امکان سنجی استفاده از شاخص های پیوند ازدور در پیش بینی بارش فصل بهار حوضه های آبریز ایران
- سال انتشار: 1400
- محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 52، شماره: 3
- کد COI اختصاصی: JR_IJSWR-52-3_012
- زبان مقاله: فارسی
- تعداد مشاهده: 234
نویسندگان
Department of Irrigation and Reclamation Engineering Department, Faculty of College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran.
Department of Natural Geography, Faculty of Earth Sciences, Shahid Beheshti University, Tehran, Iran
Department of Irrigation and Reclamation Engineering, College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
Department of Water Sciences & Engineering, Faculty of Agriculture and Engineering, Arak University, Arak, Iran
چکیده
مدیریت و برنامه ریزی در زمینه منابع آب در فصول مختلف به خصوص فصل بهار به منظور بهره برداری در بخش های کشاورزی، صنعتی و شرب در مناطق خشک و نیمه خشک جهان به خصوص ایران بسیار حیاتی است. شاخص های پیوندازدور به عنوان شاخص های بزرگ مقیاس می توانند در رفتار هیدرولوژیکی در سطح حوضه آبریز موثر باشند. در این مطالعه سعی شد ارتباط بین این شاخص ها و بارش های فصل بهار در حوضه های آبریز ایران مورد بررسی قرار گرفته و امکان استفاده از آنها به عنوان متغیرهای پیشبینی کننده مورد ارزیابی قرار گیرد. به این منظور همبستگی ۴۰ شاخص پیوندازدور با فرکانسهای مختلف در تاخیرهای زمانی ۶ تا ۱ ماهه با بارش فصل بهار مورد بررسی قرار گرفت. نتایج نشان داد درصد ایستگاههایی که همبستگی بارش فصل بهار آنها با شاخصهای پیوندازدور معنادار است بسته به حوضه آبریز متغیر است. به طور کلی، شاخص های مرتبط با ENSO و SST بیشترین فراوانی همبستگی های معنادار با بارش بهار در نیمه شمالی، شمال غربی، شمال شرقی و گاهی جنوب غربی را دارند. این شاخصها در حوضه دریای خزر در تاخیر ۳ تا ۶ ماهه، خلیج فارس-دریای عمان ۱ تا ۳ ماهه، دریاچه ارومیه ۳ ماهه، فلات مرکزی ۱ تا ۴ ماهه، مرز شرقی ۱ و ۶ ماهه، و حوزه قره قوم تاخیر ۱ و ۳ ماهه بیشترین مقدار را دارند. به طور کلی، می توان گفت بارش فصل بهار در بسیاری از ایستگاه های واقع در حوضه های آبریز نیمه شمالی ایران با شاخص های پیوندازدور همبستگی معنادار دارند ولی در بخش جنوبی، فلات مرکزی و بخش شرقی کمترین همبستگی را دارند که این امر به دلیل بارش کم در مناطق جنوبی در این فصل است. بررسی نتایج نشان داد کارایی مدل MLP نسبت به مدل MLR در مدلسازی مقدار بارش فصل بهار عمده حوضههای آبریز بالاتر است.کلیدواژه ها
Climate Teleconnection Indices, Basin, spring precipitation, Multi-Layer Perceptron, multi linear regressionاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.