پایش و پیش بینی خشکسالی ماهانه با استفاده از شاخص استاندارد بارش و زنجیره مارکوف (مطالعه موردی: جنوب شرق ایران)
محل انتشار: جغرافیا و پایداری محیط، دوره: 7، شماره: 2
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 216
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GERAZ-7-2_004
تاریخ نمایه سازی: 12 اسفند 1400
چکیده مقاله:
خشکسالی یکی از بخش های جدایی ناپذیر نوسانات اقلیمی است که سالانه خسارات زیادی را به بخش های مختلف وارد می سازد. با توجه به اثرات خشکسالی بر بخش های مختلف محیط زیست، کشاورزی، منابع طبیعی، حیات وحش و... پیش بینی آن می تواند برای مدیریت بحران و کاهش خسارات ناشی از آن مفید باشد. در پژوهش حاضر، خشکسالی ماهانه بر اساس شاخص استاندارد بارش در ۱۲ ایستگاه موجود در جنوب شرق کشور طی سال های ۱۹۸۰ تا ۲۰۱۴ محاسبه گردید؛ سپس با استفاده از زنجیره مارکوف اقدام به پیش بینی خشکسالی ماهانه برای سال های ۲۰۱۵ تا ۲۰۲۰ شد. طبق نتایج، بیشتر ایستگاه ها از نظر خشکسالی دارای وضعیت نرمال، متوسط و شدید هستند. ماتریس احتمال انتقال نشان داد که در تمامی ایستگاه ها، احتمال گذر از یک حالت معین به همان حالت و احتمال گذر از حالت مرطوب به خشک، زیاد؛ اما احتمال گذر از حالت خشک به تر، کم است. همچنین نتایج پیش بینی در ایستگاه های مختلف با سطح دقت متفاوت (در ایستگاه های ایران شهر، زابل، زاهدان، بم و سراوان، دقت پیش بینی ۷۵%، در ایستگاه های جاسک، بندرعباس، کرمان و شهر بابک دقت پیش بینی ۱/۷۹% و در ایستگاه های بندر لنگه، چابهار و سیرجان، دقت پیش بینی ۳/۸۳%) نشان داد که بیشترین احتمال وقوع خشکسالی طی سال های ۲۰۱۵ تا ۲۰۲۰ مربوط به کلاس های نرمال، متوسط و شدید است و در سطح منطقه مورد بررسی کلاس های ۱ تا ۷ خشکسالی به ترتیب ۳/۱۳، ۸۱/۲۵، ۷۴/۲۶، ۱۱/۳۶، ۷۵/۴، ۸۷/۲ و ۶۹/۰% از ماه های پیش بینی شده را دربر می گیرند.
کلیدواژه ها:
نویسندگان
عبدالرسول زارعی
استادیار مهندسی بیابان زدائی، دانشگاه فسا، فارس، ایران
محمد مهدی مقیمی
استادیار علوم و مهندسی آب، دانشگاه فسا، فارس، ایران
مهدی بهرامی
استادیار علوم و مهندسی آب، دانشگاه فسا، فارس، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :