Persian
دوره ۳۰، شماره ۱ - ( ۱۳۹۴ )                   جلد ۳۰ شماره ۱ صفحات ۱۵۲-۱۳۵ | برگشت به فهرست نسخه ها
نوع مقاله:
پژوهشی اصیل
موضوع مقاله:

Print XML English Abstract PDF

History

How to cite this article
Sobhani B, goldust A. Studying drought and evaluating its prediction possibility in Ardabil province by using SPI index and ANFIS model . GeoRes 2015; 30 (1) :135-152
URL: http://georesearch.ir/article-1-266-fa.html
سبحانی بهروز، گل دوست اکبر. پایش خشکسالی و ارزیابی امکان پیش بینی آن در استان اردبیل با استفاده از شاخص SPI و مدل ANFIS. فصل‌نامه تحقیقات جغرافیایی. ۱۳۹۴; ۳۰ (۱) :۱۳۵-۱۵۲

URL: http://georesearch.ir/article-۱-۲۶۶-fa.html


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rights and permissions
۱- گروه جغرافیای طبیعی ،دانشگاه محقق اردبیلی،اردبیل،ایران
۲- گروه جغرافیای طبیعی ،دانشگاه محقق اردبیلی،اردبیل،ایران ، goldoostakbar@uma.ac.ir
چکیده   (۴۵۴۶ مشاهده)

خشکسالی به عنوان یک پدیده اقلیمی به شدت بر همه جوانب فعالیت های بشری تاثیر می گذارد. با این حال مطالعات انجام شده در رابطه با این پدیده بر اساس روش های مناسب بسیار کم می باشد. بررسی ویژگی های خشکسالی و پیش بینی آن می تواند در کاهش خسارات حاصل از آن موثر باشد. از این رو در این تحقیق به بررسی خشکسالی و ارزیابی امکان پیش بینی آن برای ایستگاه هایی از استان اردبیل پرداخته می شود. داده های مورد استفاده این تحقیق مقدار بارندگی به صورت ماهانه در دوره آماری 23 ساله می باشد. شاخص بارندگی استاندارد شده در مقیاس های زمانی 1، 3، 6 و 12 ماهه برای بررسی ویژگی خشکسالی و مدل سیستم استنتاج عصبی - فازی تطبیقی برای پیش بینی خشکسالی مورد استفاده قرار می گیرد. بر اساس نتایج حاصل از این پژوهش شدیدترین خشکسالی در استان اردبیل در ایستگاه شهرستان اردبیل در مقیاس زمانی 6 ماهه، در ماه دسامبر سال 2010 با مقدار شاخص 47/ 2- رخ داده است. در مجموع بیشترین درصد وقوع خشکسالی در ایستگاه پارس آباد و کمترین آن در ایستگاه خلخال مشاهده می شود. به جز ایستگاه پارس آباد در مقیاس زمانی 3 و 6 ماهه، روند خطی شاخص SPI کاهشی است، به عبارتی خشکسالی روند افزایشی دارد. بر اساس تحلیل خوشه ای انجام شده ایستگاه خلخال و اردبیل در هر چهار مقیاس زمانی در یک گروه قرار گرفته اند بنابراین ویژگی خشکسالی در آنها مشابه هم است و ایستگاه پارس آباد در گروه دیگر قرار دارد. نتایج حاصل از پیش بینی شاخص با مدل انفیس نشان داد که در اکثر موارد خطای پیش بینی قابل توجه بوده و مدل در این پیش بینی کارایی قابل قبولی ندارد. 

واژه‌های کلیدی:

فهرست منابع
۱. آسیایی، مهدی .( ۱۳۸۵ ). شاخصهای خشکسالی، انتشارات سخن گستر، ص ۱۷۳
۲. انصاری، حسین؛ داوری، کامران و ثنائی نژاد، سیدحسین .( ۱۳۸۹ ). پایش خشکسالی با استفاده از شاخص بارندگی و تبخیر و تعرق استاندارد شده (SEPI) .توسعه یافته براساس منطق فازی، نشریه آب وخاک (علوم و صنایع کشاورزی )ش ۱، صص ۳۸-۵۲.
۳. خزایی، محمدرضا و تلوری، عبدالرسول .( ۱۳۸۲ ). تحلیل توزیع فراوانی خشکسالی هیدرولوژیک (مطالعه موردی:حوضه رودخانه قره سو)، مجله جغرافیا و توسعه، پاییز و زمستان ۸۲ ، صص ۴۶-۵۶ .
۴. رجبی، منوچهر.( ۱۳۸۴ ) بررسی مشخصات خشکسالی استان فارس در محیط GIS پایان نامه کارشناسی ارشد،راهنما حمید رضا مرادی، دانشکده منابع طبیعی و علوم دریایی، گروه آبخیزداری، دانشگاه تربیت مدرس.
۵. زاهدی، مجید، قویدل رحیمی، یوسف .( ۱۳۸۶ ). تعیین آستانه خشکسالی و مقایسه بارش قابل اعتماد ایستگاه های حوضه آبریز دریاچه ارومیه، پژوهشهای جغرافیایی، ش ۵۹ ، صص ۲۱ -۳۴.
۶. هنر، تورج؛ طرازکار، محمدحسن و طرازکار، محمدرضا .( ۱۳۸۹ ). برآورد ضریب دبی سرریزهای جانبی با استفاده از سیستم استنتاج فازی- عصبی، مجله پژوهشهای حفاظت آبوخاک، ش ۲، صص ۱۶۹ -۱۷۷ .
۷. علیاری، مهدی؛ تشنه لب، محمد و خاکی صدق، علی .( ۱۳۸۷ ). پیش بینی کوتاه مدت آلودگی هوا با کمک شبکه های عصبی پرسپترون چند لایه ، خط حافظه دار تأخیر ، گاما و ANFIS با روشهای ترکیبی آموزشی مبتنی بر PSO،مجله کنترل ش ۱، صص ۱-۱۹ .
۸. عزیزی، قاسم .( ۱۳۸۲ ). ارتباط خشکسالی های اخیر و منابع آب زیرزمینی در دشت قزوین، پژوهشهای جغرافیایی، ش ۴۶ ، صص ۱۳۱-۱۴۳.
۹. فلاح قاهری، غلام عباس؛ موسوی بایگی، محمد و مهدی نوخندان، مجید .( ۱۳۸۷ ). پیشبینی بارش فصلی بر اساس پژوهشهای جغرافیای طبیعی، ش ،ANFIS الگوهای سینوپیتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی ۶۶ ، صص ۱۲۱-۱۳۹.
۱۰. کیا، سید مصطفی .( ۱۳۸۹ ). منطق فازی در MATLAB انتشارات کیان رایانه سبز.
۱۱. کنارکوهی، عذرا؛ سلیمان جاهی، حوریه؛ فلاحی، شهاب؛ ریاحی، حسین و مشکات، زهرا .( ۱۳۸۹ ). استفاده از سیستم جدید هوشمند استنتاج فازی- عصبی تطابقی پیشبینی قدرت سرطانزایی ویروس پاپیلومای انسانی، مجله علمی پژوهشی دانشگاه علوم پزشکی اراک، ش ۴، صص ۹۵-۱۰۵.
۱۲. نوحی، کیوان و عسگری، احمد .( ۱۳۸۴ ). مطالعه خشکسالی و دوره های برگشت ترسالی ها و خشکسالی ها در منطقه قم، خشکی و خشکسالی کشاورزی، ش ۱۵ ، صص ۱-۱۷ .
13. Calanca, P, 2007, Climate change and drought occurrence in the Alpine region, Global and Planetary Change 57, 151-160.
14. Huang, W, C, Chou, C, 2008, Risk-based drought early warning system in reservoir operation.advances in water resources 31, 649-660.
15. Logan, K, E, Brunsell, N, A, Jones, A, R, Feddema, J, J, 2010, Assessing spatiotemporal variability of drought in the U, S, central plains. Journal of Arid Environments 74, 247-255.
16. Mishra, A, K, Desai, V, R, 2006, Drought forecasting using feed-forward recursive neural network. Ecological modelling 198, 127-138.
17. Moreira, E, E, Coelho, A, Paulo, A, Pereira, S, Mexia, T, 2008, SPI-based drought category prediction using loglinear models, Journal of Hydrology 354, 116-130.
18. Moreira, E, Paulo, A, Pereira, S, Mexia, T, 2006, Analysis of SPI drought class transitions using loglinear models, Journal of Hydrology, 331, 349- 59.
19. Paulo, A, A, Ferreira, E, Coelho, C, Pereira, L, S, 2005, Drought class transition analysis through Markov and Loglinear models, an approach to early warning, Agricultural water management 77, 8-59.
20. Peters, E, Bier, G, Lanen, H, A, Torfs, P, 2006, Propagation and spatial distribution of drought in a groundwater catchment. Journal of Hydrology 321, 257-275.