علوم آب و خاک

---

داده‌های نقطه‌ای ایستگاه‌های هواشناسی به خودی خود از اهمیت چندانی برخوردار نیستند. بنابراین، لازم است که این داده‌های نقطه‌ای به داده‌های ناحیه‌ای تبدیل شوند. پراکنش و شمار ایستگاه‌های هواشناسی در سطح کشور در حدی نیست که دست‌یابی به داده‌های ناحیه‌ای به طور مستقیم امکان پذیر باشد، که این مهم منوط به تولید داده در منطقه مورد بررسی است. تولید داده به کمک روش‌های زمین-آمار سریع و آسان می‌باشد. بنابراین، برای تعمیم داده‌های نقطه‌ای به ناحیه‌ای نیاز به تولید داده (برآورد) است. هدف این پژوهش تعیین روش مناسب میان‌یابی برای برآورد بارندگی ماهیانه در ناحیه مرکزی ایران است. در این پژوهش از روش‌های کریجینگ (معمولی، با لگاریتم داده‌ها و با متغیر کمکی)، میانگین متحرک وزنی (با توان‌های 1 تا 5) و TPSS (با توان‌های 2 و 3 ، با و بدون متغیر کمکی) استفاده شده است. برای ارزیابی روش‌ها از تکنیک تأیید متقابل استفاده شده است. بررسی نتایج پژوهش نشان می‌دهد که شعاع تأثیر بارندگی ماهیانه در ناحیه مرکزی ایران در حدود 450 کیلومتر است. هم‌چنین، نتایج نشان می‌دهند که روش TPSS با توان 2 و با متغیر کمکی ارتفاع، مناسب‌ترین روش برای تولید داده‌های بارندگی ماهیانه است. با تقسیم ناحیه مرکزی ایران به مناطق هم‌اقلیم و اجرای روش انتخاب شده در این نواحی، دقت تولید داده در مقایسه با کل منطقه افزایش پیدا کرده است.

---

حوزه‌ آبریز دریاچه ارومیه از نقطه نظر منابع آب و محیط زیست یکی از مناطق مهم کشور به حساب می‌آید. در این حوزه بارندگی، نقش عمده‌ای ‌‌در منابع آب‌های سطحی و زیرزمینی دارد و بیشترین بارندگی به‌ترتیب در فصل بهار، زمستان و پاییز به وقوع می‌پیوندد. با توجه به این‌که این حوزه از نظر اقلیمی ‌‌نیمه خشک محسوب می‌‌شود، پیش‌بینی بارندگی برای برنامه‌ریزی منابع آب مخصوصاً دوره‌های خشک‌سالی و جلوگیری از خسارات ناشی از آن می‌تواند نقش اساسی داشته باشد. بررسی‌های موجود نشان می‌دهد که پدیده‌های ارتباط از دور (Teleconnections patterns) ‌‌بر میزان نزولات جوی نقش تعیین کننده‌ای دارند. در این مقاله تأثیر چند پدیده مهم اقلیمی بر بارندگی حوزه دریاچه‌ ارومیه مورد تحقیق قرار گرفته است تا با استفاده از روابط بین آنها، بارندگی در فصول مورد نظر پیش‌بینی گردد. از میان ایستگاه‌های بارندگی در حوزه، تعداد 18 ایستگاه که آمار بارندگی آنها بیش از 35 سال بود انتخاب و شاخص SPI تهیه گردید. از بین شاخص‌های اقلیمی، شش شاخص NOI (North Oscillation Index), NINO3.4, NAO (North Atlantic Oscillation), PNA (Pacific North America), PDO (Pacific Decadal Oscillation), SOI (Southern Oscillation Index) که به عنوان شاخص‌های تأثیر گذار در فواصل دور مطرح هستند، انتخاب شدند. با یک روش جدید و با استفاده از فاز مثبت و منفی شاخص‌ها، تأثیر پدیده‌های اقلیمی بر بارندگی دقیق‌تر بررسی شد. بدین صورت که فاز مثبت و یا منفی یکی از شاخص‌ها در یک فصل خاص در نظر گرفته شد و سپس ارتباط هم‌زمان آن و بقیه شاخص‌ها با بارش بررسی گردید. نتایج نشان داد هرگاه از ترکیب هم‌زمان دو شاخص استفاده ‌شود هم‌بستگی بیشتری بین بارندگی و شاخص‌ها حاصل می‌گردد. هم‌چنین، نتایج این تحقیق نشان می‌دهد که بارندگی پاییزه بیشتر تحت تأثیر SOI و بارندگی زمستانه بیشتر تحت تأثیر شاخص NAO است. بنابراین بارندگی هر دو فصل با استفاده از شاخص‌های اقلیمی فصل قبل قابل پیش‌بینی است.

---

مدل مورد بحث در این تحقیق با استفاده از شبکه عصبی مصنوعی ساخته شده و در حوزه آبخیز سفید‌رود (ناحیه غیر خزری) واسنجی شده است. انجام این تحقیق مبتنی بر جمع‌آوری و انتخاب آبنمودهایی فقط با منشأ بارندگی در 12 زیر حوزه با زمان تمرکز برابر و یا کمتر از 24 ساعت بوده است. از کل زیر‌ حوزه‌های انتخابی به تعداد 661 آبنمود به منظور استفاده از دبی اوج آنها برای ساخت مدل پیش‌بینی، انتخاب گردیده است. متغیرهای ورودی مدل شامل بارندگی یک‌روزه سیلزا و بارندگی پنج‌ روز قبل هر دبی اوج، مساحت زیر‌حوزه، طول آبراهه اصلی، شیب 85 -10 درصد طول آبراهه اصلی، ارتفاع میانه حوزه، مساحت سازندهای زمین‌شناسی و واحدهای سنگی در سه گروه هیدرولوژیکی یک، دو و سه، دبی پایه و متغیر خروجی نیز تنها دبی اوج بوده است. توسط روش شبکه عصبی مصنوعی از نوع تغذیه به جلو و روش آموزش پس انتشار خطا، تابع تبدیل متغیرهای ورودی به متغیر خروجی با طی سه مرحله آموزش، آزمایش و اعتبار‌سنجی به دست آمده است. هم‌چنین بر اساس همان داده‌ها و متغیرها، مدل رگرسیون چند متغیریه خطی برای منطقه مورد بررسی ساخته شد. نتیجه مقایسه دبی‌های اوج مشاهده‌ای و برآورد شده بر مبنای دسته داده‌های اعتبار سنجی نشان می‌دهد که پارامترهای آماری ضریب (R²) و ضریب آماره آزمون فیشیر (F) ، برای مدل شبکه عصبی و رگرسیون چند متغیره خطی به ترتیب 84/0، 66/33 و 33/0، 60/3 بوده و بیانگر ارجهیت کامل مدل شبکه عصبی بر روش‌های سنتی است.

---

قدرت فرسایندگی باران به عنوان عامل اصلی ایجاد هدررفت خاک در قالب شاخص‌هایی پیشنهاد شده‌ است. این پژوهش با هدف تعیین شاخص فرسایندگی مناسب در دو اقلیم خیلی‌مرطوب (الف) سرد سنگده در استان مازندران و نیمه‌خشک مراوه‌تپه در استان گلستان حوزه آبریز خزر و از طریق بررسی رابطه بین شاخص‌های فرسایندگی و مقادیر رسوب خروجی از کرت‌های فرسایشی انجام شد. در این رابطه، از مقادیر شدت در فواصل زمانی مختلف و مقدار بارش مربوط به 12 واقعه بارندگی در مراوه‌تپه و 11 واقعه در سنگده استفاده شد. تعداد 25 شاخص‌ فرسایندگی مختلف بر مبنای شدت و انرژی‌ جنبشی باران محاسبه شدند. در همان فاصله زمانی و در هر دو اقلیم از داده‌های مقادیر رسوب خروجی کرت‌های آزمایشی در سه تکرار، پس از هر واقعه بارندگی استفاده شد. نتایج نشان داد که از بین شاخص‌های فرسایندگی باران مطالعه شده در سنگده و در مراوه‌تپه به‌ترتیب با ضرایب هم‌بستگی 803/0 و 727/0 در سطح اطمینان 99 درصد بیشترین هم‌بستگی را با رسوب نشان می‌دهند. به‌طور‌کلی، در این شرایط اقلیمی غلبه شاخص گروه مرتبط با حاصل‌ضرب شدت‌ حداکثر بارش در پایه‌های زمانی کوتاه 10 و 30 دقیقه در مقدار انرژی جنبشی رگبار نسبت به سایر شاخص‌های مورد مطالعه مشاهده می‌شود