تاثیر متغیرهای اقلیمی پیوند از دور بر خشکسالی هواشناسی با استفاده از رگرسیون چند متغییره و شبکه عصبی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 993
فایل این مقاله در 8 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:
NCWC02_080
تاریخ نمایه سازی: 7 آبان 1393
چکیده مقاله:
بارش از مهم ترین فاکتورهای هواشناسی است که کاهش آن از مقدار طبیعی در یک دوره زمانی باعث ایجاد خشکسالی می شود. خشکسالی یک پدیده اقلیمی است که آسیب های قابل توجهی به طبیعت و زندگی بشری می رساند. به علت ماهیت تصادفی این پدیده پیش بینی و شناخت این پدیده بسیار مشکل است. از آنجایی که خشکسالی پدیدهای دورهای است در این تحقیق برای بررسی تاثیر پدیده های اقلیمی پیوند از دور بر خشکسالی بارش حوضه آبخیز گرگانرود واقع در استان گلستان را با دوره آماری ٣٠ ساله انتخاب و مورد بررسی قرار داده ایم. بر این اساس برای محاسبه شدت خشکسالی بر اساس شاخص استاندارد شده بارش (SPI) در بازه های زمانی 6،3،1 و 12 ماهه به دست آمده و به عنوان متغییر وابسته در رگرسیون چند متغییره استفاده شد، و هم چنین متغییرهای اقلیمی پیوند از دور، شاخص نوسانات اطلس جنوبی،تعداد لکه های خورشیدی، ال- نینو، انسو و شاخص نوسانات اطلس شمالی به عنوان متغیرهای مستقل مورد استفاده قرار گرفتند.نتایج بدست آمده رگرسیون چند متغییره از نرم افزار SPSS بیانگر این است که بیشترین تاثیر را در بین متغییرهای اقلیمی استفاده شده بر خشکسالی متغییر اقلیمی NINO4 در گام دو و چهارم تاخیر زمانی بر خشکسالی دارد و نتایج حاصل از شبکه عصبی MLP بیانگر بیشترین ضریب همبستگی بین متغییرهای اقلیمی با شاخص خشکسالی SPI دوازده ماهه می باشد.
کلیدواژه ها:
نویسندگان
اعظم فلاح
دانشجوی کارشناسی ارشد دانشگاه علوم کشاورزی و منابع طبیعی گرگان، دانشکده مهندسی زراعی، گروه مهندسی آب
خلیل قربانی
استادیار گروه مهندسی آب، دانشکده مهندسی زراعی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امیر احمد دهقانی
دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
جواد بذرافشان
دانشیار هواشناسی کشاورزی دانشکده کشاورزی و منابع طبیعی دانشگاه تهران
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 :