همگن‌بندی حوزه‌های آبخیز با رهیافت تلفیقی سامانه اطلاعات جغرافیایی و تحلیل‌های آماری چند متغیره، مطالعه موردی:حوزه‌ آبخیز‌ کارون

درک روابط پیچیده و نحوه تاثیر متغیرهای متعدد طبیعی و انسانی در یک حوزه آبخیز به ‌سادگی امکان‌پذیر نیست. در چنین شرایطی تلفیق تحلیل‌های آماری چند متغیره و تحلیل‌های مکانی سبب استخراج اطلاعاتی مفید و قابل ‌درک از یک مجموعه داده پیچیده می‌شوند. در این پژوهش، اطلاعات شش گروه از داده‌های توپوگرافی، اقلیمی، خاک، آب، اقتصادیاجتماعی و داده‎های ماهواره‎ای حوزه آبخیز کارون با تلفیق سامانه اطلاعات جغرافیایی و تحلیل‌های آماری چند متغیره مورد مطالعه قرار گرفت. با استفاده از تحلیل عاملی، شش عامل اصلی که در مجموع 83.270 درصد واریانس داده‌ها را پوشش می‌دهند، شناسایی شد. سپس با ورود این شش عامل در تحلیل خوشه‌ای، ابتدا تعداد بهینه خوشه‌های نهفته در داده‌ها شناسایی و از روش خوشه‌بندی k میانگین، حوزه آبخیز کارون به 16 ناحیه همگن تقسیم‌بندی شد و از تحلیل تشخیصی نیز برای اعتبارسنجی خوشه‌بندی استفاده شد. دو خوشه 7 و 12 با فاصله اقلیدسی 8.471 بین مراکز دو خوشه به‌عنوان متفاوت‌ترین خوشه‌ها و دو خوشه 14 و 6 با فاصله اقلیدوسی 1.561 به‌عنوان شبیه‌ترین خوشه‌ها، طبقه‌بندی شدند. آزمون مقایسه میانگین 16 منطقه همگن، نشان داد که در مواردی دو منطقه از نظر اقلیمی و توپوگرافی شرایط یکسانی دارند، اما متغیرهای اقتصادیاجتماعی سبب تمایز آن‌ها می‌شود. جداسازی مناطق همگن سبب فراهم ‌شدن امکان مقایسه و شناسایی مناطق مشابه به‌عنوان واحدهای کاری و اولویت‌بندی آن‌ها برای انجام طرح‌های مطالعاتی و اجرایی مقابله با پدیده‌های مخربی از جمله بیابان‌زایی، فرسایش خاک، خشک‌سالی و سیل می‌شود.

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

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 socioeconomic, 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.