16 نتیجه برای پیشبینی
سید محمد جعفر ناظم السادات، احمد رضا قاسمی،
جلد 8، شماره 4 - ( 10-1383 )
چکیده
در این پژوهش میزان تأثیر دمای سطح آب دریای خزر(SST) بر بارش فصلی نواحی شمالی و جنوب غربی ایران مورد ارزیابی قرار گرفت. دوره‌های گرم، سرد و پایه(شرایط معمولی دمای سطح آب دریا) تعریف و میانه بارش در هر دوره(به ترتیب Rw ،Rc ،Rb ) محاسبه و از مقادیر نسبت‌های Rw/Rb, Rc/Rb, Rc/Rw، و به منظور ارزیابی میزان تأثیر این شرایط بر بارش استفاده شد. روشن گردید که سردی بیش از معمول سطح دریای خزر در زمستان منجر به افزایش بارش زمستانه در ناحیه غربی و مرکزی این دریا، مناطق مرکزی و جنوبی استان فارس و تمام ایستگاه‌های استان خوزستان میشود. نتایج نشان داد، وقوع شرایط گرم در دمای دریای خزر عموماً موجب 20 درصد کاهش در بارش فصل زمستان در سواحل دریای خزر و نواحی شمالی استان‌های فارس و خوزستان شده است. در فاز گرمSST زمستانه، تمام ایستگاه‌های مورد بررسی در نواحی ساحلی دریای خزر با افزایش بارش بهاره همراه می‌باشند. بیشترین تأثیر در بندر انزلی و آستارا دیده شد، به نحوی که وقوع فاز گرم دمای دریا موجب 80% افزایش در بارش این دو ایستگاه و در مقابل وقوع شرایط سردSST زمستانه منجر به کاهش بارش بهاره در ناحیه غربی دریای خزر شده است. همچنین مبانی فیزیکی مربوط به تأثیر دمای سطح آب دریای خزر بر بارش نواحی جنوب ایران تشریح گردید. نتایج نشان داد که نوسان‌های دمای سطح آب دریای خزر بیانگر پایداری زمانی و مکانی سامانه پرفشار سیبری بوده و بنابراین می‌تواند در پیش‌گویی وضعیت بارش ایران مورد استفاده قرار گیرد.
احمد فاتحی مرج، علیرضا برهانی داریان، محمد حسین مهدیان،
جلد 10، شماره 3 - ( 7-1385 )
چکیده
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.
بهاء الدین نجفی، منصور زیبایی، محمدحسین شیخی، محمدحسن طرازکار،
جلد 11، شماره 1 - ( 1-1386 )
چکیده
در این مطالعه به‌منظور پیشبینی قیمت عمده فروشی برخی محصولات زراعی شامل گوجه‌فرنگی، پیاز و سیب‌زمینی در استان فارس، برای افق زمانی یک، سه و شش ماه آتی از روش‌های معمول پیشبینی و شبکه عصبی مصنوعی استفاده شد. داده‌های مورد نیاز برای دوره مهر 1377 تا تیرماه 1384 از اداره جهاد کشاورزی استان فارس اخذ گردید. از داده‌های دوره مهرماه 1377 تا دی‌ماه 1383به‌منظور مقایسه روش‌ها و از داده‌های شش ماه آخر جهت بررسی قدرت پیش بینی استفاده شد. به‌منظور مقایسه خطای پیشبینی روش‌های مختلف نیز، از معیارهای میانگین قدرمطلق خطا، میانگین مجذور خطا و معیار درصد میانگین مطلق خطا بهره گرفته شد. نتایج مطالعه نشان داد که شبکه عصبی مصنوعی دارای خطای پایین‌تری جهت پیشبینی قیمت محصولات مختلف در افق زمانی یک و سه ماه آینده می‌باشد و به‌طور معنی‌داری از سایر روش‌ها دقیق‌تر است. اما در پیشبینی شش ماه آینده تفاوت معنی‌داری بین روش‌های معمول و شبکه عصبی مصنوعی وجود ندارد.
مجتبی نورورزی، احمد جلالیان، شمس ا... ایوبی، حسین خادمی،
جلد 12، شماره 46 - ( 10-1387 )
چکیده
عملکرد محصول، خصوصیات و فرسایش خاک شدیداً به پارامترهای زمین ( خصوصیات پستی و بلندی) مرتبط اند، بنابراین شناخت و آگاهی از این پارامترها از نظر تأثیر بر عملکرد محصولات مهم نظیر گندم جهت دست‌یابی به توسعه پایدار در زمینه کشاورزی امری لازم و ضروری به نظر می‌رسد. این تحقیق در اراضی زراعی تحت کشت گندم دیم در منطقه اردل استان چهارمحال و بختیاری، به منظور ایجاد مدل‌های رگرسیونی بین محصول و شاخص‌های پستی و بلندی، اجرا شده است. نمونه‌برداری از محصول گندم به طریق تصادفی طبقه‌بندی شده و جمعاً در 100 نقطه در منطقه‌ای به وسعت 900 هکتار به وسیله پلات با ابعاد 1×1 متر و با استفاده از GPS به گونه‌ای انجام شد که توزیع سطوح ژئومرفیک مختلف را پوشش دهد. سپس مدل رقومی ارتفاع منطقه در پیکسل‌هایی به ابعاد 3×3 متر تهیه و از روی آن ویژگی‌های پستی و بلندی محاسبه شد. نتایج آمار توصیفی نشان داد که تمامی متغیرها از توزیع نرمال برخوردارند. از بین پارامترهای عملکرد، عملکرد دانه (36/0) بیشترین و وزن هزار دانه (13/0) کمترین ضریب تغییرات را از خود نشان دادند. در نهایت مدل‌های رگرسیون چند متغیره بین این پارامترها و مؤلفه‌های عملکرد گندم، برقرار و سپس به وسیله نقاط کمکی (20 نقطه از 100 نقطه) تخمین توسط مدل‌های به دست آمده اعتبارسنجی شدند. نتایج مطالعه نشان می‌دهد که خصوصیات پستی و بلندی مهمی که با مؤلفه‌های عملکرد گندم ارتباط بیشتری داشته و در مدل رگرسیونی نیز وارد شده‌اند، شامل شاخص رطوبتی و انحنای سطح زمین بوده است که توانسته‌اند 45 تا 78 درصد از تغییرات مؤلفه‌های عملکرد گندم در این منطقه را توجیه نمایند. این نتایج بیانگر این موضوع است که عملکرد گندم در منطقه تا اندازه زیادی تحت کنترل پارامترهای پستی و بلندی می‌باشد. نتایج اعتبارسنجی مدلها نیز نشان‌دهنده نااریب بودن و درجه تخمین مناسب برازش مدلها می‌باشد.
حمیده افخمی، محمدتقی دستورانی، حسین ملکی نژاد، حسین مبین،
جلد 14، شماره 51 - ( 1-1389 )
چکیده
خشکسالی یک شکل طبیعی از اوضاع آب و هوایی است که تکرار آن در طول زمان امری اجتناب ناپذیر می باشد. هدف اصلی این تحقیق بررسی تأثیر نوع عوامل اقلیمی در پیش بینی خشکسالی با استفاده از شبکه عصبی مصنوعی در مناطق مختلف استان یزد است. در اغلب ایستگاه های هواشناسی منطقه یزد (ایستگاه‌های باران‌سنجی) تنها داده‌های مربوط به عامل بارش موجود می باشد، در حالی که ایستگاه های همدیدی علاوه بر بارش سایر عوامل هواشناسی از جمله دمای بیشینه، دمای میانگین، رطوبت نسبی، سرعت میانگین باد، جهت باد و میزان تبخیررا نیز دارا هستند. در این تحقیق سعی گردید که نقش تعداد و نوع عوامل اقلیمی (به عنوان عوامل ورودی مدل) در دقت پیشبینی خشکسالی بر اساس شبکه‌های عصبی مصنوعی مورد ارزیابی قرار گیرد. منطقه مورد بررسی بخشی از استان یزد است که در بر گیرنده 13 ایستگاه کلیماتولوژی و 1 ایستگاه همدیدی است. جهت انجام این بررسی میانگین متحرک سه ساله بارش در تمام ایستگاه ها محاسبه شد و سپس با استفاده از مدل شبکه برگشتی با تأخیر زمانی(Time Lag Recurrent Network)، میانگین متحرک بارش یک سال آینده پیشبینی گردید، که خود عامل اصلی ارزیابی وضعیت خشکسالی در سال آتی است. علاوه بر آن در ایستگاه همدیدی یزد نیز شبیه‌سازی‌ها با ترکیبات مختلفی از ورودی ها انجام گرفت. بهترین ترکیب ورودی ترکیب " میانگین متحرک بارش - دمای بیشینه" بود که ضریب کارایی آن حدود 90/0 محاسبه شد. بررسی ها نشان داد علی‌رغم این که در 13 ایستگاه باران سنجی منطقه شبیه سازی‌ها تنها با یک ورودی (بارش) انجام گرفت، در برخی ایستگاه ها نتایج قابل قبولی به دست آمد که حتی ضریب کارایی محاسبه شده بر اساس نتایج حاصله بسیار نزدیک به ایستگاه یزد (با ورودی های مختلف) محاسبه گردید. (R2 از 48/0 در ایستگاه آقا خرانق تا 90/0 در ایستگاه گاریز متغیر بود.) البته میزان درستی پیشبینی ها هنگامی که فقط از یک عامل ورودی در مدل استفاده شده است از ایستگاهی به ایستگاه دیگر متفاوت بوده است. نتایج به دست آمده گویای انعطاف‌پذیری قابل ملاحظه مدل‌های شبکه عصبی مصنوعی است که آنها را به ابزار مناسبی جهت مدلسازی در شرایطی که با فقر داده مواجه هستیم مبدل می سازد.
علیرضا واعظی، محمد عباسی،
جلد 16، شماره 61 - ( 7-1391 )
چکیده
روش شماره منحنی رواناب (SCS-CN) به‌طور گسترده جهت پیشبینی رواناب مستقیم از رخدادهای باران استفاده میشود. در این روش نسبت نگهداشت اولیه (λ=Ia/S) به حداکثر ظرفیت نگهداشت (S) برابر 2/0 فرض شده است (2/0λ=Ia/S= ). استفاده از نسبت نگهداشت اولیه (2/0) در خارج از منطقه ارائه مدل ممکن است منجر به برآورد غیرمنطقی از رواناب شود. بنابراین این مطالعه به منظور تعیین نسبت نگهداشت اولیه (λ=Ia/S) براساس تجزیه رخدادهای باران - رواناب انجام گرفت. داده‌ها شامل 58 رخداد باران - رواناب طی 15 سال (1380-1366) از اندازه‌گیری‌های رواناب در حوزه آبخیز تهم در شمال غرب زنجان بود. براساس نتایج، میزان رواناب برآورد شده برمبنای 2/0λ=Ia/S=، 7/26 برابر میزان رواناب مشاهده‌ای بود. رابطه ضعیفی بین رواناب مشاهده‌ای و برآوردی مشاهده شد ( 09/0(R2= و میزان خطای برآورد مدل 13/0 بود. مقدار نسبت نگهداشت اولیه ( ( Ia/S از 004/0 تا 008/0 و میانگین آن 006/0 بود. به منظور واسنجی مدل، شاخص ضریب نگهداشت اولیه به صورت 08 /0 اصلاح شد (S08/0Ia=). نتایج نشان داد که میزان رواناب مشاهده‌ای 4/1 برابر مقدار برآوردی با مدل واسنجی شده بود. رابطه نسبتاً قوی بین رواناب برآورد شده با مدل واسنجی شده و رواناب مشاهده‌ای بود (01/0>P و41/0 R2=). زمانی‌که هفت رخداد بارندگی به دلیل شدت بارندگی کم (کمتر از 14/0 میلی‌متر در ساعت) و دو رخداد به دلیل بالاترین میزان بارندگی پنج روز پیش (بیشتر از 47/10 میلی‌متر)، از تحلیل آماری حذف شدند، نسبت میزان رواناب برآوردی به مشاهده‌ای به 3/1 کاهش یافت و ضریب تعیین (R2) به 90 درصد (01/0>p و90/0 R2=) افزایش یافت. میزان خطای برآورد مدل به 007/0 کاهش یافت. میزان کارایی مدل در نسبت نگهداشت اولیه اصلاح شده (08/0 λ=Ia/S=) برابر 89% - بود.
مریم صادقیان، حجت کرمی، سیدفرهاد موسوی،
جلد 21، شماره 4 - ( 11-1396 )
چکیده
امروزه، شناخت بیشتر خشکسالی و ایجاد سیستم‌های پایش آن، بخصوص در دوره‌های کوتاه مدت، و افزودن قابلیت پیشبینی به این سیستم‌ها، می‌تواند منجر به ارائه راهکارهای مناسبتری در بخش‌های مدیریت تخصیص منابع آب گردد. در این پژوهش، با استفاده از روش‌های پیشبینی سری‌های زمانی، سیستم‌های استنتاج فازی- عصبی تطبیقی و شبکه‌های عصبی مصنوعی سعی شده مدل‌های مناسب جهت پیشبینی خشکسالی شهرستان سمنان ارائه گردد. در این مدل‌سازی‌ها از داده‌های میانگین ماهانه پارامترهای هواشناسی مانند بارندگی، دما، حداکثر دما، حداقل دما، رطوبت نسبی، حداکثر رطوبت نسبی، حداقل رطوبت نسبی و شاخص خشکسالی SPI طی دوره آماری 1966 تا 2013 استفاده شده است. نتایج نشان داد که از بین انبوه مدل‌های ساخته شده، مدل ANFIS با ورودی‌های میانگین بارش، میانگین حداکثر دما، SPI و داده‌های یک ماه قبل آنها، با 10 قانون و تابع عضویت گوسی، با مقادیر RMSE برابر 777/0، MAE برابر 593/0 و ضریب همبستگی 4/0 در مرحله آموزش و RMSE برابر 837/0، MAE برابر 644/0 و ضریب همبستگی 362/0 در مرحله آزمون، به‌عنوان مدل برتر انتخاب شد. سپس، پارامترهای ورودی این مدل با استفاده از مدل ARIMA برای 12 ماه آینده پیشبینی گردید و به‌عنوان ورودی به مدل مذکور معرفی شدند و SPI برای 12 ماه آینده پیشبینی شد. روش‌های شبکه عصبی مصنوعی و سری زمانی با اختلاف کم در مقادیر خطا، در رتبه‌های بعد قرار گرفتند. پارامترهای ورودی SPI و دما عملکرد مناسبتر و پارامتر بارش عملکرد ضعیف‌تری را داشتند.
صلاح الدین زاهدی، کاکا شاهدی، محمود حبیب نژادروشن، کریم سلیمانی، کورش دادخواه،
جلد 21، شماره 4 - ( 11-1396 )
چکیده
عمق خاک مشخصه مهمی از خاک است که جهت ارائه مشخصات زیرسطحی حوضه آبخیز در مدل‌های هیدرولوژیکی توزیعی مورد استفاده قرار می‌گیرد. عمق خاک نفوذ آب و به تبع آن تولید رواناب، ذخیره رطوبت زیرسطحی، حرکت عمودی و افقی رطوبت، ضخامت قسمت اشباع و عمق ریشه گیاه در خاک را به شدت تحت تأثیر قرار می‌دهد. هدف از این پژوهش توسعه یک مدل آماری است که بتواند الگوهای مکانی عمق خاک در یک حوضه آبخیز را از متغیرهای توپوگرافی و پوشش زمین که به‌ترتیب از مدل رقومی ارتفاع (DEM) و تصاویر ماهواره‌ای قابل استخراج هستند پیشبینی کند. مدل رقومی زمین با مقیاس مکانی 10 متر با استفاده از نقشه‌های 1:25000 تهیه و مورد استفاده قرار گرفت. تصویر ماهواره‌ای 6 May 2015 سنجنده OLI لندست 8 تهیه گردید. عمق خاک، انحنای توپوگرافیک، نوع کاربری اراضی و وضعیت پوشش گیاهی پارامترهای عمده‌ای بودند که در مجموع 426 نقطه نمونه‌برداری در 4 زیر حوضه آبخیز اندازه‌گیری شدند. از تبدیل باکس کوکس به‌منظور نرمال‌سازی داده‌های عمق خاک اندازه‌گیری شده و تمامی پارامترهای توضیح دهنده عمق خاک استفاده گردید. مدل پیشبینی آماری Random Forest با 336 نقطه برای کالیبره کردن و 93 نقطه برای آزمون و 31 متغییر توضیحی (18 متغیر به‌دست آمده از DEM و 13 متغیر به‌دست آمده از تصویر ماهواره) و با درنظر گرفتن عمق خاک به‌عنوان خروجی مدل اجرا گردید. خطای پیشبینی مجموعه داده‌های اعتبارسنجی با درنظر گرفتن 93 نمونه جهت آزمون مدل با ضریب کارایی نش- ساتکلیف، NSE = 0689محاسبه گردید. نتایج نشان دادند که کاربری اراضی، سطح ویژه حوضه آبخیز، شاخص گیاهی تفاضلی نرمال شده ((NDVI، شاخص جهت شیب (Aspect)، شیب (Slope) و مؤلفه نخست آنالیز تجزیه به مؤلفه‌های اصلی ((PCA1 مهم‌ترین متغیرهای توضیحی در برآورد عمق خاک هستند.
همایون فقیه، جواد بهمنش، کیوان خلیلی،
جلد 22، شماره 1 - ( 3-1397 )
چکیده
بارش، از مؤلفه های اصلی بیلان آب در هر منطقه بوده و توسعه روش های کارآمد برای برآورد توزیع مکانی و زمانی آن از اهمیت قابل توجهی برخوردار است. هدف از این پژوهش بررسی کارایی مدل چند مکانی خودهمبسته (Multiple-site auto regressive model) مرتبه اول برای برآورد مکانی- زمانی بارش سالانه در استان کردستان بود. بدین منظور هشت ایستگاه همدیدی (Synoptic) که دارای آمار بلندمدت، بودند انتخاب شد. برای تعیین پارامترهای مدل، داده های دوره آماری 21 ساله (1391- 1371) به کار برده شد. این پارامترها با محاسبه همبستگی های با تأخیر صفر (Lag0) و یک (Lag1) در سری های زمانی بارش سالانه ایستگاه ها به دست آمدند. در این روش بارش منطقه در سال t براساس بارش سال قبل آن (t-1) برآورد شد. برای ارزیابی مدل، بارش سالانه منطقه در سال های 1392 و 1393 به وسیله مدل برآورد و با داده های مشاهده ای مقایسه شد. نتایج حاکی از دقت مناسب این مدل در پیشبینی مقدار بارش سالانه این منطقه بود. درصد خطای مدل در برآورد بارش سالانه منطقه برای سال های 1392 و 1393 به ترتیب 9/7 و 3/17 درصد به دست آمد. همچنین ضریب همبستگی داده های برآورد شده و مشاهده شده در سطح معنی داری کمتر از یک درصد معنیدار شد (978/0 R=). علاوه‌بر این عملکرد مدل از نظر تولید داده مناسب بود. به طوری که مشخصات آماری داده های تولیدی و داده های تاریخی ثبت شده، مشابه بودند و اختلاف معنی‌داری نداشتند. بنابراین با توجه به کارایی مناسب این مدل در پیشبینی و تولید بارش سالانه، کاربرد آن برای کمک به مدیریت بهتر منابع آب این منطقه قابل توصیه است.
سید وحید رضوی ترمه، کورش شیرانی، مسعود سلطانی ربیع،
جلد 23، شماره 2 - ( 6-1398 )
چکیده
امروزه تأمین آب به‌منظور تحقق اهداف توسعه پایدار یکی از مهم‌ترین دغدغه‌ها و چالش‌ها در بیشتر کشورهای جهان است. به همین دلیل تعیین مناطق دارای پتانسیل آب زیرزمینی، از ابزارهای مهم در حفاظت، مدیریت و بهره‌برداری از منابع آب به‌شمار می‌رود. هدف این پژوهش تهیه و ارزیابی نقشه پتانسیل چشمه‌های آب زیرزمینی در شهرستان نهاوند، در استان همدان با استفاده از مدل وزن شاهد و ترکیب آن با رگرسیون لجستیک است. بدین منظور عوامل زاویه شیب، وجه شیب، طول شیب، ارتفاع، انحنای سطح، انحنای آبراهه، شاخص رطوبت توپوگرافی، شاخص توان آبراهه، فاصله از گسل، تراکم گسل، فاصله از آبراهه، تراکم زهکشی، سنگ‌شناسی و کاربری اراضی به‌عنوان عوامل مؤثر بر پتانسیل آب زیرزمینی شناسایی و در نرم‌افزار ArcGIS رقومی و تهیه شدند. پس از تهیه نقشه پتانسیل آب‌های زیرزمینی با این دو مدل، از سطح زیر منحنی (AUC) منحنی تشخیص عملکرد نسبی (ROC) برای ارزیابی نتایج استفاده شد. از 273 چشمه معرفی‌شده در این پژوهش، 191 چشمه (70 درصد) برای اجرای مدلها (تهیه نقشه پتانسیل آب زیرزمینی) و 82 چشمه (30 درصد) برای ارزیابی مدل استفاده شد. نتایج اعتبارسنجی نشان داد مدل تلفیقی وزن شاهد- رگرسیون لجستیک (5/82 درصد AUC=) نسبت به مدل وزن شاهد (4/80 درصد AUC=) کارایی بهتری در شناسایی مناطق مستعد آب زیرزمینی دارد لذا مدیرن و برنامهریزان اجرایی به‌منظور پیجویی محلهای مناسب با پتانسیل بالای آب زیرزمینی در مطالعات نیمه‌تفصیلی خود از نتایج این پژوهش به‌منظور کاهش زمان و افزایش دقت میتوانند استفاده کنند.
مهسا بوستانی، فرهاد موسوی، حجت کرمی، سعید فرزین،
جلد 23، شماره 4 - ( 10-1398 )
چکیده
دبی جریان رودخانه‌ها از جمله عوامل تأثیرگذار بر بهره‌برداری منابع آب و طراحی سازه‌های هیدرولیکی از جمله سدها بوده که مطالعه آن از اهمیت بالایی برخوردار است. عوامل متعدد تأثیرگذار بر این پدیده غیرخطی باعث شده که دبی جریان، تصادفی فرض شود. بنا بر اصول نظریه آشوب، سیستم‌های به ظاهر تصادفی و بی‌نظم دارای الگوی منظم و قابل پیشبینی هستند. در این پژوهش، با استفاده از روش‌های ترسیم فضای فاز، بُعد همبستگی، بزرگ‌ترین نمای لیاپانوف و توان طیف فوریه، دبی رودخانه زاینده‌رود از دیدگاه نظریه آشوب طی 43 سال (1350 تا 1392) بررسی و تحلیل شده است. بر اساس نتایج، ﻣﻘﺪار غیر صحیح ﺑُﻌﺪ ﻫﻤﺒﺴـﺘﮕﯽ برای ایستگاه‌های اسکندری و قلعه شاهرخ (به‌ترتیب 3/34 و 3/6)، حاکی از رﻓﺘـﺎر آﺷﻮﺑﻨﺎک دبی جریان در بالادست مخزن سد زاینده‌رود است. از سوی دیگر، در ایستگاه سد تنظیمی، نمودار بُعد همبستگی نسبت به بُعد محاط، سیر صعودی دارد که مبین تصادفی بودن سری زمانی مورد مطالعه در پایین‌دست مخزن سد زاینده‌رود است. شیب نمودار‌های نمای لیاپانوف که نشان‌دهنده حساسیت به شرایط اولیه سیستم است، برای ایستگاه‌های اسکندری، قلعه شاهرخ و سد تنظیمی به‌ترتیب برابر 0/014، 0/017 و 0/0192 و افق پیشبینی قابل اعتماد در ایستگاه‌های آشوبناک به‌ترتیب برابر با 96 و 59 روز به‌دست آمد. واکاوی غیرتناوبی بودن سری‌های زمانی نیز با استفاده از آنالیز توان طیف فوریه انجام شد. پهنای وسیع باند، افزون بر شاخص‌های دیگر، بر صحت آشوبناکی دبی رودخانه در ایستگاه‌های بالادست مخزن سد زاینده‌رود دلالت دارد.
زیبا مقصودی، محمود رستمی‌نیا، مرزبان فرامرزی، علی کشاورزی، اصغر رحمانی، سید روح اله موسوی،
جلد 24، شماره 2 - ( 5-1399 )
چکیده
نقشه‌برداری رقومی خاک همگام با پیشرفت‌های زیرساخت داده‌های مکانی، نقش مهمی را در جهت ارتقاء دانش مطالعات خاکشناسی ایفا می‌کند. لذا تحقیق حاضر با هدف تهیه نقشه رقومی کلاس فامیل خاک با استفاده از مدل‌های جنگل تصادفی و رگرسیون درختی توسعه‌یافته در بخشی از اراضی نیمه‌خشک استان ایلام اجرا شد. متغیرهای محیطی از مدل رقومی ارتفاع با قدرت تفکیک مکانی 30 متر با استفاده از نرم‌افزار SAGAGIS نسخه 7/3 استخراج شد. تعداد 46 خاکرخ حفر و ویژگی‌های فیزیکوشیمیایی نمونه‌های خاک اندازه‌گیری و بر اساس سامانه آمریکایی 2014 در سطح فامیل رده‌بندی شد. در محدوده مورد مطالعه سه رده مالی‌سولز، اینسپتی‌سولز و انتی‌سولز شناسایی شد. بر اساس نتایج داده‌کاوی متغیرهای محیطی با استفاده از آنالیز تورم واریانس (VIF)، متغیرهای کمکی ارتفاع، ارتفاع استاندارد شده و شاخص زبری پستی و بلندی بیشترین میزان تغییرپذیری مکانی خاک‌ها را در منطقه مدلسازی می‌کند. بهترین پیشبینی مکانی کلا‌س‌های خاک مربوط به فامیل خاکFine, carbonatic, thermic, Typic Haploxerolls است. همچنین نتایج نشان می‌دهد که مدل‌های جنگل تصادفی و رگرسیون درختی توسعه‌یافته به‌ترتیب صحت عمومی 0/80 و 0/64 و شاخص کاپای 0/70 و 0/55 را ارائه می‌کند. بنابراین، روش جنگل تصادفی می‌تواند یک روش قابل اعتماد و با دقت مناسب باشد که حتی با تعداد نمونه کم تخمین قابل قبولی را ارائه کند.
حمید رضا متین فر، زیبا مقصودی، روح الله موسوی، محبوبه جلالی،
جلد 24، شماره 4 - ( 12-1399 )
چکیده
شناخت توزیع مکانی کربن آلی خاک یکی از ابزارهای کاربردی در تعیین استراتژی‌های مدیریت پایدار اراضی است. طی دو دهه اخیر استفاده از رویکردهای داده‌کاوی در مدلسازی مکانی کربن آلی خاک با استفاده از تکنیک‌های یادگیری ماشین به‌طور گسترده‌ای مورد توجه قرار گرفته است. یکی از گام‌های اساسی در کاربرد این روش‌ها، تعیین متغیرهای بهینه پیشبینی کننده کربن آلی خاک است. این مطالعه به‌منظور مدلسازی و نقشه‌برداری رقومی کربن آلی خاک سطحی با استفاده از روش‌های یادگیری ماشین و ویژگی‌های خاک شامل درصد سیلت، رس، شن، کربنات کلسیم معادل، میانگین وزنی قطر خاکدانه و اسیدیته انجام پذیرفت. بدین منظور دقت عملکرد مدل‌های جنگل تصادفی، کوبیست، رگرسیون حداقل مربعات جزئی، رگرسیون خطی چندمتغیره و کریجینگ معمولی برای برآورد میزان کربن آلی خاک سطحی، در 141 نمونه از عمق 30-0 سانتی‌متر در بخشی از اراضی کشاورزی دشت خرم آباد با مساحت 680 هکتار مورد ارزیابی قرار گرفتند. نتایج آنالیز حساسیت متغیرهای پیش‌ران در مدلسازی کربن آلی نشان داد که به‌ترتیب سه ویژگی درصد سیلت، آهک و میانگین وزنی قطر خاکدانه بیشترین تأثیر را روی تغییرپذیری مکانی کربن آلی خاک داشتند. همچنین مقایسه رویکردهای مختلف تخمین کربن آلی نشان داد که مدل جنگل تصادفی به‌ترتیب با مقادیر ضریب تبیین (R2) و مجذور میانگین مربعات خطا (RMSE) 0/75 و 0/25 درصد بهترین کارایی را نسبت به سایر رویکردهای مورد استفاده در منطقه مطالعاتی ارائه کرد. در مجموع مدل‌های با رویکرد غیرخطی صحت بالاتری نسبت به مدل‌های خطی در مدلسازی تغییرات مکانی کربن آلی خاک نشان دادند.
اردوان قربانی، مهدی معمری، فرید دادجو، لیدا عندلیبی،
جلد 25، شماره 2 - ( 6-1400 )
چکیده
هدف این تحقیق مدلسازی زی‌توده گیاهی فرم‌های رویشی و کل توسط پارامترهای خاک در مراتع هیر- نئور استان اردبیل بود. ابتدا با درنظر گرفتن تیپ‌های گیاهی و عوامل محیطی، در مرحله اوج رویش گیاهان، زی‌توده گیاهی با استفاده از پلات‌های یک مترمربعی به‌روش قطع و توزین برداشت شد. در امتداد هر یک از ترانسکت‌ها یک نمونه خاک برداشت و به آزمایشگاه خاکشناسی منتقل و برخی خصوصیات آن با روش‌های متداول اندازه‌گیری شد. با استفاده از رگرسیون خطی چندگانه توسط عوامل خاک، معادله پیشبینی زی‌توده فرم‌های رویشی و کل سطح مراتع استخراج و نقشه‌های مربوطه شبیه‌سازی شد. با توجه به نتایج، پارامترهای سیلت، هدایت الکتریکی، کلسیم، پتاسیم محلول، کربن آلی، کربن آلی ذره‌ای، pH، منیزیم، آهک، رس، فسفر و رطوبت حجمی بیشترین اثرگذاری و درصد پیشبینی را داشتند (01/0>P). صحت نقشه‌های شبیه‌سازی شده نیز با استفاده از معیار RMSE برای گندمیان، پهن‌برگان علفی، بوته‌ای‌ها و کل به‌ترتیب 81/0، 65/0، 34/0 و 46/0 محاسبه شد. یافته‌های این تحقیق نه تنها به اهمیت عوامل خاک بر تغییرات زی‌توده مراتع اشاره دارد، بلکه به‌عنوان اطلاعات پایه برای مدیریت مراتع در راستای ایجاد حالت تعادل در میزان عرضه و تقاضای انرژی و توازن کربن اکوسیستم قابل استفاده است.
منصور پاکمنش، سید حبیب موسوی جهرمی، امیر خسروجردی، حسین حسن پور درویش، حسین بابازاده،
جلد 25، شماره 3 - ( 9-1400 )
چکیده
تحقیق حاضر به بررسی آزمایشگاهی و نرم¬افزاری سد¬های خاکی همگن در حالت تخلیۀ ناگهانی مخزن می‌پردازد. در این پژوهش با به‌کارگیری مدل آزمایشگاهی، مدل عددی در حالت¬های مختلف اشباع بودن خاک مورد ارزیابی قرار داده شد. به‌منظور بررسی آزمایشگاهی تأثیر هدایت هیدرولیکی بر افت سریع سطح آب و به‌کارگیری پارامترهای هیدرولیکی مواد، جریان نشت در مدل توسط نرم‌افزار seep/w مدلسازی شد. اطلاعات ورودی به نرم‌افزار شامل، هدایت هیدرولیکی و مقدار حجم آب به‌ترتیب با انجام آزمایش¬ بار ثابت و با به‌کارگیری یک نفوذسنج دیسکی ارائه شد. پس از صحت¬سنجی هدایت هیدرولیکی با مدل عددی، نتایج با داده¬های آزمایشگاهی مقایسه شد. مقایسه بین تخلیه عددی و آزمایشگاهی نشان می¬دهد که مدل عددی تفاوت معناداری با مدل آزمایشگاهی ندارد. علاوه بر این، شبیه¬سازی¬های اشباع و غیراشباع نشان می¬دهد که مدل غیراشباع مطابقت زیادی با مدل آزمایشگاهی دارد. فرض بر این است که با توجه به شرایط افت، مدل¬های غیراشباع می¬توانند دقت زیادی را برای شبیه¬سازی جریان از طریق سد خاکی همگن به‌دست آورند.
فرشته ظریف، علی عصاره، مهدی اسدی لور، حسین فتحیان، داود خدادادی دهکردی،
جلد 26، شماره 2 - ( 6-1401 )
چکیده
پیشبینی دقیق و قابل اعتماد از سطح آب زیرزمینی در یک منطقه برای استفاده پایدار و مدیریت منابع آب بسیار مهم است. این پژوهش با هدف ارزیابی شبکه‌های عصبی مصنوعی (ANNs)؛ پیش‌رونده عمومی (GFF) و تابع پایه شعاعی (RBF) در پیشبینی ماهانه تراز سطح آب زیرزمینی در دشت دزفول- اندیمشک در جنوب غربی ایران انجام شد. برای تعیین متغیرهای مؤثر ورودی در ANNs از الگوریتم اطلاعات متقابل جزئی (PMI) استفاده شد. نتایج به‌کارگیری الگوریتم PMI نشان می‌دهد که متغیرهای ورودی مؤثر بر پیشبینی ماهانه تراز سطح آب زیرزمینی برای پیزومترهای تحت تأثیر برداشت و تغذیه آب، فقط شامل تراز سطح آب در ماه فعلی است. همچنین متغیرهای ورودی مؤثر بر پیشبینی تراز سطح آب برای پیزومترهای تحت تأثیر فقط برداشت آب، به ترتیب شامل تراز سطح آب در ماه فعلی، تراز سطح آب در یک ماه قبل، تراز سطح آب در دو ماه قبل، مختصات عرضی پیزومتر به UTM، تراز سطح آب در سه ماه قبل، تراز سطح آب در چهار ماه قبل، تراز سطح آب در پنج ماه قبل و مختصات طولی پیزومتر به UTM است. علاوه بر این متغیرهای ورودی مؤثر بر پیشبینی ماهانه تراز سطح آب زیرزمینی برای پیزومترهای نه تحت تأثیر برداشت و نه تغذیه آب، به ترتیب شامل تراز سطح آب در ماه فعلی، تراز سطح آب در یک ماه قبل، تراز سطح آب در دو ماه قبل، تراز سطح آب در سه ماه قبل، تراز سطح آب در چهار ماه قبل، تراز سطح آب در پنج ماه قبل، تراز سطح آب در شش ماه قبل، مختصات عرضی پیزومتر به UTM و مختصات طولی پیزومتر به UTM است. نتایج نشان می‌دهد که شبکه GFF از دقت بیشتری نسبت به شبکه RBF، در پیشبینی ماهانه تراز سطح آب زیرزمینی برای پیزومترهای شامل برداشت و تغذیه آب و پیزومترهای شامل فقط برداشت آب برخوردار است. علاوه بر این شبکه RBF دقت بیشتری در پیشبینی ماهانه تراز سطح آب زیرزمینی برای پیزومترهای شامل نه برداشت و نه تغذیه آب نسبت به شبکه GFF برخوردار است.
