بررسی خشکسالی هواشناسی با استفاده از زنجیره ماکوف و شاخص SPI (مطالعه موردی: استان چهار محال و بختیاری)
محل انتشار: اولین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,675
فایل این مقاله در 10 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:
NCAGM01_068
تاریخ نمایه سازی: 7 آذر 1391
چکیده مقاله:
پدیده ی خشکسالی یکی از مهمترین بلایای طبیعی است که بسیاری از کشورها را تحت تأثیر خود قرار داده و باعث بروز بسیاری دشواری ها از جمله مشکلات اقتصادی، اجتماعی، سیاسی، فرهنگی و غیره شده است. آگاهی از وضعیت خشکسالی با پیش بینی و پهنه بندی شدت خشکسالی می تواند خطر زیان های ناشی از این پدیده را ت حد شایان توجهی کاهش دهد. در این مقاله با توجه به اهمیت موضوع خشکسالی، با استفاده از مدل زنجیره مارکوف مرتبه اول و سری زمانی حاصل از شاخص بارش استاندارد (SPI) در مقیاس زمانی سه ماهه، به بررسی، پیش بینی و پهنه بندی خشکسالی در 120 ماه آینده در ا ستان چهار محال و بختیاری پرداخته شده است. نتایج نشان می دهد که در مقیاس زمانی 3 ماهه، در 25 سال گذشته در ایستگاه های مورد مطالعه حدود 70 درصد از حالات نرمال و حدود 20-15 درصد از حالات خشکسالی رخ داده است. همچنین احتمال ماندن در تله خشکسالی برای کلیه ایستگاه ها بیشتر از 40 درصد و در قسمت جنوب و جنوب شرق استان بیشتر خواهد بود. با توجه به نقشه های رسم شده احتمال گذر از حالت خشک به حالت تر در قسمت های مرکزی استان بیشتر از سایر مناطق می باشد و قسمت های جنوب و جنوب شرق استان شاهد، خشکسالی هایی با تداوم بیشتر خواهند بود. بر اساس ماتریس احتمال تعادل محاسبه شده، مقدار احتمال تعادل خشکسالی در استان بیشتر از حالت ترسالی می باشد.
کلیدواژه ها:
نویسندگان
فریده انصاری سامانی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه شهید چمران اهواز
رضا زمانی احمد محمودی
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه شهید چمران اهواز
علی محمد آخوندعلی
استاد دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز
مجید بهزار
استاد دانشکده مهندسی علوم آب دانشگاه شهید چمران اهواز
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 :