محمودرضا طباطبایی؛ امین صالح پور جم؛ جمال مصفایی
چکیده
مقدمهچرخه فرسایش خاک، شامل برداشت، حمل و رسوبگذاری که رسوبدهی حوزههای آبخیز را کنترل می‌کند، شامل مجموعه‌ای از فرایندهای پیچیده و به شدت غیرخطی است. از سوی دیگر، عوامل تاثیرگذار در رسوبدهی حوزههای آبخیز بسیار متنوع بوده و با توجه به شرایط خاص اقلیمی، خاکشناسی، پوشش گیاهی، زمین‌شناسی، توپوگرافی و غیره در هر حوضه، وزن و ...
بیشتر
مقدمهچرخه فرسایش خاک، شامل برداشت، حمل و رسوبگذاری که رسوبدهی حوزههای آبخیز را کنترل می‌کند، شامل مجموعه‌ای از فرایندهای پیچیده و به شدت غیرخطی است. از سوی دیگر، عوامل تاثیرگذار در رسوبدهی حوزههای آبخیز بسیار متنوع بوده و با توجه به شرایط خاص اقلیمی، خاکشناسی، پوشش گیاهی، زمین‌شناسی، توپوگرافی و غیره در هر حوضه، وزن و نقش هر یک از عوامل یاد شده در تولید رسوب بسیار متفاوت است. تعیین و اندازه‌گیری دقیق این عوامل و ایجاد رابطه‌های ریاضی بین آنها اغلب مشکل، پرهزینه، زمانبر و با خطا همراه بوده است. این در حالی است که با استفاده از مدلهای مبتنی بر هوش محاسباتی و بهکارگیری تعداد محدودی از متغیرهای دینامیک حوضه، می‌توان رفتار حوزه آبخیز را در تولید رسوب به خوبی شبیه‌سازی کرد. صرف‌نظر از نوع مدلهای هوشمند، در اغلب پژوهش‌های انجام شده (به‌ویژه در تحقیقات داخلی)، شبیه‌سازی رسوب معلق به‌طور عمده، بر پایه متغیر دبی جریان بوده است و به نقش متغیرهایی نظیر بارش (به‌ویژه بارش اخذ شده از تصاویر ماهوارهای) که در رسوبدهی حوضه‌ها موثرند، کمتر توجه شده است. علاوه‌بر بارش، چولگی داده‌های رسوب‌سنجی نیز از جمله مسایلی است که عدم شناخت و توجه به آن سبب کاهش کارایی مدلهای برآوردگر خواهد شد. در پژوهش حاضر، نقش متغیر بارش روزانه اخذ شده از ماهواره CHIRPS در شبیه‌سازی رسوب معلق رودخانه قرهچای مورد بررسی قرار گرفته است. مواد و روش‌هابه‌منظور شبیه‌سازی غلظت رسوب معلق روزانه رودخانه قرهچای در محل ایستگاه آب‌سنجی رامیان در استان گلستان، از شبکه عصبی مصنوعی پرسپترون چند لایه استفاده شد. به این منظور، از متغیرهای دبی جریان و دبی جریان پیشین در مقیاس‌های لحظه‌ای و روزانه و همچنین، متوسط بارش روزانه و پیشین حوضه اخذ شده از ماهواره CHIRPS برای یک دوره آماری 37 ساله (1396-1359) بهعنوان متغیرهای ورودی مدل، استفاده شد. جهت افزایش قدرت تعمیمدهی مدل‌ها، از شبکه عصبی نگاشت خود سازمانده (برای خوشهبندی داده‌ها) و به‌منظور یافتن بهترین ترکیب متغیرهای ورودی، از آزمون گاما استفاده شد. در راستای افزایش کارایی آموزش شبکه، انواع توابع فعالسازی و زیان و همچنین، الگوریتم جلوگیری از بیش برازش استفاده شد. به‌منظور بررسی تاثیر بهکارگیری توابع فعالسازی و زیان در برآورد رسوب معلق، سناریوهای مختلفی در نظر گرفته شد که در مجموع منجر به ساخت نه مدل شد. پس از آن، با استفاده از شاخص‌های صحت‌سنجی، میزان کارایی مدل‌ها در شبیه‌سازی رسوب معلق مورد بررسی و مقایسه قرار گرفت و سپس مدل برتر انتخاب شد. نتایج و بحثنتایج پژوهش حاضر، نشان داد که از بین مدلهای مختلف، مدل شبکه عصبی با تابع فعالسازی Huber و تابع زیان ReLU، با داشتن میانگین قدر مطلق خطا برابر 368 میلی‌گرم در لیتر، ریشه میانگین مربعات خطا برابر 597 میلی‌گرم در لیتر، ضریب ناش-ساتکلیف 0.87 و درصد اریبی 2.2- درصد، بهعنوان مدل برتر انتخاب شد. نتایج همچنین نشان داد که استفاده از متغیر بارش، بهعنوان یکی از عوامل مهم در ایجاد فرسایش و انتقال رسوب حوضه، سبب بهبود کارایی مدل‌ها شده است. لذا با توجه به سهولت استفاده از داده‌های بارش ماهواره CHIRPS، می‌توان در شبیه‌سازی رسوب معلق رودخانه‌ها، از این داده نیز به همراه سایر متغیرهای پیشبینی کننده استفاده شود. نتیجه‌گیریدر شبیه‌سازی رسوب معلق، اغلب از متغیر دبی جریان بهعنوان تنها متغیر پیشبینی کننده رسوب معلق استفاده می‌شود، این در حالی است که در حوضه‌هایی با رژیم‌های بارانی، یا بارانی-برفی، نقش بارش در تولید رواناب‌های سطحی و فرسایش خاک بسیار با اهمیت بوده است و نقش مهمی در تولید و انتقال رسوب حوضه دارد. اگرچه استفاده از داده‌های بارش اخذ شده از ایستگاه‌های باران‌سنجی زمینی، نقش موثری در افزایش کارایی مدلهای داده مبنا در برآورد رسوب معلق داشته است، با این حال، تهیه صدها لایه مکانی توزیعی بارش روزانه از داده‌های نقطه‌ای ایستگاه‌های زمینی، استفاده از این متغیر را در شبیه‌سازی رسوب معلق حوضه با مشکلات فراوان (نظیر کمبود یا نامناسب بودن توزیع مکانی ایستگاه‌های باران‌سنجی، نواقص آماری، بهکارگیری روش‌های میان‌یابی نامناسب و زمانبر بودن انجام محاسبات) روبهرو ساخته است. لذا، در عمل، اغلب از متغیر دبی جریان رودخانه بهعنوان متغیر پیشبینی کننده رسوب استفاده شده و کمتر از بارش استفاده می‌شود. یکی از راهحلهای برون‌رفت از مشکل یاد شده که در پژوهش حاضر به آن پرداخته شد، استفاده از داده‌های ماهوارهای CHIRPS است که برای اولین بار در این پژوهش مورد بررسی قرار گرفت. این داده‌ها از سال 1981 میلادی در دسترس است و به سادگی می‌تواند برای شبیه‌سازی رسوب معلق یا دیگر کاربردهای مرتبط با حوزههای آبخیز مورد استفاده قرار گیرد. نکته مهم دیگر که لازم است در شبیه‌سازی رسوب معلق به آن توجه شود، وجود چولگی زیاد در داده‌های رسوب‌سنجی بوده (داده‌های رسوب معلق و دبی جریان) که عدم توجه به آن در فرایند آموزش (یا واسنجی) و آزمون مدل‌ها منجر به ساخت مدلهای ضعیف به لحاظ کارایی و وجود عدم قطعیت در صحت نتایج آنها خواهد شد. در این رابطه، لازم است از تبدیل‌های لگاریتمی و یا توابع مناسب فعالسازی و زیان در فرایند آموزش استفاده شود که در این پژوهش به‌ترتیب دو تابع ReLU و Huber پیشنهاد شد. از نکات مهم دیگر، توجه به قدرت تعمیمدهی مدلهای داده مبنا است که تا اندازه زیادی وابسته به داده‌های استفاده شده در فرایند واسنجی یا آموزش آنها است. این داده‌ها باید به‌گونه‌ای انتخاب شوند که ضمن آن‌که معرف داده‌ها در کل دوره آماری هستند، با دیگر مجموعه‌های داده (نظیر مجموعه‌های ارزیابی یا آزمون)، مشابه و از توزیع یکسان برخوردار باشند. با توجه به نتایج به‌دست آمده از پژوهش حاضر و به‌منظور افزایش کارایی مدلهای شبکه عصبی مصنوعی در برآورد رسوب معلق ایستگاه‌های هیدرومتری حوزههای آبخیز، پیشنهاد می‌شود از تجارب به‌دست آمده در این پژوهش در دیگر ایستگاه‌های رسوب‌سنجی کشور نیز استفاده شود.
امین صالح پور جم؛ حمیدرضا پیروان؛ محمودرضا طباطبایی؛ امیر سررشته داری؛ جمال مصفایی
چکیده
فرایند بیابانزایی با کاهش توان تولید بیولوژیک، منجر به انهدام اکوسیستم‌های طبیعی می‌شود. به‌منظور بررسی پتانسیل خطر بیابانزایی در محدوده مراتع مشرف به اشتهارد (ارتفاعات حلقه دره)، نخست اقدام به تهیه نقشه طبقات شیب، کاربری اراضی و زمین‌شناسی با هدف ایجاد واحدهای همگن شد، به‌طوری‌که از طریق روی هم ...
بیشتر
فرایند بیابانزایی با کاهش توان تولید بیولوژیک، منجر به انهدام اکوسیستم‌های طبیعی می‌شود. به‌منظور بررسی پتانسیل خطر بیابانزایی در محدوده مراتع مشرف به اشتهارد (ارتفاعات حلقه دره)، نخست اقدام به تهیه نقشه طبقات شیب، کاربری اراضی و زمین‌شناسی با هدف ایجاد واحدهای همگن شد، به‌طوری‌که از طریق روی هم قرار دادن و تقاطع این نقشهها، نقشه واحدهای‌کاری حاصل شد. در این تحقیق، سه شاخص حساسیت‌پذیری نسبت به فرسایش، شوری و نفوذپذیری در هر یک از واحدهای کاری در نظر گرفته شدند که در نهایت هر یک به‌صورت نقشهای طبقه‌بندی شده ارایه شدند. در این تحقیق، به‌منظور پهنهبندی منطقه تحقیق از نظر شاخص شوری و نیز نفوذپذیری به‌ترتیب 185 و 179 نمونه طی سال‌های 1396 و 1397 برداشت شد. سپس، اقدام به محاسبه وزن شاخص‌ها و نیز نسبت سازگاری با کاربرد روش فرایند تحلیل سلسله مراتبی (AHP) شد. همچنین، از روش بهینه‌سازی چندمعیاره و راه‌حل سازشی (VIKOR) به‌منظور تعیین پتانسیل خطر بیابانزایی استفاده شد، به‌طوری‌که پس از محاسبه ماتریس استانداردشده موزون، اولویت‌بندی پتانسیل بیابانزایی واحدها مبتنی بر شاخص ویکور انجام شد. دامنه تغییرات شاخص ویکور گزینه‌ها مبتنی بر روش AHP-VIKOR از 0.443 تا 0.967 متغیر است. نتایج به‌دست آمده از روش تحلیل سلسله مراتبی (AHP) نشان داد که از دیدگاه خبرگان، مهمترین عامل موثر در بیابانزایی، شوری است. سایر عوامل، از قبیل حساسیت به فرسایش و نیز ضریب نفوذپذیری به‌ترتیب در رده‌های بعدی اهمیت قرار دارند. نتایج حاصل نشان‌دهنده انطباق خیلی زیاد طبقات پتانسیل خطر بیابانزایی حاصل از مدل AHP-VIKOR با طبقات مربوطه در نقشه شاهد بوده، به‌طوری‌که درصد انطباق و نیز عدم انطباق طبقات پتانسیل خطر بیابانزایی محاسباتی با نقشه شاهد به‌ترتیب 92.91 و 7.09 درصد است. بر این اساس، منطقه تحقیق دارای سه طبقه پتانسیل یا شدت خطر بیابانزایی است. به‌طوری‌که 169.39 هکتار (0.51 درصد) از منطقه دارای پتانسیل متوسط، 2336.56 هکتار (7.06 درصد) دارای پتانسیل زیاد و 30583.25 هکتار (92.43 درصد) دارای پتانسیل خیلی زیاد است.
محمودرضا طباطبایی؛ امین صالح پور جم
چکیده
روابط بین پارامترهای کیفی آب رودخانه و فرایندهای فیزیکی، ژئوشیمیائی و بیولوژیکی انجامشده بین منابع حوضه (خاک، پوشش‌گیاهی، زمین‌شناسی، کاربری اراضی و غیره)، متغیرهای هواشناسی (دما، بارش، ذوب برف و غیره)، متغیر هیدرولوژیکی رودخانه (دبی) و همچنین دخالت‌های انسانی، اغلب بسیار پیچیده، غیر‌قطعی و غیرخطی بوده بهنحوی که درک ...
بیشتر
روابط بین پارامترهای کیفی آب رودخانه و فرایندهای فیزیکی، ژئوشیمیائی و بیولوژیکی انجامشده بین منابع حوضه (خاک، پوشش‌گیاهی، زمین‌شناسی، کاربری اراضی و غیره)، متغیرهای هواشناسی (دما، بارش، ذوب برف و غیره)، متغیر هیدرولوژیکی رودخانه (دبی) و همچنین دخالت‌های انسانی، اغلب بسیار پیچیده، غیر‌قطعی و غیرخطی بوده بهنحوی که درک کامل آنها را غیرممکن می‌سازد. در این شرایط، استفاده از هوش محاسباتی (نظیر شبکه‌های عصبی مصنوعی) ابزار مناسبی در شبیه‌سازی و برآورد متغیرهای کیفی آب رودخانه نظیر بار رسوب معلق محسوب می‌شود. در پژوهش حاضر، با تلفیق کتابخانه‌های متن باز GIS و مدلهای شبکه عصبی مصنوعی (با ناظر و بدون ناظر)، سامانه مکانی هوشمندی، طراحی و کدنویسی شده است که می‌تواند در شرایط تکمتغیره یا چندمتغیره، رسوب معلق روزانه را برآورد کند. نتایج گرفتهشده از بهکارگیری این سامانه در حوزه آبخیز رودخانه مزلقان در محل ایستگاه هیدرومتری رازین نشان داد که این سامانه قادر است با کارائی و صحت‌سنجی مناسب (با ریشه میانگین مربعات خطا برابر 1033 تن در روز، میانگین قدر مطلق خطا 455 تن در روز و شاخص نش-ساتکلیف برابر 89/0 با داده‌های آزمون)، رسوب معلق ایستگاه مورد مطالعه را شبیه‌سازی کند. در مجموع، این سامانه می‌تواند بهعنوان یک زیرساخت نرمافزاری در مقیاس ملی، در شبیه‌سازی و مدیریت رسوب معلق کلیه ایستگاه‌های هیدرومتری کشور مورد استفاده سازمان‌های ذیربط قرار گیرد.
محمودرضا طباطبایی؛ امین صالح پور جم؛ جمال مصفایی
چکیده
برآورد صحیح مقدار رسوب معلق رودخانه‌ها، نقش مهمی در مطالعات فرسایش و رسوب، هیدرولوژی و مدیریت حوزههای آبخیز دارد. شبیه‌سازی رسوب معلق در سیستم‌های هیدرولوژیکی که دارای پیچیدگی‌های زیاد بوده و درعین‌حال درک و دانش ما از اجزاء و فرآیندهای درون آنها همواره با عدم قطعیت روبرو است سبب کاربرد فراوان مدلهای هوشمند و از جمله شبکه‌های ...
بیشتر
برآورد صحیح مقدار رسوب معلق رودخانه‌ها، نقش مهمی در مطالعات فرسایش و رسوب، هیدرولوژی و مدیریت حوزههای آبخیز دارد. شبیه‌سازی رسوب معلق در سیستم‌های هیدرولوژیکی که دارای پیچیدگی‌های زیاد بوده و درعین‌حال درک و دانش ما از اجزاء و فرآیندهای درون آنها همواره با عدم قطعیت روبرو است سبب کاربرد فراوان مدلهای هوشمند و از جمله شبکه‌های عصبی مصنوعی شده است. با این حال، استفاده از این مدلهای هوشمند نیز با چالش روبرو است. تعیین ساختار مناسب شبکه مستلزم بهینه نمودن پارامترهای مورداستفاده در آن (نظیر تعداد بهینه نرون‌ها و لایه‌ها، وزن و بایاس و نوع توابع فعالسازی) بوده که واسنجی مناسب آنها به روش آزمون و خطا، ضمن کارایی کم، منجر به صرف زمان زیاد می‌شود. در پژوهش حاضر، به منظور شبیه‌سازی بار رسوب معلق روزانه رودخانه نیرچای )در محل ایستگاه آب سنجی نیر در استان اردبیل) از شبکه عصبی مصنوعی پرسپترون چند لایه استفاده شد. به منظور آموزش مدل شبکه عصبی، علاوه بر روش مرسوم پس انتشار خطا، از الگوریتم بهینه‌سازی ازدحام ذرات (Particle Swarm Optimization (PSO))، به منظور بهینه‌سازی مقادیر وزن و بایاس نرون‌های مدلهای شبکه عصبی استفاده گردید. به منظور افزایش قدرت تعمیم دهی مدل‌ها، از خوشهبندی فازی استفاده شد. نتایج گرفتهشده از پژوهش حاضر نشان داد که آموزش مدلهای شبکه عصبی با الگوریتم PSO با کاهش خطای برآورد رسوب (کاهش خطای برآورد کل و ریشه میانگین مربعات خطا به ترتیب تا 3/0 درصد و 4/10 تن در روز) کارایی بیشتری نسبت به مدلهای شبکه عصبی که صرفاً از روش‌های پس انتشار خطا استفاده می‌نمایند داشته است. با توجه به اینکه در بهینه‌سازی پارامترهای شبکه عصبی، الگوریتمهای تکاملی (نظیر الگوریتم PSO) قادر به ارائه راهحلهای مناسبی هستند ، لذا در شبیه‌سازی پدیدهها و متغیرهای پیچیده حوزههای آبخیز (نظیر رسوب معلق) می‌توان از این توانمندی استفاده نمود.
محمد قیطوری؛ مسیب حشمتی؛ یحی پرویزی؛ محمود عرب خدری؛ محمودرضا طباطبایی؛ خسرو شهبازی
چکیده
امروزه بحث ترسیب کربن به‌دلیل تغییرات اقلیمی در سطح کره زمین، اهمیت ویژه‌ای پیدا کرده است. هدف از این پژوهش، بررسی کارایی عملیات سازه‌های مکانیکی بر پوشش گیاهی و ترسیب کربن در حوزههای آبخیز استان کرمانشاه، که شامل سدهای کوچک رسوبگیر است که در داخل آبراهه به‌منظور کاهش سرعت جریان هرزآب و تعدیل شیب طولی آبراهه احداث می‌شود. سدهای ...
بیشتر
امروزه بحث ترسیب کربن به‌دلیل تغییرات اقلیمی در سطح کره زمین، اهمیت ویژه‌ای پیدا کرده است. هدف از این پژوهش، بررسی کارایی عملیات سازه‌های مکانیکی بر پوشش گیاهی و ترسیب کربن در حوزههای آبخیز استان کرمانشاه، که شامل سدهای کوچک رسوبگیر است که در داخل آبراهه به‌منظور کاهش سرعت جریان هرزآب و تعدیل شیب طولی آبراهه احداث می‌شود. سدهای کوچک رسوبگیر در استان کرمانشاه از نوع گابیونی و خشکه‌چین هستند. مشخصات خاک و پوشش گیاهی مناطق تحت عملیات مکانیکی و شاهد آن (چرای شدید و مدیریت قرق) به‌وسیله پیمایش میدانی در سه منطقه، جوانرود، قروتک گیلانغرب و حاجی‌آباد کنگاور اندازه‌گیری شد. نمونه‌برداری زی‌توده بخش هوایی و ریشه گیاه در همه مناطق، همراه با لاشبرگ گیاهی سطح زمین با استفاده از روش ترانسکت و پلات انجام شد. نمونه‌برداری خاک از لایه سطحی (صفر تا 20 سانتی‌متر) برای تعیین بافت خاک، آهک، اسیدیته (گل اشباع)، هدایت الکتریکی (گل اشباع) و کربن آلی خاک به تعداد 36 نمونه، برداشت شد و تحلیل آماری با مقایسه میانگین‌ها با آزمون S.N.K در سطح 0.05 انجام شد. نتایج به‌دست آمده نشان داد، کربن آلی ترسیبشده در عملیات مختلف با توجه به تجزیه واریانس یکطرفه در سطح 0.01 اختلاف، معنی‌دار است و مقدار ذخیره کربن لایه سطحی خاک در عملیات مکانیکی (بندهای کوچک کنترل سیل) 30.16 تن در هکتار به‌دست آمد که ناشی از جمع‌آوری رسوبات بالادست بند است و در مقایسه با مناطق شاهد عملکرد پایینی دارد. همچنین، مقایسه ترسیب کربن عملیات مکانیکی با سایر برنامههای آبخیزداری نشان داد که پوشش گیاهی تاثیر مستقیمی در افزایش کربن ترسیبشده در خاک را دارد.
عادله علی‌جانپور شلمانی؛ علیرضا واعظی؛ محمودرضا طباطبایی
چکیده
تحلیل داده‌های بار رسوب معلق در رودخانه‌ها اساس شناخت روند فرسایش و رسوب در بحث مدیریت و برنامه‌ریزی منابع آب و خاک است. به‌دلیل عدم دسترسی به داده‌های بار رسوب معلق روزانه با اندازه‌گیری مستقیم، استفاده از روش‌هایی برای مدل‌سازی و برآورد آن در حوزههای آبخیز حائز اهمیت است. یکی از روش‌های مناسب مورد ...
بیشتر
تحلیل داده‌های بار رسوب معلق در رودخانه‌ها اساس شناخت روند فرسایش و رسوب در بحث مدیریت و برنامه‌ریزی منابع آب و خاک است. به‌دلیل عدم دسترسی به داده‌های بار رسوب معلق روزانه با اندازه‌گیری مستقیم، استفاده از روش‌هایی برای مدل‌سازی و برآورد آن در حوزههای آبخیز حائز اهمیت است. یکی از روش‌های مناسب مورد استفاده در این زمینه، بهکارگیری شبکه‌های عصبی مصنوعی است. برای مدل‌سازی بار رسوب معلق روزانه، ایستگاه هیدرومتری سیرا در حوزه آبخیز رودخانه کرج مورد مطالعه قرار گرفت. تعداد داده مورد استفاده در این پژوهش، 624 داده با طول دوره آماری 31 سال (از سال 1360 تا1390) است. متغیرهای ورودی به مدلهای شبکه عصبی مصنوعی شامل دبی لحظه‌ای، متوسط دبی روزانه، متوسط دبی روزانه با تاخیر سه روزه، متوسط بارش روزانه و متوسط بارش روزانه با تاخیر سه روزه و متغیر خروجی به مدل‌ها بار رسوب معلق روزانه است. برای تعیین متغیرهای بهینه و بهترین ترکیب متغیرها برای ورود به مدل از آزمون گاما و الگوریتم ژنتیک استفاده شد. سپس، این ترکیب‌ها به‌همراه برخی از ترکیب متغیرهای حاصل از آزمون و خطا، وارد مدلهای شبکه‌های عصبی مصنوعی شد. از شبکه عصبی نگاشت خودسازمانده برای خوشهبندی داده‌ها استفاده و داده‌ها به سه گروه همگن، شامل 70 درصد برای آموزش، 15 درصد برای اعتبارسنجی و 15 درصدی برای آزمون جدا شد. در ادامه، ترکیب متغیرها وارد مدلهای شبکه عصبی با توابع فعالسازی لوگ سیگموئید و تانژانت سیگموئید شد. نتایج نشان داد، در بین تمام ترکیبهای ورودی به مدلهای شبکه عصبی، مدل با تابع فعالسازی تانژانت سیگموئید با ترکیب متغیرهای ورودی شامل دبی لحظه‌ای (Q)، دبی متوسط روزانه (Qi)، دبی متوسط روزانه دو روز قبل (Qi-2)، دبی متوسط روزانه سه روز قبل (Qi-3)، بارندگی متوسط روزانه (Pi)، بارندگی متوسط روزانه دو روز قبل (Pi-2) و بارندگی متوسط روزانه سه روز قبل (Pi-3) مدل مناسب برای برآورد بار رسوب معلق روزانه شد. این مدل کمترین مقدار خطا، بالاترین کارایی مدل و کمترین انحراف استاندارد عمومی را در مقایسه با سایر مدل‌ها دارد. این مدل، بهترین ترکیب با تاثیرگذارترین متغیرهای ورودی به‌دست آمده از آزمون گاما و الگوریتم ژنتیک برای برآورد SSL است.
امین صالح‌پور جم؛ محمودرضا طباطبایی؛ امیر سررشته‌داری؛ جمال مصفایی
چکیده
بررسی رخداد خشکسالی بهعنوان حادثه‌ای محیطی از جایگاه ویژه‌ای در مدیریت منابع طبیعی و نیز برنامه‌ریزی‌های مرتبط با مدیریت منابع آبی برخوردار است. در این تحقیق، اقدام به بررسی ویژگی‌های خشکسالی در ایستگاه‌های منتخب سینوپتیکی اردبیل، خوی، ارومیه، تبریز، زنجان، سنندج و سقز در شمال غربی کشور با کاربرد نمایه ...
بیشتر
بررسی رخداد خشکسالی بهعنوان حادثه‌ای محیطی از جایگاه ویژه‌ای در مدیریت منابع طبیعی و نیز برنامه‌ریزی‌های مرتبط با مدیریت منابع آبی برخوردار است. در این تحقیق، اقدام به بررسی ویژگی‌های خشکسالی در ایستگاه‌های منتخب سینوپتیکی اردبیل، خوی، ارومیه، تبریز، زنجان، سنندج و سقز در شمال غربی کشور با کاربرد نمایه دهک‌ها شد. ابتدا، پس از بازسازی نواقص آماری ماهانه ایستگاه‌ها در دوره 38 ساله آماری 2014-1977، سری زمانی بارندگی هر یک از ایستگاه‌ها با کاربرد روش تبدیل باکس-کاکس نرمال‌سازی شد. سپس، اقدام به محاسبه نمایه دهک‌ها در مقیاس‌های زمانی مختلف ماهانه، فصلی و سالانه مبتنی بر داده‌های ماهانه‌ی بارش نرمال شده ایستگاه‌ها، در دوره آماری 2014-1977 در محیط نرمافزاری MATLAB و DIP شد. سپس، اقدام به محاسبه ویژگی‌های خشکسالی (شدت، مدت و فراوانی) در هر یک از ایستگاه‌های منتخب سینوپتیک شد. همچنین، در این تحقیق، به‌منظور آگاهی از روند تغییرات بارش در دوره آماری 38 ساله مورد مطالعه (2014-1977)، اقدام به تعیین روند تغییرات بارش ایستگاه‌های منتخب در مقیاس‌های زمانی مختلف در دوره آماری 19 ساله نخست (1995-1977) و مقایسه با روند تغییرات بارش در دوره 38 ساله آماری با کاربرد آزمون روند من-کندال و نیز تعیین تغییرات مقادیر متوسط بارش در دو دوره متوالی 19 ساله آماری (1995-1977 و 2014-1996) شد. نتایج حاصل از این تحقیق نشان‌دهنده کاهش بارش متوسط سالانه کلیه ایستگاه‌ها در دوره دوم نسبت به دوره مبنا است. همچنین، نتایج نشان‌دهنده رخداد خشکسالی‌های با شدت، مدت و فراوانی مختلف در ایستگاه‌های منتخب سینوپتیکی شمال غربی کشور است. همچنین، نتایج نشان‌دهنده روند نزولی تغییرات بارش در ایستگاه‌های سینوپتیک سقز و سنندج در مقیاس زمانی سالانه است. این در حالی است که ایستگاه‌های فاقد روند سقز و زنجان در دوره آماری 1995-1977، دارای روندهای نزولی و صعودی در برخی از مقیاس‌های زمانی در دوره آماری 2014-1977 شده‌اند.
امین صالح‌پور جم؛ امیر سررشته‌داری؛ محمودرضا طباطبایی
چکیده
آگاهی از عوامل موجود بازدارنده مشارکت مردمی در طرح‌های آبخیزداری، اصولی‌ترین گام در تحقق مشارکت موثر مردمی و دستیابی به اهداف مدیریت یکپارچه حوزههای آبخیز است. حوزههای آبخیز مشرف به شهر تهران، مشتمل بر 12 حوضه بوده که رواناب خروجی آنها از اراضی شمالی شهر تهران و عرصه‌های مجاور شمال شرقی آن یا به‌عبارتی دیگر، شمیرانات ...
بیشتر
آگاهی از عوامل موجود بازدارنده مشارکت مردمی در طرح‌های آبخیزداری، اصولی‌ترین گام در تحقق مشارکت موثر مردمی و دستیابی به اهداف مدیریت یکپارچه حوزههای آبخیز است. حوزههای آبخیز مشرف به شهر تهران، مشتمل بر 12 حوضه بوده که رواناب خروجی آنها از اراضی شمالی شهر تهران و عرصه‌های مجاور شمال شرقی آن یا به‌عبارتی دیگر، شمیرانات عبور می‌نماید. عوامل متعددی می‌توانند بر عدم مشارکت مردم در طرح‌های آبخیزداری دخالت داشته باشند که در این تحقیق در قالب چهار شاخص اقتصادی، اجتماعی، انسانی و برنامه‌ریزی طبقه‌بندی شدند. نتایج حاصل از اولویت‌بندی شاخص‌های موثر بر عدم مشارکت ذینفعان در طرح‌های آبخیزداری مبتنی بر اوزان به‌دست آمده از روش فرایند تحلیل سلسله مراتبی فازی (FUZZY-AHP) بر اساس پرسشنامه از کارشناسان اداره کل منابع طبیعی و آبخیزداری استان تهران و شهرستان‌های مربوطه نشان می‌دهد که شاخص‌های اقتصادی و انسانی به‌ترتیب بیشینه و کمینه اولویت را به خود اختصاص داده‌اند. به‌طوری که رتبه‌بندی شاخص‌ها مبتنی بر وزن نرمال شده، به‌ترتیب اهمیت از بیشینه به کمینه به‌صورت شاخص اقتصادی، برنامه‌ریزی، اجتماعی و در نهایت انسانی است. همچنین، در این تحقیق زیرشاخص‌های موثر بر عدم مشارکت ذینفعان در طرح‌های آبخیزداری بر اساس شاخص‌های چهارگانه مبتنی بر مطالعات کتابخانه‌ای، پرسش از کارشناسان و نیز مراجعه به منطقه و مصاحبه حضوری با 240 نفر از ساکنان و بهره‌برداران منطقه ایجاد شد و در نهایت، روایی پرسشنامه مبتنی بر نظرات خبرگان به تایید نهایی رسید. نتایج حاصل از رتبه‌بندی زیرشاخص‌ها مبتنی بر آزمون فریدمن نشان‌دهنده تفاوت نقش زیرشاخص‌های موثر بر عدم مشارکت ذینفعان در طرح‌های آبخیزداری است. به‌طوری که "نادیده گرفتن درآمد مردم بهعنوان انگیزه اقتصادی مستقیم" با میانگین رتبه 10.77 و "پایین بودن سطح سواد و آگاهی" با میانگین رتبه 1.80 به‌ترتیب بیشینه و کمینه میانگین رتبه را به خود اختصاص داده است. در این تحقیق، زیرشاخص "نادیده گرفتن درآمد مردم بهعنوان انگیزه اقتصادی مستقیم" از شاخص اقتصادی، زیرشاخص "تمرکز قدرت تصمیم‌گیری در مرکز" از شاخص برنامه‌ریزی، زیرشاخص "عدم اعتماد نسبت به نتایج پروژه‌ها" از شاخص اجتماعی و نیز زیرشاخص "عدم آموزش ساکنان حوضه در خصوص طرح‌ها و اهداف مربوطه" از شاخص انسانی بهعنوان مهمترین زیرشاخص‌ها رتبه‌بندی شدند.
