ارزیابی خشکسالی و سنجش آسیب پذیری اقلیمی استان گیلان
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 135
This Paper With 15 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_GESI-11-42_009
تاریخ نمایه سازی: 11 تیر 1401
Abstract:
کشور ایران در کمربند خشک کره زمین، تحت تاثیر پرفشار جنب حاره قرار دارد و بارش سالانه آن کم تر از یک سوم متوسط بارش جهان است. بارش اندک به همراه توزیع نامناسب زمانی و مکانی آن باعث بروز خشک سالی هایی گردیده است. در این پژوهش هدف، سنجش ابعاد آسیب پذیری استان گیلان نسبت به خشک سالی با مدل های GAMA و SUM فازی و CVI و شناسایی اقدامات مناسب به منظور کاهش آسیب های بالقوه بود. روش پژوهش تحلیلی مکانی و از نظر هدف کاربردی بود. ابتدا مولفه های شاخص آسیب پذیری اقلیمی استان گیلان در هر دو مدل FUZZYو CVI، مولفه های منابع (R)، هواشناختی (W)، دسترسی (A)، ظرفیت (C)، استفاده و بهره وری اقتصادی (U)، حفظ یکپارچگی زیست محیطی (E)، ویژگی های جغرافیایی (G) تعیین گردید. متغیرها با توابع عضویت فازی همسان شدند. در مدل SUM، بیشترین آسیب پذیری در غرب، مرکز و نواحی وسیعی از شرق استان، شهرستان رودسر با مساحت ۷۸.۲۳ درصد بود. در مدل همپوشانی GAMA، قسمت های وسیعی از غرب استان شهرستان تالش و شهرستان رشت با مساحت ۳۱.۹۲ درصد در کلاس آسیب پذیری خیلی زیاد مشاهده گردید. در بررسی مولفه های CVI، شاخص CVI کل استان ۴۴.۵% به دست آمد. شاخص CVI در مولفه منابع (R)۵۶.۱۲% بالاترین رتبه و در مولفه ۳۶.۹۴% کمترین رتبه را به دست آورد. در مدل CVI، بیشترین آسیب پذیری در کل شهرستان تالش با مساحت ۱۵.۵۷ درصد می باشد. درصد آسیب پذیری زیاد ۲۶.۸۴ درصد در شهرستان های رشت، صومعه سرا، رودسر و شفت مشاهده شد و شهرستان های آستارا و رضوانشهر با مساحت ۲۰.۸۸ درصد در کلاس آسیب پذیری خیلی کم مشاهده گردید.
Keywords:
Authors
پژواک راستگو
دانشجوی دکترای گروه جغرافیا آب و هواشناسی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
بهمن رمضانی
استاد گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
پرویز رضایی
دانشیار گروه جغرافیا، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
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 :