کاربرد الگوریتم هوش جمعی کلونی زنبورهای مصنوعی در بهینه‌سازی تخمین و پهنه‌بندی شدّت فرسایش باد با استفاده از داده‌های ژئومورفولوژی (مطالعه موردی: حوضه آبریز دشت بیرجند، استان خراسان جنوبی)

برای تخمین شدّت فرسایش باد که وسیع ترین قلمرو فعّالیّت را دارد، استفاده از مدل‌های منطقه‌ای اجتناب‌ناپذیر است. این مدل‌ها، تجربی بوده و مبتنی بر مولّفه‌هایی هستند که از طریق امتیازدهی در آستانه‌های تعیین‌شده به تخمین فرسایش منجر می‌شوند. تفاوت تجربیات و متغیّر بودن مولّفه‌های ورودی این مدل ها، باعث بروز ناسازگاری و کاهش قابلیّت اعتماد تخمین‌ها می‌شود. هدف از این مطالعه، بهینه‌سازی تخمین فرسایش باد در حوضه آبریز دشت بیرجند از طریق کمینه نمودن ناسازگاری امتیازات مولّفه‌های ورودی مدل مورد استفاده است. برای این منظور، مدل تجربی پهنه‌بندی شدّت فرسایش باد سازمان جنگل‌ها و مراتع ایران  با استفاده از الگوریتم هوش جمعی کلونی زنبورهای مصنوعی، بهینه‌سازی شده است. پس از تعیین امتیازات مولّفه‌های مدل اوّلیه، منطقه مورد مطالعه به پیکسل‌های 200×200 مترمربعی تبدیل و با استفاده از دستگاه مختصات قطبی به 82 ناحیه تقسیم شد. سپس الگوریتم بهینه‌سازی کلونی زنبورها در سه مرحله شامل: 1 تخصیص، 2 پایش و 3 نتیجه‌گیری توسّط زنبورها، اجرا و پیکسل‌های با بیشترین پتانسیل فرسایش شناسایی شده‌اند. نتایج، نشانگر انتقال حدود 49% از مساحت طبقات فرسایش باد در مدل سازمان جنگل‌ها و مراتع ایران به طبقات فرسایشی بالاتر در روش الگوریتم کلونی زنبورها است. بر این اساس، الگوریتم کلونی زنبورها حسّاسیت بسیار زیادی در ارائه طبقه‌بندی کلاس‌های فرسایش باد دارد. آزمون واریانس مساحت کلاس‌های فرسایشی حاصل از دو روش، حاکی از قابلیّت اطمینان بیشتر به نتایج روش الگوریتم کلونی زنبورها است. بیشترین نرخ فرسایش در لندفرم مخروط افکنه‌ها رخ داده و بیش از 90% کانون‌های فرسایش در واحد ژئومورفولوژیک دشت‌سر واقع شده است.