معصومه نبوی زاده

اهداف: هدف این پژوهش، پیش بینی بارش روزانه با استفاده از آمار روزانه هواشناسی ایستگاه های کرمان، بافت و میانده جیرفت، طی دوره مشترک آماری 23 ساله (2012-1989) می باشد. روش: برای دست یافتن به هدف تحقیق، به آموزش شبکه های عصبی مصنوعی با ساختار پرسپترون چند لایه و شبکة عصبی تابع پایة شعاعی پرداخته شد. ترکیب های مختلف پارامترهای کمینه دما، بیشینه دما، میانگین دما، رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار، به عنوان ورودی های شبکه های عصبی مصنوعی و بارش روزانه به عنوان خروجی شبکه درنظر گرفته شدند. یافته ها/ نتایج: نتایج نشان داد شبکه های عصبی مصنوعی پایه تابع شعاعی از دقت بسیار بیشتر و خطای کمتری نسبت به شبکة عصبی پرسپترون، برای تخمین بارش روزانه در هر سه ایستگاه برخوردار هستند. نتیجه گیری: در بهترین ترکیب با پارامتر های کمینه و بیشینه و حداقل دما و رطوبت نسبی، سرعت و جهت باد و نیز میانگین فشار در ایستگاه کرمان با ضریب همبستگی 907/0 و جذر میانگین مربعات خطای 014/0، بهترین مدل پیش بینی بارش در این تحقیق شناخته شدند.

انرژی خورشیدی به عنوان منبع اصلی انرژی زمین و ایجا د کننده ی تفاوت های اقلیمی است. تغییرات میزان انرژی خروجی از خورشید و یا نوسانات دمایی سطح آن، می تواند نوسانات و تغییراتی را در جو زمین ایجاد نماید. لکه های خورشیدی، از جمله مولفه هایی است که  بر سامانه اقلیم در مقیاس های زمانی متفاوت اثر گذاشته و در نهایت نوسانات و تغییرات اقلیمی را به دنبال خواهد داشت. در این مطالعه، به تحلیل طیفی سری های زمانی بارش با استفاده از نظریه موجک ها، با هدف شناخت تاثیر لکه های خورشیدی بر رفتار طیفی بارش، انجام شده است که از داده های بارش و همچنین داده های مربوط به لکه های خورشیدی برای یک دوره آماری50 ساله (2010- 1961) در دو ایستگاه همدیدی اصفهان و کاشان استفاده گردیده است.  سپس با جداسازی محتوای طیفی سری های زمانی بارش با استفاده از تبدیل موجک مورلت و مقایسه آن با داده های تعداد لکه های خورشیدی در سال های مختلف، میزان همبستگی این نوسانات در ایستگاه های مذکور محاسبه شد. بر اساس تحلیل های صورت گرفته، بین بارش و فعالیت لکه های خورشیدی رابطه معناداری دیده نشد و بر اساس آنالیز موجک در اکثر ایستگاه ها رابطه معکوس و ضعیف بین آن ها مشاهده گردید. با توجه به تحلیل آنالیز موجک درطی دوره آماری 50 ساله، چهار سیکل 11 ساله در فعالیت لکه های خورشیدی مشاهده گردید. اوج این فعالیت ها در سیکل های دوم و سوم و حداقل آن در سیکل های اول و چهار وجود دارد. وسعت دامنه سیکل های بارشی (7- 12 ساله)  در فصل پاییز ایستگاه های مورد مطالعه،  نسبت به سایر فصول بیشتر است.  

پایش خشکسالی، به منظور هشدار سریع برای خطر خشکسالی، بسیار حیاتی و مهم است. در این پژوهش، سعی شده است که شاخص پایش خشکسالی VDI براساس باندهای متفاوت داده های ماهواره ای مادیس، با تفکیک مکانی متوسط، توسعه یابد. شاخص VDI به تنش آب در گیاهان می پردازد. مطالعات طیفی نشان داده است که بازتابندگی باند فروسرخ موج کوتاه (SWIR) با محتوای آب برگ ارتباط منفی دارد و به دلیل حساس بودن SWIR به محتوای آب برگ، در ایجاد شاخص های گوناگون سنجش از دور، ازجمله VDI و به منظور شناسایی محتوای آب گیاهان، کاربرد گسترده ای دارد. این پژوهش نقشه های خشکسالی شاخص VDI را براساس میزان حساسیت به رطوبت، با استفاده از بازتابش باند های 5 و 6 فروسرخ موج کوتاه SWIR (VDI5 و VDI6) مادیس، ارزیابی کرده است. بدین منظور از تصاویر ماهواره ای مادیس و داده های بارش ماهیانه مدل جهانی GLDAS، در محدوده استان سیستان و بلوچستان در دوره زمانی نوزده ساله ای (2018-2000) استفاده شد. برای ارزیابی دقت نقشه های محاسبه شده براساس دو باند، ضریب همبستگی پیرسون به کار رفت. نتایج همبستگی بالایی را میان شاخص VDI6 و داده های بارش نشان داد و مشخص شد که باند 6 موج کوتاه فروسرخ، در استان سیستان و بلوچستان، به شرایط خشک خاک بیشترین واکنش را نشان می دهد؛ ازاین رو این مطالعه استفاده از شاخص VDI براساس باند 6 را برای شناسایی زودهنگام و نظارت بر خشکسالی کشاورزی در برنامه های عملیاتی مدیریت خشکسالی، پیشنهاد می کند.