|
|
بررسی و پیشیابی خشکسالی ایران با استفاده از شاخص های ترکیبی
|
|
|
|
|
نویسنده
|
صفریان زنگیر وحید ,زینالی بتول
|
منبع
|
سامانه هاي سطوح آبگير باران - 1398 - دوره : 7 - شماره : 22 - صفحه:21 -36
|
چکیده
|
در سال های اخیر کشور ایران در جنوب غرب آسیا تحت تاثیر خشکسالی قرار گرفته است. هدف از پژوهش حاضر تحلیل و پیش بینی خشکسالی در ایران می باشد. برای این کار ابتدا پارامترهای اقلیمی بارش و دما در بازه زمانی 29 ساله (2018- 1990) در 30 ایستگاه ایران جمع آوری شد. برای مدل سازی، شاخص فازی m.s.s ابتدا سه شاخص (set, spi, mczi) با استفاده منطق فازی در نرم افزار matlab فازیسازی شدند، سپس شاخصها با هم مقایسه و از مدل تصمیم گیری چند متغیره topsis، برای اولویت سنجی مناطق درگیر با خشکسالی استفاده شد و در نهایت برای پیشبینی از مدل شبکه عصبی مصنوعی rbf بهره گرفته شد. یافته های پژوهش نشان داد شاخص فازی نوین m.s.s طبقات خشکسالی، سه شاخص مذکور را با دقت بالا در خود منعکس کرد و دقت مدل m.s.s با سطح اطمینان بالا مورد تایید قرار گرفت. در سال های پایش خشکسالی ایستگاه های جنوبی و جنوب غربی ایران مانند بندرعباس و اهواز با مقادیر درصد فراوانی خشکسالی (24.30 و 18.47) بیش تر در معرض خشکسالی بودند. در سال های پیش بینی شده برای سال های آتی محدوده خشکسالی به طرف نواحی مرکزی ایران گسترش پیدا می کند از جمله این ایستگاه های سمنان و یزد با درصد فراوانی خشکسالی به ترتیب (0.86 و 0.91) براساس شاخص فازی m.s.s می باشند.
|
کلیدواژه
|
تحلیل آماری، شاخص m.s.s، مدل سازی، خشکسالی، ایران
|
آدرس
|
دانشگاه محقق اردبیلی, گروه جغرافیای طبیعی, ایران, دانشگاه محقق اردبیلی, گروه جغرافیای طبیعی, ایران
|
پست الکترونیکی
|
zeynali.b@uma.ac.ir
|
|
|
|
|
|
|
|
|
Investigation and Prediction of Iranian Drought Using Composite Indices
|
|
|
Authors
|
safarianzengir vahid ,Zenali Batol
|
Abstract
|
In recent years, Iran in Southwest Asia it has been affected by drought. The purpose of the present study is to analyze and forecast drought in Iran. For this research at first, the precipitation and temperature climatic parameters over a 29 year period (1990- 2018) at 30 stations in Iran Collected. For modeling, the M.S.S fuzzy index, at first uses three indices (SET, SPI, MCZI) using fuzzy logic in Matlab software. Then the indicators are compared and compared with Topsis multivariate decision making model, For Prioritization Drought affected areas were used and finally to forecast the RBF artificial neural network model was used. The Research findings showed that the new M.S.S Index drought class fuzzy index reflected the above three indices with high accuracy and the accuracy of the M.S.S model was confirmed with high confidence. In the drought monitoring years, southern and southwestern stations of Iran such as Bandar Abbas and Ahvaz were more prone to drought (24.30 and 18.47%). In the years to forecast, the drought is expected to extend to the central parts of Iran. Including these stations Semnan and Yazd with drought frequency percent (0.86 and 0.91) are based on M.S.S fuzzy index, respectively.
|
Keywords
|
Statistical Analysis ,M.S.S Index ,Modeling ,Drought ,Iran
|
|
|
|
|
|
|
|
|
|
|