بارش فصلی

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.

امروزه مدیریت منابع آب از اهمیت ویژه ای برخوردار است. از این رو، مطالعة بارش، به منزلة مهم ترین منبع تأمین آب، در مقیاس زمانی و مکانی بسیار حائز اهمیت است. این پژوهش در پی تحلیل، ارزیابی، و شناسایی رفتار بارش فصلی است. بدین منظور، داده های بارش 67 ایستگاه سینوپتیک کشور با دوره آماری سی ساله (1985 2014) استخراج شد. سری های زمانی بارش بررسی شد و بهترین مدل بر اساس ملاک اطلاع آکائیک به سری داده های هر ایستگاه برازش داده شد. صحت و کفایت مدل های برازش شده به کمک نمودار مانده های استانداردشده، نمودار تابع خودهمبستگی مانده های مدل، و آزمون لیونگ- باکس ارزیابی شد. مرتبه های اتورگرسیو، میانگین متحرک، و مرتبه های تفاضلی فصلی و بین فصلی حاصل از مدل های برازش شده برای بررسی وابستگی بارش های فصلی و بین فصلی و تحلیل روند سری های زمانی بارش فصلی بررسی شد. نتایج نشان داد برای همة ایستگاه های مورد مطالعه (جز بوشهر، شهرکرد، بیرجند، امیدیه آغاجاری، و رشت) مدل ساریما کفایت مناسبی دارد. نتایج به دست آمده از بررسی مرتبه های فصلی نیز نشان داد که به جز ایستگاه های کاشان، آبعلی، دوشان تپه، سمنان، و شاهرود در بقیة ایستگاه ها بارش ها از الگوهای فصلی تبعیت می کنند. همچنین، در بیشتر ایستگاه های مورد مطالعه (93%) روند کاهشی یا افزایشی معناداری در سری زمانی بارش فصلی مشاهده نشده است.

روابط بین بارش-ارتفاع را می توان به عنوان یک دستاورد مهم برای مطالعات بارش-رواناب و مدیریت حوضه های آبریز بخصوص در مناطق خشک و نمیه خشک که شکنندگی بالایی دارند قلمداد کرد. در پژوهش پیش رو به مدلسازی وردایی زمانی-مکانی فصلی بارش-ارتفاع در ایران مرکزی پرداخته شد. به این منظور داده های پایگاه داده-بارش آفرودیت برای یک دوره 30 ساله (1977-2007میلادی) مبتنی بر DEM با تفکیک مکانی 30 متر با استفاده از دو مدل حداقل مربعات معمولی (OLS) و رگرسیون وزن دار جغرافیایی (GWR) مورد ارزیابی قرار گرفتند. ارزیابی دو مدل حاضر نشان داده است که مدل رگرسیون وزن دار جغرافیایی (GWR) بهتر می تواند روابط بارش-ارتفاع را در ایران مرکزی توضیح دهد. همچنین مشخص گردید که افزایش ضریب  برای مدل حداقل مربعات معمولی (OLS) بخصوص در فصل بهار ناشی از همرفت و تشدید پدیده کوهبارش بوده است. کمبود بارش در ایران مرکزی را می توان در دو رسته بنیادین جای داد: 1- حاکمیت پرفشار جنب حاره در دوره گرم سال و 2- آورده های سامانه های غربی به جهت سایه بارش زاگرس سهم چندانی برای مناطق ایران مرکزی ندارد لذا فارغ از فقر بارش محتوای رطوبت هواسپهر این منطقه از ایران بسیار اندک است. بارش در ایران مرکزی دارای ساختار فضایی بوده و رفتار خوشه ای از خود نشان می دهد. همچنین مشخص گردید در ایران مرکزی بیشینه بارشی در بیشینه ارتفاعی حادث نمی شود و بیشینه و کمینه رابطه بارش-ارتفاع در ایران مرکزی بترتیب در پیش باد و پشت باد اتفاق می افتد.

سیل به عنوان یک مخاطره محیطی در بسیاری از نقاط دنیا و به خصوص در کشورهایی که در کنترل بحران و حفظ منابع خود ناکارآمد عمل نموده اند با روند رو به رشدی به وقوع می پیوندد. یک از راه های مقابله با این مخاطر ه پیش بینی وقوع سیلاب است. مدل های پیش بینی وقوع سیل ممکن است در فصول مختلف سال از دقت یکسانی برخوردار نباشند. با توجه به اهمیت این مسئله، در تحقیق حاضر نتایج مدل هیدروگراف واحد لحظه ای ژئومورفولوژی (GIUH) در پیش بینی وقوع سیل در فصول زمستان و بهار، در حوضه آبریز میناب (برنطین) مورد مقایسه قرار گرفته شده است. داده های تحقیق شامل حداکثر دبی ساعتی و بارش های متناظر آن ها برای سه واقعه بهار و سه واقعه زمستان است. روش کار به این طریق است که ابتدا پارامترهای مورد نیاز مدل GIUH شامل نسبت انشعاب، نسبت طول و نسبت مساحت برای حوضه تحت مطالعه برآورد گردید سپس با اجرای مدل برای وقایع انتخابی، مقادیر دبی اوج و زمان وقوع دبی اوج محاسباتی با مقادیر مشاهده ای همان وقایع مورد مقایسه قرار گرفت. نتایج این مقایسه بیانگر این است که مدل GIUH در پیش بینی دبی اوج و زمان وقوع اوج وقایع سیل که در زمستان رخ می دهد (به ترتیب با مقادیر میانگین 09/20 و 64/45 درصد) به لحاظ اینکه با داده های مشاهده ای فاصله کمتری دارد، از دقت بالاتری نسبت به وقایع بهار (به ترتیب با مقادیر میانگین 3/57 و 7/119) برخوردار است.

این مطالعه به بررسی کارایی یک مدل همادی در مقیاس زمانی فصلی برای تولید پیش بینی احتمالاتی با استفاده از مدل WRF جهت پیش بینی بارش در ایران پرداخته شده است. این مدل از اجرای مدل WRF با 4 پیکربندی مختلف و با 16 حالت شرایط اولیه و مرزی مختلف حاصل از پیش بینی های مدل CFSv.2 تشکیل شده است و مجموعاً دارای 64 عضو است. صدک های 33 و 66 ام مبنای بارش های زیر نرمال، نرمال و بالای نرمال بوده و دوره تاریخی اجرای مدل سال های 2000 تا 2019 است. دوره عملیاتی جهت بررسی کارایی مدل نیر زمستان سال 2020 می باشد و سنجه های ارزیابی هم دو نمایه ضریب همبستگی و جذر میانگین مجذور خطا است. نتایج این مطالعه نشان می دهد که پیش بینی بارش در مقیاس فصلی در ایران دارای عدم قطعیت بالایی است و ارائه پیش بینی ها به صورت احتمالاتی هرچند می تواند از کارایی بیشتری نسبت به پیش بینی قطعی برخوردار باشد اما همچنان دارای عدم قطعیت است. توزیع فضایی خطای پیش بینی مدل در دوره تاریخی وابسته به پراکندگی مکانی بارش و فاصله از مبدأ زمانی پیش بینی است، به طوری که در پیش دید اول کارایی مدل بهتر از پیش دید دوم و سوم است و از طرف دیگر در شرق و جنوب شرق کشور مدل از عدم قطعیت بالاتری نسبت به نواحی دیگر کشور برخوردار است. پیاده سازی این مدل برای یک دوره عملیاتی نشان داد که هرچند مدل می تواند تغییرات فضایی بارش در کشور را در سه پیش دید مورد بررسی پیش بینی نماید اما پیش بینی احتمالاتی هم نمی تواند به میزان قابل توجهی از عدم قطعیت مدل های عددی در پیش بینی فصلی بارش را کاهش دهد.

در پژوهش حاضر با استفاده از داده های بارش فصلی ایستگاه سینوپتیک کرمان در یک دوره ی بلند مدت 50 ساله از سال 1956-2005 میلادی نوسانات بارش ایستگاه مذکور، محاسبه و روند تغییرات بارش بررسی شد. در این مطالعه از روش آماره ناپارامتریک من-کندال برای آزمون معنی داری روند تغییرات و نوسانات بارش فصلی استفاده شد. همچنین با استفاده از شاخص های مختلف تعیین خشکسالی، دوره های خشک، عادی و مرطوب فصلی تعیین شد. نتایج آزمون حاکی از معنی دار بودن روند بارش بهاره ی ایستگاه کرمان می باشد. به علاوه نتایج مدل های مختلف خشکسالی نشانگر تغییرات معنی دار در روند بلند مدت بارش فصلی می باشد که حاکی از وقوع دوره ای پدیده خشکسالی در ایستگاه کرمان است. تمامی مدل های مورد استفاده در پژوهش حاضر هر یک به نحوی بازگو کننده نوسانات فصلی بارش ایستگاه کرمان بودند. در بین فصول مختلف، روند فصل بهار به سوی دوره های خشک در حال تغییر بوده است.نتایج پژوهش می تواند در بخش های مختلف از جمله مدیریت بلند مدت منابع آب در کرمان و ایستگاه های مشابه به کار گرفته شود.