طبقه بندی عوامل هواشناسی در تعیین وقوع خشکسالی با استفاده از مدل اسکالوگرام (مطالعه موردی: ایستگاه همدان)

author

  • علی براتیان (تنظیم)
Abstract:

خشکسالی عبارت است از کمبود بارش در دوره ای بلندمدت به نحوی که باعث کمبود رطوبت در خاک و سبب کاهش آب های جاری شود و بدین طریق فعالیت های انسانی و حیات طبیعی گیاهی و جانوری را برهم زند. در اقالیم مختلف مدت زمانی که لازم است از آخرین بارش بگذرد تا آب رودخانه ها و رطوبت خاک کاهش محسوسی پیدا کند، یکسان نیست. بنابراین نمی-توان تعریف دقیق و فراگیری از خشکسالی ارائه کرد. به همین دلیل متخصصان هر یک از دیدگاهی متفاوت تعریفی از خشکسالی پیشنهاد کرده اند.در مقاله حاضر با توجه به 11 عامل هواشناسی که در شدت خشکی و خشکسالی نقش دارند، جهت طبقه بندی تأثیر این عوامل در مشخص نمودن سال های خشک استفاده شده است. از این عامل ها میزان ثبت 6 عامل بارش، حداکثر بارش روزانه، تعداد روزهای بارانی، نقطه شبنم، رطوبت نسبی و ابرناکی به عنوان عوامل کاهش دهنده شدت خشکسالی و 5 عامل حداکثر دما، متوسط دما، میزان ساعات آفتابی و تبخیر به عنوان عوامل تشدید کننده خشکسالی انتخاب شده-اند که با استفاده از مدل اسکالوگرام به طبقه بندی این عوامل در ایستگاه هواشناسی سینوپتیک همدان در طی دوره آماری 1989 تا 1997 پرداخته شده است. این طبقه بندی می تواند برای عوامل بیشتر و سال های طولانی تر در هر ایستگاهی به کار گرفته شود تا درتعیین سال های وقوع خشکسالی فقط به میزان بارش اکتفا نشود و عوامل دیگر نیز براساس اولویت خود، در محاسبات دخالت داده شوند.با توجه به طبقه بندی و استفاده از جداول مذکور در ایستگاه همدان، 11 مورد انتخابی از عوامل هواشناسی مورد مطالعه در تعیین روند خشکسالی به ترتیب اولویت به شرح زیر انتخاب گردید:1- حداکثر دما 2- حداقل دما 3- متوسط دما 4- بارش 5- حداکثر بارش روزانه 6- تعداد روزهای بارانی 7- نقطه شبنم 8- رطوبت نسبی 9- ابرناکی 10- ساعات آفتابی 11- تبخیر

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس)

پیش­بینی خشکسالی نقش مهمی در طراحی سیستم­های سازگاری با خشکسالی و اجرای عملیات تسکین ایفا می­نماید. داده­های هیدرولوژیک به‌صورت ترکیبی از بخش قطعی و تصادفی می­باشند. با توجه به اینکه داده­های تولیدی مدل­های هوشمند به‌صورت قطعی می­باشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیش­بینی این داده­ها می­تواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامه­ریزی بیان ژن (GEP) و مد...

full text

پیش‌بینی وضعیت خشکسالی برای دوره‌های آتی با استفاده از مدل LARS-WG (مطالعه موردی: ایستگاه شیراز)

در این پژوهش به‌منظور شبیه­سازی اقلیم آینـده سال­های )1443-1397) بـرای محاسـبه شاخص خشک‌سالی در اسـتان فـارس، داده­های مورداستفاده شامل مقادیر روزانه­ی بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی ایستگاه شیراز در یک دوره­ی 46 ساله (1349-1395) و به‌عنوان ورودی برای مدل آماری LARS-WG بود. برای شبیه­سازی پارامترهای اقلیمی در حوضه ایستگاه شیراز داده­های مدل HADCM3 با استفاده از مدل WG-LARS تحت دو ...

full text

رویکردی از روش topsis، در تعیین و رتبه بندی خشکسالی (مطالعه موردی: پهنه بندی خشکسالی چند ایستگاه استان خوزستان)

در این پ‍‍‍‍‍‍ژوهش با استفاده از شاخص topsis، و با استفاده از چهار عنصرجوی بارش، دما، نم نسبی و تعداد روزهای بارش، خشکسالی های رخ داده درچند ایستگاه همدیدی استان خوزستان، برای دوره آماری 18 ساله ( 2003-1986) تعیین و رتبه بندی و نهایتاً پهنه بندی شده است. در روش topsis، برای رتبه بندی دقیق تر، از عناصر آب و هوایی بیشتری نسبت به روش های معمول رایج وبانگرش سازوکاری وبرهمکنشی (سیستماتیک)، استفاده می...

full text

تعیین و طبقه بندی الزامات رضایتمندی گردشگران با استفاده از مدل کانو و مدلسازی معادلات ساختاری (مطالعه موردی: گردشگران باغبهادران)

رضایت گردشگر مقوله ای است که سبب وفاداری گردشگر برای تداوم مسافرت به مقصد و تشویق و ترغیب دوستان و آشنایان به دیدار از شهر مقصد می گردد و به این ترتیب موجبات رونق، تداوم و پایداری گردشگری در مقاصد گردشگری فراهم می آید. هدف از پژوهش حاضر بررسی عوامل موثر بر رضایتمندی گردشگران باغبهادران است. بدین منظور از مدل سنجش رضایتمندی کانو استفاده شده و در ادامه با استفاده از مدلسازی معادلات ساختاری عوامل ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 10  issue 38

pages  60- 64

publication date 2001-07-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023