درخت حوزه‌های تخصصی

برای مطالعة خشکسالی روش های مختلفی وجود دارد. روش تحلیل داده های بارندگی، جزو عمومی روش های تحلیل خشکسالی به شمار می رود؛ لذا پیش بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تأثیر پیش پردازشِ داده های بارش ماهانة ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش بینی خشکسالی در ایستگاه سینوپتیک سنندج می باشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش 12 ماه بعد استفاده شده و جهت ارزیابی درخت های ایجاد شده از معیارهای آماری مختلف استفاده شده است. داده های مورد استفاده در این پژوهش مربوط به آمار ماهانة بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دورة آماری (1389- 1349) است. نتایج حاصل از پژوهش نشان می دهد که در ایستگاه سینوپتیک سنندجدرخت تصمیم گیریرگرسیونی،مدلینسبتاًکارادرپیش بینی خشکسالی می باشد؛ به طوری که درشبیه سازی هایصورتگرفته،زمانیکهاز میانگینمتحرّکپنجسالة داده هابرایاجرایمدلاستفادهگردید، ترکیب بارشقبلی ودمایحداکثر بهعنوانمناسب ترینحالت با مقدار خطای 06/0 شناساییشده و اعمال میانگین متحرک روی داده های اصلی در بهبود کارایی مدل مؤثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را 12 ماه پیش از وقوع بر آورد نمایند.

مخروط های آتشفشانی از اشکال تأثیرگذار سطح زمین هستند که ارتباط زیادی با ساختارهای پوسته مانند گسل ها، چین خوردگی ها و ... دارند. گنبد آتشفشانی بهلول داغی در 2 0 کیلومتری شمال تبریز و  از نظر پهنه بندی ساختمانی، در پهنه ایران میانی و در زیرپهنه البرز-آذربایجان واقع است. محدوده گنبد مورد مطالعه، به دلیل عوارض تکتونیکی فعال و لرزه خیزی بالا، از نقاط بحرانی است و لازمه مقابله با مخاطرات آن، شناسایی اشکال سطحی زمین با هدف پی بردن به ماهیت، علل پیدایش و آثار ژئومورفولوژیک ناشی از آن است که می تواند زمینه را برای برنامه ریزی جهت زندگی بهتر انسان ها فراهم آورد. ازآنجاکه بهلول داغی با ارتفاع 2227 متر در شمال کلان شهر تبریز، نقش برجسته ای را در مورفولوژی پرعارضه کنونی منطقه دارد، در این پژوهش سعی شده با استفاده از روش های میدانی و کتابخانه ای، ماهیت و علل خروج این عارضه و تأثیر آن بر مورفولوژی منطقه شمال تبریز بررسی شود. در این راستا از ابزارهایی نظیر نقشه های توپوگرافی، زمین شناسی، عکس های هوایی و ماهواره ای و نیز داده های آزمایشگاهی استفاده شده است. یافته های حاصل از مشاهدات عینی و تجزیه وتحلیل کتابخانه ای نشان می دهد که حرکات کششی و فشارشی تکتونیک فعال آذربایجان(که از آغاز همگرایی صفحات قاره ای عربی و اوراسیا در 30میلیون سال پیش ناشی می شود)، به ویژه در پلیو-کواترنر منجر به گسیختگی های ژرف و گسلش شدید منطقه شده، شرایط خروج ماگما از نقاط ضعیف تکتونیکی را فراهم نموده است. گنبد بهلول داغی نیز از خطواره گسل های آلمان داغ و شوردره، که به موازات گسل شمال تبریز ( NTF ) کشیده شده اند، بیرون آمده است. این مخروط با کنار زدن لایه های رسوبی میوسن، توانسته علاوه بر تغییر الگوی زهکشی منطقه، به عنوان منبعی برای تولید رسوب نواحی پایین دست (مخروط واریزه، افتان ها و ...) عمل کند. هم چنین خروج این توده، موجب نوسان لایه های رسوبی افقی و تمایل آن ها به طرف رأس گنبد شده و باعث گسیختگی و ایجاد سطوح ضعیف در برابر سیستم های فرسایشی و تشدید مورفودینامیک منطقه شده است.

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.

خشکسالی پدیده ای است که در قالب تغییر پذیری اقلیم زندگی انسان را تحت تأثیر قرار داده و تغییر اقلیم بر شدت آن افزوده است. در این پژوهش پدیده خشکسالی در یکی از استانهای زرخیز کشور یعنی خوزستان مورد بررسی قرار گرفته است. برای این منظور از داده های بارش 14 ایستگاه استان در طول دوره آماری 30 ساله 1986 تا 2016 استفاده گردید. روش کار در این پژوهش بررسی وضعیت خشکسالی استان بر اساس نمایه شاخص بارش استاندار SPI و همچنین احتمال رخداد و دوره بازگشت خشکسالی با شدت های مختلف و نیز تحلیل روند خشکسالی بوده است. نتایج این پژوهش نشان داد میزان خشکسالی در بخش های جنوبی و غربی و جنوب شرقی بیشتر بوده است. بررسی آزمون روند نشان داد در بیش از 85 درصد مساحت استان روبه روند خشکسالی افزایشی است. همچنین بررسی دوره های بازگشت خشکسالی نشان داد، خشکسالی های ملایم و متوسط به ترتیب با متوسط بازگشت 3 و 10 ساله بالاترین احتمال رخداد را در استان دارند. بررسی دوره بازگشت خشکسالی ها با شدت های مختلف نشان داد مناطق جنوبی استان خشکسالی را در دوره بلند مدت-تری تجربه می کنند در صورتی که دوره بازگشت خشکسالی در مناطق شمالی استان کوتاه تر است. به این معنا که ایستگاههای با بارش بیشتر با پریود کوتاه تری دچار خشکسالی می گردند.

این مطالعه با هدف محاسبه مقدار دبی پیک سیلاب و شناخت عوامل موثر بر سیل­خیزی حوضه رازآور استان کرمانشاه با استفاده از روش SCS انجام شده است. برای محاسبه دبی پیک سیلاب، ابتدا حوضه به زیرحوضه­هایی با رتبه آبراهه­ای 5، 6 و 7 تقسیم شده و سپس فاکتورهای موثر بر سیل­خیزی حوضه مانند مساحت، شماره منحنی CN، زمان تأخیر، زمان تمرکز، شدت بارش، کاربری اراضی، شیب، زمین­شناسی و پوشش گیاهی مطالعه، و دبی پیک سیلاب در نرم­افزار SMADA محاسبه شده است. مقادیر دبی محاسبه شده از روش SCS نشان داد که بیشترین بده حداکثر سیلابی با دوره برگشت 100 سال به میزان s/ 85/691 مربوط به حوضه رازآور با رتبه آبراهه­ای 8 و مساحت Km2 1323، و کمترین بده 100 ساله به میزان /s m3 9/28 متعلق به زیر­حوضه شماره 10 با مساحت Km223 و رتبه آبراهه ای 5 می­باشد. برای تعیین موثرترین عامل در سیل­خیزی منطقه و جهت پیش­بینی مقدار دبی و ارائه مدل مناسب، دبی به عنوان متغیر وابسته و سایر فاکتورها به عنوان متغیرهای مستقل معرفی شده و این مقادیر در نرم­افزار SPSS مورد آنالیز قرار گرفته است. جهت تجزیه و تحلیل و نیز انتخاب موثرترین عامل یا عوامل در سیل­خیزی حوضه از رگرسیون چندگانه، ساده و لگاریتمی با استفاده از روش­های پیشرو و گام به گام (STEPWISE) استفاده و مدل­هایی برای حوضه ارائه گردید. لازم به ذکر است که مدل­های ارائه شده با سطح اعتماد 01/0 درصد قابل­قبول هستند. نتایج این مدل ها نشان داد که مساحت، زمان تاخیر و CNحوضه موثرترین عامل در سیل خیزی این حوضه به شمار می­روند.

تغییرات اقلیمی و زمین ساختی نقش اساسی در تحول و تغییرشکل مخروط افکنه ها دارد. این پژوهش، به نقش تغییرات سطح اساس چالة میقان بر مورفولوژی مخروط افکنه های پیرامون چاله پرداخته است. برای انجام این پژوهش از بررسی های میدانی، داده های مغزة رسوبی چاه ها، تصاویر ماهواره ای و داده های رقومی ارتفاعی استفاده شده است. با مقایسة مغزة رسوبی چاه ها و درون یابی بخش های مشترک آن ها، حداکثر گسترش دریاچه مشخص شد. پس از استخراج مخروط افکنه ها، با توجه به تغییرات سطح اساس، مورفولوژی توالی مخروط افکنه ها، موقعیت زمین شناسی و حوضه های زهکشی، در بخش شمالی و جنوبی چاله مقایسه و تجزیه و تحلیل شد. نتایج نشان می دهد که تغییرات سطح اساس چالة میقان و فرونشست تدریجی چاله هم زمان با برخاستگی بخش حاشیه ای چاله که نشانة عدم تقارن و مورفوتکتونیک است بر مورفولوژی مخروط افکنه های پیرامون اثر گذاشته است. البته، اگرچه عامل تغییر اقلیم بر تغییر مورفولوژی مخروط افکنه های آشتیان، اراک و جزآن نقش اساسی داشته، نقش نوزمین ساخت بر تغییرشکل و تحول مخروط افکنة آشتیان نسبت به سایر مخروط افکنه ها مؤثرتر بوده است، زیرا در بخش شمالی پنج مخروط قدیمی تا جدید با اختلاف ارتفاع حدود 700 متر باعث عدم تقارن در منطقه شده است، در حالی که در مخروط افکنه های بخش جنوبی این توالی دیده نمی شود.

اهداف: هدف اصلی این پژوهش، شناخت منشأ شکل گیری و ویژگی الگو های جوی و کمیت های هوا-شناسی مؤثر بر بارش های فرین بهاره استان آذربایجان غربی است. روش: براساس نقشه ها و داده های هواشناسی در تراز های مختلف جو، بارش های فرین رخ داده درفصل بهار، طی دوره آماری 2003 تا 2008 بررسی شده است. سپس ویژگی الگو های جوی مؤثر در ایجاد این بارش ها، بی هنجاری های میدان های فشاری سطح دریا، ارتفاع تراز 500 هکتوپاسکال ، تاوائی نسبی و فرارفت آن در سطح 500 هکتوپاسکال، مطالعه شده است. یافته ها/ نتایج: نتایج نشان داد سامانه های فشاری که موجب بارش های فرین بهاره در منطقه می شوند، اغلب از کم فشار های بریده مدیترانه ای بوده اند که با ماندگاری در حدود سه روز در نواحی شرق مدیترانه، رطوبت کافی برای ایجاد این بارش ها را کسب می کنند، همچنین در روز رخداد بارش های فرین، بی هنجاری های ارتفاع تراز 500هکتوپاسکال، نسبت به میانگین بلند مدت در منطقه شاخص بوده است و کاهش زیادی را نشان می دهد. نتیجه گیری: در همه موردهای مطالعه شده، تاوائی نسبی و فرارفت آن نسبت به روز قبل از بارش، افزایش قابل ملاحظه ای داشته است، به-طوری که مقدار بیشینه تاوائی حدودs-15-10×4 تا s-15-10× 6و پیشینه فرارفت تاوائیs-29-10×6 تا s-29-10×12 است و می تواند به عنوان یکی از پیش نشانگر های بارش فرین در شمال غرب کشور استفاده شود.

بارندگی یکی از اجزای اصلی چرخه­ی هیدرولوژی است. این فرآیند پیچیده به عوامل متعدد اقلیمی وابسته است. شبکه های عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدل سازی سیستم های پیچیده و غیر خطی قابلیت بسیار بالایی از خود نشان داده است. تحقیق حاضر در سه ایستگاه منتخب از استان خوزستان صورت گرفته است. برای این منظور از داده­های بارندگی ماهانه سه ایستگاه هواشناسی استان به مدت 48سال، (1340-1387)، استفاده شده است. سپس با استفاده از این مقادیر به عنوان خروجی­های هدف، شبکه­های مختلفی با ساختار­های متفاوت تعریف و آموزش داده شد. در نهایت قابلیت شبکه برای تخمین بارش با استفاده از قسمتی از داده­ها که در آموزش شبکه وارد نشدند، مورد بررسی قرار گرفت. در این تحقیق شبکه­های MLP و RBF با تغییراتی در تعداد لایه­های میانی، تعداد نرون­ها و الگوریتم­های آموزش MOMو LM وCG به منظور پیش­بینی بارش فصلی به کار گرفته شد. نتایج نشان داد که برای ایستگاه اهواز شبکه RBF با توپولوژی 1-4-6 و یادگیریLM دارای بیشترین مقدار ضریب همبستگی برابر 96/0 و کمترین MSE برابر 044/0 است. برای ایستگاه آبادان شبکه RBF با توپولوژی 1-7-6-6 و یادگیریLM دارای بیشترین مقدار ضریب همبستگی برابر 92/0 و کمترین MSE برابر 062/0 است. برای ایستگاه دزفول شبکه MLP با توپولوژی 1-4-3-6 و یادگیریLM دارای بیشترین مقدار ضریب همبستگی برابر 94/0 و کمترین MSE برابر 034/0 است.