درخت حوزه‌های تخصصی

در این پژوهش با استفاده از داده های روزانه بارش سی ایستگاه سینوپتیک با طول دوره ی آماری مشترک چهل سال، شاخص SPI، به تفکیک 5 سری زمانی 3, 6, 12, 24 و 48 ماه به بررسی الگوی زمانی و مکانی خشکسالی با سه مشخصه ی شدت، فراوانی و مدت در مقیاس ملی پرداخته شده است. نتایج این مطالعه نشان می دهد که حداکثر فراوانی وقوع خشکسالی در مقیاس سه و شش ماه در رده ی فراخشک، ایستگاه سنندج و در مقیاس شش ماه در رده ی نسبتاً خشک، ایستگاه اهواز، رده ی خشک شدید، ایستگاه نوشهر و رده ی فراخشک ایستگاه سنندج، در مقیاس دوازده ماه، رده ی نسبتاً خشک، ایستگاه ارومیه، رده ی خشک شدید، ایستگاه نوشهر و رده ی فراخشک ایستگاه بابلسر، مقیاس 24ماه در رده ی نسبتاً خشک در ایستگاه بندرعباس در رده ی خشک شدید ایستگاه نوشهر و در رده ی فراخشک ایستگاه رامسر، در مقیاس 48 ماه در رده ی نسبتاً خشک ایستگاه بندرعباس و دو رده ی بعدی ایستگاه نوشهر بیشترین فراوانی وقوع خشکسالی را دارا بوده اند. همچنین شدیدترین خشکسالی در ایستگاه سمنان در مقیاس زمانی سه ماه با مقدار 89/3- رخ داده است.

برآورد دقیق خصوصیات کمی و کیفی پدیده های طبیعی، مستلزم صرف زمان و هزینه زیادی می باشد. بنابراین، روش های درون یابی به عنوان راه حل مناسبی در تخمین محل های بدون اطلاعات و نمونه برداری نشده مورد استفاده قرار می گیرند. از آنجا که نقشه های مشتق شده از مدل ارتفاع رقومی زیاد است و این نقشه در تحلیل های مختلف کاربرد دارند و ممکن است با وزن های متفاوت در نتایج یک کار تحلیلی، نقش داشته باشند. اگر منبع اصلی که همان نقشه مدل ارتفاع رقومی است، ایرادی داشته باشد؛ اشکال در کل پروژه زیاد خواهد شد. انتخاب مناسب ترین روش ساخت مدل ارتفاع رقومی که با دقت بالاتری بتواند مدل واقعی تری را از شرایط طبیعی زمین ارائه نماید، موضوع اصلی این تحقیق است. هدف از این تحقیق، مقایسه برخی روش های تهیه مدل ارتفاع رقومی شامل؛TIN, TOPOGRID و نیز مدل ارتفاع رقومی استخراج شده از تصاویر ماهواره ای سه بعدی است. روش های مذکور بر روی داده های حوضه آبخیز نوفرست در 40 کیلومتری شرق شهر بیرجند انجام شده و نتایج آن با همدیگر و نیز با داده های برداشت شده از سیستم های تعیین موقعیت جهانی دو فرکانسه مورد ارزیابی دقت، قرار گرفته است. نتایج حاصل از مقایسه مقادیر حداقل و حداکثر اختلافات و نیز مقایسه مقادیر RMSE بین مدل های ارتفاعی رقومی و داده های سیستم موقعیت جهانی دو فرکانسه 4DGPS در 10 محدوده مطالعاتی نشان می دهد که روش TIN با پنج بار کسب مقادیر، حداکثر اختلاف و کسب نکردن هیچ مقدار حداقلی، بیشترین خطا و مدل رقومی SRTM با سه بار کسب مقادیر حداقلی اختلاف و کسب نکردن هیچ مقدار حداکثری از دقت بالاتری برخوردار می باشد. در این مقایسه روش TOPOGRID و TOPOGRID IN5 و مدل رقومی استخراج شده از تصاویر ASTER در رتبه های بعدی قرار دارند

ناحیه بندی توسط عناصر و عوامل اقلیمی یکی از مهمترین موضوعاتی است که به دلایل گوناگون از جمله اهمیت آن در کشاورزی و معماری یک منطقه مورد توجه می باشد. اقلیم هر منطقه نتیجه ی عملکرد عناصر و عواملی است که در محیط حاکم هستند. در این مقاله ناحیه بندی بر اساس میانگین ماهانه دما و بارش در 16ایستگاه سینوپتیک منطقه زاگرس که دارای کامل ترین آمار از بدو تأسیس تا سال2005 بودند با استفاده از 4 روش تحلیل مؤلفه اصلی، نمره Z فصلی دما و بارش، انحراف معیار دمای ماهانه، فصلی و ضرایب اقلیمی (ضریب خشکی دومارتن) و (کلیموگرام پگی) انجام شد. نتایج نمره Z با استفاده از آزمون تحلیل واریانس تست شد. در 3روش ابتدایی، پهنه بندی با استفاده از روش وارد صورت گرفت. یافته ها 3 مؤلفه اصلی که 84/91درصد از واریانس متغیرها را توجیه می کرد شناسایی کرد و 5 ناحیه بدست آمد. نمره Z فصول در بهار و پاییز 5 و در تابستان و زمستان4 ناحیه بارشی و برای دما در تابستان4 ناحیه و در دیگر فصول 3 ناحیه را نشان داد. آزمون تحلیل واریانس این بخش فرض محقق (عدم برابری بین نواحی)را تأیید نمود. براساس انحراف معیار داده های دما 5 ناحیه اصلی بدست آمد. با استفاده از ضریب خشکی دومارتن و کلیموگرام پگی به ترتیب 4و3 ناحیه تأیید شد. در انتها نقشه های نواحی بارشی و دمایی زاگرس با روش Inverse Distans Weighted در محیط نرم افزار جی ای اس تهیه شد.

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.

در سال های اخیر، مطالعه فرین ها و حدی ها برای کارشناسان و دانشمندان اقلیم به علت تأثیرات شدید و مخربی که بر فعالیت های انسانی و فرایندهای طبیعی دارند، مورد توجه قرارگرفته اند که در کشور ما نیز به صورت پراکنده به این مهم پرداخته می شود. در این پژوهش سعی شده پیش بینی و تحلیل دماهای کرانگین بالای کرمانشاه با استفاده از داده های بیشینه مطلق سالانه ایستگاه کرمانشاه و ارتباط آن ها با شاخص اقلیمی اطلس شمالی طی یک دوره 50 ساله (2010- 1961) بررسی شود. از روش رگرسیون (پلی نومیال و لگاریتمی) و آماره من- کندال برای آزمون معنی داری روند تغییرات سری های دمایی استفاده شد و نمودار آن با استفاده از نرم افزار مطلب ترسیم گردید. با استفاده از ضرایب همبستگی پیرسون ارتباط آن ها با شاخص NAO و موج گرمایی بررسی گردید. نتایج نشان می دهد که دمای 2 دهه 1970 و 1980 پایین تر و 3 دهه 1960، 1990 و 2000 بالاتر از متوسط طولانی مدت باشند و دهه 1980 سردترین و دهه 2000 گرم ترین دهه معلوم گردید. نتایج کلی این پژوهش بیانگر نوسانات فصلی در سری دماهای کرانگین بیشینه کرمانشاه است که این نوسانات معنی دار نیستند. برای پیش بینی دمای کرانگین بیشینه کرمانشاه مدل هالت وینترز بهترین مدل تشخیص داده شد که حاصل از این مدل نشان می-دهد در سال های 2014 و 2019 دما افزایش ناهنجاری خواهد داشت. بیشترین همبستگی بین نوسان اطلس شمالی و دماها در فصول سرد سال و در بازه زمانی یک ماهه و به صورت منفی نمود پیداکرده، درحالی که ضریب همبستگی در فصول گرم سال با وقفه سه ماهه و از رابطه ای مثبت برخوردار است.

جهت بررسی فعالیّت های آتشفشانی تفتان و تبین ارتباط آن با لرزه خیزی منطقه، با در نظر گرفتن کارهای تقریباً مشابه انجام شده با موضوع مورد نظر ما در دنیا، نیاز به بررسی پارامترهای لرزه خیزی منطقه در زمان رخداد آتشفشانی و کل بازه زمانی مورد مطالعه وجود دارد. اطلاعات مورد نیاز پس از جمع آوری و تدوین کاتالوگ لرزه ای و رخدادهای آتشفشانی تفتان از پایگاه ها و مراکز معتبر در دنیا، تلفیق و با کمک فرمول های معتبر موجود پارامترهای لرزه خیزی منطقه در زمان رخداد هر واقعه آتشفشانی مورد تجزیه و تحلیل قرار گرفت. در این مطالعه ضمن تهیه کاتالوگی از فعالیّت های لرزه خیزی و آتشفشانی ثبت شده در منطقه و بررسی پارامترهای لرزه خیزی آن سعی در بررسی تأثیر فعالیّت های کنونی این آتشفشان بر لرزه خیزی آن شد. تلفیق اطلاعات به دست آمده و نتیجه گیری کلی، ناهنجاری خاصی را در مورد این آتشفشان نشان نداد اما تجزیه و تحلیل داده های لرزه ای موجود از منطقه تفتان، بیانگر رابطه گوتنبرگ- ریشتر به صورت logN=-0.3975 M+ 2.7489 می باشد که اوج فعالیّت های لرزه ای منطقه تفتان طیّ سال های سال های 1994- 1990 بوده است. اطلاعات آتشفشان شناسی در منطقه کافی نمی باشد با این حال بین فعالیّت های آتشفشانی سال های 1902،1970و 1993 با فعالیّت های لرزه ای ارتباط زمانی مشاهده می شود. بنابراین با توجه به اهمیت منطقه تفتان از دیدگاه مخاطرات طبیعی و کمبود اطلاعات موجود جهت بررسی های لازم، پایش های جامع لرزه زمین ساختی و آتشفشان شناسی در منطقه ی تفتان ضروری به نظر می رسد.

اجرای طرح احیای اراضی بیابانی دشت لامرد در استان فارس از طریق عملیّات نهال‌کاری، بذرپاشی و حفاظتی در سطحی معادل هشت هزار هکتار با استفاده از گونه‌های مقاوم به خشکی و شوری نظیر آتریپلکس ، سمر(کهور پاکستانی) از سال 1374 آغاز گردید. با توجّه به اهمیت اجرای طرح مذکور، این تحقیق به منظور بررسی تغییرات خاک و پوشش گیاهی در اثر اجرای طرح انجام شد. در هر منطقه (نهال‌کاری، بذرپاشی و حفاظتی) تعداد پنج پروفیل جهت بررسی خصوصیّات فیزیکی و شیمیائی خاک (بافت، هدایت الکتریکی، اسیدیته، آهک، گچ، نسبت جذب سدیم، املاح محلول سدیم، پتاسیم، کلسیم، منیزیم و کلر) حفر گردید. همچنین خصوصیّات پوشش گیاهی از جمله درصد پوشش، تولید، وضعیّت و گرایش پوشش گیاهی با استفاده از روش‌های معمول در هر یک از برنامه‌های اجرائی تعیین شد. به منظور مقایسة خصوصیّات خاک و پوشش گیاهی در مناطق و عمق‌های مختلف از آنالیز واریانس و جهت گروه‌بندی میانگین خصوصیّات از آزمون چند دامنه دانکن استفاده شد. براساس نتایج حاصله، خاک‌های منطقه مورد مطالعه دارای میزان شوری زیادی است و سایر املاح موجود در خاک در مقایسة با زمان اجرای طرح، به‌ویژه در منطقة حفاظتی (بحرانی) افزایش قابل توجّه داشته و گسترش منطقه حفاظتی به درون منطقه نهال‌کاری و بذرپاشی کاملاً مشهود است. با توجّه به بررسی‌های انجام شده، از دلایل مهّم خشکیدگی نهال‌ها در منطقة نهال‌کاری‌شده طیّ سال‌های بعد از اجرای طرح (علی‌رغم رشد قابل‌توجّه در سال اول) می‌توان به قطع عملیّات آبیاری تکمیلی، برخورد ریشة گیاهان با سخت‌لایه ناشی از آهک (در عمق 60-30 سانتی‌متری) و سطح ایستابی بالا و آب شور، آسیب‌دیدگی ریشه گیاهان به دلیل سله‌بندی شدید خاک سطحی و سنگینی بافت خاک اشاره کرد.

تبخیر مؤلفه ای اساسی در چرخة هیدرولوژی است و نقش مهمی در مدیریت منابع آب دارد. در این تحقیق عملکرد مدل های شبکة عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در تخمین تبخیر روزانه ارزیابی شده است. داده های روزانة هواشناسی میانگین دما، سرعت باد، فشار هوا، رطوبت نسبی، بارش، دمای نقطة شبنم، و ساعت آفتابی ایستگاه های سینوپتیک تبریز و مراغه، به منزلة ورودی مدل های ANN و SVM، برای تخمین تبخیر روزانه استفاده شد. نخست ده ترکیب مختلف از هفت ورودی و سپس ورودی های منفرد به منظور تخمین تبخیر به کار گرفته شدند. نتایج مدل های استفاده شده نشان داد که هر دو مدل ANN و SVM عملکرد قابل قبولی در تخمین تبخیر دارند. ارزیابی نتایج استفاده از ورودی های تکی نشان داد که به ترتیب کاربردِ پارامترهای میانگین دما و ساعت آفتابی نسبت به پارامترهای دیگر نتایج بهتری در تخمین تبخیر هر یک از ایستگاه ها داشته است. بررسی های این تحقیق نشان می دهد که اگرچه تفاوت معنی داری بین نتایج سه تابع کرنل ماشین بردار پشتیبان وجود ندارد، تابع کرنل پایة شعاعی در مقایسه با توابع کرنل دیگر از دقت زیاد و عملکرد بهتری در تخمین تبخیر روزانه برخوردار است.