جستجو در مقالات منتشر شده


5 نتیجه برای پیش بینی

زینب مخیری، ابراهیم فتاحی، رضا برنا،
دوره 0، شماره 0 - ( 1-1300 )
چکیده

برای انجام این پژوهش ابتدا داده­ های مشاهده ­ای بارش ماهانه سینوپتیک و هیدرومتریک از سازمان هواشناسی کشور و وزارت نیرو طی دوره30 ساله(1976-2005) اخذ شد. برای بررسی چشم ­انداز تغییرات بارش درآینده، داده ­های تاریخی دوره(1976-2005) و داده ­های شبیه ­سازی شده اقلیمی دوره(2050-2021) با استفاد از دو مدل،( CSIRO-Mk3.6 -GFDL-CM3)، از سری مدل های CMIP5، طبق 4 سناریویRCP8.5و RCP6، RCP4.5 ، RCP2.6 که با قدرت تفکیک مکانی 0/5*0/5 با روش BCSD در دسترس می باشند، استفاده شده است. برای اصلاح اریبی موجود در برون داد مدل های مذکور، استراتژی (MB)، (Mean-based)بکار رفته است. نتایج عملکرد مدل های AOGCM نشان داد برای شبیه سازی بارش در حوضه کارون بزرگ ضریب خطای مدلCSIRO کمتر از مدل CM3 است. میانگین بارش آتی(2021-2050) در کل حوضه نسبت به میانگین بارش مشاهداتی در طول دوره آماری 1976-2005 نشان می‌دهد، در هر دو مدل و سناریوها در دو حوضه از نظر مقدار و مساحت پهنه بارشی در حال کاهش محسوس است. بیشنه بارش­ها درحوضه کارون بزرگ در تمامی سناریوها و مدل­ها در شرق حوضه متمرکز بوده است. بیشترین بارش را مناطق کوهپایه ­ای مرکزی دریافت کرده است. کمترین دریافت بارش جنوب غرب و جنوب شرق است. نتایج نهایی پژوهش حاضر83-116 میلیمتر کاهش بارش نسبت به میانگین مشاهداتی حوضه کارون بزرگ پیش بینی می شود. هردو مدل ارائه شده، بیشترین کاهش بارش حوضه کارون بزرگ دو سناریوی rcp2.6 و rcp4.5 پیش بینی می شود.


طوبی علیزاده، مجید رضایی بنفشه، غلامرضا گودرزی، هاشم رستم زاده،
دوره 0، شماره 0 - ( 1-1300 )
چکیده

گرد و غبار پدیده ای است که آثار زیست محیطی زیادی را در بخش های مختلف زندگی انسان ها از جمله: کشاورزی، اقتصاد، بهداشت و غیره دارد. هدف از پژوهش حاضر بررسی و پیش بینی پدیده گرد و غبار در شهر کرمانشاه می باشد. داده های هواشناسی با وضوح 3 ساعته در دوره آماری (2020-2000) ایستگاه کرمانشاه از سازمان هواشناسی کشور اخذ شد. ابتدا داده های گرد و غبار نرمال سازی شد و سپس با استفاده از مدل های شبکه عصبی ANN برای پیش بینی غلظت گرد و غبار و شبکه عصبی تطبیقی ANFIS برای خطایابی و پیش بینی سری زمانی وقوع گرد و غبار در نرم افزار MATLAB  خطایابی و پیش بینی شدند. یافته های پژوهش نشان داد که حداکثر میزان غلظت گرد و غبار پیش بینی شده مربوط به حداقل نقطه شنبم با بیشترین میزان همبستگی پیرسون با گرد و غبار، به میزان 23/3451 میکروگرم بر مترمکعب برآورد شده است.  همچنین نتایج پیش بینی سری زمانی با استفاده از مدل ANFIS نشان داد تابع عضویت زنگوله ای خطی با درجه 3، در مراحل آموزش و آزمون، مطلوب ترین تابع ورودی را در بین دیگر توابع عضویت به خود اختصاص داده است. بر اساس مدل های پیش بینی، بیشترین احتمال رخداد حداکثر گرد و غبار در 20 سال آینده کرمانشاه با مقدار 94% به دست آمد.
آرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی،
دوره 15، شماره 36 - ( 3-1394 )
چکیده

خشکسالی یکی از مخرب ترین بلایای طبیعی در جوامع بشری محسوب می شود که می تواند تاثیرات جبران ناپذیر کشاورزی، زیست محیطی، اجتماعی و اقتصادی  به همراه داشته باشد. بنابراین آگاهی از وقوع خشکسالی می تواند در کاهش خسارات موثر باشد. در این پژوهش، به منظور مدلسازی و شبیه سازی شدت خشکسالی در طول یک دوره آماری 37 ساله (1350- 1386) در 21 ایستگاه بارانسنجی واقع در ناحیه نیمه خشک سرد شمال غربی ایران از شبکه عصبی مصنوعی بهره گرفته شد. داده های ورودی به شبکه شامل میانگین بارش سالیانه و نیز شاخص دهک بارش سالیانه برای تمامی ایستگاه ها بوده که 80% داده ها برای آموزش شبکه (1350-1379) و20% باقیمانده برای تست و اعتبار سنجی شبکه (1380-1386) انتخاب گردید. سپس عمل پیش بینی خشکسالی توسط الگوریتم آموزش دیده شده توسط شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی، برای سال های 1387 تا 1391صورت گرفت. معماری مطلوب شبکه به صورت مدل پرسپترون  با سه لایه پنهان، الگوی پس انتشار خطا و تابع محرک سیگموئید به همراه 10 نرون در لایه میانی انتخاب گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی به خوبی قادر به پیش بینی روابط غیر خطی بارش و خشکسالی بوده بطوریکه با همبستگی بیشتر از 97% و خطای کمتر از 5% مقادیر شاخص دهک بارش را پیش بینی نموده و نتایج حاصل از این پیش بینی بطور زیادی منطبق با مقادیر واقعی می باشد. از این رو با استفاده از این روش می توان وضعیت خشکسالی را در سال های آتی پیش بینی کرده و در مدیریت و بهره وری منابع آب و نیز مدیریت خشکسالی و تغییرات اقلیمی از این روش بهره جست.
رحمان زندی، نجمه شفیعی، ابراهیم اکبری، علی حاجی زاده شیخوانلو،
دوره 23، شماره 71 - ( 10-1402 )
چکیده

پارامترهای طبیعی یکی از عوامل اصلی و تعیین کننده جهات توسعه فیزیکی شهرها و سکونتگاه‌ها محسوب می­شوند. در یک منطقه کوهستانی تاثیر این عوامل به عنوان موانع توسعه دوچندان شده و می­تواند مخاطرات طبیعی را نیز به همراه داشته باشد. در این پژوهش سعی شده با شناسائی عوامل تاثیرگذار و ارزیابی آن، جهات بهینه توسعه فیزیکی شهر نورآباد به عنوان یک منطقه نسبتاکوهستانی، مشخص شود. برای دستیابی به این مهم از 7 شاخص موثر(ارتفاع، شیب، جهت شیب، لیتولوژی،  فاصله از گسل فاصله از آبراهه،)  استفاده شده و برای ارزیابی، مدل سازی و پیش بینی نواحی مناسب توسعه کالبدی شهر ازداده های تصاویر ماهواره ای لندست و از مدل های-FUZZY -  AHP و ماکوف و پیش بینی مارکوف استفاده شده است. به طوری که هرکدام از لایه­ها با توجه به توابع عضویتی فازی در نرم افزار GIS Arc 10.3  فازی شده اند. مقایسه تحلیلی روی پهنه­های مناسب وضع موجود شهر بر اساس نقاط بحرانی با پهنه­های مناسب در نهایت نقشه نهایی با2 مدل مذکور به 5 کلاس طبقه بندی گردید نتایج حاصل از پژوهش نشان داد که تا افق 1404 شهر به سمت شرق توسعه می یابد در حالی که این مسیر توسعه مسیر مناسبی نمی باشد به علت وجود گسل اصلی کازرون  و آبراهه اصلی مهمترین عوامل مخاطره آمیز در محدوده شهر به حساب می آید بهترین مکان برای توسعه شهر مناطق غربی و جنوب غربی منطقه می باشد که این محدوده 13% از مساحت حوضه را در بر می گیرد.

سعید جهانبخش اصل، علی محمد خورشیددوست، فاطمه عباسی قصریک، زهرا عباسی قصریک،
دوره 24، شماره 75 - ( 12-1403 )
چکیده

ارزیابی و پیش­ بینی تغییرات اقلیمی در آینده به دلیل اثرات سوء آن بر منابع آبی و محیط طبیعی و همچنین دارا بودن اثرات زیست محیطی، اقتصادی و اجتماعی از اهمیت ویژه­ای برخوردار است. در این میان، بارش نیز از عناصر مهم اقلیمی محسوب می­ شود که در شرایط مازاد، خسارات فراوانی را به بار می­ آورد. استان آذربایجان­ غربی نیز از این خسارات مستثنی نیست. هدف پژوهش حاضر مدل­سازی و پیش ­­بینی بارش 30 ساله در استان آذربایجان ­غربی است. دوره آماری مورد مطالعه 32 سال (2019-1987) می ­باشد. ایستگاه ­های منتخب در سطح استان شامل ایستگاه ­های ارومیه، پیرانشهر، تکاب، خوی، سردشت، مهاباد و ماکو می­ باشند. از مدل­ های سری ­زمانی میانگین لغزان، ساریما (آریمای فصلی)، هلت وینترز برای تجزیه و تحلیل و پیش ­بینی استفاده شد و همچنین برای تعیین روند داده ­ها از رگرسیون خطی و آزمون من-کندال بهره گرفته شد. نتایج نشان ­دهنده روند افزایشی بارش در ایستگاه ­های ارومیه، پیرانشهر، خوی، سردشت و ماکو و روند کاهشی در دو ایستگاه تکاب و مهاباد می­ باشند. با توجه به نتایج حاصل از مقایسه مدل­ های مورد استفاده، مدل هلت وینترز با دارای بودن حداقل خطا در میانگین مطلق انحرافات، میانگین مجذور انحرافات و درصد میانگین مطلق خطاها بهترین مدل پیش ­بینی بارش برای استان آذربایجان­ غربی معرفی شد.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به نشریه تحقیقات کاربردی علوم جغرافیایی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb