تعداد نشریات | 161 |
تعداد شمارهها | 6,573 |
تعداد مقالات | 71,032 |
تعداد مشاهده مقاله | 125,502,201 |
تعداد دریافت فایل اصل مقاله | 98,766,178 |
پایش و پیشبینی وضعیت خشکسالی با استفاده از شاخص بارندگی استاندارد (SPI) و شبکۀ عصبی پرسپترون چندلایه (مطالعۀ موردی: استان های تهران و البرز) | ||
مجله اکوهیدرولوژی | ||
مقاله 7، دوره 2، شماره 4، دی 1394، صفحه 417-428 اصل مقاله (1 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2015.58068 | ||
نویسندگان | ||
محمدحسین جهانگیر* 1؛ میمنه خوش مشربان2؛ حسین یوسفی1 | ||
1استادیار گروه انرژیهای نو و محیط زیست، دانشکدۀ علوم و فنون نوین، دانشگاه تهران | ||
2دانشجوی کارشناسی ارشد رشتۀ مهندسی طبیعت، دانشکدۀ علوم و فنون نوین، دانشگاه تهران | ||
چکیده | ||
خشکسالی یکی از پدیدههای تکرارشونده در تمامی نقاط با اقلیمهای پربارش و کمبارش است و بلایی طبیعی بهشمار میرود. ایران نیز از جمله کشورهایی است که با این پدیده در نقاط مختلف بهخصوص حوضۀ رودخانهها درگیر است. استان تهران بهدلیل اهمیت آن از نظر سیاسی و اجتماعی با رشد روزافزون جمعیت مواجه است که این امر به کاهش منابع آبی این استان دامن میزند. در این پژوهش به استان البرز که در گذشته یکی از شهرهای استان تهران محسوب میشد، توجه شد. خسارات واردشده از خشکسالی به این منطقه از نوع اقتصادیـ اجتماعی است. در این پژوهش پایش و پیشبینی وضعیت خشکسالی، با استفاده از اطلاعات بارش 38 ایستگاه بارانسنجی در محدودۀ دو استان تهران و البرز، بهوسیلۀ شاخص بارندگی استاندارد (SPI) در بازۀ زمانی 31 ساله بین سالهای آبی 1362ـ 1363 تا 1392ـ 1393 در میانگینهای زمانی 3، 6، 9، 12 و 24 ماهه انجام گرفت. نتایج بررسی شاخص SPI12 نشان داد حدود نیمی از ایستگاه در کل دورۀ مطالعاتی وضعیت نرمال داشتهاند و حدود یکسوم ایستگاهها در این مدت وضعیت خشکسالی را پشت سر گذاشتهاند. با توجه به مقادیر عددی شاخص SPI دو بازۀ زمانی 1375ـ 1376 و 1377ـ 1378 بهعنوان سالهایی که یک دورۀ کامل خشکسالی را تجربه کردهاند، انتخاب شدند. دورههای خشکسالی شدید و خیلی شدید، شدیدترین مقدار خشکسالی (کمترین مقدار SPI) برای تعدادی از ایستگاهها در دورههای 3، 6، 9، 12 و 24 ماهه محاسبه شد. همچنین پیشبینی با روش شبکۀ عصبی پروسپترون چندلایه انجام شد بهطوریکه حاصل به مقادیر مشاهداتی بسیار نزدیک بود. | ||
کلیدواژهها | ||
استان تهران؛ پهنه بندی؛ پیش بینی خشکسالی؛ شاخص بارندگی استاندارد؛ شبکۀ عصبی پروسپترون | ||
مراجع | ||
1- حجازیزاده، زهرا؛ جویزاده، سعید؛ مقدمهای بر خشکسالی و شاخصهای آن، 1389، انتشارات سمت، 358 ص. 2- حسینی موغاری، سید محمد؛ 1392، توسعۀ سامانۀ پایش و پیشبینی خشکسالی (مطالعۀ موردی: حوضۀ گرگانرود)، پایاننامۀ کارشناسی ارشد، دانشگاه تهران، پردیس کشاورزی و منابع طبیعی، 144 ص. 3- سامانۀ خشکسالی هواشناسی ایران، آخرین دسترسی : 25/02/1394 http://drought.iranhydrology.net/DroughtinIran.htm.
4- کارآموز، محمد؛ و عراقینژاد، شهاب؛ هیدرولوژی پیشرفته. 1390، انتشارات دانشگاه صنعتی امیرکبیر، 460 صفحه. 5- مجلۀ اینترنتی خلیجفارس، آخرین دسترسی: 22/02/1395 http://parssea.org/?p=2643
6- مرید، سعید؛ پایمزد، شهلا. «مقایسۀ روشهای هیدرولوژیکی و هواشناسی جهت پایش روزانۀ خشکسالی در تهران». علوم و فنون کشاورزی و منابع طبیعی، سال یازدهم، ش 42، زمستان 1386، از ص 325 تا 333. 7- Araghinejad, S. 2014. Data-driven Modeling: Using MATLAB in Water Resources and Environmental Engineering. Springer.Mishra A. K., Desa, V. R. and Singh, V. P. 2007. Drought Forecasting Using a Hybrid Stochastic and Neural Network Model. Journal of Hydrologic Engineering, 12(6):626–638.
8- Chu P.S., Nash A.J., and Porter F.Y. 1993. Diagnostic studies of two contrasting rainfall episodes in Hawaii: Dry 1981 and wet 1982. Journal of climate, 6(7):1457-1462.
9- Karamouz, M., and Araghinejad S. 2009. Advanced Hydrology. Amirkabir University Press. Tehran.
10- McKee T.B., Doesken N.J., and Kleist J. 1993. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology, 17(22):179-183.
11- McKee T.B., Doesken N.J., and Kleist J. 1995. Drought monitoring with multiple time scales, Ninth Conference on Applied Climatology, American Meteorological Society, Boston, Massachusetts, 233-236.
12- Morid S., Smakhtin V., and Bagherzadeh K. 2007. Drought forecasting using artificial neural networks and time series of drought indices. International Journal of Climatology, 27(15):2103-2111.
13- Mishra A. K., Desa, V. R. and Singh, V. P. 2007. Drought Forecasting Using a Hybrid Stochastic and Neural Network Model. Journal of Hydrologic Engineering, 12(6):626–638.
14- Palmer W.C. 1965. Meteorological drought. Washington, DC, USA: US Department of Commerce, Weather Bureau, 58 p.
15- Vafakhah M., and Bashari M. 2011. Probability study of hydrological drought and wet period’s occurrence using markov Chain in Kashafrood Watershed. Watershed Management Research (Pajouhesh&Sazandegi), 25(1):1-9. (In Persian with English abstract)
16- WilhiteD.A.,andPulwartyR.S. 2005. Drought and water crises: lessons learned and the road ahead. Drought and water crises, 431 p.
17- Wilhite D.A., Hayes M.J., Knutson C., and Smith K.H. 2000. Planning for Drought: Moving from Crisis to Risk Management. Journal of the American Water Resources Association, 36(4):697-710.
| ||
آمار تعداد مشاهده مقاله: 2,295 تعداد دریافت فایل اصل مقاله: 1,612 |