دریاچه ارومیه

این پژوهش با هدف آشکارسازی تغییرات ابرناکی در حوضه آبریز دریاچه ارومیه انجام شد. بدین منظور از داده های دیدبانی شده مقدار کلی ابر پنج ایستگاه منتخب برای دوره آماری 70 سال(2020 – 1951) و از محصول پوشش کلی ابرناکی (CFFCM) سنجنده مودیس استفاده و تحلیل روند ابرناکی با استفاده از تحلیل ریدیت برای اولین بار انجام شد. نتایج نشان دادند بیشترین درصد پوشش کلی ابرناکی به ترتیب متعلق به کلاسه های بدون ابر، ابری و نیمه ابری است. نتایج تحلیل ریدیت و من کندال به صورت سالانه و در فصول بهار، تابستان و زمستان روند منفی و در فصل پاییز به غیر از ارومیه، سقز و خوی روند منفی و کاهشی داشتند. در نتایج روند داده های ماهواره ای سنجنده مودیس نیز نتایج حاکی از روند منفی و کاهش غیر معنی دار ابرناکی در هر چهار ایستگاه به صورت سالانه و فصلی بوده به جز ایستگاه ارومیه که در هر چهار فصل و به صورت سالانه، روند مثبت و افزایش غیر معنی دار دارد. همچنین انطباق نتایج تحلیل ریدیت و داده های ماهواره ای سنجنده مودیس نیز دارای همسانی و مطابقت بوده، بدین طریق درستی نتایج به دست آمده از تحلیل ریدیت نیز اثبات گردید.

هدف این مطالعه، شناسایی عوامل موثر، تهیه نقشه های پیش بینی خطرات سیل با استفاده از مدل های یادگیری ماشین و در انتها ارزیابی کارایی  این مدل ها در حوزه آبخیز زیوه ارومیه می باشد. برای این منظور از عوامل محیطی و انسانی شامل شاخص های مورفومتری؛ شاخص توان آبراهه (SPI)، شاخص طول شیب (LS)، شاخص خیسی توپوگرافی (TWI)، شاخص موقعیت توپوگرافی (TPI)، شاخص ناهمواری زمین (TRI)، شاخص تعادل جرم (MBI)، شاخص انحنای پروفیل (Profile Curvature) و شاخص انحنای سطح (Plan Curvature)، بارندگی، ارتفاع حوضه، درجه شیب ، جهت شیب، لیتولوژی، کاربری اراضی، شاخص تفاضل نرمال شده پوشش گیاهی (NDVI)، فاصله از آبراهه، فاصله از روستا و فاصله از گسل استفاده شد. برای این منظور با استفاده از بازدیدهای میدانی و تصاویر گوگل ارث و منابع دریافتی از ادارات تعداد 96 نقطه سیل در حوضه شناسایی شدند. لایه های مربوط به شاخص های مورفومتری از مدل رقومی ارتفاعی (5/12×5/12) متر و در محیط SAGA_GIS ؛ و نقشه های عوامل محیطی و انسانی در سامانه اطلاعات جغرافیایی ArcGIS تهیه و رقومی شدند. نتایج ارزیابی دو مدل با استفاده از منحنی ROC برای مدل های یادگیری ماشین (ML) نشان داد که مدل بیشینه آنتروپی با )916/0(AUC= و مدل خطی تعمیم یافته با  )902/0(AUC= دارای عملکرد عالی در پهنه بندی حساسیت محدوده مطالعاتی به سیلاب بوده اند. همچنین نتایج حاصل از شاخص کاپا برای مدل برتر نشان داد که عوامل محیطی شامل زمین-شناسی، فاصله از آبراهه، ارتفاع و شیب بیشترین تاثیر و کمترین تاثیر مربوط به عامل های شاخص انحنای پروفیل، کاربری اراضی و شاخص تعادل جرم بوده است. شناسایی مناطق پر خطر و تعیین عوامل موثر بر رخداد سیلاب ها در این حوضه در امر کاهش خسارات احتمالی می تواند بسیار کارآمد باشد.

توجه به مسئله تغذیه نزولات جوی و تخمین دقیق آن در آبخوان های ایران اهمیت زیادی دارد. استفاده از روش های مناسب برآورد تغذیه با توجه به شرایط منطقه ای، ضرورت دارد. مولفه تغذیه از اجزای کلیدی معادله بیلان آب است که به عنوان ورودی سیستم آب زیرزمینی، عملکرد سیستم آبخوان را کنترل می کند. در این پژوهش از مدل WetSpass-M به منظور برآورد تغذیه سالانه دشت آبخوان ارومیه استفاده شد. به دلیل استفاده از داده های قابل دسترس، این مدل قادر به تخمین مقادیر تغذیه به صورت توزیعی می باشد و مولفه های بیلان به صورت ماهانه، فصلی و سالانه قابل برآورد است. پس از واسنجی مدل، مقادیر ماهانه رواناب، تغذیه، تبخیر و تعرق و برگاب در دوره آماری 2006-2020 برآورد شد. بیشترین مقدار رواناب در بخش غربی و بالاترین نرخ تغذیه در مناطق شمالی، غربی و جنوبی مشاهده شد. بعلاوه، بخش های غربی و مرکزی، تبخیر و تعرق بالاتری داشته و در بخش شمالی دشت آبخوان، کمترین تبخیر و تعرق برآورد شد. از نظر بیلان آب، نتایج نشان داد حدود 54/47 درصد بارش سالیانه به تغذیه، 24/14درصد به تبخیر و تعرق، 3/26 درصد به رواناب و 2 درصد به برگاب تبدیل می شوند. در مرحله اعتبارسنجی، مقادیر برآوردی مدل WetSpass-M با مقادیر مشاهده ای روش Scanlon مورد اعتبارسنجی قرار گرفت. باتوجه به وجود آمار چاه های مشاهداتی برای دوسال 2009 و 2019 اعتبارسنجی انجام گرفت. کارایی مدل بر اساس معیارهای KGE و Dr به عنوان مناسب ترین معیارهای ارزیابی نشان داد که مقادیر تغذیه WetSpass و مقادیرتغذیه ای مشاهده ای روش Scanlon نزدیک به هم می باشند.