تحلیل انتقال کلاسهای خشکسالی با استفاده از روش خطی-لگاریتمی: راهکاری برای اعلام هشدار اولیه
محل انتشار: سومین همایش ملی مدیریت جامع منابع آب
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 488
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:
NCUIMWR03_168
تاریخ نمایه سازی: 15 اسفند 1393
چکیده مقاله:
در این پژوهش برای 16 ایستگاه بارانسنجی و سینوپتیک استان مازندران، انتقال مابین کلاسهای شدت خشکسالی با بکارگیری مدل خطی-لگاریتمی، براساس شاخص بارش استاندارد شده با سری زمانی 12 -ماهه (SPI 12) مورد بررسی قرار گرفته است. مدلهای خطی-لگاریتمی به جدولهای احتمالی 3-بعدی، برای تمام ایستگاههای مورد بررسی، در سطح اطمینان 95 درصد برای پیشبینی کوتاه مدت انتقال کلاسهای خشکسالی، برازش داده شدهاند. مطابق با نتایج، کمترین تعداد وقوع برای انتقالهای مستقیم خشکسالی با کلاس معین به خشکسالی به 2 یا 3 کلاس شدیدتر یا کمتر شدید، مشاهده شده است. بعلاوه، احتمالهای وقوع کلاس خشکسالی با معلوم بودن کلاسهای خشکسالی دو دوره قبل، و بکارگیری مدل خطی- لگاریتمی تعیین شده اند. نتایج ارزیابی مدلهای خطی-لگاریتمی ارائه شده برای داده های SPI 12 مربوط به سال 2001 میلادی نشان داد که مدل از قدرت مناسبی برای پیشبینی کلاس شدت خشکسالی در دو ماه آینده با معلوم بودن کلاسهای شدت خشکسالی در دو ماه قبلی(به ویژه برای دوره هایی که خشکسالی شروع یا خاتمه مییابد)، برخودار میباشد. از نتایج این پژوهش بر می آید که، پیشبینی کلاسهای خشکسالی توسط مدلهای خطی-لگاریتمی میتواند به عنوان ابزار مناسبی جهت اعلام هشدار اولیه به کشاورزان و برنامهریزان آبی در اوایل فصل پاییز، مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
سید ادیب بنی مهد
دانشجوی دکتری، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، ایران.
داور خلیلی
دانشیار، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، 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 :