مدل سازی و پیش بینی خشکسالی هواشناسی با استفاده از مدل سری زمانی SARIMA در نمونه های اقلیمی مختلف ایران
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 14، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 349
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-14-3_029
تاریخ نمایه سازی: 25 اردیبهشت 1400
چکیده مقاله:
این مطالعه با هدف پیش بینی خشکسالی هواشناسی، کاربرد مدل آماری سری زمانی SARIMA را در نمونه های اقلیمی مختلف ایران مورد ارزیابی قرار داده است. به این منظور از شاخص خشکسالی SPI در مقیاس ۱۲ ماهه استفاده شد. داده های بارش طی یک دوره ۲۰ ساله (۲۰۱۹-۲۰۰۰) در ۷ ایستگاه سینوپتیک ایران واقع در نمونه های اقلیمی متفاوت از فراخشک تا بسیار مرطوب بکار گرفته شد. مدل سری زمانی SARIMA پس از بررسی ایستایی و فصلی بودن داده های بارش در محیط نرم افزار MiniTab توسعه داده شد. از دو معیار اطلاعاتی آکائیکه (AIC) و بیزین (BIC) جهت تشخیص مدل بهینه استفاده گردید. نتایج نشان داد که با توجه به روند تناوبی و فصلی متغیر بارش، استفاده از مدل SARIMA در تمامی ایستگاه های مطالعاتی مناسب می باشد. نمودارهای باقیمانده های بارش در ایستگاه های مطالعاتی بسیار نزدیک به حالت نرمال بوده و عملکرد مدل در پیش بینی بارش و در نتیجه خشکسالی رضایت بخش بود. همچنین انتظار می رود که در اقلیم های فراخشک معتدل، نیمه خشک سردسیر و فراسرد، مدیترانه ای معتدل، مرطوب سردسیر و بسیار مرطوب نوع الف و ب به ترتیب احتمال رخداد خشکسالی شدید، خشکسالی متوسط، وضعیت نرمال و ترسالی ملایم رخ دهد.
کلیدواژه ها:
نویسندگان
مهتاب حلمی
دانش آموخته کارشناس ارشد مهندسی منابع آب، بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان
بهرام بختیاری
عضو هیات علمی، بخش مهندسی آب، دانشگاه شهید باهنر کرمان
کوروش قادری
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه باهنر کرمان، کرمان ، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :