بهناز عربی

ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و هم زمانِ بارش در قالب های مکانی و زمانی در ایستگاه های باران سنجی است. به دلیل عدم کفایت ایستگاه های ثبت بارندگی در گذشته، دسترسی به این اطلاعات در بسیاری از مناطق کشور با محدودیت هایی همراه است و پیاده سازی این مدل ها در مناطق مذکور عملاً ناممکن می نماید. استفاده از شبکه های عصبی مصنوعی (ANN) امکان برآورد این اطلاعات را در ایستگاه های پراکندة باران سنجی، و در درازمدت حتی در سال هایی که منطقه فاقد ایستگاه های ثبت بارش بوده است، فراهم می کند. در این تحقیق برای برآورد آمار میانگین بارندگی ماهانه و فصلی و سالانه در 305 ایستگاه هواشناسی موجود در سه استان اردبیل و آذربایجان شرقی و آذربایجان غربی در دو دهه پیش از تأسیس این ایستگاه ها، از 36600 داده ثبت شدة آمار بارندگی ماهانه در دورة ده ساله 2004-1995 استفاده شد. این داده ها به عنوان ورودی برای آموزش شبکه های عصبی با الگوریتم پس انتشار خطا به کار گرفته شدند. طول و عرض جغرافیایی، ارتفاع، شیب، عدد ماه و میانگین بارندگی ماهانه 5 ایستگاه نزدیک تر به هر ایستگاه نیز به عنوان پارامترهای ورودی شبکه انتخاب شدند. ابتدا شبکه عصبی برای دوره ده ساله 2004-1995 آموزش داده شد و دقتی معادل (84/0=R) به دست آمد. پس از آموزش شبکه عصبی، اقدام به برآورد داده های میانگین بارندگی ماهانه و فصلی و سالانه در دوره زمانی 1994-1975 در ایستگاه های موجود در منطقه مطالعاتی گردید. دقت شبکه عصبی در این برآورد معادل 7/0، 78/0 و 88/0 به ترتیب برای تخمین مقادیر میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مورد مطالعه بود. میزان این دقت برای هر سه استان به صورت مجزا اعتبارسنجی شد و بیشترین دقت در استان آذربایجان غربی (معادل 78/0) به دست آمد. سپس اقدام به تولید نقشه های درون یابی شده میانگین بارندگی ماهانه و فصلی و سالانه در سطح منطقه مطالعاتی، با استفاده از تخمینگر زمین آماری کریجینگ براساس داده های برآوردشده با تکنیک شبکه های عصبی و داده های موجود ثبت شده در ایستگاه ها در دوره زمانی 2004-1975 گردید. نتایج این تحقیق امکان دسترسی به آمار پیوسته و درازمدت بارندگی و همچنین بررسی تغییرات توزیع مکانی بارندگی را در منطقه شمال غرب کشور از گذشته تا امروز میسر می سازد.

آمایش سرزمین علمی است که با توجه به ویژگی­های اکولوژیک سرزمین و شرایط اقتصادی- اجتماعی آن، نوع استفاده بهینه از سرزمین را مشخص می­سازد. در بسیاری از مناطق ایران، انتخاب کاربری و مدیریت زمین بدون توجه به قابلیت و توان سرزمین انجام می­شود که سبب اتلاف سرمایه و کاهش ظرفیت محیطی می­گردد. در این تحقیق برنامه ریزی کاربری اراضی و تهیه نقشه آمایش با استفاده از توانمندی های ویژه محیط GIS در حوضه آبریز شهری ماهیدشت کرمانشاه– با مساحت تقریبی 1380 کیلومتر مربع – انجام شد. با استفاده از توابع موجود در GIS نقشه طبقات ارتفاع از سطح دریا، درصد شیب، جهات جغرافیایی، نقشه خاک، تیپ و تراکم پوشش گیاهی به روش دوتایی با هم ترکیب شده و در نهایت 577 واحد زیست محیطی بدون تکرار به عنوان واحدهای کاری ارزیابی توان و مدیریت کاربری زمین در مقیاس 1:150000 تفکیک و نقشه بندی گردید. همچنین ویژگی های اقلیم شناسی، احتمال فرسایش خاک و نوع کاربری فعلی برای هر واحد ثبت گردید. برای این واحدهای زیست محیطی یا اکوسیستم های خرد نیز ارزیابی توان اکولوژیک برای کاربری های کشاورزی، مرتع داری، جنگل داری، آبزی پروری، توریسم، توسعه شهری و حفاظت صورت پذیرفت. در نتیجه بررسی آمایشی سرزمین و اولویت بندی بین کاربری ها به روش کیفی قیاسی از بین توان های اکولوژیکی، نقشه آمایش سرزمین حوضه آبریز ماهیدشت تولید شد. از مقایسه نقشه های کاربری فعلی و کاربری آتی مشخص گردید که مساحت جنگل های منطقه از مقدار 7 درصد کاربری فعلی به حدود 12 درصد در کاربری بهینه افزایش می یابد، در کاربری مرتع نیز از حدود 12 درصد در شرایط فعلی به حدود 15 درصد در شرایط تغییر بهینه دست می یابیم و در طبقه مربوط به زراعت آبی از 10 درصد در شرایط فعلی به حدود 60 درصد در شرایط بهینه می رسیم. هم چنین نقشه توان اکولوژیکی آتی نشان می دهد که باید برخی مناطق(مساحتی بالغ بر 2درصد کل حوضه) مورد حفاظت قرار گیرد بنابراین در این زمینه نیز باید تمهیدات لازم را اندیشید.