بررسی و پیش یابی خشکسالی ایران با استفاده از شاخص های ترکیبی
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 215
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRCSA-7-3_003
تاریخ نمایه سازی: 16 اسفند 1400
Abstract:
در سالهای اخیر کشور ایران در جنوب غرب آسیا تحت تاثیر خشکسالی قرار گرفته است. هدف از پژوهش حاضر تحلیل و پیشبینی خشکسالی در ایران می باشد. برای این کار ابتدا پارامترهای اقلیمی بارش و دما در بازه زمانی ۲۹ ساله (۲۰۱۸- ۱۹۹۰) در ۳۰ ایستگاه ایران جمع آوری شد. برای مدلسازی، شاخص فازی M.S.S ابتدا سه شاخص (SET, SPI, MCZI) با استفاده منطق فازی در نرم افزار Matlab فازی سازی شدند، سپس شاخص ها با هم مقایسه و از مدل تصمیم گیری چند متغیره Topsis، برای اولویت سنجی مناطق درگیر با خشکسالی استفاده شد و در نهایت برای پیش بینی از مدل شبکه عصبی مصنوعی RBF بهره گرفته شد. یافته های پژوهش نشان داد شاخص فازی نوین M.S.S طبقات خشکسالی، سه شاخص مذکور را با دقت بالا در خود منعکس کرد و دقت مدل M.S.S با سطح اطمینان بالا مورد تایید قرار گرفت. در سالهای پایش خشکسالی ایستگاههای جنوبی و جنوب غربی ایران مانند بندرعباس و اهواز با مقادیر درصد فراوانی خشکسالی (۳۰/۲۴ و ۴۷/۱۸) بیشتر در معرض خشکسالی بودند. در سالهای پیش بینی شده برای سالهای آتی محدوده خشکسالی به طرف نواحی مرکزی ایران گسترش پیدا میکند از جمله این ایستگاههای سمنان و یزد با درصد فراوانی خشکسالی به ترتیب (۸۶/۰ و ۹۱/۰) براساس شاخص فازی M.S.S می باشند.
Keywords:
Statistical Analysis , M.S.S Index , Modeling , Drought , Iran , تحلیل آماری , شاخص M.S.S , مدل سازی , خشکسالی , ایران
Authors
وحید صفریان زنگیر
Mohaghegh Ardabili University
بتول زینالی
Mohaghegh Ardabili University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :