سنجش ازدور
مهدی فیض اله پور
چکیده
خشکسالی پس از طوفان پر هزینه ترین رویداد آب و هوایی جهان به شمار می آید. تشخیص به موقع خشکسالی و پیش بینی وقوع آن باعث کاهش هزینه ها و نجات جان انسان ها می گردد. در این تحقیق به منظور ارزیابی بهترین شاخص در برآورد تنش رطوبتی و خشکسالی از 8 شاخص NDVI، NDWI، VCI، SR، MSI، SIWSI، NDII و NMI استفاده شده و تالاب شادگان در بازه زمانی 2018 تا 2023 مورد بررسی قرار ...
بیشتر
خشکسالی پس از طوفان پر هزینه ترین رویداد آب و هوایی جهان به شمار می آید. تشخیص به موقع خشکسالی و پیش بینی وقوع آن باعث کاهش هزینه ها و نجات جان انسان ها می گردد. در این تحقیق به منظور ارزیابی بهترین شاخص در برآورد تنش رطوبتی و خشکسالی از 8 شاخص NDVI، NDWI، VCI، SR، MSI، SIWSI، NDII و NMI استفاده شده و تالاب شادگان در بازه زمانی 2018 تا 2023 مورد بررسی قرار گرفت. برای بررسی تغییرات دمایی نیز از شاخص LST بهره گرفته شد. به منظور تعیین مناسب ترین شاخص، ضریب همبستگی پیرسون بین شاخص ها برآورد شده و کارایی هر شاخص در مقیاس چادوک نشان داده شد. بر این اساس شاخص های NDWI، MSI، NMI و LST بیشترین همبستگی را داشته و بر اساس مقیاس چادوک در 5 مورد، شاخص های NDWI و MSI از همبستگی قوی و بسیار قوی برخوردار بوده و بین این دو شاخص همبستگی قوی در حدود 99/0- برقرار بوده است. همبستگی بین دو شاخص LST و NDWI نیز به صورت منفی بوده و حدود 73/0- برآورد گردید. به علت حاکمیت شرایط نیمه خشک در منطقه، شاخص های مبتنی بر پوشش گیاهی از قابلیت بسیار ضعیفی در برآورد خشکسالی برخوردار بوده و همبستگی بین NDVI و NDWI نیز در حدود 05/0 بوده است. لذا بر این اساس می توان چنین نتیجه گیری کرد که در تالاب شادگان شاخص های مبتنی بر تنش های رطوبتی و دمایی نسبت به شاخص های پوشش گیاهی از قابلیت بهتری در برآورد خشکسالی برخوردار بوده اند.
بهروز سبحانی؛ لیلا جعفرزاده علی آباد؛ وحید صفریان زنگیر
دوره 6، شماره 21 ، اسفند 1398، ، صفحه 181-202
چکیده
پدیدهی خشکسالی مختص ناحیه ای خاص نبوده و مناطق مختلف جهان از آن متأثر میباشد، یکی از این مناطق، ایران در جنوب غرب آسیا میباشد که در چند سال اخیر از این پدیده رنج میبرد. هدف پژوهش حاضر مدلسازی، تحلیل و پیشبینی خشکسالی در ایران میباشد. برای این کار ابتدا پارامترهای اقلیمی: بارش، دما، ساعات آفتابی، حداقل رطوبت نسبی و ...
بیشتر
پدیدهی خشکسالی مختص ناحیه ای خاص نبوده و مناطق مختلف جهان از آن متأثر میباشد، یکی از این مناطق، ایران در جنوب غرب آسیا میباشد که در چند سال اخیر از این پدیده رنج میبرد. هدف پژوهش حاضر مدلسازی، تحلیل و پیشبینی خشکسالی در ایران میباشد. برای این کار ابتدا پارامترهای اقلیمی: بارش، دما، ساعات آفتابی، حداقل رطوبت نسبی و سرعت باد در بازهی زمانی 29 ساله (2018- 1990) در 30 ایستگاه ایران مورد استفاده قرار گرفت. برای مدلسازی، شاخص فازی T.I.B.I ابتدا چهار شاخص (SET, SPI, SEB, MCZI) با استفاده منطق فازی در نرمافزار Matlab فازی‌سازی شدند و در نهایت برای پیش بینی از مدل شبکه ی عصبی مصنوعی تطبیقی Anfis بهره گرفته شد. یافته های پژوهش نشان داد شاخص فازی نوین T.I.B.I طبقات خشکسالی، چهار شاخص مذکور را با دقت بالا در خود منعکس کرد. از بین 5 پارامتر اقلیمی مورد استفاده در این پژوهش، پارامتر دما و بارش در نوسان شدت خشکسالی بیشترین تأثیر را داشت. شدت خشکسالی براساس مدلسازی صورت گرفته در مقیاس 6 ماهه بیشتر از 12 ماهه بود، بیشترین درصد رخداد خشکسالی در ایستگاه بندرعباس با مقدار (30/24) در مقیاس 12 ماهه و کمترین آن در ایستگاه شهرکرد با مقدار درصد فراوانی خشکسالی (36/0) درصد در مقیاس 6 ماهه اتفاق افـتاده است. پیشبینی خشکسالی شـاخص فازی T.I.B.I بر اساس مـدل Anfis ایستگاه‌های بندرعباس، بوشهر و زاهدان به ترتیب با مقدار شاخص T.I.B.I (62/0، 96/0 و 97/0) در نیمه جنوبی ایران بیشتر در معرض خشکسالی قرار گرفتند. براساس نتایج کلی پژوهش در هر دو مقیاس 6 و 12 ماهه مناطق نیمه جنوبی ایران از شدت بیشتر خشکسالی برخوردار شد که نیازمند مدیریت دقیق و کارآمد در مدیریت منایع آبی در این مناطق میباشد.
حسن ترابی پوده؛ بابک شاهی نژاد؛ رضا دهقانی
دوره 5، شماره 14 ، خرداد 1397، ، صفحه 179-197
چکیده
چکیده
خشکسالی یکی از پدیده‌های آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع می‌پیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه ایفا می‌نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، ...
بیشتر
چکیده
خشکسالی یکی از پدیده‌های آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع می‌پیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه ایفا می‌نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکهی عصبی موجک استفاده شد و نتایج آن با سایر روشهای هوشمند از جمله شبکهی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دورهی آماری (1372-1392) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدلها انتخاب گردید. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکهی عصبی موجک عملکرد بهتری نسبت به شبکهی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکهی عصبی موجک میتواند در زمینه تخمین خشکسالی موثر باشد.
رضا قضاوی؛ مجید رمضانی‌سربندی
دوره 4، شماره 12 ، آذر 1396، ، صفحه 111-129
چکیده
چکیده افزایش جمعیت و افزایش نیاز آبی در بخش‌های مختلف کشاورزی، صنعتی، شرب و بهداشت باعث برداشت بیش از حد مجاز از منابع آب زیرزمینی در دشت‌ها شده است. هدف از انجام این مطالعهی بررسی روند تغییرات کمی و کیفی آبهای زیر زمینی و پهنهبندی این تغییرات در دشت رفسنجان است. برای انجام این مطالعهی ابتدا آمار دادههای سطح ایستابی ...
بیشتر
چکیده افزایش جمعیت و افزایش نیاز آبی در بخش‌های مختلف کشاورزی، صنعتی، شرب و بهداشت باعث برداشت بیش از حد مجاز از منابع آب زیرزمینی در دشت‌ها شده است. هدف از انجام این مطالعهی بررسی روند تغییرات کمی و کیفی آبهای زیر زمینی و پهنهبندی این تغییرات در دشت رفسنجان است. برای انجام این مطالعهی ابتدا آمار دادههای سطح ایستابی در 80 پیزومتر به صورت کمی و در 50 چاه به صورت کیفی به عنوان چاه‌های منتخب تهیه شد. برای بررسی نوسانات سالیانهی سطح آب زیرزمینی، هیدروگراف دشت تهیه شد و تأثیر بارش و میزان برداشت برتغییرات سطح آبهای زیرزمینی در سالهای مختلف از طریق رابطهی همبستگی مورد تجزیه و تحلیل قرار گرفت. برای بررسی تغییرات کیفی، نقشههای کیفیت با روش ویلکوکس در ابتدا و انتهای دوره تهیه و مقایسه شد. بر اساس نتایج حاصل شده نقشههای کمی و کیفی آبهای زیرزمینی به روش میانیابی کریجینگ معمولی و با استفاده از سیستم اطلاعات جغرافیایی (GIS) تهیه شد. نتایج حاصل از این مطالعه نشاندهندهی افت کیفیت و سطح آبهای زیرزمینی منطقه است به طوری که متوسط افت سالانه سطح آبهای زیر زمینی دشت حدود 8/0 متر در سال بوده است و این افت در طول دورهی مورد مطالعه (1381-1391) روند افزایشی داشته است به طوری که متوسط افت سالانه در سال اول مطالعه از 99/8 درصد به 48/9 درصد در سال آخر رسیده است. براساس نتایج حاصل برداشت بیش از حد از منابع آب زیرزمینی در اراضی کشاورزی عامل اصلی کاهش کیفیت و افزایش افت سطح آبهای زیرزمینی در منطقه میباشد.
محمدتقی ستاری؛ رسول میرعباسی نجف آبادی؛ مسعود علیمحمدی
دوره 3، شماره 8 ، آذر 1395، ، صفحه 73-92
چکیده
در کشورهای خشک و نیمه خشکی مانند ایران، پیشبینی دقیق خشکسالیها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم‌های منابع آب ایفا می‌کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسبترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیشبینی SPI از مدل درختی M5 استفاده ...
بیشتر
در کشورهای خشک و نیمه خشکی مانند ایران، پیشبینی دقیق خشکسالیها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم‌های منابع آب ایفا می‌کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسبترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیشبینی SPI از مدل درختی M5 استفاده گردید. بدین منظور از دادههای بارش ماهانه ایستگاه همدیدی مراغه در یک دورهی 25 ساله (89-1365) استفاده و شاخص SPI در مقیاس 6 ماهه استخراج گردید. نـتایج نشان داد که شهرسـتان مراغه در دو دهـهی اخیر با خشکسالیهای پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M5 اقدام به پیشبینی مقادیر شاخص SPI در مقیاس زمانی 6 ماهه برای 1 تا 12 ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاسهای زمانی گذشته بیشترین تأثیر را نسبت به پارامترهای دیگر در پیشبینی شاخص بارش استاندارد شده دارد و با افزایش طول دورهی پیشبینی از دقت مدت کاسته میشود. به طوری که در محاسبه SPI6 برای یک ماه آینده مقدار ضریب همبستگی حدود 94/0 به دست آمد که این مقدار برای 12 ماه آینده به حدود 40/0 کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M5 با ارایهی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتاً بالایی در پیشبینی خشکسالی برخوردار است.
