دوره 10، شماره 1 - ( 3-1402 )
جلد 10 شماره 1 صفحات 156-143 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
hashemi ana S K. Evaluating changes seasonal in the length of dry spells with the step-by-step assessment method SWARA in Iran. Journal of Spatial Analysis Environmental Hazards 2023; 10 (1) :143-156
URL: http://jsaeh.khu.ac.ir/article-1-3367-fa.html
URL: http://jsaeh.khu.ac.ir/article-1-3367-fa.html
هاشمی عنا سید کرامت. ارزیابی تغییرات طول دوره‌های خشک فصلی با روش ارزیابی گام‌به‌گام سوارا (SWARA) در ایران. تحلیل فضایی مخاطرات محیطی. 1402; 10 (1) :143-156
دانشگاه یاسوج ، k.hashemi@yahoo.com
چکیده: (1840 مشاهده)
چکیده
جهت بررسی رفتار فصلی طول دوره‌های خشک از داده‌های بارش در مقیاس روزانه برای 44 ایستگاه سینوپتیک ایران و دوره‌آماری30 ساله (2018-1988) استفاده شد. بعد از یکپارچه‌سازی آماری داده‌ها، دوره‌های بلندمدت با تداوم بیش از 20 روز مبنای مطالعه قرار گرفتند. در گام بعدی برای تعیین وزن فصلی دوره‌ها از روش ارزیابی گام‌به‌گام منطق فازی-عددی سوارا(SWARA)، استفاده شد. در چهار گام اساسی اهمیت نسبی دوره‌های پرتکرار، وزن اولیه، وزن نهایی و نرمال شده دوره‌ها مشخص شد.
اثرگذاری و وزن هرکدام از معیارها با روش سوارا در محیط فازی نشان داد که در مناطق غربی و شمالی کشور، بیشترین وزن اولیه در تبیین دوره‌ها را فصل زمستان و بهار و معیارهایی مانند برگشت‌پذیری و درصد احتمال رخداد دارا هستند. در تبیین نهایی نیز این دو فصل وزن بالایی داشتند. این دو فصل بیش از 65 درصد وزن دوره‌ها در این مناطق را تبیین می‌کنند. در مناطق جنوبی و بخش‌هایی از مرکز(اصفهان، شرق فارس و غرب کرمان)، فصل زمستان و پاییز بیش از 71 درصد وزن دوره‌ها را تبیین می‌کنند. در بین معیارهای تبیین‌کننده وزن دوره‌ها نیز معیار برگشت‌پذیری و احتمال رخداد بیش از 55 درصد وزن را به خود اختصاص داده است.
تغییرپذیری معیارها در مناطق شمالی و مرطوب کشور از برگشت‌پذیری، تداوم و احتمال رخداد بیشتری برخوردار است. این امر حاکی از این امر است که مرز مناطق خشک در آینده اقلیم ایران به سمت مناطق شمالی جابه‌جا می‌شود. می‌توان اذعان نمود که رفتار دوره‌های خشک بلندمدت بیشتر تابعی از دو معیار برگشت‌پذیری و احتمال رخداد آن‌هاست.
جهت بررسی رفتار فصلی طول دوره‌های خشک از داده‌های بارش در مقیاس روزانه برای 44 ایستگاه سینوپتیک ایران و دوره‌آماری30 ساله (2018-1988) استفاده شد. بعد از یکپارچه‌سازی آماری داده‌ها، دوره‌های بلندمدت با تداوم بیش از 20 روز مبنای مطالعه قرار گرفتند. در گام بعدی برای تعیین وزن فصلی دوره‌ها از روش ارزیابی گام‌به‌گام منطق فازی-عددی سوارا(SWARA)، استفاده شد. در چهار گام اساسی اهمیت نسبی دوره‌های پرتکرار، وزن اولیه، وزن نهایی و نرمال شده دوره‌ها مشخص شد.
اثرگذاری و وزن هرکدام از معیارها با روش سوارا در محیط فازی نشان داد که در مناطق غربی و شمالی کشور، بیشترین وزن اولیه در تبیین دوره‌ها را فصل زمستان و بهار و معیارهایی مانند برگشت‌پذیری و درصد احتمال رخداد دارا هستند. در تبیین نهایی نیز این دو فصل وزن بالایی داشتند. این دو فصل بیش از 65 درصد وزن دوره‌ها در این مناطق را تبیین می‌کنند. در مناطق جنوبی و بخش‌هایی از مرکز(اصفهان، شرق فارس و غرب کرمان)، فصل زمستان و پاییز بیش از 71 درصد وزن دوره‌ها را تبیین می‌کنند. در بین معیارهای تبیین‌کننده وزن دوره‌ها نیز معیار برگشت‌پذیری و احتمال رخداد بیش از 55 درصد وزن را به خود اختصاص داده است.
تغییرپذیری معیارها در مناطق شمالی و مرطوب کشور از برگشت‌پذیری، تداوم و احتمال رخداد بیشتری برخوردار است. این امر حاکی از این امر است که مرز مناطق خشک در آینده اقلیم ایران به سمت مناطق شمالی جابه‌جا می‌شود. می‌توان اذعان نمود که رفتار دوره‌های خشک بلندمدت بیشتر تابعی از دو معیار برگشت‌پذیری و احتمال رخداد آن‌هاست.
فهرست منابع
1. انصاری، حسین و کامران داوری. 1386. پهنه‌بندی دوره خشک با استفاده از شاخص بارندگی استانداردشده در محیط GIS مطالعه موردی: استان خراسان، پژوهش‌های جغرافیایی، 39 (8): 12-21.
2. ذوالفقاری، حسن و حسن میرزایی. 1397. تحلیل فضایی و پهنه‌بندی دوره‌های خشک اقلیمی در ایران بر اساس شاخص DDSLR، مخاطرات محیط طبیعی،6(12): 1-18.
3. صادقی نیا، علیرضا. 1391. بررسی و مقایسه دوره‌های تر و خشک در بخش‌های مختلف اقلیمی ایران. جغرافیای طبیعی لار، 5(18): 91-81.
4. محمودی، پیمان؛ نادر پروین و رضا جباری. 1392. پهنه‌بندی ایران بر اساس طول دوره‌های خشک، مطالعات جغرافیایی مناطق خشک، 4(13): 106-85.
5. مسعودیان، سید ابوالفضل. 1390. آب‌وهوای ایران، انتشارات شریعه توس، چاپ اول.
6. مفیدی، عباس؛ آذر زرین و میثم کارخانه .1393. بررسی الگوی گردش جو در طول دوره‌های خشک و مرطوب در سواحل جنوبی دریای خزر، مجله ژئوفیزیک ایران، 8(1): 176-140.
7. هاشمی عنا، سید کرامت .1400. طبقه‌بندی تغییرات طول دوره‌های خشک وابسته به بارش در ایران. مجله جغرافیای طبیعی لار، 14(53): 39-55.
8. هاشمی عنا، سید کرامت. 1397. دورنمای اقلیم ایران با تأکید بر دوره‌های خشک. چاپ اول، انتشارات مینو فر، مشهد.
9. هاشمی عنا، سید کرامت. 1401. ارزیابی اثر تغییر اقلیم بر برنامه‌ریزی تخصیص بهینه منابع آب در استان کهگیلویه و بویراحمد. مخاطرات محیط طبیعی، 12(35).
10. Adane, G. B., Hirpa, B. A., Lim, C. H., & Lee, W. K. 2020. Spatial and temporal analysis of dry and wet spells in upper Awash River Basin, Ethiopia. Water, 12(11): 3051.
11. Ansary, A. H, , and Sanaei-Nejad, S. H. 2018. Analyzing drought history using Fuzzy Integrated Drought Index (FIDI): a case study in the Neyshabour basin, Iran. Arabian Journal of Geosciences, 11(14): 1-10.
12. Breinl K and Van Loon A F. 2018. Water shortages worsened by reservoir effects, Nat. Sustain. 1:22.
13. Douguedroit, A. 2018 .The variations of dry spells frequency and validaty in daily Rain’, J. Climatol., :7 541–555.
14. Escalante-Sandoval, C., and Nunez-Garcia, P. 2017 Meteorological drought features in northern. and northwestern parts of Mexico under different climate change scenarios. Journal of Arid Land, 65-.75:(1)9
15. Escalante-Sandoval, C., and Nunez-Garcia, P. 2017. Meteorological drought features in northern and northwestern parts of Mexico under different climate change scenarios. Journal of Arid Land, 9(1): 65-75.
16. Feng, T., Tipton, Z., Xia, L., and Chang, Y.,. .2020. Evaluation of CORDEX regional climate models in simulating extreme dry spells in Southwest China. Frontiers in Earth Science,2 294:.
17. Grace RA, Eagleson PS.1988. The synthesis of shorttime-increment precipitation sequences, Hydrodynamics Laboratory, Massachusetts of Cambridge, USA No. 91: Report,56.
18. Kendon, E. J., Stratton, R. A., Tucker, S., Marsham, J. H., Berthou, S., Rowell, D. P., and Senior, C. A.2019. Enhanced future changes in wet and dry extremes over Africa at convection-permitting scale. Nature communications, 10(1): 1-14.
19. Keršuliene, V., Zavadskas, E. K., and Turskis, Z. 2010. Selection of rational dispute resolution method by applying new step‐wise weight assessment ratio analysis (SWARA). Journal of business economics and management, 11(2), 243-258.
20. Ratan R and Venugopal. 2013. Wet and dry spell characteristics of global tropical rainfall Water Resour. Res.49. (2): 30-40.
21. Sánchez, E., Domínguez, M., Romera, R., de la Franca, N. L., Gaertner, M. A., Gallardo, C., & Castro, M. 2011. Regional modeling of dry spells over the Iberian Peninsula for present climate and climate change conditions. Climatic change, 107(3): 625-634.
22. Sanchi, I. D. 2021. Critical Review of the Causes and Effects of Dry Spell in Rainy Season in Danko Wasagu Local Government, Kebbi State, Nigeria. Cross Current Int J Agri Vet Sci, 3(8): 66-75.
23. Selvaraj RS, Selvis T . 2010. Stochastic modelling of daily precipitation at Aduthurai in india. International journal of climatology, 11(3): 20-29.
24. Thoithi, W., Blamey, R. C., and Reason, C. J. 2021. Dry spells, wet days, and their trends across Southern Africa during the summer rainy season. Geophysical Research Letters, 48(5): 20-34.
25. Tichavský, R., Ballesteros-Cánovas, J. A., Šilhán, K., Tolasz, R., and Stoffel, M. 2019. Dry Spells and extreme precipitation are the Main trigger of Landslides in central Europe. Scientific reports, 9(1): 10.
26. Wilks D S. 2018. “The stippling shows statistically significant grid points” how research results are routinely overstated and over interpreted, and what to do about it Bull. Am. Meteorol. Soc. 97:22
27. Yihdego, Y., Vaheddoost, B., & Al-Weshah, R. A. 2019. Drought indices and indicators revisited. Arabian Journal of Geosciences, 12, 69.
28. Zhang, C., Ren, Y., Cao, L., Wu, J., Zhang, S., Hu, C., and Zhujie, S. 2022. Characteristics of dry-wet climate change in China during the past 60 years and its trends projection. Atmosphere, 13(2): 275.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
