، ابزاری مکمل و کارآمد برای شناسایی، طبقه‌بندی و مدیریت بهینه مناطق دارای ارزش ژئومورفودایورسیتی محسوب می‌شود.

 

 

 

 

 

 

 

منابع

1- اسفندیاری، مهدیه، مختاری، داوود، رضائی مقدم، محمدحسین، (1402): کاربرد شاخص‌های ژئومورفومتریک در تعیین کمیت ژئودایورسیتی مناطق کوهستانی مطالعۀ موردی: کوهستان میشوداغی، شمال غرب ایران، مجله جغرافیا و برنامه‌ریزی محیطی، دوره 34، شماره 4. صص 1-22. 

Https://Doi.Org/10.22108/gep.2023.135108.1543

2- پورخسروانی، محسن، کریمی، صادق، دره کردی، زهرا، (1403)، ارزیابی ژئومورفودایورسیتی حوضه لوت، مجله آمایش جغرافیایی فضا، شماره 53، صص 78-63.

3- رئیسیان، میثم، ایلانلو، مریم، ابراهیمی، لیلا، بزرگمهر، کیا، (1400): بررسی میزان تاب‌آوری شهری با استفاده مدل Waspas و WP (نمونه موردی: شهر ساری)، مجله مدیریت جغرافیا و مخاطرات محیطی، دوره 10، شماره 37. صص 241-225. 

Https://Doi.Org/10.22067/geoeh.2021.69038.1023

4- سیستانی بدوئی، مسعود، فتوحی، صمد، نگارش، حسین، رامشت، محمدحسین، روستایی، مه آسا، (1400): بررسی تفاوت ژئودایورسیتی و ژئومورفودایورسیتی منطقۀ ساحلی دریای عمان و زون مکران از دماغۀ جاسک تا خلیج گواتر، مجله جغرافیا و توسعه، دوره 19، شماره 63، صص 66-39.

Https://Doi.Org/10.22111/j10.22111.2021.6169

5- مختاری، لیلا گلی، امیر احمدی، ابوالقاسم، زندی، رحمان، گنجی نیا، ملیحه، (1402): تحلیل تنوع زمینی (ژئودایورسیتی) در محدوده کوه‌های بینالود، مطالعات جغرافیایی مناطق خشک، دوره 14، شماره 52، صص 24-41.

6- مختاری، داود، رضایی مقدم، محمدحسین، اسفندیاری، مهدیه، (1401): شاخص ژئومورفودایورسیتی: کمی کردن تنوع چشم‌انداز طبیعی و لندفرم‌های کوهستان میشو، شمال غرب ایران، مجله پژوهش‌های ژئومورفولوژی کمی، دوره 11، شماره 3، صص 219-200.

Https://Doi.Org/10.22034/gmpj.2022.333913.1338

7- مقصودی، مهران، مقیمی، ابراهیم، یمانی، مجتبی، رضایی، ناصر، مرادی، انور، (۱۳۹۸): بررسی ژئومورفودایورسیتی آتش‌فشان دماوند و پیرامون آن بر اساس شاخص GmI، پژوهش‌های ژئومورفولوژی کمی، دوره 8، شماره 1، صص 52-69،

 

8- Alvioli, M. (2020): Administrative Boundaries And Urban Areas In Italy: A Perspective From Scaling Laws. Landscape And Urban Planning, 204, 103906. [Https://Doi.Org/10.1016/J.Landurbplan.2020.103906](Https://Doi.Org/10.1016/J.Landurbplan.2020.103906)

9- Arian, M., Et Al. (2021): Applying Quantitative Methods For Geodiversity Assessment In The Zagros Mountains, Iran. Geoheritage, 13, 31.

10- Bedoya, J. L. (2025): Ephemeral Geomorphodiversity: Conceptual Debate And Implications For Landscape Studies. Geomorphology, 471, 109569.

[Https://Doi.Org/10.1016/J.Geomorph.2025.109569](Https://Doi.Org/10.1016/J.Geomorph.2025.109569)

11- Brandolini, P., Cappadonia, C., Luberti, G., Donadio, C., Stamatopoulos, L., Di Maggio, C., Faccini, F., Stanislao, C., Vergari, F., Paliaga, G., Agnesi, V., Alevizos, G., & Del Monte, M. (2020): Geomorphology Of The Anthropocene In Mediterranean Urban Areas. Progress In Physical Geography: Earth And Environment, 44, Pp. 461–494.

     [Https://Doi.Org/10.1177/0309133319881108](Https://Doi.Org/10.1177/0309133319881108)

12- Brilha, J., Et Al. (2022): Geoheritage And Geodiversity In Iran: A Review. Geoheritage, 14(2), 167–184.

13- Bucci, F., Santangelo, M., Fongo, L., Alvioli, M., Cardinali, M., Melelli, L., & Marchesini, I. (2022): A New Digital Lithological Map Of Italy At The 1:100000 Scale For Geomechanical Modelling. Earth System Science Data, 14, 4129–4151. [Https://Doi.Org/10.5194/Essd-14-4129-2022](Https://Doi.Org/10.5194/Essd-14-4129-2022)

14- Burnelli, M., Alessia, P., Maurizio Del, M., & Michele, D. (2023): Land Surface Diversity: A Geomorphodiversity Index Of Italy. Earth Surface Processes And Landforms, 48(15), 3025–3040. [Https://Doi.Org/10.1002/Esp.5679](Https://Doi.Org/10.1002/Esp.5679)

15- Burnelli, M., Alessia, P., Maurizio Del, M., Michele, D., Melelli, L., Reame, F., Vergari, F., & Alvioli, M. (2025): Does Anthropogenic Morphogenesis Contribute To Geomorphodiversity In Urban Environments? Geomorphology, 471, 109582.

[Https://Doi.Org/10.1016/J.Geomorph.2024.109582](Https://Doi.Org/10.1016/J.Geomorph.2024.109582)

16- Emami, H., Et Al. (2022): A Framework For Integrating Geodiversity Into Environmental Management In Iran. Geoheritage, 14, 120.

17- Gneiss, J. (1967): Geology Of The Windsor Quadrangle, Massachusetts. Open-File Report Pp. 67-170.

18- Gray, M. (2008): Geodiversity: Developing The Paradigm. Proceedings Of The Geologists’ Association, 119, 287–298.

      [Https://Doi.Org/10.1016/S0016-7878(08)80307-0](Https://Doi.Org/10.1016/S0016-7878%2808%2980307-0).

19- Hamilton, R., & Rae, A. (2020): Regions From The Ground Up: A Network Partitioning Approach To Regional Delineation. Environment And Planning B: Urban Analytics And City Science, 47, Pp. 775–789.

 [Https://Doi.Org/10.1177/2399808318804226](Https://Doi.Org/10.1177/2399808318804226)

20- Hiwahashi, J., & Yamazaki, D. (2022): Global Polygons For Terrain Classification Divided Into Uniform Slopes And Basins. Progress In Earth And Planetary Science, 9, 33. [Https://Doi.Org/10.1186/S40645-022-00487-2](Https://Doi.Org/10.1186/S40645-022-00487-2)

21- López Bedoya, J., Raúl, A., & Mikkan, Valcárcel Díaz, M. (2025): Ephemeral Geomorphodiversity: Conceptual Debate, Valuation, And Heritage Management. Geomorphology, 471, 109569.

[Https://Doi.Org/10.1016/J.Geomorph.2024.109569](Https://Doi.Org/10.1016/J.Geomorph.2024.109569)

22- Melelli, L., Vergari, F., Liucci, L., & Del Monte, M. (2017): Geomorphodiversity Index: Quantifying The Diversity Of Landforms And Physical Landscape. Science Of The Total Environment, 584, Pp. 701–714.

23- Migon, P. (2021): Assessing Regional Geodiversity: The Iberian Peninsula. Geomorphology, 471, 109569.

[Https://Doi.Org/10.1016/J.Geomorph.2021.109569](Https://Doi.Org/10.1016/J.Geomorph.2021.109569)

24- Mortezaei, K., Et Al. (2021): Assessment Of Geodiversity And Geoconservation Priorities In The Alborz Mountains, Iran. Geoheritage, 13(4), 93.

25- Mosavi, S. J., Et Al. (2021): Geoconservation And Geodiversity Potential Of The Makran Coastal Region, SE Iran. Geoheritage, 13, 75.

26- Najwer, A., & Zwoliński, Zb. (2014): The Landform Geodiversity Assessment Method – A Comparative Analysis For Polish And Swiss Mountainous Landscape. IGU 2014 Book Of Abstracts, 1201.

27- Schiavina, M., Melchiorri, M., Freire, S., Florio, P., Ehrlich, D., Tommasi, P., Pesaresi, M., & Kemper, T. (2022): Land Use Efficiency Of Functional Urban Areas: Global Pattern And Evolution Of Development Trajectories. Habitat International, 123, 102543. [Https://Doi.Org/10.1016/J.Habitatint.2022.102543](Https://Doi.Org/10.1016/J.Habitatint.2022.102543)

28- Thomas, M. (2012): A Geomorphological Approach To Geodiversity: Its Applications To Geoconservation And Geotourism. Quaestiones Geographicae, 31, 81–89.

29- United Nations. (2018): The World’s Cities In 2018. Department Of Economic And Social Affairs, Population Division. Data Booklet, ST/ESA/ SER.A/417.

30- Zamani, M., Et Al. (2020): Mapping Geodiversity For Geoheritage Site Management: A Case Study From The Lut Desert, Iran. Geoheritage, 12, 60.

31- Zumpano, V., Ardizzone, F., Bucci, F., Cardinali, M., Fiorucci, F., Parise, M., Pisano, L., Reichenbach, P., Santaloia, F., Santangelo, M., Wasowski, J., & Lollino, P. (2021): The Relation Of Spatio–Temporal Distribution Of Landslides To Urban Development (A Case Study From The Apulia Region, Southern Italy). Journal Of Maps, 17, Pp. 133–140. [Https://Doi.Org/10.1080/17445647.2020.1746417](Https://Doi.Org/10.1080/17445647.2020.1746417)

32- Zwoliński, Z., Najwer, A., & Giardino, M. (2018): Chapter 2 – Methods For Assessing Geodiversity. In E. Reynard & J. Brilha (Eds.), Geoheritage (Pp. 27–52). Elsevier. [Https://Doi.Org/10.1016/B978-0-12-809531-7.00002-2](Https://Doi.Org/10.1016/B978-0-12-809531-7.00002-2).

 

---

[1] * نویسنده مسئول:                                                                          Email: [e-mail]

[2]  - Geodiversity

[3]  - Geomorphodiversity

[4]  - Burnelli

[5]  ‌- López Bedoya

[6]  - Burnelli

[7]  - Thomas

[8]  - Najwer, Zwoliński

[9]  - Melelli

[10]  - Machine Learning Clustering

[11]  - unsupervised learning

[12]  - Curvature

[13]  - Geological diversity factor

[14]  - Drainage Density Variation Factor

[15]  - Slope condition index diversity factor

[16]  - landform classification diversity factor

[17]  - Relative height factor

[18]  - Soil factor