غلامعباس فلاح قالهری؛ رسول سروستان
چکیده
هدف از پژوهش حاضر، پیشبینی و بررسی تعداد روزهای پدیده گرد و غبار ایستگاههای منتخب استان خوزستان با استفاده از مدلهای باکس-جینکیز است. پژوهش حاضر در هشت ایستگاه منتخب از استان خوزستان بهمنظور مقایسه دقت مدل باکس-جنکینز و پیشبینی مقدار پدیده گرد و غبار انجام شده است. با استفاده از نرمافزار Minitab 17 مدل سری زمانی باکس-جنکینز ...
بیشتر
هدف از پژوهش حاضر، پیشبینی و بررسی تعداد روزهای پدیده گرد و غبار ایستگاههای منتخب استان خوزستان با استفاده از مدلهای باکس-جینکیز است. پژوهش حاضر در هشت ایستگاه منتخب از استان خوزستان بهمنظور مقایسه دقت مدل باکس-جنکینز و پیشبینی مقدار پدیده گرد و غبار انجام شده است. با استفاده از نرمافزار Minitab 17 مدل سری زمانی باکس-جنکینز تعداد روزهای گرد و غبار ماهانه بررسی و بهترین مدل برازش داده شد، صحت و دقت مدلها به کمک نرمال بودن توزیع ماندهها، فرض ثابت بودن واریانس، نمودارهای مربوط به ماندهها در طول زمان، آزمون پرت-مانتو تأیید شد و در پایان از نرمافزار ArcGIS 10.4 برای ترسیم نقشههای خروجی استفاده شد. نتیجه این پژوهش نشان داد، الگوهای مناسب ماهانه بهترتیب برای رامهرمز، آغاجاری، بهبهان، آبادان، دزفول، امیدیه، اهواز، و مسجد سلیمان بترتیب (1،1،1)(0،1،2) ARIMA، (1،1،1)(1،1،2) ARIMA، (2،1،1)(0،1،3) ARIMA، (2،1،1)(0،1،1) ARIMA، (2،1،1)(0،1،2) ARIMA، (1،1،1)(1،1،3) ARIMA (1،1،1)(0،1،3) ARIMA (1،1،1)(0،3،4) ARIMA هستند که از دقت خوبی برای پیشبینی گرد و غبار برخوردار بودند. همچنین، پیشبینی تعداد روزهای پدیده گرد و غبار برای سالهای 2018 تا 2027 نشان داد که از میان شهرهای استان خوزستان شهرهای آغاجاری، آبادان و مسجد سلیمان بیشتر با پدیده گرد و غبار مواجه هستند و این امر توجه بیشتر مسئولان و برنامهریزان این شهرها را در مواجه با این پدیده طلب میکند.
امالبنین بذرافشان؛ عظیمه چشمبراه؛ ارشک حلیساز
چکیده
تبخیر یکی از مؤلفههای مهم و تاثیرگذار در برنامهریزی و مدیریت منابع آب در مناطق خشک و نیمهخشک میباشد و برآورد آن در اقلیمهای مختلف، بهعنوان یکی از مهمترین عوامل اثرگذار جوی، از اهمیت ویژهای در برنامهریزی و مدیریت منابع آب در بخش کشاورزی، تعیین الگوی کشت و مدیریت صحیح مخازن آبی برخوردار است. یکی از روشهای بررسی تغییرات ...
بیشتر
تبخیر یکی از مؤلفههای مهم و تاثیرگذار در برنامهریزی و مدیریت منابع آب در مناطق خشک و نیمهخشک میباشد و برآورد آن در اقلیمهای مختلف، بهعنوان یکی از مهمترین عوامل اثرگذار جوی، از اهمیت ویژهای در برنامهریزی و مدیریت منابع آب در بخش کشاورزی، تعیین الگوی کشت و مدیریت صحیح مخازن آبی برخوردار است. یکی از روشهای بررسی تغییرات تبخیر و پیشبینی آن، مدلهای سری زمانی با نام عمومی مدلهای ARIMA میباشد. بدین منظور، جهت تعیین بهترین مدل پیشبینی تبخیر از تشت در استان هرمزگان، پس از تعیین اقلیم با روش دومارتن اصلاح شده، در هر نمونه اقلیمی یک ایستگاه تبخیرسنجی انتخاب و مقادیر نرمال استاندارد شده تبخیر از تشت (SPEI) محاسبه و عملکرد هریک از مدلهای استوکاستیک در برآورد و تخمین مقادیر آتی سری زمانی ماهانه SPEI در دوره آماری 1354-1353 تا 1389-1388 طی 12 ماه آتی مورد بررسی قرار گرفت. نتایج نشان داد که در نمونههای اقلیمی استان هرمزگان مدل اتورگرسیو میانگین متحرک (ARMA) و اتورگرسیو (AR) بهترین عملکرد را داشتهاند، بهطوری که بهترتیب در اقلیم گرم و خشک، فراگرم خشک و فراگرم فراخشک بهترتیب در یکماه آینده دارای معیار ضریب تبیین (R) 0.83 ،0.71 و 0.70 و میزان ضرایب خطا (RMSE) بهترتیب 0.59، 0.8 و 0.88 است، بهطوری که مدل AR در اقلیم گرم و خشک قادر است تا 11 ماه بعد را بهخوبی پیشبینی نماید. نتایج نشاندهنده کارایی مناسبتر مدل اتورگرسیو نسبت به مدل اتورگرسیو میانگین متحرک در برآورد ماهانهی تبخیر از تشت در اقالیم مختلف در مناطق بیابانی ساحلی گرم و خشک است.
طیب رضیئی
چکیده
با استفاده از مدلهای سری زمانی و زنجیره مارکف مرتبه اول امکان پیشبینی پدیده خشکسالی در بخش خشک و نیمهخشک مرکز و شرق ایران مورد بررسی قرار گرفت. برای این منظور با استفاده از دادههای بارش 69 ایستگاه سینوپتیک و اقلیمشناسی منطقه مورد مطالعه در دوره 2005-1975 نمایه SPI در مقیاسهای زمانی سه، شش و 12 ماهه برای همه ایستگاهها ...
بیشتر
با استفاده از مدلهای سری زمانی و زنجیره مارکف مرتبه اول امکان پیشبینی پدیده خشکسالی در بخش خشک و نیمهخشک مرکز و شرق ایران مورد بررسی قرار گرفت. برای این منظور با استفاده از دادههای بارش 69 ایستگاه سینوپتیک و اقلیمشناسی منطقه مورد مطالعه در دوره 2005-1975 نمایه SPI در مقیاسهای زمانی سه، شش و 12 ماهه برای همه ایستگاهها محاسبه شد. با استفاده از تحلیل مولفههای اصلی و چرخش به روش وریمکس منطقه مورد مطالعه بر اساس تغییرات زمانی SPI سه و 12 ماهه به دو منطقه و بر اساس تغییرات زمانی SPI شش ماهه به سه منطقه کاملاً همگن تقسیم و سری زمانی نمره استاندارد مولفههای انتخابی بهعنوان سری زمانی منطقهای SPI در هر منطقه برای پیشبینی شدت خشکسالی با استفاده از مدلهای سری زمانی باکس-جنکینز مورد استفاده قرار گرفت. با برازش مدلهای مختلف باکس-جنکینز به سریهای منطقهای SPI در مقیاسهای مختلف، مدل مناسب برای هر یک از سریهای منطقهای شناسایی شد. همچنین با استفاده مدل زنجیره مارکف مرتبه اول احتمال وقوع دورههای خشک، نرمال و تر و نیز تعداد و تداوم رویدادهای خشک و تر مورد انتظار برای همه ایستگاهها محاسبه شد. نتیجه این بررسی نشان میدهد که احتمال رسیدن از یک حالت معین به همان حالت در ماه بعدی در همه ایستگاهها بسیار زیاد و اغلب بیش از 60 درصد است. در مقابل احتمال گذر از یک وضعیت به وضعیت مخالف در همه ایستگاهها بسیار پائین و اغلب کمتر از 10 درصد است. نتیجه این بررسی همچنین نشان داد که مدل ARMA با سریهای منطقهای SPI سه و شش ماهه و مدل SARIMA با سریهای منطقهای SPI دوازده ماهه بهترین برازش را دارند. با استفاده از مدلهای شناسایی شده مقدار SPI برای گامهای زمانی آینده برای هر یک از سریهای SPI منطقهای پیشبینی شد و مشخص شد که مدلهای انتخاب شده حداکثر میتوانند تا سه ماه آینده را با دقت مناسب پیشبینی کنند، اما از دقت پیشبینی برای گامهای زمانی بیش از سه ماه جلوتر به سرعت کاسته میشود.
محمدرضا میرزایی
چکیده
در این مطالعه، میانگین درجه حرارت ماهانه در ایستگاه هیدرومتری شاهمختار در استان کهگیلویه و بویراحمد برای یک دوره 39ساله بین سالهای 1349 تا 1388 مورد بررسی قرار گرفت.جهت مدلسازی درجه حرارت در این ایستگاه از تکنیک تحلیل کاوشگرانه دادهها (EDA) استفاده شد. روشهای گرافیکی متعددی، مانند استفاده از نمودارهای تناوبنگار، خود همبستگی ...
بیشتر
در این مطالعه، میانگین درجه حرارت ماهانه در ایستگاه هیدرومتری شاهمختار در استان کهگیلویه و بویراحمد برای یک دوره 39ساله بین سالهای 1349 تا 1388 مورد بررسی قرار گرفت.جهت مدلسازی درجه حرارت در این ایستگاه از تکنیک تحلیل کاوشگرانه دادهها (EDA) استفاده شد. روشهای گرافیکی متعددی، مانند استفاده از نمودارهای تناوبنگار، خود همبستگی و خود همبستگی جزئی برای بررسی دادهها از جمله وجود چرخه (S) و مناسب بودن استفاده از تحلیل سریهای زمانی جهت مدلسازی باقیماندهها (R) تعیین شد. مدلسازی چرخه موجود در دادهها با استفاده از مدل سینوسی و با تعیین دقیق پارامترهای آن با استفاده از تکنیکهای EDA انجام شد. باقیماندهها نیز با استفاده از Modelexpert در نرمافزار SPSS 19 جهت تحلیل سریهای زمانی مورد بررسی قرار گرفت. بهترین برازش با توجه به کمترین مقدار برای معیار NBIC، مدل ARIMA(0,1,2) تعیین شد. جهت تایید مدل، بررسی تصادفی بودن مقادیر خطاهای مدل (E) و نرمال بودن توزیع آنها در سطح پنج درصد بهترتیب با استفاده از آزمون Ljung-Box (با مقدار آماره برابر 24.3) و Kolmogorov-Smirnov (با مقدار آماره برابر 0.4088) بررسی و مورد تایید قرار گرفت.