محمد کمانگر

خشکسالی یکی از بزرگ ترین چالش های زیست محیطی و اجتماعی جهانی است که پیامدهای جدی برای امنیت غذایی و مدیریت منابع آب دارد. این پژوهش به پیش بینی خشکسالی های کوتاه مدت در ایران با استفاده از سناریوهای اجتماعی - اقتصادی مشترک (SSP) می پردازد. داده های 95 ایستگاه سینوپتیک در دوره 1985–2014 به عنوان پایه در نظر گرفته شدند. پنج مدل گردش عمومی جو (GCM) شامل GFDL-ESM4، IPSL-CM6A-LR، MPI-ESM1-2-HR و UKESM1-0-LL برای پیش بینی بارش به کار رفتند. داده ها با روش کریجینگ همگون سازی و سپس اصلاح سوگیری شدند. برای کاهش عدم قطعیت، از رویکرد همادی چندمدلی استفاده گردید. نتایج نشان می دهد داده های همادی شده هم خوانی بالایی با مشاهدات دارند، خطاهای کمتری ارائه می دهند و ضریب همبستگی آن ها افزایش یافته است. مدل همادی عملکرد بهتری نسبت به مدل های منفرد داشت. تحلیل الگوهای بارش در دوره پایه نشان داد که بارش تحت تأثیر عوامل جغرافیایی و اقلیمی است و بیشترین مقادیر آن در ماه های سرد در زاگرس و سواحل جنوب غربی خزر رخ می دهد. پیش بینی های دوره 2021–2040 تحت سناریوی SSP5-8.5 تغییرات چشمگیری را نشان می دهند: افزایش بارش در مناطق مرتفع و سواحل خزر، هر چند افزایش دما ممکن است اثرات مثبت آن را کاهش دهد؛ در مقابل، کاهش بارش در شمال غرب و مرکز کشور، به ویژه در بهار و تابستان، پیش بینی شده است. این تغییرات چالش های جدی برای مدیریت آب و کشاورزی ایجاد می کند و لزوم برنامه ریزی پیشگیرانه را برجسته می سازد. این مطالعه با ارائه پیش بینی های دقیق تر، به سیاست گذاران در تدوین راهبردهای مؤثر برای مقابله با خشکسالی کمک می کند.

در سال های اخیر سطح تراز آب های زیرزمینی در اثر تغییرات اقلیمی و همچنین شیوه و میزان بهره برداری از آن ها، روند نزولی داشته است. با توجه به افزایش تقاضای آب و افت شدید آب های زیرزمینی، مدیریت پایدار این منابع از اهمیت شایانی برخوردار است. پیش بینی سطح ایستابی با استفاده از مدل های ریاضی و آماری می تواند کمک قابل توجهی به برنامه ریزی و تصمیم گیری های مناسب جهت تأمین آب در درازمدت، داشته باشد. در این مطالعه تلاش شده است تا سطح آب های زیرزمینی با استفاده از شبکه ی عصبی گرادیان دیسکنت و تابع انتقال Hyperbolic Tangent پیش بینی شود. مدل تابع انتقال Tanh با تعداد 40 نرون در لایه پنهان با ضریب همبستگی 99/0 و مجذور مربعات خطا 01/0 برای پیش بینی سطح ایستابی پیاده سازی شد. با تعمیم این مدل به ده چاه مشاهده ای و برون یابی در محیط سامانه ی اطلاعات جغرافیایی، مدل مکانی پیوسته سطح ایستابی در دشت سرخون برای سال 1400 تخمین زده شد. نتایج نشان داد که سطح ایستابی در قسمت های غربی دشت با مقدار 98/72 متر بیشترین و در بخش شرقی دشت با توجه به تراکم جمعیتی بیشتر مقدار با 72/18 متر کمترین سطح ایستابی را خواهند داشت. با توجه به میزان خطای پایین مدل، می توان نتیجه گرفت که با اجرای این مدل در دیگر حوزه ها می توان پیش بینی صحیحی از سطح آب های زیرزمینی به دست آورد و در برنامه ریزی و مدیریت پایدار آب های زیرزمینی از آن استفاده نمود

آلودگی های محیط زیستی، نوسانات قیمت و پایان پذیر بودن منابع انرژی فسیلی مورد استفاده در نیروگاه ها باعث روی آوردن به منابع انرژی جایگزین شده است. استفاده از انرژی های پایدار به خصوص انرژی خورشیدی می تواند بهترین گزینه برای تامین انرژی در نیروگاه های تولید برق باشد. گام اول برای توسعه استفاده از انرژی خورشیدی مکان یابی نواحی است که در آن انرژی خورشیدی در حد مطلوب و دیگر شرایط لازم احداث نیروگاه را دارا باشد، است. در این تحقیق، سیستم اطلاعات جغرافیایی مبتنی بر منطق فازی، که قابلیت های متعدد آن ها در حل مسائل پیچیده مکانی به اثبات رسیده است، به منظور تصمیمگیری در زمینه این مساله بکار گرفته شده است. استان هرمزگان پتانسیل بالایی را جهت بهره برداری از انرژی خورشیدی دارد. به این منظور ابتدا با توجه به مطالعات پژوهشگران مختلف و همچنین نظر کارشناسان اداره برق منطقه ای استان هرمزگان معیارهای مناسب جهت احداث نیروگاه تعیین شد. معیارهای مورد استفاده در مکان یابی مناطق مستعد در این استان ساعات آفتابی، شیب، فاصله از مناطق جمعیتی، فاصله از راه ها، فاصله از خطوط انتقال نیرو، کاربری اراضی و لایه محدودیت ها در نظر گرفته شد. اطلاعات مورد نیاز از منابع گوناگون استخراج و بصورت لایه های اطلاعاتی به محیط نرم افزار ACGIS10 معرفی شدند. وزن های معیارها با استفاده از روش تحلیل سلسله مراتبی استخراج شده و به منظور تلفیق لایه ها از مدل فازی استفاده شد. بر اساس این روش 22524.115کیلومتر مربع از مساحت استان هرمزگان در طبقه خیلی خوب، جهت احداث نیروگاههای خورشیدی حرارتی قرار گرفت.

آلودگی های محیط زیستی، نوسانات قیمت و پایان پذیر بودن منابع انرژی فسیلی مورد استفاده در نیروگاه ها باعث روی آوردن به منابع انرژی جایگزین شده است. استفاده از انرژی خورشیدی می تواند بهترین گزینه ی تامین در نیروگاه های تولید برق باشد. انتخاب مکان مناسب برای احداث این نیروگاه ها بدلیل تاثیر موقعیت مکانی نیروگاه ها بر میزان و هزینه تولید و انتقال انرژی ضروری است. استان هرمزگان بدلیل افزایش جمعیت و استفاده از فن آوری نوین با کمبود تولید برق مواجه است در صورتی که پتانسیل بالایی جهت بهره برداری از انرژی خورشیدی دارد.  هدف از این پژوهش مکان یابی مناطق مناسب در این استان جهت احداث نیروگاه های خورشیدی حرارتی می باشد. در پژوهش های گذشته صرفا پتانسیل یابی مناطق بدون توجه به تناسب مناطق به مکان یابی پرداخته اند. در این پژوهش از معیارهای ساعات آفتابی، شیب، فاصله از مناطق جمعیتی، فاصله از راه ها، فاصله از خطوط انتقال نیرو، کاربری اراضی با استفاده مدل تاپسیس فازی جهت پتانسیل سنجی مکان های مساعد استفاده شد. بر اساس این روش 18308.428686 کیلومتر مربع از مساحت استان هرمزگان در طبقه خیلی خوب جهت احداث نیروگاه خورشیدی حرارتی قرار گرفته اند. همچنین نتایج حاصل از این روش با استفاده از کنترل زمینی مورد بررسی قرار گرفت که حاکی از برآورده شدن همه معیارهای انتخابی در نواحی کاملا مناسب و رضایت بخش بودن به کارگیری روش تاپسیس فازی در امر مکان یابی نیروگاه های خورشیدی است.

قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه خشک با بارندگی کم قرار گرفته است. در نواحی فلات مرکزی و جنوبی اجتماعات شهری و روستایی با اتکاء به منابع آب زیر زمینی شکل گرفته و این منابع عمده ترین تامین کننده نیازهای آبی در این مناطق محسوب می شود. رشد روز افزون جمعیت و محدودیت منابع آبی لزوم پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه می طلبد. پیش بینی سطح ایستابی با استفاده از ابزارها و روش های نوین مدلسازی می تواند کمک شایانی به برنامه ریزی و تصمیم گیری بهینه جهت تامین دراز مدت آب نماید. هدف از این تحقیق تخمین سطح ایستابی آبخوان سرخون استان هرمزگان با استفاده از شبکه عصبی و بهره مندی از قانون Gradient Descent می باشد. این روش با استفاده از ارتباط ذاتی داده ها، روابط غیر خطی بین آن ها را یاد گرفته و نتایج را برای بقیه حالت ها تعمیم می دهد به منظور آموزش مدل از اطلاعات 10چاه مشاهده ای که دارای آمار 24ساله بودند استفاده گردید70درصد داده ها به عنوان داده های آموزشی به مدل معرفی و20درصد داده ها به عنوان تست برای اعتبار سنجی به کار برده شد. نتایج این روش, تراز سطح ایستابی آبخوان سرخون برای سال1400را بین22تا72متر در مناطق مختلف پیش بینی می کند. ارزیابی این مدل با خطای RMSE بین 0.00125- تا0.0509و همچنین خطای MEA بین 0.0012- تا 0.049 کارایی مدل شبکه عصبی Gradient Descent را در پیش بینی سطح ایستابی منابع زیر زمینی نشان می دهد.