طبقه بندی عوامل هواشناسی در تعیین وقوع خشکسالی با استفاده از مدل اسکالوگرام (مطالعه موردی: ایستگاه همدان)
author
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
similar resources
رویکردی از روش TOPSIS، در تعیین و رتبه بندی خشکسالی (مطالعه موردی: پهنه بندی خشکسالی چند ایستگاه استان خوزستان)
full text
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 textپیشبینی 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 textرویکردی 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 textتعیین 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 textMy Resources
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.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023