صفر معروفی

کشور ایران دارای اقلیم خشک و نیمه خشک است که ریزش های کمِ جوی، رگبارهای شدید، وقوع جریان های سیلابی و تبخیر (تبخیر تعرق) زیاد از ویژگی های آن به شمار می آید. پژوهش حاضر سعی در ارزیابی و پهنه بندی تبخیر تعرق گیاه مرجع (ETo) و ارائه آن در قالب نقشه های پهنه بندی و هم تبخیر تعرق (مرجع) به عنوان ابزاری اساسی برای مدیریت آب دارد. در این بررسی با گروه بندی مناطق هم اقلیم براساس اقلیم نمای یونسکو از میانگین های درازمدت متغیرهای اقلیمی 91 ایستگاه هواشناسی و داده های لایسیمتر، برای تعیین روش مناسب تخمین ETo استفاده شد. تبخیر تعرق گیاه مرجع برمبنای اطلاعات اقلیمی هر یک از ایستگاه ها به کمک نرم افزار RefET به 13 روش محاسبه شد. روش های محاسباتی شامل هفت روش ترکیبی بر پایه روش پنمن، دو روش دمایی، سه روش تشعشعی ـ دمایی و یک روش تشعشعی بودند. مناسب ترین روش محاسباتی از بین 13 روش، در مقایسه با مقادیر تبخیر تعرق لایسیمتری در هر اقلیم انتخاب شد. انتخاب روش محاسباتی براساس آماره های ضریب تبیین (2R)، جذر میانگین مربعات خطا (RMSE) و میانگین خطای اریبی (MBE) صورت گرفت. مقادیر RMSE، MBE و 2R در 9 ایستگاه لایسیمتری به ترتیب 1/1 میلی متر در روز، 23/0- میلی متر در روز و 85/0 به دست آمد، که نشان دهنده دقت مناسب کار در گستره جغرافیایی کشور ایران است. در نهایت هر یک از روش های محاسباتی انتخاب شده، برای سایر ایستگاه های هم اقلیم فاقد مقادیر لایسیمتری مبنای برآورد ETo قرار گرفتند. نتایج نشان داد که روش های با پایه پنمن در اکثر مناطق ایران مناسب ترین روش برای برآورد ETo به شمار می آیند. در ترسیم نقشه هم تبخیر تعرق مرجع (ISOETo) و پهنه بندی آن براساس نقشه های توپوگرافی رقومی شده، اطلاعات جغرافیایی ایستگاه های هواشناسی و بهره گیری از نرم افزارهای GIS و Surfer براساس داده های تبخیر تعرق مرجع روزانه صورت گرفت. نتایج پهنه بندی به روش کریجینگ، نشان داد میزان ETo در 23 درصد از سطح ایران که در مناطق مرتفع شمال کشور قرار دارند، کمتر از 48/4 میلی متر در روز است؛ و در مقابل 77 درصد از سطح کشور در پهنه ETo بیش از این مقدار تا سقف 70/10 میلی متر در روز قرار دارد. به نظر می رسد که پراکنش مناسب زمانی و مکانی بارش های مناطق شمالی، رطوبت نسبتاً بالا و برودت هوا در کاستن از پتانسیل تبخیر تعرق این مناطق نقش اساسی دارد. در مجموع وجود بی نظمی و نوسانات زیاد در سری های زمانی بارندگی سالانه از عوامل اصلی کمبود منابع آب و به تبع آن افزایش تبخیر تعرق در مناطق خشک و نیمه خشک ایران است.

بررسی روند تغییرات دبی رودخانه در مدیریت منابع آب و طراحی شبکه های آبیاری و زهکشی امری بسیار مهم است. در این تحقیق، روند تغییرات سالانه، فصلی و ماهانه دبی رودخانه مارون با استفاده از آزمون های ناپارامتری من-کندال و سِن و همچنین تحلیل پارامتری رگرسیونی مورد ارزیابی قرار گرفته است. بدین منظور، از داده های دبی رودخانه در پنج ایستگاه آب سنجی ایدنک، بهبهان، گرگر، مشراگه و شادگان طی دوره 1387-1368 استفاده گردید. نتایج این تحقیق نشان داد که دبی سالانه در همه ایستگاه ها، دارای روند نزولی در دو دهه اخیر بوده است. برآوردها بیانگر آن است که مقادیر دبی سالانه در ایستگاه های بهبهان، مشراگه، گرگر، شادگان و ایدنک به ترتیب به میزان 80، 40، 21، 4/1 و 4/0 مترمکعب در هر دهه تقلیل یافته است. تحلیل سه آزمون انجام شده بر روی دبی های فصلی بیانگر آن است که مقادیر دبی فصل های بهار و زمستان، کاهش و فصل تابستان، افزایش یافته است. بیشترین تفاوت نتایج آزمون های پارامتری و ناپارامتری در دبی فصل پاییز مشاهده گردید. به طوری که مقادیر دبی این فصل با توجه به آزمون های ناپارامتری، افزایش و بر اساس تحلیل پارامتری کاهش یافته است. نتایج بررسی دبی های ماهانه توسط آزمون های بکار رفته نشان داد که داده های دبی ماه های فروردین، اردیبهشت، خرداد و اسفند در تمامی ایستگاه ها کاهش یافته است. نتایج این پژوهش می تواند در پیش بینی خشکسالی های آتی، برنامه ریزی آبیاری و مدیریت منابع آب منطقه بکار رود.

برای بررسی کارایی شبکه ی عصبی مصنوعی در شبیه سازی تغییرات سطح ایستابی سفره ی آب زیرزمینی دشت ملایر، از اطلاعات هواشناسی ایستگاه های تبخیرسنجی در سطح دشت، حجم آب برداشتی از سفره و مقادیر سطح ایستابی آن استفاده شد. از این اطلاعات، به عنوان ورودی شبکه ی عصبی مصنوعی نوع پرسپترون چندلایه در چارچوب چهار ساختار اطلاعاتی استفاده شد. ساختار اوّل، شامل میانگین اطلاعات دمای حدّاکثر هوا، دمای حدّاقل هوا، حدّاکثر رطوبت نسبی هوا، حدّاقل رطوبت نسبی هوا و میانگین تبخیر در مقیاس زمانی ماهانه و ارتفاع سطح ایستابی ماه پیش بود. در ساختار دوم از اطلاعات سطح ایستابی در یک، دو، سه و چهار ماه پیش استفاده شد. در ساختار سوم، افزون بر اطلاعات ساختار شماره ی دو، میانگین سطح ایستابی ماه مورد نظر و میانگین سطح ایستابی ماه پیش هم به کار گرفته شد. ساختار چهارم، براساس میانگین سطح ایستابی ماه مورد نظر، میانگین سطح ایستابی ماه پیش و اطلاعات هواشناسی ماهانه تعریف شد. ساختار سوم با آرایش 1-4-4-6، به عنوان ساختار مناسب با 9/1 درصد خطا در مقایسه با مقادیر واقعی پیشنهاد شد که نشان دهنده ی اهمّیّت به کارگیری عوامل سطح ایستابی سال های گذشته، در ورودی شبکه ی عصبی است. اجرای مدل بهینه ی شبکه ی عصبی، افت سطح ایستابی را 18/1 متر، به ازای 9/1 درصد خطا برآورد کرد. جذر میانگین مربّعات خطا در مدل بهینه ی شبکه ی عصبی با آرایش 1-4-4-6 بر مبنای قانون آموزش لونبرگ مارکوات و تابع محرک سیگموئید، در مقابل تغییرات واقعی سطح سفره 44/0 متر با ضریب تعیین 99/0 به دست آمد. با توجّه به دقّت مناسب مدل و روند کاهنده ی حاکم بر سفره، می توان استفاده از شبکه ی عصبی مصنوعی برای تصمیم گیری در مدیریت دشت را، به عنوان ابزاری با سرعت و دقّت مناسب در شبیه سازی سطح آب زیرزمینی دشت ملایر، توصیه کرد.

روش های مختلفی برای جداسازی جریان پایه مورد استفاده قرار گرفته است، یکی از این روش ها، روش های فیلترینگ می باشد. در این مطالعه از روش های فیلترینگ با الگوریتم های مختلف تک پارامتری، دو پارامتری، سه پارامتری، لینه و هولیک، چاپمن، فیوری و گوپتا، اکهاردت و اوما برای جداسازی جریان پایه روزانه چشمه کارستی کهمان در شهرستان الشتر استفاده شده است. دوره آماری مورد استفاده یک دوره آماری 27 ساله (سال آبی 71-1370 تا 97-1396) بوده است. از روش محتوای ایزوتوپی به عنوان شاخص برای جداسازی جریان پایه استفاده شده است. داده های نمونه برداری شده در سال آبی (97-1396) در آزمایشگاه شرکت مصباح انرژی ایران آنالیز شد. با توجه به اینکه هر الگوریتم دارای پارامترهای مختلفی می باشند، ابتدا پارامترهای هر الگوریتم برمبنای محتوای ایزوتوپی در سال آبی 97-1396 بهینه شدند. سپس از پارامترهای بهینه شده برای دوره آماری 27 ساله استفاده گردید. در پایان با استفاده از معیارهای مختلف ارزیابی، الگوریتم های مختلف با هم مقایسه شدند. نتایج نشان داد که عملکرد الگوریتم اکهارت بهتر از دیگر الگوریتم ها بوده است. این الگوریتم شاخص جریان پایه و آب سطحی را به ترتیب 81 و 19 درصد برآورد کرده است.