غلامعباس فلاح قالهری

اقلیم یک عامل بسیار مهم و محدود کننده در تولیدات کشاورزی می باشد. به طور یقین بخش کشاورزی بیشترین ارتباط و تاثیر پذیری را از شرایط محیط اطراف و به خصوص اقلیم دارد، به گونه ای که ویژگی های اقلیمی در بلند مدت، منجر به تعیین الگوی کشت و توجیه پراکنش گونه های گیاهی مختلف شده است. هدف عمده این تحقیق ارزیابی روند تغییرات پارامترهای آگروکلیمایی موثر بر رشد زرشک در شهرستان گناباد می باشد. برای این منظور داده های روزانه دمای کمینه، بیشینه، بارش، میانگین دما، رطوبت نسبی، دما خاک، ساعات آفتابی و میانگین دما، رطوبت نسبی و دما خاک در روز اتمام مرحله فنولوژی ایستگاه سینوپتیک گناباد (1372-1392) واقع جنوب خراسان رضوی اخذ و از طریق آنها مقادیر پارامترهای اقلیمی در سطوح احتمالی مختلف در مراحل فنولوژی محاسبه گردید. در مرحله بعد، از آزمون من کندال به بررسی روند عناصر اقلیمی در مراحل مختلف فنولوژی محصول زرشک استفاده گردید. نتایج این تحقیق نشان داد که در بین پارامترهای اقلیمی بر کشت زرشک، میانگین دمای، ساعت آفتابی و دمای خاک روند کاهشی معنی داری در سطح 5 درصد را دارا می باشند.

خشکسالی یکی از پیچیده ترین بلایای طبیعی است. این پدیده دارای ویژگی های متفاوتی است که توسط شاخص های متفاوتی محاسبه می گردد. از آنجایی که این شاخص ها متکی به متغیّرهای اقلیمی و ایستگاه های هواشناسی می باشند بنابراین قابلیت ثبت آنها در تمامی مکان ها به شکل پیوسته نیست. بر این اساس جهت تخمین مقدار متغیّرهای هواشناسی در مکان های نمونه برداری نشده و تهیه نقشه های پیوسته از روش های درون یابی فضایی استفاده می شود. در این پژوهش ابتدا با استفاده از شاخص استاندارد بارش (SPI) شدت خشکسالی محاسبه گشته سپس به منظور ارزیابی روش های مختلف درون یابی چندین روش درون یابی فضایی از قبیل کریجینگ عمومی، کوکریجینگ، فاصله معکوس وزن دار (IDW)، چند جمله ای محلی، اسپیلاین کاملاً منظم، اسپیلاین با کشش و اسپیلاین صفحه نازک به کار برده شد و به منظور مقایسه روش های درون یابی از روش ارزیابی متقاطع و همچنین محاسبه معیارهای خطا گیریRMSE, MBA, MSE و شاخص %G استفاده گردید. نتایج به دست آمده نشان داد که بهترین روش برای درون یابی شدت خشکسالی شاخص SPI، روش کریجینگ عمومی می باشد چرا که در اکثر ماه ها دارای کمترین خطا بوده و همچنین در 9 ماه از سال مقدار %G در آن مثبت محاسبه شده است. در واقع این روش دارای کمترین انحراف می باشد. بیشترین خطا مربوط به روش درون یابی روش اسپیلاین صفحه نازک است در واقع هر سه معیار ارزیابی، مقادیر بالای خطا را نسبت به دیگر روش ها نمایش می دهد.

استفاده از مدل های ریزمقیاس نمایی آماری در مطالعات برآورد نوسانات اقلیمی این امکان را فراهم ساخته است که بتوان داده های آب و هوایی را در مقیاس مکانی و زمانی مناسب تولید کرد. چنین قابلیتی کمک شایانی به مطالعه نوسانات اقلیمی در مقیاس محلی ـ منطقه ای است. تشدید پدیده های حدی را می بایست به عنوان شاخصه های اصلی تغییرات اقلیمی دانست که درک و فهم چنین پدیده هایی نسبت به میانگین ها که هیچ معنای فیزیولوژیکی و روانی ندارند برای افکار عمومی راحت تر است. در این تحقیق طول دوره رشد و طول دوره یخبندان به عنوان شاخصه نوسانات اقلیمی مورد بررسی قرار گرفته است. برحسب تعریف ارائه شده، اولین دوره 6 روزه با میانگین دمای بالای 5 درجه سانتیگراد بعد از آخرین یخبندان بهاره به عنوان آغاز دوره و آخرین دوره 6 روزه با میانگین دمای زیر 5 درجه سانتیگراد به عنوان خاتمه طول دوره رشد در نظر گرفته شده است و طول دوره یخبندان به فاصله زمانی بین بروز اولین یخبندان پاییزه و آخرین یخبندان بهاره اطلاق می شود. ارزیابی تغییرات این شاخص ها، بین دو دوره اقلیمی گذشته (1384-1355) و دوره اقلیمی برآورد شده یا آینده (1418-1389) در سه ایستگاه همدید مشهد، تربت حیدریه و سبزوار در خراسان رضوی صورت گرفته است. نتایج حاکی از افزایش طول دوره رشد در ایستگاه های مشهد و سبزوار، و کاهش در ایستگاه تربت حیدریه در دوره اقلیمی آینده است. این تغییرات در شاخص حدی طول دوره یخبندان نیز مشاهده می شود، به طوری که در هر سه ایستگاه بررسی شده کاهشی بین 15 الی 16 روز رخ خواهد نمود، که نتیجه ای منطقی از پدیده گرمایش جهانی است. نتایج آزمون فرض مطرح شده، فقدان همبستگی بین طول دوره رشد دیده بانی شده و برآورد شده و همچنین طول دوره یخبندان دیدبانی شده و برآورد شده را، که به وسیله ضریب همبستگی رتبه ای اسپیرمن در سطح معنی داری 5 درصد صورت گرفته است اثبات می کند و نشان دهنده فقدان تغییرات معنی دار در دوره گذشته و آینده است.

هدف از پژوهش حاضر، بررسی ارتباط سیگنال های بزرگ مقیاس اقلیمی با بارش استان خراسان رضوی است. در این مطالعه، با استفاده از شبکه های عصبی مصنوعی، پیش بینی بارش در بازه زمانی آوریل تا ژوئن 2007-1970 (فروردین تا خرداد) در استان خراسان رضوی ارائه شده است. برای این منظور ارتباط بین تغییرات سیگنال های اقلیمی شامل فشار سطح دریا، اختلاف فشار سطح دریا، دمای سطح دریا، اختلاف دما بین سطح دریا و سطح 1000 میلی باری، دمای سطح 700 میلی بار، ضخامت بین سطوح 500 و 1000 میلی بار، رطوبت نسبی سطح 300 میلی بار و آب قابل بارش با بارش متوسط منطقه ای مورد بررسی قرار گرفت. در انتخاب این مناطق، تاثیرپذیری بارندگی منطقه شمال شرق ایران از سیگنال های بزرگ مقیاس اقلیمی مورد توجه قرار گرفته است. سپس، مدل شبکه های عصبی مصنوعی در دوره 1997-1970 آموزش داده شده است و در پایان، پیش بینی بارش در دوره 2007-1998 انجام شده است. نتایج نشان می دهد که شبکه های عصبی مصنوعی در تمامی سال ها می تواند بارش را با دقت قابل قبولی پیش بینی کند. ریشه میانگین مربعات خطا برای مدل، 5/2 میلی متر به دست آمد.

"در این تحقیق روشی برای پیش بینی سال های آبی کم بارش و پربارش در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارایه شده است. این روش شامل سه گام می باشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشار سطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپاسکال، ارتفاع معادل سطح 500 هکتوپاسکال و رطوبت نسبی سطح 300 هکتوپاسکال با بارش متوسط منطقه ای مورد بررسی قرار گرفته است. در گام دوم محدوده های فازی و توابع عضویت برای الگوهای سینوپتیکی فوق و بارش متوسط منطقه ای در مناطق منتخب توسعه داده شده است. در انتخاب این مناطق که مجموعه ای از نقاط در خلیج فارس و دریای عمان، دریای سیاه، دریای خزر، دریای مدیترانه، دریای شمال، دریای آدریاتیک، دریای سرخ، خلیج عدن، اقیانوس اطلس، اقیانوس هند و سیبری را شامل می شوند، تاثیرپذیری بارندگی منطقه شمال شرق ایران از الگوهای سینوپتیکی در مناطق فوق مورد توجه قرار گرفته است. در گام نهایی قوانین فازی برای پیش بینی بارش بر اساس تغییرات الگوهای سینوپتیکی فوق توسعه داده شده است. از تحلیل حساسیت برای به دست آوردن بهترین ساختار قوانین فازی و توابع عضویت استفاده شد. این قوانین برای پیش بینی مجموع بارش دسامبر تا می (آذر تا اردیبهشت) در فاصله بین سال های 1993-2002 مورد استفاده قرار گرفته است. نتایج نشان می دهد مدل پیشنهادی در 70 درصد از سال ها می تواند بارش را با دقت قابل قبولی پیش بینی کند."