سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,032
تعداد مشاهده مقاله125,502,158
تعداد دریافت فایل اصل مقاله98,766,122
جوانشیری, زهره, صادقی, حدیث, اسعدی اسکویی, ابراهیم, غلامی, مازیار. (1402). تعیین بهترین تابع توزیع احتمال برای برآورد بارش فصل رشد برنج در مناطق عمده برنجکاری کشور. , 55(2), 51-69. doi: 10.22059/jphgr.2023.355068.1007748
زهره جوانشیری; حدیث صادقی; ابراهیم اسعدی اسکویی; مازیار غلامی. "تعیین بهترین تابع توزیع احتمال برای برآورد بارش فصل رشد برنج در مناطق عمده برنجکاری کشور". , 55, 2, 1402, 51-69. doi: 10.22059/jphgr.2023.355068.1007748
جوانشیری, زهره, صادقی, حدیث, اسعدی اسکویی, ابراهیم, غلامی, مازیار. (1402). 'تعیین بهترین تابع توزیع احتمال برای برآورد بارش فصل رشد برنج در مناطق عمده برنجکاری کشور', , 55(2), pp. 51-69. doi: 10.22059/jphgr.2023.355068.1007748
جوانشیری, زهره, صادقی, حدیث, اسعدی اسکویی, ابراهیم, غلامی, مازیار. تعیین بهترین تابع توزیع احتمال برای برآورد بارش فصل رشد برنج در مناطق عمده برنجکاری کشور. , 1402; 55(2): 51-69. doi: 10.22059/jphgr.2023.355068.1007748

تعیین بهترین تابع توزیع احتمال برای برآورد بارش فصل رشد برنج در مناطق عمده برنجکاری کشور

پژوهش های جغرافیای طبیعی
مقاله 3، دوره 55، شماره 2، مرداد 1402، صفحه 51-69    اصل مقاله (2.75 M)
نوع مقاله: مقاله کامل
شناسه دیجیتال (DOI): 10.22059/jphgr.2023.355068.1007748
نویسندگان
زهره جوانشیری1؛ حدیث صادقی2؛ ابراهیم اسعدی اسکویی* 3؛ مازیار غلامی4
1گروه اقلیم‌شناسی کاربردی، پژوهشکده اقلیم‌شناسی، پژوهشگاه هواشناسی و علوم جو
2گروه جغرافیای طبیعی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران،
3گروه بلایای طبیعی و تغییر اقلیم، پژوهشکده اقلیم‌شناسی، پژوهشگاه هواشناسی و علوم جو.
4گروه محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
بارش علیرغم تأمین آب دارای نقش‌های متعدد و متضادی در طول دوره زراعت برنج است و انتخاب مناسب توزیع احتمال رخداد آن گام مهمی در برنامه‌ریزی مدیریت منابع آب و تنظیم تقویم کشت و کاهش خسارت در شالی‌کاری است. در پژوهش حاضر، برای تعیین مناسب‌ترین توزیع‌های احتمال بارش در طول فصل رشد برنج، از داده‌های 8 ایستگاه سینوپتیک سواحل جنوبی دریای خزر شامل ایستگاه‌های آستارا، بندر انزلی، رشت، رامسر، بابلسر، قراخیل، نوشهر و گرگان با طول دوره آماری 30 ساله (1991-2020) استفاده شد. پس از کنترل کیفیت و همگن‌سازی داده‌ها، توزیع‌های برنولی-لوگ نرمال، برنولی-ویبول و برنولی-گاما بر داده‌های بارش در مقیاس‌های زمان روزانه (در پنجره‌هایی به طول سه روز بدون همپوشانی) و همچنین طول فصل رشد برنج برازش داده شدند. برای شناخت مناسب‌ترین توزیع از آزمون نیکویی برازش کلموگروف-اسمیرنوف (K-S) و شاخص آکائیک (AIC) استفاده شد. نتایج به‌دست‌آمده نشان داد توزیع برنولی-گاما مناسب‌ترین توزیع احتمالاتی برای برآورد بارش فصل رشد برنج در سواحل جنوبی دریای خزر است. پس از توزیع برنولی-گاما، توزیع برنولی-ویبول به‌ویژه برای ایستگاه نوشهر واقع در بخش مرکزی استان مازندران برازش بهتری را نشان داد. یافته‌های این تحقیق می‌تواند در کمی سازی میزان انتظار و ریسک ناشی ازبارش در مقاطع زمانی مختلف فصل رشد برنج بکار گرفته شود.
کلیدواژه‌ها
توزیع بارش؛ توزیع برنولی- گاما؛ فصل رشد برنج؛ سواحل جنوبی دریای خزر
مراجع
  1. اسعدی اسکویی، ابراهیم؛ شکوهی، مجتبی؛ محمد پور پنجاه، محمدرضا و اکبرزاده کاشانی، ابراهیم. (1399). معرفی سامانه توصیه‌های هواشناسی کشاورزی شالی‌کاری در مناطق شمالی کشور. شالیزار، 4، 18-27.
  2. اسعدی اسکویی، ابراهیم؛ کوزه‌گران، سعیده؛ یزدانی، محمدرضا و رحمانی، اصغر. (1400). تأثیر سطوح احتمالات متفاوت در برآورد نیاز آبی خالص برنج در استان‌های شمالی ایران. مجله آب‌وخاک، 5، 659-671. doi:// 22067/JSW.2021.71370.1064
  3. اسعدی اسکویی، ابراهیم؛ موسوی بایگی، محمد؛ یزدانی، محمدرضا؛ علیزاده، امین و زهد قدسی، محمدجواد. (1396). اثر عمق غرقابی بر دمای آب‌وخاک در شالیزار (مطالعه موردی: رشت). هواشناسی کشاورزی، 1، 48-56. doi: 22125/AGMJ.2017.54983
  4. جهانگیر، محمدحسین و ابوالقاسمی، مهناز. (1398). تعیین تابع توزیع احتمالاتی مناسب بر اساس مقایسه دو شاخص خشک‌سالی SPI و SPEI در استان تهران. اکوسیستم بیابان، 23، 1-16. doi: 10.22052/DEEJ.2018.7.23.1
  5. حکیم دوست، یاسر؛ پورزیدی، علی‌محمد و گرامی، محمد صالح. (1396). تحلیل مکانی بارش رگباری استان مازندران در محیط سامانه اطلاعات جغرافیایی (GIS). اطلاعات جغرافیایی، 102، 191-203.
  6. خورشیددوست، علی‌محمد و فخاری، مجتبی. (1395). بررسی احتمال تواتر و تداوم روزهای بارانی در جنوب غرب ایران با استفاده از مدل زنجیره مارکف. جغرافیا و برنامه‌ریزی، 55، 87-104.
  7. خوش‌اخلاق، فرامرز؛ فرید مجتهدی، نیما؛ نگاه، سمانه؛ مؤمن پور، فروغ؛ صبوری هادی نژاد، شبنم و اسعدی اسکویی، ابراهیم. (1395). پدیده برف دریاچه‌ای و نقش آن در رخداد برف‌های سنگین کرانه جنوب غربی دریای خزر. فضای جغرافیایی، 53، 229-251.
  8. رضیئی، طیب. (1395). شناسایی مناطق همگن بارشی ایران با استفاده از روش تحلیل مؤلفه‌های اصلی. مجله ژئوفیزیک ایران، 3، 128-144.
  9. روشنی، محمود؛ سلیقه، محمد؛ علیجانی، بهلول و حجازی زاده، زهرا. (1399). تعیین مناسب‌ترین مدل احتمالی و مرکب خطی تعمیم‌یافته برای بررسی دوره‌های تر و خشک سالانه در سواحل جنوبی دریای خزر. فضای جغرافیایی، 69، 17-37
  10. عساکره، حسین و مازینی، فرشته. (1389). بررسی احتمال وقوع روزهای خشک در استان گلستان با استفاده از مدل زنجیره مارکوف. جغرافیا و توسعه، 17، 29-44.
  11. عساکره، حسین و ورناصری قندعلی، نسرین. (1400). شناسایی رژیم بارش ناحیه خزری. نشریه آب‌وخاک (علوم و صنایع کشاورزی)، 3، 445-459.
  12. عساکره، حسین و یوسفی‌زاده، رحیم. (1394). بررسی روند و رفتار بارشی شهر شاهرود با استفاده از مدل‌های آماری و تحلیل طیفی. جغرافیا (برنامه‌ریزی منطقه‌ای)، 3، 51-66. doi:10.22111/GDIJ.2010.1132
  13. علیجانی، بهلول و افشارمنش، حمیده. (1394). تجزیه‌وتحلیل آماری مقادیر طولانی‌مدت بارش جهت برازش توزیع آماری مناسب (مطالعه موردی ایران). جغرافیا و برنامه‌ریزی شهری چشم‌انداز زاگرس، 25، 73-94
  14. محمدی جوزدانی، سمیه؛ ملکی‌نژاد، حسین؛ دولتی، علی. (1398). تأثیر مناطق همگن هیدرو-اقلیمی بر تعیین بهترین توزیع احتمالاتی برای بارش‌های حداکثر روزانه. مهندسی منابع آب، 12، 105- 114. doi: 20.1001.1.20086377.1398.12.40.9.5
  15. مدرس، رضا. (1386). توابع توزیع منطقه‌ای بارش ایران. پژوهش و سازندگی در منابع طبیعی، 75، 1-6.
  16. معصوم‌پور سماکوش، جعفر؛ خوش‌اخلاق، فرامرز؛ میری، مرتضی و رحیمی، مجتبی. (1391). واکاوی همدید دوره‌های ماهانه خشک فراگیر در سواحل جنوبی دریای خزر. جغرافیای طبیعی، 18، 35-48.
  17. موسوی بایگی، محمد؛ اسعدی اسکویی، ابراهیم؛ یزدانی، محمدرضا و علیزاده، امین. (1396). اثر عمق غرق آبی بر تلفات تبخیر از سطوح شالیزاری. پژوهش‌های حفاظت آب‌وخاک، 1، 221-235. doi:10.22069/JWFST.2017.12237.2674
  18. نصرآبادی، اسماعیل. (1396). واکاوی تغییرات توزیع فراوانی چهار دهه بارش روزانه ایران. جغرافیا و برنامه‌ریزی محیطی، 67، 147-158. doi: 10.22108/GEP.2017.98166.0
  19. نصرآبادی، اسماعیل؛ عساکره، حسین و مسعودیان، ابوالفضل. (1393). شناسایی و پهنه‌بندی توزیع فراوانی بارش روزانه ایران. تحقیقات جغرافیایی، 3، 1-16.
  20. Alijani, B., & Afshar Manesh, H. (2014). Statistical analysis of long-term precipitation values to fit the appropriate statistical distribution (case study of Iran). Geography and urban planning, 25, 73-94. [In Persian].
  21. Alipour, H., Salajegheh, A., Moghaddam Nia, A., Khalighi Sigaroodi, SH & Nassaji Zavareh, N. (2021). Determination of best fit probability distribution and frequency analysis of threshold rainfall under different climate change scenarios. Water Harvesting Research, 1, 93-105. https://doi.org/10.22077/jwhr.2021.4316.1042.
  22. Amin, M., Rizwan, T., & Alazba, A. A. (2016). A best-fit probability distribution for the estimation of rainfall in northern regions of Pakistan. Open Life Sciences, 11(1), 432-440. https://doi.org/10.1515/biol-2016-0057.
  23. Asadi Oskouei, E., Kouzegaran, S., Yazdani, M & Rahmani, A. (2021). The Effect of Different Probability Levels in Estimating the Net Water Requirement of Rice in the Northern Provinces of Iran. Water and Soil, 35(5), 659-671. doi:// 22067/JSW.2021.71370.1064 [In Persian].
  24. Asadi Oskouei, E., Mousavi Baygi, M., Yazdany, M., Alizadeh, A & Zohd Ghodsi, M. (2017). The effect of submergence depth on water and soil temperature in paddy field (Case study: Rasht). Journal of Agricultural Meteorology, 5(1), 48-56. doi: 22125/AGMJ.2017.54983. [In Persian].  
  25. Asadi Oskouei, E., Shokohi, M., Mohammadpour Panja, M.R., Akbarzadeh Kasani, E. 2020. Introducing the system of meteorological recommendations for rice farming in the northern regions of the country. Shalizar, 4, 18-27. [In Persian].
  26. Asadi Oskouei, E., Delsouz Khaki, B., Lopez-Baeza, E., Kouzegaran, S., Navidi, M.N., Haghighat, M., Davatgar, N & Lopez-Baeza, E. (2022). Mapping climate zones of Iran using hybrid interpolation methods. Remote Sens, 14, 1-21. https://doi.org/10.3390/rs14112632.
  27. Asakareh, H., & Yousefizadeh, R. (2015). Evaluating the trend and behavior rain the Shahrood city using the model statistically and spectral analysis. Geography (Regional Planning), 5(3), 51-66. doi:10.22111/GDIJ.2010.1132 [In Persian].
  28. Asakereh, H & Mazinei, F. (2010). Investigation of Dry Days Occurrence Probability in Golestan Province Using Markove Chain Model. Geography and Development, 8(17), 29-44. [In Persian].
  29. H & Varnaseri.N. (2021). Identifying the Precipitation Regime of the Iranian Coast of Caspian Sea. Water and Soil, 3, 445-459. doi: 10.22067/JSW.2021.67063.0. [In Persian].
  30. Fatin Mohd Razali, S., Hazman Hasan, H., Shazwani Muhammad, N., Samba Mohamed, Z., Mohamad Hamzah, F. (2022). Assessment of probability distributions and minimum storage draftrate analysis in the equatorial region. Natural Hazards and Earth System Sciences, 21, 1-19. https://doi.org/10.5194/nhess-21-1-2021.
  31. Goyal, M., Goswami, U., & Hazra,B. (2018). Copula-based probabilistic characterization of precipitation extremes over North Sikkim Himalaya. Atmospheric Research, 212, 273-284. https://doi.org/10.1016/j.atmosres.2018.05.019.
  32. HakimDost, Y., Poorzeidy, A, M & Gerami, M. (2017). Spatial analysis of torrential rain in Mazandaran province in the geographic information system (GIS) environment. Scientific - Research Quarterly of Geographical Data, 102, 191-203. doi:10.22131/sepehr.2017.27477. [In Persian].
  33. Hamidi Machekposhti, K & Sedghi, H. (2018). Evaluation of Best-Fit Probability Distribution for Prediction of Extreme Hydrologic Phenomena. International Journal of Civil and Environmental Engineering, 10, 973-981. https://doi.org/10.1177/11786221176910.
  34. He, Y., Shao, Y., Mu, X., Sun, W., Zhao, G & Gao, P. (2019). Spatiotemporal variations of extreme precipitation events at multi-time scales in the Qinling- Daba mountains region, China. Quaternary International, 252, 89-102. https://doi.org/10.1016/j.quaint.2019.07.029.
  35. Jahangir M. H., & Abolghasemi M. (2019). Determining the most appropriate probability distribution function for calculate and compare the SPEI and SPI drought index in Tehran. DEEJ, 8 (23), 1-16. doi: 10.22052/DEEJ.2018.7.23.1. [In Persian].
  36. Karim, T., Keya, D & Amin, Z. (2018). Temporal and spatial variations in annual rainfall distribution in Erbil province. Outlook on Agriculture, 1, 59-67. https://doi.org/10.1177/003072701876296.
  37. KhorshidDost, A.M & Fkhari, M. 2016. Investigating the probability of the frequency and continuity of rainy days in southwest Iran using the Markov chain model. Geography and Planning, 55, 87-104. [In Persian].
  38. KhoshAkhlagh, F., FaridMojtahedi, N., Negah, S., Momenpour, F., Sabouri Hadinejad, H & Asadi Oskouei, E. (2016). The phenomenon of lake snow and its role in the occurrence of heavy snow on the southwestern coast of the Caspian Sea. Geographic Space, 53, 229-251. [In Persian].
  39. Lana, X., Mart´ınez, MD., Burgueno, A., Serra, C., Mart´ın-Vide, J & Gomez, L. (2006). Distributions of long dry spells ´ in the Iberian Peninsula, years 1951–1990. International Journal of Climatology: A Journal of the Royal Meteorological Society, 26(14), 1999–2021. https://doi.org/10.1002/joc.1354.
  40. Langat, P., Kumar, L & Koech, R. (2019). Identification of the most suitable probability distribution models for maximum, minimum, and mean streamflow. Water, 9, 1-24. https://doi.org/10.3390/w11040734.
  41. Limsakul, A & Singhruck, P. (2016). Long-term trends and variability of total and extreme precipitation in Thialand. Atmosphere Research, 169, 301-317. https://doi.org/10.1016/j.atmosres.2015.10.015
  42. Luo, P., Zhou, M., Deng, H., Lyu, J., Cao, W., Takara, K., Nover, D., & Schladow, G. (2018). Impact of forest maintenance on water shortages: Hydrologic modeling and effects of climate change. Science of the Total Environment, 615, 1355-1363. https://doi.org/10.1016/j.scitotenv.2017.09.044
  43. Majidian, M., Rabiee, M., Alizadeh, M.H., & Kavoosi, M. (2021). Evaluation of energy use efficiency and greenhouse gas emission in rapeseed (Brassica napus L.) production in paddy fields of Guilan province of Iran. Energy, 217, 1-9. https://doi.org/10.1016/j.energy.2020.119411
  44. Mamoon, A & Rahman, A. (2017). Selection of the best fit probability distribution in rainfall frequency analysis for Qatar. Natural Hazards, 86(1), 281-296. https://doi.org/ 10.1007/s11069-016-2687-0
  45. Masoumpour Samakosh, J., KhoshAkhlagh, F., Miri, M & Rahimi, M. (2011). Analyzing the comprehensive dry monthly periods in the southern shores of the Caspian Sea. Physical Geography, 18, 35-48. [In Persian].
  46. Michele, C., & Avanzi, F. (2018). Superstatistical distribution of daily precipitation extremes: A worldwide assessment. Sci Rep, 8, 1-12. https://doi.org/10.1038/s41598-018-31838-z.
  47. Millington, N., Samiran, D & Slobodan, S. (2011). The Comparison of GEV, Log-Pearson Type 3 and Gumbel Distributions in the Upper Thames River Watershed under Global Climate Models; Water Resources Research Report.
  48. Modares, R. (2006). Regional distribution functions of Iranian precipitation. Pajouhesh Va Sazandgi, 75, 1-6. [In Persian].
  49. Mohammadi Jouzdani, S., Malekinezhad, H & Dolati, A. (2019). Investigating the effect of hydro-climatic homogeneous regions on priority of the best- fit probability distributions for daily raifall analysis in Iran. Water Resources Engineering, 12(40), 105-114. doi: 20.1001.1.20086377.1398.12.40.9.5 [In Persian].
  50. Mosavi Baigi, M., AsadiOskouei, E., Yazdani, M & Alizadeh, A. (2017). The effect of submergence depth on evaporation losses in paddy fields. Journal of Water and Soil Conservation, 24(1), 221-235. doi:10.22069/JWFST.2017.12237.2674 [In Persian].
  51. Nasrabadi, E. (2017). Analyzing the changes in frequency distribution of four decades of daily rainfall in Iran. Geography and Environmental Planning, 67,147-158. doi: 10.22108/GEP.2017.98166.0 [In Persian].
  52. Nasrabadi, E & Asakereh H, Masoodian S A. (2014). Recognition and regionalization of daily precipitation frequency distribution in Iran. GeoRes, 29 (3), 1-16. [In Persian].
  53. Nathan, R., Jordan, PH., Scorach, M., Lang, S., Kuczera, G., Schaefer, M & Weinmann, E. (2016). Estimating the exceedance probability of extreme rainfalls up to the probable maximum precipitation. Journal of Hydrology, 543, 706-722. https://doi.org/10.1016/j.jhydrol.2016.10.044
  54. Nguyen, T. H. (2016). Statistical Modeling of Extreme Rainfall Processes (SMExRain): A Decision Support Tool for Extreme Rainfall Frequency Analyses. Procedia Engineering, 154, 624-630. https://doi.org/10.1016/j.proeng.2016.07.561
  55. Osati, KH., Mahdavi, M., Sadeghi,A., Karimi, B., & Mobaraki, J. (2011). Determining Suitable Probability Distribution Models for Annual Precipitation Data (A Case Study of Mazandaran and Golestan Provinces). Journal of Sustainable Development, 1, 159-168. https://doi.org/ 10.5539/jsd. v3n1p159
  56. Raziei, T. (2016). Identification of homogeneous precipitation sub-regions for Iran using principal component analysis. Iranian Journal of Geophysics, 10(3), 128-144. doi:20.1001.1.20080336.1395.10.3.10.9 [In Persian].
  57. Roshani, M., Saligheh, M., Alijani, B & Begum Hejazi Zade, Z. (2020). Best Probability Model and Generalized Linear Mixed Model of wet and Dry Spells of the Southern Coast of the Caspian Sea. Geographical Researches, 20, 17-37. [In Persian].
  58. Tozzi, R., Masci, F., & Pezzopane, M. (2020). A stress test to evaluate the usefulness of Akaike information criterion in short-term earthquake prediction. Scientifc Reports, 10(1), 1-9. https://doi.org/10.1038/s41598-020-77834-0
  59. Xiong, L., Qiumei, J., Xia, J., Xiong, B., Yang, H & Xu, CH. (2019). A censored shifted mixture distribution mapping method to correct the bias of daily IMERG satellite precipitation estimates. Remote Sens, 11, 1-24. https://doi.org/10.3390/rs11111345
  60. Ye, L., Hanson, L., Dong, P., Wang, D & Voget, R. (2018). The probability distribution of daily precipitation at the point and catchment scales in the Unkted States. Hydrology and Earth System Sciences, 22, 6519-6531. https://doi.org/10.5194/hess-22-6519-2018
آمار
تعداد مشاهده مقاله: 325
تعداد دریافت فایل اصل مقاله: 263





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب