اسدالله خورانی

تخریب پوشش گیاهی از جمله پارامترهای مهم برای بررسی تغییرات زیست محیطی است. از این رو در این مطالعه، با هدف بررسی روند تغییرات پوشش گیاهی (NDVI)، دمای سطح زمین (LST)، تبخیر و تعرق واقعی (ET) و بارندگی استان هرمزگان از داده های سنجش از دور حاصل ازسنجنده مودیس و داده های ERA5 با روش من-کندال و شیب تخمین گرسن در بازه زمانی 2022-2001 استفاده شد. سپس همبستگی بین پوشش گیاهی و دمای سطح خاک، تبخیر و تعرق واقعی و بارندگی در این بازه زمانی محاسبه گردید. بررسی روند تغییرات ماهانه پوشش گیاهی با استفاده از آماره من-کندال نشان داد که پوشش گیاهی در بیش از 80 درصد از مساحت استان افزایشی بوده است، که بررسی شیب تخمین گرسن نیز این افزایش را تأیید می کند. بررسی روند تغییرات دمای سطح زمین، تبخیر و تعرق واقعی و بارندگی نیز نشان داد که روند تغییرات تبخیر تعرق، دمای سطح زمین و بارندگی در اکثر ماه ها افزایشی بوده که به ترتیب این افزایش در بیش از 65، 85 و 61 درصد از استان دیده شده است. بررسی رابطه همبستگی بین پوشش گیاهی با شاخص دمای سطح زمین نشان داد که در ماه های سرد این رابطه منفی و قوی می باشد. بررسی این رابطه بین پوشش گیاهی و تبخیر و تعرق واقعی نیز نشان داد که در اکثر ماه ها این رابطه مثبت و در بیش از 53 درصد از سطح استان دیده شده است. همچنین نتایج بررسی رابطه همبستگی بین پوشش گیاهی و بارندگی بیان داشت که این رابطه در اکثر ماه های سال مثبت بوده و در بیش از 54 درصد از استان هرمزگان به خوبی مشهود است. با توجه به این نتایج می توان بیان داشت که با استفاده از داده های سنجش از دور به خوبی می توان روابط بین متغیرهای مختلف با تغییرات پوشش گیاهی و روند تغییرات آن ها را در طول زمان مورد بررسی قرار داد.

کشور ایران جزء مناطق خشک و نیمه‌خشک دنیا محسوب می‌شود که حدود 65 تا 70 درصد اراضی زیر کشت محصولات عمده زراعی به گندم تعلق دارد. در این پژوهش به‌منظور پیش‌یابی اثر تغییر اقلیم بر عملکرد گندم پاییزه (آبی) جیرفت ابتدا به منظور شبیه‌سازی عملکرد گندم پاییزه از مدل گیاهی آکواکراپ استفاده شده است. سپس برای آشکار سازی تغییرات متغیرهای اقلیمی طی سال‌های 2020 تا 2098 از 17 مدل گردش عمومی جوّ از سری مدلهای CMIP5 تحت سناریوهای واداشت تابشی RCP4.5 و RCP8.5 استفاده شده است. خروجی این مدلها بر اساس ابزار مولد اقلیم MarkSimGCM ریزگردانی شده است. ارزیابی دقت مدل AquaCrop در شبیه‌سازی عملکرد گندم طی دوره پایه (1990-2016) نسبت به عملکرد مشاهده‌شده نشان دهنده دقت مطلوب این مدل با میزان ضرایب R2، MAE، RMSE و MAPE 7/0، 203، 237 و 43/11 درصد بوده است. نتایج پیش‌بینی عملکرد گندم طی دوره آتی نشان داد که تحت هر دو سناریو افزایش خواهد یافت که میانگین افزایش عملکرد طی دوره آتی نسبت به دوره پایه برای RCP4.5 75 و برای RCP8.5 91 کیلوگرم در هکتار خواهد بود. دلیل افزایش عملکرد این محصول کاهش دمای حداقل و حداکثر طی دوره آتی بخصوص در زمان انتهایی رشد گندم و کاهش تنش گرمایی است.

مطالعه حاضر با هدف شناسایی تاثیرگذارترین متغیر اقلیمی بر مصرف انرژی الکتریکی بخش مسکونی و همچنین معرفی بهترین مدل در برآورد مصرف، با استفاده از مدل سازی مصرف انرژی الکتریکی انجام شده است. داده های اقلیمی برای سال های 2003 تا 2022 از مرکز پیش بینی میان مدت وضع هوا (ECMWF) و همچنین دادهای مصرف سالیانه انرژی الکتریکی بخش مسکونی به تفکیک استان های ایران، از توانیر دریافت شد. به منظور بررسی روند، از آزمون ناپارامتریک من-کندال استفاده گردید و برای مدل سازی مصرف انرژی الکتریکی، از مدل های، رگرسیون خطی چندگانه(MLR) ، شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبانی (SVM) و جنگل تصادفی (RF) استفاده شد. نتایج نشان داد که همبستگی میان مصرف انرژی الکتریکی بخش مسکونی و دمای کمینه و بیشینه، در تمام استان های کشور مثبت و رابطه مصرف انرژی الکتریکی با شاخص UTCI در استان های مختلف، مقادیر مثبت و منفی را به خود اختصاص داده است. به طوری که در 22 استان همبستگی مثبت و در 9 استان همبستگی منفی می باشد. نتایج حاصل از برسی روند تغییرات نشان داد که دمای کمینه، دمای بیشینه و انرژی الکتریکی، در همه استان ها روند افزایشی داشته است اما شاخص UTCI، روند منفی را هم در تعدادی از استان ها ثبت کرده است. همچنین رابطه ای که از مدل رگرسیونی گام به گام حاصل شد، نشان داد که در 23 استان، تنها متغیر تاثیرگذار، دمای کمینه می باشد. در استان های اصفهان، خراسان جنوبی و کرمان، متغیر های دمای کمینه و شاخص UTCI به عنوان متغیر تاثیرگذار شناخته شد. در استان های اردبیل، گیلان و گلستان، تنها دمای بیشینه وارد معادله گردید. نتایج حاصل از مدل سازی نشان داد، مدل ANN عملکرد بهتری را نسبت به سه مدل دیگر داشته است. به طوری که بیشترین ضریب همبستگی با 79/0 و حداقل خطا با 360 را ثبت کرده است. مدل های MLR، SVM و RF به ترتیب عملکرد بهینه، در رتبه های بعدی قرار دارند.