فرشاد سلیمانی ساردو

امروزه بیابان زایی یکی از مهمترین پدیده های طبیعی است که خسارات گاها" جبران ناپذیری بر زندگی انسان ها می گذارد این پدیده به صورت تدریجی محیط پیرامون خود را تسخیر کرده و باعث خالی از سکنه شدن و مهاجرت مناطق تحت تأثیر خود خواهد شد. ارزیابی و پایش این پدیده طبیعی از جمله برنامه های اساسی برنامه ریزان منطقه ای جهت مقابله با آن می باشد. پایش این پدیده در ایران که بیش از دو سوم آن در منطقه خشک و نیمه خشک قرار دارد و از اکوسیستم های شکننده ای برخوردار است از اهمیت قابل توجهی برخوردار است، به همین دلیل مدل بومی IMDPA جهت ارزیابی آن ابداع گردید. در این تحقیق به منظور ارزیابی شدت بیابان زایی دشت کرمان از مدل IMDPA با تاکید بر معیارهای آب و اقلیم استفاده گردید. نتایج نشان داد کلاس بیابان زایی معیار اقلیم در دوره آماری ده ساله (1392-1382) تغییر نکرده و در کلاس متوسط قرار دارد و همچنین کلاس بیابان زایی معیارآب متوسط تعیین گردید. ضمناً نتایج نشان داد در معیار آب از مساحت شدت بیابان زایی کلاس کم کاسته شده و به مساحت کلاس بیابان زایی متوسط افزوده شده است و نهایتاً مشخص گردید با گذشت زمان شرایط بیابان زایی منطقه وخیم تر شده حتی کلاس بیابان زایی شدید نیز در بعضی از مناطق به خصوص در نواحی غرب و جنوب شرقی دشت کرمان مشاهده شده است.  

    خشکسالی به عنوان یکی ازپدیده های طبیعی که در هنگام وقوع خسارات جبران ناپذیری به اکوسیستم های طبیعی وارد می کند، مطرح است. تداوم، شدت، زمان آغاز و پایان خشکسالی از ویژیگی های خاص این پدیده می باشد. از مهمترین انواع آن، خشکسالی هواشناسی است. این واقعه به صورت کمبود بارش نسبت به شرایط متوسط با استفاده از نمایه های مبتنی بر بارش بررسی می شود. این مطالعه بر روی حوزه آبریز هلیل رود جیرفت انجام شده است. در این تحقیق از دو شاخص SPI[1]وSIAP[2] در پایه زمانی سالانه به منظور بررسی تحلیل گستره دوره های خشکسالی و تر سالی در منطقه مورد نظر استفاده شده است. نتایج نشان می دهد گستره دوره های خشکسالی بیشتر به سمت غرب حوزه هلیل رود می باشد و گستره دوره های ترسالی بیشتر از جنوب به سمت شمال غرب منطقه بوده است. [1]- Standardized Precipitation Index [2] - Standard Index of Anual Precipition

    مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می دهد. روش های هوش مصنوعی می توانند کارایی بالایی جهت شبیه سازی جریان رودخانه در مقیاس های مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیه سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه سازی داده های دبی جریان ماهانه در این ایستگاه, از داده های دبی ثبت شده در چهار ایستگاه هیدرومتری بالادست و یک ایستگاه اقلیمی استفاده گردید. جهت مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل M5، از دو معیار مجذور میانگین مربعات خطا و ضریب تبیین استفاده گردید. نتایج نشان داد شبکه عصبی مصنوعی با ساختار یک لایه مخفی با چهار نرون کارایی بیشتری نسبت به مدل M5 دارد. خطای مدل شبکه عصبی مصنوعی 40/25 با ضریب همبستگی 93/0 و خطای مدل M5 18/28 با ضریب همبستگی 92/0 به دست آمد. با افزایش نرون های محاسباتی در لایه مخفی کارایی شبکه عصبی مصنوعی کاهش یافت. 

    سیل از پدیده های مخرب طبیعی است که در هر بار وقوع خسارات زیادی را بر جای می گذارد. ایجاد سازه های هیدرولیکی مناسب می تواند کمک شایانی به کنترل این پدیده نماید. از مهم ترین اطلاعات مورد نیاز جهت طراحی این سازه ها، اطلاعات حداکثر سیل محتمل و حداکثر بارش محتمل می باشد. این مطالعه به منظور بررسی نحوه گسترش این دو پارامتر در حوزه سد جیرفت صورت گرفته است. در این تحقیق از روش آماری هرشفیلد جهت برآورد حداکثر بارش محتمل و روش گشتاورهای خطی به منظور برآورد حداکثر سیل محتمل استفاده شد. در آخر با استفاده از روش درون یابی کریجینگ نقشه های گستره این دو پارامتر ترسیم گردید که نتایج نشان داد، گستره حداکثر بارش محتمل از سمت شمال غربی به جنوب شرقی بوده و تمرکز حداکثر سیل محتمل در جنوب شرقی منطقه می باشد. توجه به نتایج این مطالعه می تواند به سیستم پایش منطقه کمک شایانی نماید و از خسارات احتمالی ناشی از وقوع سیل بکاهد.