پایش و پیش بینی وضعیت خشکسالی در استان فارس با استفاده از شاخص RDI و مدل ریاضی زنجیره مارکوف
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 8، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 504
فایل این مقاله در 13 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_WATER-8-3_012
تاریخ نمایه سازی: 15 تیر 1398
چکیده مقاله:
آگاهی از وضعیت خشکسالی خطر زیانهای ناشی از این پدیده را تا حد شایان توجهی کاهش می دهد. در این مطالعه که در استان فارس انجام شد، به منظور بررسی خشکسالی، از آمار ماهانه 10 ایستگاه سینوپتیک استان در دوره آماری (2014-1990) استفاده شد. شاخص مورد استفاده جهت پایش خشکسالی، [1]RDI یک ماهه بود و مدل زنجیره مارکوف به منظور پیش بینی وضعیت خشکسالی مورد استفاده قرار گرفت. شدت حالتهای مختلف خشکسالی و وقوع حالتهای مورد انتظار (پیشبینی) مورد تجزیه و تحلیل قرار گرفت. نتیجه این بررسی نشان داد که احتمال انتقال به حالت نرمال بیشتر از دیگر حالتها میباشد. همچنین احتمال تعادل دوره های خشکسالی خیلی شدید، خشکسالی شدید، خشکسالی متوسط، نرمال، ترسالی متوسط، ترسالی شدید و ترسالی خیلی شدید در استان فارس به ترتیب 37/3، 88/8، 33/8، 2/63، 68/15، 6/0 و 0/0 درصد به دست آمد که در بیشتر مواقع (درازمدت)، منطقه از نظر اقلیمی در حالت نرمال قرار دارد. احتمال تعادل دوره های مذکور خشکسالی در مرحله پیش بینی به ترتیب 95/3، 46/10، 68/10، 51/55، 37/18، 00/1 و 00/0 درصد به دست آمد. به طور کلی در سطح استان، درصد فراوانی وقوع کلاس های پیش بینی شده خشک نسبت به کلاس های مرطوب بیشتر است که بیانگر این است که خشکسالی کماکان در سطح استان فارس ادامه دارد. بیشترین فراوانی وقوع کلاسهای خشک در ایستگاه ایزدخواست (5/31 درصد) و کمترین آن در ایستگاه شیراز (20 درصد) به دست آمد.
کلیدواژه ها:
نویسندگان
محمدمهدی مقیمی
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فسا، شهر فسا
الهام کوهی
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فسا، ایران.
عبدالرسول زارعی
گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه فسا، 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 :