سایر زمینه هایی مطالعاتی جغرافیایی و بین رشته ای
مصطفی کریمی؛ سوسن حیدری؛ مرتضی شریف
چکیده
دریاچه ارومیه بزرگترین دریاچه داخلی کشور و یکی از بزرگترین دریاچههای آب شور روی زمین، با توجه به کاهش چشمگیر سطح آن در سالهای اخیر مورد توجه بوده است. در این مطالعه روند تغییرات فراسنجهای محیطی (تراز ارتفاعی و پهنه آبی دریاچه ارومیه و LST و NDVI) و اقلیمی (بارش و دمای هوا) حوضه آبریز دریاچه ارومیه در بازه زمانی (2019-2000) و ارتباط احتمالی ...
بیشتر
دریاچه ارومیه بزرگترین دریاچه داخلی کشور و یکی از بزرگترین دریاچههای آب شور روی زمین، با توجه به کاهش چشمگیر سطح آن در سالهای اخیر مورد توجه بوده است. در این مطالعه روند تغییرات فراسنجهای محیطی (تراز ارتفاعی و پهنه آبی دریاچه ارومیه و LST و NDVI) و اقلیمی (بارش و دمای هوا) حوضه آبریز دریاچه ارومیه در بازه زمانی (2019-2000) و ارتباط احتمالی بین دو دسته تغییرات محیطی و اقلیمی در شرایط فعلی مورد بررسی قرار گرفت. اگرچه در این دو دهه، نوسان بین سالیانه در تراز ارتفاعی این دریاچه مشاهده شده است، اما نتایج حاکی از روند کاهشی بدون وقفه در تراز ارتفاعی آب دریاچه ارومیه از سال بسیار خشک 2000 به این سو است به گونه ای که در طی بیست سال اخیر تراز ارتفاعی بیش از هفت متر کاهش داشته و همچنین سطح دریاچه از Km2 5143 در سال 2000 به Km2 2400 در سال 2019 رسیده است. با این که بارش حوضه در بازه مطالعاتی در ماه می (پربارشترین ماه) روند افزایشی و در ماههای دسامبر و ژانویه روند کاهشی دارد، ولی در کل بارش حوضه تغییرات معنیداری نداشته است. در دوره گرم سال دمای سطح زمین روز و شبهنگام، دمای هوا و همچنین در تمامی ماهها شاخص NDVI در سطح حوضه روند افزایشی داشته است. سه اثر اصلی و چشمگیر تغییرپذیری فراسنجهای محیطی و اقلیمی در این مناطق افزایش دمای سطح زمین و هوا، پوشش گیاهی و کاهش منابع آب است. نتیجه نهایی افزایش و کاهش ذکر شده از یک سو و افزایش نیاز آبی گیاهان از سوی دیگر باعث افزایش فشار بر منابع آب بهویژه آبهای زیرزمینی خواهد شد. کاهش سطح دریاچه و افزایش مصرف و کاهش منابع آب، میتواند منجر به گسترش سطوح عریان و رخداد ریزگردها گردد. پیامدهای این تغییرات در حوضه منجر به تغییر خرداقلیم و محیطزیست آن گردیده است.
علیرضا ایلدرمی؛ حمید زارع ابیانه؛ مریم بیات ورکشی
دوره 17، شماره 43 ، خرداد 1392، ، صفحه 21-40
چکیده
عنصر بارش ماهیت آشوبناکی و تصادفی داشته و از این نظر دارای تغییرات ساختاری در زمانهای مختلف است. در این راستا بهدلیل عدم قطعیتهایی که وجود دارد، نوسانهای زیادی در مقدار بارش ایجاد میشود که پیشبینی این کمیت مهم را با مشکل مواجه نموده است. در این مقاله با تکنیک مقیاسبندی مجدد (R/S) و محاسبه نمای هرست (H) پیشبینیپذیری ...
بیشتر
عنصر بارش ماهیت آشوبناکی و تصادفی داشته و از این نظر دارای تغییرات ساختاری در زمانهای مختلف است. در این راستا بهدلیل عدم قطعیتهایی که وجود دارد، نوسانهای زیادی در مقدار بارش ایجاد میشود که پیشبینی این کمیت مهم را با مشکل مواجه نموده است. در این مقاله با تکنیک مقیاسبندی مجدد (R/S) و محاسبه نمای هرست (H) پیشبینیپذیری بارش در سه منطقه شیراز، کرمان و مشهد انجام شد. نمای هرست نشان داد که پارامتر بارش قابلیت پیشبینیپذیری را دارد، زیرا H از 5/0 بزرگتر بوده و بمراتب بهمقدار 1 نزدیکتر است. بهطوریکه نمای هرست از حداقل 8/0 در ایستگاه مشهد تا حداکثر 92/0 در ایستگاه شیراز در نوسان بود. به منظور پیشبینی بارش از شبکههای عصبی مصنوعی استفاده شد. نوع پارامترهای ورودی براساس آزمون همبستگی پیرسون از بین دادههای غیربارشی، ترکیبی از دادههای دمایی و رطوبتی بودند. تعداد پارامترهای ورودی، تعداد لایههای میانی و سایر اطلاعات مربوط به شبکه عصبی مصنوعی به صورت تصادفی انتخاب و پیشنهاد شدند. در مجموع از شبکههای عصبی پرسپترون چند لایه برای برآورد بارش استفاده شد. مقایسه عملکرد شبکههای عصبی، نشان داد که استفاده از 3 و 4 پارامتر هواشناسی، بهترین رتبه برآوردگری را داشتهاند. آرایشهای پیشنهادی برای ایستگاه شیراز، 1-21-21-3، کرمان 1-25-25-3 و مشهد 1-19-19-4 دارای ضریب همبستگی بیش از 91 درصد شد. اعتبارسـنجی مدلهای بارش نشان داد که شـبکههای طراحی شـده برای پارامتر بارش در ایستگاههای مشهد، شیراز و کرمان به ترتیب با خطای 4، 11 و 14 درصد، دارای بهترین عملکرد بودهاند. در مجموع نتایج نشان میدهند که استفاده از روش شبکه عصبی با درنظر گرفتن اطلاعات دمایی و رطوبتی، نتایج مناسبی برای توصیف فرآیند و ترکیب آنها در پیشبینی، بهدست میدهند.