درخت حوزه‌های تخصصی

یکی از حالات دمایی، دماهای بالا و رخداد روزهای گرم است. مطالعه ی روزهای گرم و سازوکارهای جوّی توأم با این رویداد با توجه به اهمیت این حالت دما، ضرورتی اجتناب ناپذیر است. در پژوهش حاضر تلاش شد تا روزهای گرم فراگیر ایران، شناسایی، طبقه بندی و تحلیل شوند. به این منظور از دو پایگاه داده استفاده شد. اول پایگاه داده شبکه ای دمای بیشینه ی کشور، این داده ها حاصل میان یابی مشاهدات روزانه از ابتدای سال 1340 تا انتهای سال 1386 است. دوم داده های جوّی شامل متغیّر های فشار تراز دریا (هکتوپاسکال)، مؤلفه ی باد مداری و نصف النهاری (متر بر ثانیه) و ارتفاع ژئوپتانسیل (متر) است. به منظور بررسی این داده ها محدوده ی بین 10 درجه طول غربی تا 120 درجه طول شرقی و از استوا تا 80 درجه ی عرض شمالی درنظر گرفته شد. در طول دوره ی آماری، 1539 روزِ گرم فراگیر شناسایی گردید. بر اساس تکنیک تحلیل خوشه ای روزهای گرم در چهار گروه طبقه بندی شد. تحلیل شرایط جوی این روزها نشان داد که توأم با تکوین روزهای گرم استقرار کم فشارهای منطقه ای و ناهنجاری منفی فشار بر روی کشور محتمل است. در این شرایط جهت گیری وزش باد از نواحی جنوب، به ویژه عربستان، عراق و افریقا در ترازهای زیرین و حتی میانه ی جو که حاصل افزایش ارتفاع بر روی ایران می باشد، دیده شده است. گرمایش سطحی و تراز بالایی موجب تکوین پایداری جو شده است. زیرا تفاوت دمایی دو تراز کم و در نتیجه تخلیه ی حرارتی کاهش و ثبات شرایط دمایی مورد انتظار است.

هدف از پژوهش کنونی بررسی ساختار مکانی تغییرات روزهای برفپوشان در ایران است. برای این منظور داده های پوشش برف سنجنده های مودیس تررا و مودیس آکوا برای بازه زمانی 1393-1382 به صورت روزانه و در تفکیک مکانی 500 × 500 بکارگرفته شد. پیش از بکارگیری داده های خام اولیه برخی پردازش های نخستین بر روی کل سری زمانی داده ها به منظور کاستن از ابرناکی انجام گرفت. سپس برای هرکدام از سال های مورد بررسی داده های روزانه به صورت فصلی درآورده شد. برای شناسایی تغییرات روزهای برفپوشان برای هر یک از فصول سال، معادله خط رگرسیونی بر روی هر یک از یاخته ها برازش داده شد و شیب خط داده ها بر روی هر یک از یاخته ها محاسبه گردید. کلیه محاسبات این پژوهش با انجام کدنویسی در نرم افزار مت لب انجام پذیرفت. بررسی ها نشان داد در همه فصول سال روندهای افزایشی و کاهشی شمار روزهای برفپوشان دیده می شود. در فصل زمستان بیش ترین تغییرات شمار روزهای برفپوشان دیده شد به گونه ای که در این فصل 64/22 درصد از گستره کشور دارای روند کاهشی و 69/2 درصد از مساحت ایران نیز دارای روند افزایشی شمار روزهای برفپوشان بود.

بیماری مالاریا از جمله بیماری های است که شیوع آن با عناصر اقلیمی مرتبط می باشد.در این مقاله تاثیر عناصر اقلیمی و پدیده انسو بر این بیماری در استان کرمان بررسی شود.داده هاشامل دما، رطوبت نسبی ، بارش ، شاخص انسو و مبتلایان به بیماری مالاریا در دوره 92-1382 که با کمک روش های زمین آمار مورد تحلیل شده اند. تحلیل های آماری نشان می دهند دما تا آستانه 40 درجه سلسیوس تاثیر بالای در شیوع این بیماری دارد. بین تعداد مبتلایان و عنصر اقلیمی دما میزان همبسته بودن این دو برابر با (79/0+r= )است، اما بررسی های در مورد دو عنصر رطوبت نسبی و بارش با مبتلایان به بیماری مالاریا حاکی از وجود یک رابطه معکوس با ضرایب همبستگی 89/0- و 878/0- است.البته وجود آبگیرها و مانداب ها که نتیجه ریزش های جوی در ماه های قبل از فصل شیوع بیماری در منطقه می باشند مهمترین کلونی زندگی پشه آنوفل به عنوان مولد بیماری مالاریا است. همچنین بررسی ارتباط پدیده جوی-اقیانوسی انسو با شیوع بیماری مالاریا در منطقه نشان می دهدکه این بیماری درفاز منفی انسو(ال نینو) با ضریب همبستگی مثبت در حد (40/0+r= ) افزایش و در فاز منفی آن(لانینا) با ضریب همبستگی (85/0- =r) کاهش می یابد.لذا از آنجایکه پدیده انسو رخدادهای با گام های زمانی تقریبا معین با تکرار پذیری 3 الی 7 ساله داشته و آثار آن بر عناصر اقلیمی منطقه با تاخیرهای 6 تا 18 ماهه بر اقلیم منطقه آشکار می گردد می توان نسبت به تهیه و تنظیم برنامه های کنترل بیماری اقدام نمود.

قسمت های مرکزی و جنوب شرقی کشور ایران به دلیل واقع شدن در منطقه خشک و نیمه خشک و همچنین وجود پهنه های وسیع ماسه ای، همواره تحت تأثیر مخاطرات ناشی از فرآیندهای ماسه ای قرار دارد. این فرآیندها همه ساله خساراتی را به سکونتگاه های انسانی این مناطق وارد می کنند. این پژوهش سعی دارد به بررسی و رتبه بندی میزان آسیب پذیری روستاهای واقع در حاشیه غربی دشت لوت، در برابر ماسه های روان بپردازد. پژوهش از نوع توصیفی-تحلیلی مبتنی بر روش های میدانی، آماری و مدل سازی می باشد؛ بدین صورت که با سفر میدانی به منطقه مورد مطالعه به شناسایی بررسی روستاهای آسیب پذیر در برابر ماسه های روان پرداخته شد، در مرحله بعد تعداد ۸ پارامتر محیطی مؤثر بر مخاطرات ماسه های روان در منطقه مورد مطالعه شناسایی و با استفاده از منطق فازی وزن دهی شدند و سپس با استفاده از مدل Fuller triangle سلسله مراتبی وزن دهی شده اند، در مرحله بعد با استفاده از مدل Oreste به رتبه بندی میزان تأثیرپذیری روستاها با توجه به پارامترهای انتخاب شده پرداخته شد. رتبه بندی میزان آسیب پذیری روستاهای منطقه مشخص گردید. نتایج نشان می دهد که حدود۲۲ روستا در منطقه وجود دارند که خسارات بسیار شدید از ماسه های روان را متحمل می شوند و در این میان، روستای هاشم آباد بیشترین آسیب پذیری را دارد و رتبه یک را به خود اختصاص داده است و روستاهای زمان آباد و قاضی آباد در رتبه های بعدی آسیب پذیری قرار دارند و این روستاها در بخش جنوب شرقی منطقه مورد مطالعه واقع شده اند.

بنه از گونه های خشکی پسند منطقه رویشی ایران و تورانی است. کمی مقدار باران و طولانی بودن فصل خشک، معمولاً این ناحیه را از سایر نواحی ممتاز می کند. هدف از این پژوهش، بررسی آب و هوای رویشی گونه های مختلف بنه (کیکم- بنه، بادام- بنه، بنه غالب و کُنار- بنه) با استفاده از روش های آماری چند متغیره در سطح حوضه آبی مُند است. برای این منظور، تعداد 26 عنصر آب و هوایی، به صورت داده های ماهانه، که از نظر شرایط بوم شناختی این گونه ها از اهمیت بیشتری برخوردارند، از تعداد 18 ایستگاه همدید در سطح حوضه و خارج از آن انتخاب و به روش تحلیل مؤلفه های اصلی بررسی شد تا ابعاد آرایه از 26 مؤلفه به 3 مؤلفه کاهش یابد. سه مؤلفه دمایی، بارشی و بادی به ترتیب 3/56، 5/26 و 4/6 درصد و در مجموع 2/89 درصد پراش کل را به خود اختصاص داده اند. برای استخراج امتیازات مؤلفه ها، نقشه شبکه بندی شده گونه های جنگلی بنه بر نقشه عناصر اقلیمی منطبق و بر اساس آن عناصر مهم اقلیمی مؤثر بر پراکنش بنه تجزیه و تحلیل شد. نتایج نشان داد، رویشگاه گونه های مختلف بنه در این حوضه، نواحی معتدل، نیمه گرم و نیمه خشک، گرم و نیمه خشک، و گرم وخشک است. دامنه تغییرات ارتفاعی رویشگاه این تیپ در این حوضه، 900 تا 2600 متر از سطح دریاست. در ناحیه گرم و مرطوب حوضه با توجه به شرایط خاص حاکم (ارتفاع کم و رطوبت زیاد) اثری از انواع گونه های بنه دیده نمی شود.

خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به دلیل ویژگی خاص خود دستخوش تغییر می کند، این پدیده در سواحل خزر مورد بررسی قرار گرفته شد. هدف این پژوهش، بررسی خشکسالی طی دوره پایه 2010-1961 و آینده 2030-2011 در سواحل جنوبی خزر با استفاده از نمایه SPI(نمره (Zاست. داده های روزانه بارش 5 ایستگاه برای محاسبه مجموع بارش ماهانه و داده های مدلHADCM3 تحت سناریویB1 وA2دریافت شد. برای ریز مقیاس کردن داده هایHADCM3 از دو مدل ریزمقیاس ساز LARS-WGوSDSMاستفاده شد. نتایج نشان داد، مدل LARS_WG قابلیت بالاتری نسبت به مدلSDSMبرای ریزمقیاس کردن داده های بارش دارد. نتایج شبیه سازی مدل LARS-WG، افزایش بارش برای ماه های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه سازی با مدل LARS-WGبا ضریب تبیین 96 تا 99 درصد، خطای مطلق میانگین 3.6 تا 12.6 میلیمتر و نتایج آزمون های T وF که به ترتیب برای معنی داری میانگین و واریانس داده ها می باشد، معنی دار است. معنی داری 2 میانگین مشاهداتی و شبیه سازی 2 مدل و هم توزیع بودن با دو تست به ترتیب ویلکاکسون و کلموگروف اسمیرنوف ثابت شد. شدت خشکسالی با استفاده ازGISبه نقشه تبدیل شد. نتایج نمره Zسه ماهه با ریزمقیاس سازی مدل LARS-WGنشان داد، بیشترین فراوانی و شدت خشکسالی طی دوره مشاهداتی مربوط به ایستگاه انزلی و رشت است. طی دورهآینده ایستگاه رشت، گرگان و رامسر بالاترین شدت خشکسالی را خواهند داشت. نمره Z6 ماهه مشخص کرد، از نظر فراوانی؛ ایستگاه بابلسر،گرگان و رامسر و از نظر شدت؛ ایستگاه انزلی، رشت و رامسر بالاترین خشکسالی را تجربه کرده اند. درآینده رامسر و سپس رشت و گرگان درجات بالاتر خشکسالی را خواهند داشت. نمره Z12 ماهه نیز بیشترین شدت را برای ایستگاه رامسر و سپس انزلی و برای آینده در رشت، رامسر، بابلسر و انزلی نشان داد. نتایج مشخص کرد، دوره های نرمال بر اساس نمایه نمره Z، دوره های با فراوانی بیشتری نسبت به بقیه دوره ها در هر 5 ایستگاه بوده است.

بارشهای سنگین ازجمله مخاطرات طبیعی هستند که پیش آگاهی ازرخداد آنها کمک بسزایی جهت کاهش آسیب های احتمالی می نماید. بارشهای سنگین اغلب برروی مساحت کم یاقلمروهای کوچک و درمقیاس زمانی روز، هفته و کمتر رخ میدهند.به منظور بررسی و استخراج الگوهایجویمنجربهبارشهایسنگینروزانه،داده های 37 ایستگاه باران سنجی و سینوپتیک (حوضه های آبریز مند و حله) طی یک دوره آماری 20 ساله(1371-1390) مورد استفاده قرار گرفت.درادامه با استفاده از رویکرد محیطی به گردشی ارتباط بارش های سنگین منطقه شمالی خلیج فارس (حوضه های آبریز مند و حله) با الگوهای سینوپتیک موردبررسی و تحلیل قرار گرفت. در این راستا،با استفاده از روش صدک ها برای تعیین بارش های سنگین و روش همبستگی لوند برای طبقه بندی نقشه های فشار تراز دریا استفاده شد. در نهایت با استخراج الگو ها،نقشه های تراز دریا،نقشه سطوح میانی و فوقانی جو در سطوح 500 و 300هکتوپاسکال،نقشه چرخندگی و خطوط جریان،نقشه حرکت قائم هوا (امگا) بررسی شد. با اعمال روش همبستگی لوند،پنج الگو از بارش های سنگین منطقه مورد مطالعه استخراج شد.نتایج حاصل از این یافته ها حاکی استکهسامانه های تأثیرگذار بربارش سنگین حوضه های آبریز حله و مند در منطقه شمالی خلیج فارس،در الگوهای اول،سوم و چهارم روز بارش که به ترتیب مصادف23 مارس 1996 ، 24مارس 1995 و 17نوامبر 1994بوده، کم فشار شرق دریای مدیترانه، دریای سیاه و جنوب دریای خزر با تاوایی مثبت که ناشی از استقرار ناوه در سطوح میانی و بالایی در سطح500 و 300هکتوپاسکال در وردسپهر است، الگوهای بارشی را به خود اختصاص می دهند. همچنین ایجاد یک الگوی دوقطبی از پرفشار عربستان با تاوایی منفی در انتقال رطوبت از آب های اطراف و منطقه سودان(اقیانوس هند،دریای سرخ،عرب، خلیج فارس و عمان) و همگرایی و همسویی باکم فشار شرق دریای مدیترانه و سیاه به عنوان عوامل صعود از این مناطق باعث ریزش بارش در این روزهای بارشی بودند. همچنین مشخص شد که در روز بارش الگوی دوم در روز 29فوریه 1996، ناوه دو دامنه ای در انتقال رطوبت از منطقه سودان و کم فشار شرق مدیترانه باعث همگرائی و همسویی این سامانه ها شده است.الگوی دو دامنه ای در بارش این روز تاییدی بر زبانه کم فشار شرق مدیترانه در همراهی با زبانه کم فشار شمال شرق و جنوب دریای خزر مهم ترین عامل ریزش بارش در این روز بوده، که با ناوه سطوح میانی(500) هکتوپاسکال و بالائی (300)هکتو پاسکال همراه شده است. در الگوی پنجم یعنی روز 21 مارس 2001 کم فشار شرق پاکستان با تاوایی مثبت و یک مرکز تاوایی منفی در مرکز ایران باعث ایجاد گرادیان فشار و شرایط محلی برای رخداد بارش شده است. لذا بارش در این روز از سیستم فشار سیاره ای تبعیت نمی کند. از دستاوردهای این تحقیق می توان به نقش کلیدی و موثر کم فشارهای شرق،شمال و جنوب دریای خزر در بروز بارش سنگین حوضه های مورد مطالعه اشاره نمود

شناخت و ارزیابی تغییرات اقلیم در دهه های آینده با هدف برنامه ریزی محیطی مناسب در جهت سازگاری و کاهش اثرات آن امری کاملاً ضروری است. در این پژوهش نیز تغییرات دمای حداکثر روزانه بر روی کشور ایران در دو دوره زمانی (70-2041 و 99-2071)و بر اساس خروجی دو مدل گردش عمومی جو Hadcm3و CGCM3 تحت سناریوهای انتشار موجود ( A1B, A2, B1 , B2) مورد بررسی مقایسه ای قرار گرفت. بدین منظور پس از بررسی توانمندی مدل آماری SDSM در شبیه سازی اقلیم دوره پایه (2010-1981)، مقادیر آینده دمای حداکثر روزانه با لحاظ نمودن عدم قطعیت،بر روی 7 ایستگاه سینوپتیک به عنوان نماینده های آب و هوایی انتخابی ایران، ریز مقیاس نمایی گردید. در تحلیل عدم قطعیت مربوط به مدل-سناریوها،مشخص شد که مدل CGCM3 تحت سناریوی B1 در بین مدل-سناریوهای مختلف، بهترین عملکرد را در شبیه سازیدمای آینده داشته است. همچنین یافته های پژوهش بر روی ایستگاه های مورد مطالعه نشان می دهد که دمای ایران به طور متوسط دردهه های میانیو پایانی قرن بیست و یکم، بین 1 تا 2درجه سلسیوسافزایش می یابد، که البته این افزایش دما بر اساس سناریوهای مختلف مدل Hadcm3 نسبت به مدل CGCM3 شدیدتر بوده است.از نظر پراکنش فضایی تغییرات در محیط GIS نیزبر اساس خروجی همه مدل-سناریوها، کمترین افزایش دما بر روی ایستگاه بندرعباس واقع در سواحل پست جنوبی ایران مشاهده شده و بالعکس بر روی ایستگاه تبریز واقع در عرض های شمالی تر و مناطق بلند و کوهستانی ایران، افزایش دما به حداکثر می رسد. در مجموع می توان عوامل مهمو مؤثردر تغییرات آینده دمای ایران را در سه گروه: عاملارتفاع، عرض جغرافیایی و رطوبت جوی دسته بندی نمود. چرا که بر اساس تمامی خروجی های مدل-سناریوها، ارتفاعات عرض های شمالی ایران، بیشترین افزایش دما را تجربه خواهند نمود.

موضوع خشکسالی در مطالعات منابع آب اهمیت زیادی دارد. شاخص هایخشکسالیهواشناسیمستقیماًازرویداده هایهواشناسینظیربارندگیمحاسبهمی شوند درصورتفقدانداده هایمذکور،درپایشخشکسالیمفیدواقع نخواهندشد.لذاتکنیکسنجشازدورمی تواندابزاریمفیددرپایشخشکسالیبهشماررود. دراینتحقیقبااستفادهازتصاویرماهواره ایسنجنده MODIS روندتغییراتشاخصنرمالشدهپوششگیاهی استان اصفهان برای سال های 2000 تا 2008 بررسی شد. شاخص NDVIعلاوه بر پوشش گیاهی طبیعی برای پایش خشکسالی به ویژه خشکسالی زراعی نوع دیم هم می تواند مؤثر باشد. بادرنظرگرفتناینشاخص،پوششگیاهیمنطقه به4گروهطبقه بندی شد ومساحتهرکدامازطبقاتنیزمحاسبهشد.درنهایتدوشاخص SPI و NDVI موردمقایسهقرارگرفت. نتایجحاصل ازمحاسبه شاخص SPI حاکی از وقوع خشکسالیشدید در سال 2008 و خشکسالیمتوسطبه ترتیب در سال های2000 و 2001 دراستاناصفهان است. محاسبهشاخص NDVI دراینسهسالنیزنشاندادکهمیزانپوشش گیاهیضعیفبهطورقابلمحسوسیافزایشیافته است. با این حال نتایج حاصل از اثر تغییرات بارندگی بر روی شاخص NDVI نشان داد که همزمانی وقوع خشکسالی هواشناسی و خشکسالی کشاورزی در تمام سال ها وجود ندارد. برای سال 2006 علی رغم اینکه بارش بیشتر از سال های قبل و بعد و بیشتر از میانگین بارش استان بوده، اما براساس نتایج شاخص NDVI این سال همراه با خشکسالی کشاورزی (کاهش ارزش شاخص NDVI) بوده و برعکس در سال های 2002 و 2004 که بارش کمتر از سال 2006 رخ داده اما شرایط دیم و مرتع بهتر از سال 2006 بوده و همچنین در سال 2003 با اختلاف 2 میلیمتر بارش در سال 2002، مقدار شاخص NDVIکاهش زیادی یافته است. نتایج این تحقیق ضرورت تعریف نمایه ای که همه این موارد را بیان کند دوچندان می کند.

یکی از مراحل اصلی در مطالعات منابع آب برآورد توزیع مکانی بارندگی در مقیاس های زمانی متفاوت می باشد. مطالعه بارش به عنوان یک عنصر بسیار مهم و رکن اساسی در مطالعات بیلان آب و اساس برنامه ریزی های منابع طبیعی هر کشوری شناخته می شود. به دلیل کمبود ایستگاه های باران سنجی و نقطه ای بودن این ایستگاه ها، استفاده از مدلی که علاوه بر مقادیر بارش ایستگاه ها از عوامل دیگری همچون توپوگرافی، رطوبت و جهت شیب، بارش را درون یابی کند، ضروری است. لذا در این پژوهش داده های بارش و رطوبت از 9 ایستگاه همدید و 31 ایستگاه باران سنجی استان لرستان به مدت 12 سال آماری اخذ و با استفاده از روش کم ترین مربعات روابط میان بارش با توپوگرافی و رطوبت به کمک نرم افزار Maple استخراج گردید؛ و سپس با اعمال این روابط در محیط GIS به کمک زبان برنامه نویسی پایتون مدل رقومی بارش ایجاد شد. نتایج حاصل از این مدل حاکی از آن بود که میزان بارش از 02/0 تا 6/11 میلی متر با مقدار اندازه گیری شده در ایستگاه ها اختلاف دارد. هم چنین برای سنجش کارایی این مدل، داده های بارش در سوم اردیبهشت رادار TRMM[1] را با خروجی این مدل در همین روز مقایسه شد و این نتیجه به دست آمد که ضریب تعیین برای داده های رادار TRMM، 79 درصد و برای مدل رقومی بارش 86 درصد می باشد.

خشکسالی با استفاده از شاخص های متعددی مطالعه می شود. عنصر رایج در اکثر این شاخص ها، بارندگی است. اهمیت بارش در تحلیل و پیش بینی خشکسالی ها باعث شده است که محققان شاخص های متعددی بر اساس متغیرهای بارشی تعریف و ارائه نمایند. در پژوهش حاضر، شاخص متغیرهای تاثیرگذار بارندگی (CPEI) برای بررسی خشکسالی های فصلی و سالانه ایران مورد استفاده قرار گرفته است. در این شیوه، برخلاف شاخص های کمی مورد استفاده در مطالعه خشکسالی ها، خروجی ها به صورت مدل های ریاضی و مقادیر کمی ارائه نمی شود بلکه نتایج شاخص مذکور به صورت تعداد و عناوین متغیرهای تاثیرگذار بارندگی هستند که می توانند در بررسی مطالعه خشکسالی در یک مکان مورد استفاده مدلسازان قرار بگیرد. در این راستا، داده های بارش روزانه 40 ایستگاه سینوپتیک ایران طی دوره آماری 1980 تا 2009 مورد استفاده قرار گرفت. براساس روش های ریاضی- آماری و مقادیر همبستگی بین متغیرها ، ترکیب بهینه ای از متغیرهای تاثیرگذار بارندگی برای هر ایستگاه تعیین و میزان انطباق دوره های زمانی و مکانی با شاخص CPEIبرای بررسی خشکسالی ها و پایش آن ها در ایران به دست آمد. نقشه های پهنه بندی براساس تناسب ایستگاه ها با شاخص CPEI تهیه شد. نتایج نشان داد که در بیشتر ایستگاه ها شاخص مذکور قابل استفاده است و از شاخص CPEI برای تعیین دوره های خشک فصلی و سالانه در ایران می توان در طراحی مدل ها استفاده نمود. همچنین معلوم شد که استفاده از این روش برای مطالعه خشکسالی های فصل بهار و سالانه مناسب تر از بقیه دوره های زمانی است. مناطق شمالی و شمالغرب، در دوره های سالانه و فصلی (به استثنای فصل بهار) با شاخص CPEI، هماهنگی کمتری نشان دادند.

هدف از این مطالعه، بررسی تغییرات و آشکار سازی چرخه های دبی و بارش سالانه حوضه مند است؛ بدین منظور داده های دبی و بارش سالانه این حوضه برای ایستگاه های باباعرب، دهرم، دهرود، دژگان، حکان، تنگ کارزین، تنگاب و حنیفقان، بندبهمن، علی آباد خفر، باغان و قنطره طی دوره 1355 تا 1390 استخراج، سپس با استفاده از روش های تحلیل همساز و تحلیل روند در محیط نرم افزار MATLAB مورد بررسی و تجزیه و تحلیل قرار گرفت. نتایج این مطالعه نشان داد که بر بارش و دبی حوضه مند بیشتر چرخه ای کوتاه مدت 2 تا 6 ساله حاکم بوده است. با وجود این، بعضی از چرخه های بلند مدت نظیر 17 و 25 ساله در دبی این حوضه مشاهده شده است. نتایج حاصل از تحلیل روند دبی و بارش نشان داد که روند افزایش یا کاهش دبی حوضه در اکثر ایستگاه ها تحت تأثیر روند افزایش و کاهش بارش این منطقه است. با این حال، به طور قطع نمی توان استنباط نمود که تغییرات و چرخه های دبی حوضه مند، وابسته به بارش است؛ از این رو، نمی توان تأثیر عوامل مورفولوژیکی و ژئومورفولوژی این حوضه را نادیده گرفت.

هدف از پژوهش کنونی بررسی وردش های مکانی دما در حوضة زاینده رود است. بدین منظور، داده های دمای رویة خاک سنجندة مودیس تررا برای بازة زمانی 1379 1393 به کار گرفته شد. داده های دمای این سنجنده در تفکیک های مکانی گوناگونی در دسترس است، اما در این پژوهش از خردترین گونة دادة این فرآوردة دورسنجی، که در تفکیک مکانی 1×1 کیلومتری در دسترس است، بهره گرفته شد. پس از استخراج داده ها بر روی حوضة زاینده رود، شیب خط دما روی 48347 یاختة مورد بررسی در حوضه محاسبه شد. اما، برای اطمینان از روند، بازة اطمینان رگرسیونی بر روی یاخته ها به کار بسته شد و فقط یاخته هایی که از دیدگاه علامت شیبِ خط هم راستا بودند استخراج و به نمایش گذاشته شدند. یافته های این پژوهش نشان داد در همة فصول در حوضه روندهای افزایشی و کاهشی دمای رویه دیده می شود. بیشترین گسترة روند افزایشی دمای رویه در فصل زمستان و در بخش های غربی حوضه دیده شد. همچنین، آشکار شد در فصل زمستان همبستگی بسیاری (بیش از 90/0) میان میزان افزایش دما و ارتفاع دیده می شود و با افزایش ارتفاع بر میزان روند نیز افزوده می شود.

با توجه به اهمیت تغییرات شار گرمای محسوس در تغییر موازنه انرژی سطحی و تغییرپذیری آب و هوایی مناطق مختلف، در این مطالعه داده های دمای هوا، دمای سطح زمین، و سرعت باد از داده های شبکه بندی NCEP/NCAR برای یک دورة 34 ساله (1980 2014) دریافت و بر اساس آن شار گرمای محسوس در همة ایران محاسبه شد. محاسبات مربوط به شار گرمای محسوس برای بهار و تابستان بر اساس رابطة حجمی انجام گرفت. میانگین متحرک و ناهنجاری متغیرها و روند تغییرات با تحلیل رگرسیون خطی، چندجمله ای، و ضریب همبستگی پیرسون انجام گرفت. نتایج نشان داد، در مقایسه با روند شار تابستان (039/0)، شار گرمای محسوس بهار با ضریب رگرسیون خطی (18/0) تغییرات شدیدتری را نشان می دهد. شاید ناهمگونی گرمایش سطحی در بهار موجب تغییرات دمایی بیشتری بین هوا و سطح می شود و ناهنجاری سرعت باد را نسبت به تابستان افزایش می دهد. در مقایسه با مؤلفه های دمایی، تغییرات باد تأثیر بیشتری در شار گرمای محسوس تابستانی می گذارد. ضریب تعیین چندجمله ای نشان می دهد که سرعت باد بیست درصد تغییرات شار گرمای محسوس تابستان را توجیه می کند. نواحی غرب، شمال غرب، مرکز، و کرانة جنوبی خزر بیشترین تغییرات شار گرمای محسوس را در دورة گرم و همچنین حداکثر تغییرات دمای هوا و دمای سطح را به خود اختصاص داده اند.

هدف از این پژوهش شناسایی امواج گرمایی سواحل شمالی خلیج فارس و مقایسه ی شرایط پایه و آینده است. برای نیل به این هدف از آمار روزانه ی میانگین دمای بیشینه ی 35 سال آماری (از 1980 تا 2014) ایستگاه های آبادان، بوشهر، بندرعباس، بندرلنگه و کیش استفاده شده است؛ همچنین برای پیش بینی امواج گرمایی در آینده از داده های دمای بیشینه ی چهار مدل از سری مدل های CMIP5 (شامل CanESM2، MPI-ESM-MR، CSIRO-Mk3-6-0 و (CMCC-CESM طبق RCP8.5 برای دوره 2040 تا 2074 استفاده شده است. برای ریزگردانی خروجی مدل های اقلیمی مورد نظر از روش شبکه های عصبی مصنوعی و برای شناسایی امواج گرمایی، از شاخص فومیاکی (فوجیبه) استفاده شده و با استفاده از برنامه نویسی در محیط نرم افزار متلب روزهایی را که (دست کم به مدت 2 روز) دمای آن ها بالاتر از 2+ انحراف معیار بود به عنوان موج گرمایی شناسایی شدند. نتایج پژوهش نشان می دهد که امواج گرمایی کوتاه مدت رخداد بیش تری دارند. امواج گرمایی در دوره ی پایه دارای روند افزایشی معنی دار (بجز ایستگاه بوشهر) امّا ضعیف بوده اند به طوری که فراوانی آن در سال های اخیر، بیش تر شده است. در دوره ی 2040 تا 2074 فراوانی امواج گرمایی دارای روند کاهشی معنی دار امّا معمولاً با ضرایب تعیین اندک است. هر چند برای ایستگاه کیش در دوره ی 2040 تا 2074 فراوانی امواج گرمایی پیش بینی شده با چهار مدل، نسبت به دوره پایه افزایش نشان می دهد امّا برای بقیّه ی ایستگاه های مورد مطالعه، در دو مدل افزایش و در دو مدل کاهش نشان داده اند. با استفاده از آزمون دانکن در سطح ۰۵/۰، مشخص شد که بین امواج گرمایی داده های پایه و آینده هیچ گونه تفاوت معنی داری وجود ندارد

در این تحقیق، ابتدا غلظت ذرات معلق در هوای محیط در محل سایت انرژی های تجدیدپذیر پژوهشگاه مواد و انرژی واقع در شهر مشکین دشت استان البرز در دو محدودة PM10و PM2.5 نمونه برداری و اندازه گیری شد. سپس ذراتِ نمونه برداری شده، استخراج شدند و به کمک دستگاه کرواتوگرافی یونی غلظت شش آنیون شامل: فلوراید، کلراید، بروماید، نیتریت، نیترات و سولفات و شش کاتیون شامل: لیتیم، سدیم، آمونیوم، پتاسیم، کلسیم و منیزیم بر روی مورد ارزیابی قرار گرفت. نتایج به دست آمده نشانگر غلظت نسبی بالای دو آنیون سولفات و نیترات در هر دو طبقه ذرات PM10 و PM2.5بوده است. کاتیون کلسیم در ذرات PM10 دارای بالاترین غلظت و کاتیون آمونیوم در ذرات PM2.5 دارای بالاترین غلظت مشاهده شدند. همچنین، بنابر نتایج به دست آمده، حضور یون ها (اعم از آنیون ها و کاتیون ها) در ذرات PM2.5 به طور نسبی دو برابر حضور آنها در ذرات PM10 دیده شد که تأکیدی بر خطرات بهداشتی بالای ذرات ریزتر می باشد.

برآورد دبی بار رسوبات معلق رودخانه ها به دلیل تأثیرگذاری بر طراحی و مدیریت سازه های آبی، در مهندسی آب، هیدرولیک و محیط زیست مهم می باشد. تاکنون تلاش های گوناگونی جهت برآورد دقیق بار رسوبات معلق توسط پژوهشگران انجام شده است که برای مثال می توان به برقراری رابطه بین دبی جریان و دبی رسوب اشاره نمود. مشکل این روش، عدم قطعیت آن می باشد. از این رو، شماری از محققان به روش های هوشمند و الگوریتم های تکاملّی، روی آورده اند. در پژوهش حاضر به منظور پیش بینی بار رسوب معلق ایستگاه های هیدرومتری جلوگیر و پای پل واقع در بالادست سد مخزنی کرخه، روش برنامه ریزی بیان ژن مورد استفاده قرار گرفت و نتایج به دست آمده با نتایج روش های منحنی سنجه رسوب و فائو مقایسه گردید. برای انجام این کار داده های دبی جریان، دبی رسوب و ارتفاع باران دو ایستگاه بین سال های 1390-1365 جمع آوری شد. برای اجرای مدل برنامه ریزی بیان ژن دو سناریو تعریف گردید. در سناریوی اول از اطلاعات دبی جریان و دبی رسوب ایستگاه ها استفاده شد و در سناریوی دوم از اطلاعات ارتفاع باران حوضه ی آبریز نیز استفاده گردید. نتایج نشان داد سناریوی دوم عملکرد بهتری در مقایسه با سناریوی اول داشته است. همچنین، مقایسه ی نتایج اجرای این مدل در بخش آزمون سناریوی دوم نشان داد که این روش نسبت به روش منحنی سنجه رسوب، میزان خطای RMSE و MAEرا به مقدار 91% و 94% برای ایستگاه هیدرومتری جلوگیر و 60% و 71% برای ایستگاه هیدرومتری پای پل کاهش داده است. مقایسه همین نتایج با روش فائو نیز نشان دهنده ی کاهش خطای RMSE و MAE به میزان 92% و 96% برای ایستگاه هیدرومتری جلوگیر و 85% و 95% برای ایستگاه هیدرومتری پای پل می باشد.

شناسایی مناطق مستعد حرکات توده ای ازجمله زمین لغزش از طریق مدل سازی خطر با مدل های مناسب و کارا، یکی از اقدامات اساسی در کاهش خسارت احتمالی و مدیریت خطر است. زمین لغزش به عنوان یکی از انواع حرکات توده ای، فرایند پیچیده ای است که تحت تأثیر پارامترهای داخلی و خارجی روی می دهد که شناخت این پارامترها و میزان تأثیرشان در وقوع مخاطرات و استفاده از ابزاری مناسب برای کمی سازی، برنامه ریزان و مدیران را در برنامه ریزی های توسعه و مدیریت بهینه منطقه به ویژه مناطق کوهستانی در مقیاس های منطقه ای و محلی یاری می کند. هدف از مطالعه حاضر بررسی وقوع بالقوه زمین لغزش در حوضه گویجه بل با استفاده از مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه به منظور شناخت مناطق حساس به وقوع پدیده مذکور می باشد. برای مدلسازی از ۹ پارامتر مستقل اعم از لایه بارش، لیتولوژی، پوشش و کاربری اراضی، ارتفاع، شیب، جهت شیب، فاصله از شبکه زهکشی، فاصله از گسل و فاصله از جاده استفاده گردید. بعد از استانداردسازی فازی هر یک از پارامترها، نه فاکتور به عنوان متغیر مستقل و زمین لغزش های رخ داده نیز به صورت یک لایه باینری و به عنوان متغیر وابسته برای مدل رگرسیون لجستیک؛ همچنین فاکتورهای استاندارد شده به عنوان نرون های ورودی و زمین لغزش های رخ داده به عنوان آموزش دهنده مدل شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه معرفی گردید. نتیجه اعتبارسنجی ROC نشان می دهد مساحت زیر منحنی در مدل شبکه عصبی مصنوعی بیشتر از مدل رگرسیون لجستیک بوده است و دقت برابر با ۹۱/۰ را نسبت به رگرسیون لجستیک با دقت ۸۹/۰ نشان می دهد. همچنین ۹ درصد از مساحت منطقه مورد مطالعه در پهنه های خطر زیاد و بسیار زیاد و ۵/۹ درصد جزو پهنه های خطر متوسط می باشد. پهنه های خطر متوسط می توانند با سومدیریت و ساخت و سازهای عوارض انسانی ازجمله جاده تحت تأثیر قرار گرفته و به پهنه های خطر زیاد و بسیار زیاد تبدیل گردند.

هدف از انجام این پژوهش بررسی توزیع مکانی سرعت و مدت وزش باد در ایران به منظور تعیین مناطق مستعد و با پتانسیل خوب برای احداث توربین های بادی است. پارامترهای توزیع ویبول (k و c) میانگین و بیشینة روزانة سرعت باد با استفاده از آمار حدود بیست سال سرعت روزانة باد در 104 ایستگاه سینوپتیکی کشور تعیین شد. بررسی تغییرات مکانی میانگین توزیع ویبول ایستگاه های مورد مطالعه با محاسبة نیم تغییرنمای تجربی انجام گرفت. نتایج نشان داد میانگین روزانة سرعت باد از همبستگی مکانی متوسط با ساختار نمایی و شعاع تأثیر 545 کیلومتر برخوردار است. همچنین، ساختار مکانی سرعت باد همسانگرد و فاقد روند تشخیص داده شد. نتایج اعتبارسنجی متقابل تخمین میانگین سرعت باد با استفاده از روش های کریجینگ معمولی (OK) و وزن دهی عکس فاصله (IDW) حاکی از عملکرد مشابه دو روش بود. بر اساس نقشة پهنه بندی شدة میانگین سرعت باد، استان های واقع در شرق، شمال شرق و شمال غرب کشور دارای سرعت باد بیش از m/s 4-3 است. در همین نواحی شهرهایی مانند رفسنجان، زابل، خواف، تربت جام، الیگودرز، کهنوج و خدابنده بیشترین درصد ساعاتی از سال دارد که سرعت باد در آن ها بیش از m/s4 است. بنابراین، این مناطق برای استفاده از انرژی بادی مناسب به نظر می رسد.

در این پژوهش، ساختار گردش بزرگ مقیاس جو و رفتار تابستانه جت جنب حاره در منطقه خاورمیانه در بازه زمانی ۱۶ آوریل (۲۷ فروردین) تا ۱۵ جولای (۲۴ تیر) برای دوره ۳۰ ساله (۱۹۸۱-۲۰۱۰) با استفاده از داده های شبکه بندی روزانه مؤلفه باد مداری تراز ۲۰۰ هکتوپاسکال، مورد تجزیه وتحلیل قرار گرفت. در هر سال، تغییر رفتار روزانه جت به صورت تصویری و عددی مورد پایش قرار گرفت. در بررسی رفتار روزانه جت، شدت جریان و میزان جابجایی عرضی هسته جت معیارهای اصلی جهت تشخیص تغییر الگوی گردش و آغاز فصل تابستان در نظر گرفته شد. پردازش داده ها بر اساس رفتار جت در دو آستانه زمانی، شامل زمان آغاز و زمان خاتمه پرش شمال سو صورت گرفت. یافته ها بیانگر آن است که در منطقه خاورمیانه تابستان واقعی- بر اساس حقایق مبتنی بر گردش کلی جو- با لحاظ نمودن دو آستانه زمانی آغاز و خاتمه پرش شمال سو به ترتیب حدود ۲۱ روز و ۱۷ روز زودتر از تاریخ نجومی (اول تیر ماه) آغاز می گردد. صحت تعیین زمان آغاز تابستان توسط آزمون کای اسکور مورد تأیید قرار گرفت. بررسی روند تغییرات، نشان دهنده روندی با شیب مثبت، برای زمان آغاز تابستان در منطقه است. یافته ها همچنین بیانگر آن است که آغاز فصل تابستان در ۱۵ سال دوم مورد مطالعه، انحرافات و نابهنجاری های قابل ملاحظه ای در قیاس با ۱۵ سال اول دارد. ادامه داشتن این روند باعث نزدیکی زمان آغاز اقلیمی تابستان به آغاز نجومی و از طرفی کوتاه شدن طول فصل تابستان خواهد شد.