تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,426 |
تعداد دریافت فایل اصل مقاله | 15,216,977 |
تحلیل و پهنهبندی خشکسالی اقلیمی و تاثیر SOI و NAO بر حوضههای ششگانه آبخیز ایران | ||
دانش آب و خاک | ||
مقاله 11، دوره 33، شماره 1، فروردین 1402، صفحه 161-179 اصل مقاله (1.84 M) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2021.44983.2407 | ||
نویسندگان | ||
سید محمد تا ج بخش فخرآبادی* 1؛ جواد مومنی دمنه2 | ||
1دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، ایران | ||
2دانشجوی دکتری بیابان زدایی گروه منابع طبیعی، دانشکده منابع طبیعی و علوم زمین، دانشگاه هرمزگان | ||
چکیده | ||
روشهای مختلفی برای درونیابی داده مکانی وجود دارد و هر گونه کاستی در انتخاب روش مناسب توزیع مکانی عوامل اقلیمی و بیتوجهی به دقت روشهای درونیابی میتواند موجب بروز خطا در برآوردهای طراحی گردد. در این پژوهش از دادههای ماهانه بارندگی 79 ایستگاه سینوپتیک با حداقل 30 سال طول دوره آماری از 1988 تا سال 2017 استفاده گردید. پس از بررسی رژیم بارش در حوزههای آبخیز ششگانه ایران، مقدار SPI در بازههای 3، 5 و 8 ماهه از دادههای بارندگی ماهانه در هر سال استخراج و برای هر ایستگاه محاسبه و برای هریک از پدیدهها ( SOIو NAO) موردبررسی قرار گرفت و در سه گام زمانی ده ساله، سالهایی با خشکسالیهای بسیار شدید در حوضه مشخص گردید. در تعیین توزیع بارندگی در پریودهای زمانی 10 ساله در نقاط فاقد آمار از شاخصهای میانگین قدر مطلق خطای نسبی (MARE)، میانگین خطای اریبی انحراف (MBE)، درصد میانگین خطای مطلق (MAPE) و ریشه دوم میانگین مربع خطا (RMSE) استفاده گردید. در مجموع با استفاده از خطاهای فوق در دوره سه ماهه، پنج ماهه و 8 ماهه در بین روشهای درونیابی قطعی، روش توابع پایهای شعاعی (RBF) و درونیابی چندجملهای محلی (LPI) نسبت به دو روش دیگر (IDW,GPI)، (نتایج دوره 3 و 5 ماهه بالای 62 درصد بوده و 8 ماهه بالای 72 درصد) نتایج بهتری ارائه کرده است. در مورد روشهای کریجینگ، روش کریجینگ ساده (درجه دوم منطقی) در درونیابی متغیرهای بارش میانگین، بارش با دوره 3 و 5 ماهه، روش کریجینگ ساده (نمایی) در درونیابی متغیرهای بارش میانگین بارش با دوره 8 ماهه بهترین روش زمینآمار بوده است. | ||
کلیدواژهها | ||
پدیدههای اقلیمی؛ پهنهبندی؛ حوزه آبخیز؛ خشکسالی؛ زمین آمار | ||
مراجع | ||
Clark ME, Rose KA, Levine DA and Hargrove WW, 2001. Predicting climate change effects on Appalachian trout: Combining GIS and individual‐based modeling. Ecological Applications 11(1): 161-178.
Eivazi M and Mosaedi A, 2011. An investigation on spatial pattern of annual precipitation in Golestan province by using deterministic and geostatistics models. Journal of Water and Soil 26(1): 53-64. (In Persian with English abstract)
Habibi V, Ahmadi A and Fattahi MM, 2009. Modeling spatial variability of ground water chemical properties using geostatistical methods. Iranian Journal of Watershed Management Science and Engineering 3 (7):23-34. (In Persian with English abstract)
Isaaks EH and Serivastava RM, 1998. An Introduction to Applied Geostatistics. Oxford University Press, 561P.
Jamalizadeh N and Borna R, 2012. Investigation the frequency of drought condition based on SPI and GIS in Khoozestan Province. Quarterly of Geography (Regional Planning) 2:176-157. (In Persian with English abstract)
Khodagholi M, Saboohi R and Eskandari Z, 2014. Analysing drought past trend and forecasting its future in Isfahan Province. Journal of Water and Soil Science 18 (67):367-379. (In Persian with English abstract)
Lashanyzand M and Telvari A, 2004. Investigation the climate logical drought and the possibility forecast it in six areas of the west and northwest of Iran. Geographical Researches 72: 75-86. (In Persian with English abstract)
Malekinezhad H and Karimi M, 2009. Investigation of long-term temporal and spatial changes of climatic drought and its zoning using GIS technique in Iran. Second national conference on drought, Esfahan. 15 -16 May, Isfahan, Iran. https://civilica.com/doc/67316. (In Persian with English abstract)
Maryanaji Z and Abbasi H, 2017. Zoning of the occurrence probability of maximum daily precipitation in Hamedan Province. Scientific -Research Quarterly of Geographical Data, 25(4): 89-96 (In Persian with English abstract)
McKee TB, Doesken NJ and Kleist J, 1993. The Relationship of Drought Frequency and Duration to Time Scales. Pp.179-184. Eighth Conference on Applied Climatology, January 17-22, Anaheim, California.
Mehrshahi D and Khosravi I, 2010. Evaluation of kriging intermediation and linear regression methods based on digital elevation model for spatial distribution of annual rainfall (Case study: Isfahan province). The Journal of Spatial Planning 14 (4): 233-249. (In Persian with English abstract)
Mirmousavi SH, Mazidi A and Khosravi Y, 2010. The determination of optimum geostatistics method for estimating precipitation distribution using GIS (Case study: Isfahan province), Geographic Space 10:105-120. (In Persian with English abstract)
Misaghi F and Mohammadi M, 2006. Zonation of rainfall data using classical statistical methods and land statistics and comparison with artificial neural networks. Journal of Agricultural Sciences 9(4):1-13. (In Persian with English abstract)
Nalder JA and Wein RW, 1998. Spatial interpolation of climate normal: test of a new method, Canadian boreal forest. Agricultural and Forest Meteorology 94:211-225.
Nasseri S, Ghamarnia H, Khosravi R, Mohamadi Y and Sargordi F, 2020. Evaluation of the accuracy of different combined methods for estimating the potential evapotranspiration in different climates (case study: Iran). Water and Irrigation Management 10(3): 443-452. doi: 10.22059/jwim.2021.308145.813. (In Persian with English abstract)
Nosrati K and Azarnivand H, 2002. Analysis of regional drought intensity - duration - return period by using rainfall data case study atrak watershed. Desert 7(1):49-62. (In Persian with English abstract)
Price DT, Mckenny DW, Nelder IA, Hutchinsen MF and Kesteve Jl, 2000. A comparison of two statistical method for interpolation, Canadian monthly mean climate data. Agriculture and Forest Meteorology 101: 81-94.
Ramazani Gurabi B and Farahi S, 2011. Zonation of rainfall variation in Anzali wetland. Journal of Natural ecosystems of Iran 1(1): 9-17. (In Persian with English abstract)
Saadati S, Soltani S and Eslamian S, 2009. Statistical analysis of return period of drought conditions in Isfahan province using the standardized precipitation Index. Journal of range and watershed management. Iranian Journal of natural Resources 62(2): 269-257. (In Persian with English abstract)
Siabi N and Sanaeinejad SH, 2013. An investigation into using of combined geostatistical methods to increase precision in climatological classification and climatic parameters zoning in great Khorasan. Journal of Climate Research 15: 81-32. (In Persian with English abstract)
Solaimani K, Habibnejad M, Abkar A and Bani- Asadi M, 2006. Analysis of depth-area-duration curves of rainfall in semi-arid and arid region using geostatistical methods (Case study: Sirjan). Desert 1: 31-42. (In Persian with English abstract)
Tirandaz M and Eslami A, 2012. Zoning droughts and wetness trend in north of Iran: A case study of Guilan province. African Journal of Agricultural Research 7(15): 2320-2327.
Zhang X and Srinivasan R, 2009. GIS-based spatial precipitation estimation: a comparison of geostatistical approaches. Journal of the American Water Resources Association 45(4): 894-906. | ||
آمار تعداد مشاهده مقاله: 604 تعداد دریافت فایل اصل مقاله: 270 |