آب و هواشناسی
یعقوب دین پژوه؛ سعید جهانبخش اصل؛ اسما آزاده قره باغ
چکیده
در این مطالعه، مقادیر تبخیر- تعرّق پتانسیل گیاه مرجع (ET0) با روش پنمن-مانتیث برای شش ایستگاه در حاشیه جنوبی دریای خزر محاسبه شد. روند تغییرات ET0 سالانه ایستگاه‌ها با آزمون من کندال تحلیل شد. آنگاه تجزیه به عامل‌ها برای تعیین اثر نسبی متغیرهای اقلیمی روی ET0 هر ایستگاه انجام شد. برای این کار ماتریس همبستگی (R) بین هفت متغیر اقلیمی به‌عنوان ...
بیشتر
در این مطالعه، مقادیر تبخیر- تعرّق پتانسیل گیاه مرجع (ET0) با روش پنمن-مانتیث برای شش ایستگاه در حاشیه جنوبی دریای خزر محاسبه شد. روند تغییرات ET0 سالانه ایستگاه‌ها با آزمون من کندال تحلیل شد. آنگاه تجزیه به عامل‌ها برای تعیین اثر نسبی متغیرهای اقلیمی روی ET0 هر ایستگاه انجام شد. برای این کار ماتریس همبستگی (R) بین هفت متغیر اقلیمی به‌عنوان ماتریس مشابهت تشکیل شد. معنی داری ضرایب همبستگی آزمایش شد. نتایج روند تغییرات ET0 نشان داد که در همه ایستگاه‌ها (بجز نوشهر) روند ET0 سالانه مثبت و معنیدار بود. شیب خط روند ET0ایستگاه‌ها در همه آنها صعودی بود. تجزیه به عامل‌ها نشان داد که مجموع واریانس توجیه شده توسط دو عامل اول از حداقل 5/56 درصد در رشت تا حداکثر 6/79 درصد در ساری تغییر میکند. بیشترین ضریب عامل اول در رشت ساعات آفتابی و در ایستگاههای دیگر حداکثر درجه حرارت بود. بیشترین ضریب عامل دوم، متعلق به سرعت باد (در ایستگاههای رشت، ساری، گرگان و نوشهر) و بارش (در ایستگاههای رامسر و آستارا) بودند. نتایج این مطالعه در مدیریت منابع آب منطقه میتواند مفید واقع شود.
آب و هواشناسی
منیر شیرزاد؛ هاجر فیضی؛ مجید رضایی بنفشه
چکیده
کشور ایران از جمله مناطق خشک و نیمه خشک جهان است و با محدودیت شدید منابع آب مواجه است. تعیین تبخیر و تعرق که یکی از اجزای اصلی چرخه هیدرولوژی می‌باشد، در بسیاری از مطالعات از جمله توازن هیدرولوژیک آب، طراحی و مدیریت سیستم‌های آبیاری، شبیه‌سازی میزان محصول و مدیریت منابع آب از اهمیت بالایی برخوردار است. در پژوهش حاضر از روش شبکه عصبی ...
بیشتر
کشور ایران از جمله مناطق خشک و نیمه خشک جهان است و با محدودیت شدید منابع آب مواجه است. تعیین تبخیر و تعرق که یکی از اجزای اصلی چرخه هیدرولوژی می‌باشد، در بسیاری از مطالعات از جمله توازن هیدرولوژیک آب، طراحی و مدیریت سیستم‌های آبیاری، شبیه‌سازی میزان محصول و مدیریت منابع آب از اهمیت بالایی برخوردار است. در پژوهش حاضر از روش شبکه عصبی مصنوعیANN و سه روش تجربی پنمن مانتیث فائو (PMF56) و بلانی کریدل(BC) کمبرلی پنمنK-P)) برای مدلسازی سیستم غیرخطی تبخیر و تعرق گیاه مرجع (ET0) که دادههای ورودی- خروجی آن به صورت روزانه بودند، استفاده شد. سپس نتایج بدست آمده از روش‌های مذکور با دادههای تبخیر اندازه گیری شده در منطقه آذربایجان شرقی(ایستگاه مراغه، میانه، اهر و جلفا) تحت واسنجی قرار گرفتند. نتایج نشان داد که روش شبکه عصبی مصنوعی دارای دقت و سرعت بهتر در مدلسازی ET0 در مقایسه با روش‌های کلاسیک می‌باشد. از دیگر نتایج مطالعه میتوان به مناسب تر بودن روش دمایی BC نسبت به دیگر مدلهای تجربی اشاره کرد. همچنین این پژوهش نشان داد مدل ANN با قانون یادگیری لونبرگ مارکوارت نتایج ET0 بهتری را در شرایط اقلیمی مورد مطالعه ارائه میدهد.
