پهنه بندی خشکسالی با استفاده از شاخص استاندارد بارش SPI در محیط GIS (مطالعه موردی:استان کرمانشاه)
Publish place: The first international conference and the fourth national conference on environmental and agricultural research in Iran
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,123
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCER04_010
Index date: 8 May 2016
پهنه بندی خشکسالی با استفاده از شاخص استاندارد بارش SPI در محیط GIS (مطالعه موردی:استان کرمانشاه) abstract
در پژوهش حاضر خشک سالی اقلیمی استان کرمانشاه با استفاده از شاخص SPI در دوره آماری (1386 - 1359) میلادی در محیط ARC MAP بررسی و پهنه بندی شد. به منظور بدست آوردن شاخص مورد نظر ابتدا برای هر سال رابطه رگرسیونی بین مقدار بارش و ارتفاع ایستگاه ها به دست آمد، سپس این رابطه در نرم افزار GIS بر روی لایه (DEM) منطقه با دقت 30 متری اعمال و نهایت با استفاده از فرمول شاخص مورد بررسی نقشه های خشک سالی منطقه تهیه و پهنه بندی گردید. نتیجه بدین صورت شد که در طول دوره آماری مورد مطالعه چندین خشک سالی خفیف و یک دوره خشک سالی به مدت هفت سال روی داده به طوری که سال های 1369 و 1380 از بیشترین مقدارخشک سالی برخوردار بوده است. به طوری که تمام ایستگاه های منطقه در سال 1369 جز ایستگاه کرمانشاه مابقی ایستگاه ها در طبقه خشک سالی شدید قرار گرفته اند . با توجه به نتایج حاصل از پهنه بندی می توان استنباط کرد که شدت خشک سالی اتفاق افتاده در سال 1369 (در صد مساحت طبقه خشک سالی شدید 97/64) بیشتر از سال 1380 (در صد مساحت طبقه خشک سالی شدید 96/42 کل منطقه) بوده است.
پهنه بندی خشکسالی با استفاده از شاخص استاندارد بارش SPI در محیط GIS (مطالعه موردی:استان کرمانشاه) Keywords:
پهنه بندی خشکسالی با استفاده از شاخص استاندارد بارش SPI در محیط GIS (مطالعه موردی:استان کرمانشاه) authors
عاطفه فتاحی
کارشناسی ارشد بیابانزدایی،دانشکده کویر شناسی،دانشگاه سمنان
فاطمه آذریان
کارشناسی ارشد بیابانزدایی،دانشگاه زابل
هایده آرا
استادیار،دانشکده کویر شناسی،دانشگاه سمنان
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 :