کاربرد مدل درختی M۵ در پیش بینی خشکسالی (مطالعه ی موردی: مراغه، ایران)
Publish place: Journal of Hydrogeomorphology، Vol: 3، Issue: 8
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 227
This Paper With 20 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_HYD-3-8_004
تاریخ نمایه سازی: 4 بهمن 1401
Abstract:
در کشورهای خشک و نیمه خشکی مانند ایران، پیش بینی دقیق خشکسالیها، نقش بسیار مهمی در مقابله با بحران ناشی از خشکسالی و مدیریت سیستم های منابع آب ایفا می کند. با توجه به اینکه شاخص بارندگی استاندارد شده (SPI) به عنوان یکی از مناسبترین شاخص برای تحلیل خشکسالی شناخته شده است، در این تحقیق، جهت پیش بینی SPI از مدل درختی M۵ استفاده گردید. بدین منظور از دادههای بارش ماهانه ایستگاه همدیدی مراغه در یک دورهی ۲۵ ساله (۸۹-۱۳۶۵) استفاده و شاخص SPI در مقیاس ۶ ماهه استخراج گردید. نتایج نشان داد که شهرستان مراغه در دو دههی اخیر با خشکسالیهای پی در پی و شدیدی مواجه بوده است. سپس با استفاده از مدل درختی M۵ اقدام به پیشبینی مقادیر شاخص SPI در مقیاس زمانی ۶ ماهه برای ۱ تا ۱۲ ماه آینده گردید. نتایج به دست آمده نشان داد که میزان شاخص SPI در مقیاسهای زمانی گذشته بیشترین تاثیر را نسبت به پارامترهای دیگر در پیش بینی شاخص بارش استاندارد شده دارد و با افزایش طول دورهی پیشبینی از دقت مدت کاسته میشود. به طوری که در محاسبه SPI۶ برای یک ماه آینده مقدار ضریب همبستگی حدود ۹۴/۰ به دست آمد که این مقدار برای ۱۲ ماه آینده به حدود ۴۰/۰ کاهش پیدا کرد. با این وجود نتایج نشان داد که مدل درختی M۵ با ارایهی روابط خطی کاربردی و قابل فهم از دقت و توانایی نسبتا بالایی در پیش بینی خشکسالی برخوردار است.
Keywords:
Authors
محمدتقی ستاری
استادیار گروه مهندسی آب،دانشکده ی کشاورزی،دانشگاه تبریز
رسول میرعباسی نجف آبادی
استادیار گروه مهندسی آب، دانشکده ی کشاورزی، دانشگاه شهرکرد
مسعود علیمحمدی
کارشناس ارشد مهندسی عمران- آب.
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 :