مطالعه تطبیقی نمایه های هواشناسی با نمایه های هیدرولوژیکی برای پایش خشک سالی به روش داده کاوی (مطالعه موردی: ایستگاه ارازکوسه، استان گلستان)

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 66

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-46-3_003

تاریخ نمایه سازی: 10 آبان 1402

چکیده مقاله:

تداوم کمبود بارش در یک منطقه نسبت به میانگین بلندمدت (خشک سالی هواشناسی) باعث کاهش جریان آب رودخانه و افت تراز آب زیرزمینی (خشک سالی هیدرولوژی) می شود. برای کمی کردن خشک سالی، نمایه های متعددی تعریف شده است. در این پژوهش از دو نمایه خشک سالی، شامل نمایه بارش استانداردشده (SPI) و نمایه جریان رودخانه استانداردشده (SSI)، به ترتیب، برای پایش خشک سالی هواشناسی و خشک سالی هیدرولوژیکی استفاده شد. این نمایه ها هر یک در دسته هایی طبقه بندی میشوند و هر طبقه بیانگر وضعیتی از شدت خشک سالی است. هدف در این تحقیق مطالعه تطبیقی نمایه های خشک سالی هواشناسی و هیدرولوژیکی در ایستگاه ارازکوسه واقع در استان گلستان است که با استفاده از قوانین انجمنی در داده کاوی انجام شده است. پس از محاسبه و طبقه بندی نمایه های SPI و SSI در پنجره زمانی دوازده ماهه با تعریف سناریوهای مختلف مشخص شد تطابق کاملی بین خشک سالی هواشناسی و هیدرولوژیکی وجود ندارد و با توجه به وضعیت خشک سالی در دوره های قبل جریان رودخانه رفتاری متفاوت نشان می دهد. همچنین، کمبود بارش با تاخیر کمتری نسبت به بیش بود بارش بر جریان رودخانه تاثیر می گذارد.

نویسندگان

فاطمه تیموری

Graduate Student, Agrometeorology, Gorgan University of Agriculture and Natural Resources, Gorgan

خلیل قربانی

Assistant Professor, Agrometeorology, Gorgan University of Agriculture and Natural Resources, Gorgan

جواد بذرافشان

Assistant Professo, Agrometeorology, College of Agriculture & Natural Resources, University of Tehran

حسین شریفان

Associate Professor, Agrometeorology, Gorgan University of Agriculture and Natural Resources, Gorgan

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 :
  • Agrawal, R., Imielinski, T., and Swami, A. N. (۱۹۹۳). Mining ...
  • Babaei, H., Araghinejad, S., and Horfar, A. (۲۰۱۱).Time interval identification ...
  • Dhanya, C. T. and Nagesh-Kumar, D. (۲۰۰۹). Data mining for ...
  • Ensafi Moghaddam, T. (۲۰۰۷). An Investigation and assessment of climatological ...
  • Hayes, M. (۱۹۹۶). Drought indexes. National Drought Mitigation Center, University ...
  • Lorenzo-Lacruz, J., Mor´an-Tejeda, E., Vicente-Serrano, S. M., and L´opez-Moreno, J. ...
  • McKee, T. B., Doesken, N. J., and Kleist, J. (۱۹۹۳). ...
  • Mofidi pour, N., Sheikh, V., Ownegh, M., and sadoddin, A. ...
  • Zare Abyane, H., Yzdani, V., and Ajdari, Kh. (۲۰۱۰).Comparative Study ...
  • نمایش کامل مراجع