احتمالات و دوره های بازگشت تر برای رشد گیاه در استان خوزستان با زنجیره ی مارکوف در محیط GIS و تاثیر آن در گردشگری

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 687

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TGES01_176

تاریخ نمایه سازی: 24 اردیبهشت 1393

چکیده مقاله:

گونه های گیاهی مناسب و مستعد رویش در مناطق مورد توجه بخش اکوتوریسم می تواند درکاهش دمای محیط، تنظیم رطوبت هوا، هدایت بادهای مطبوع محلی و همچنین به عنوان بادشکن و صافی عمل کند. پوشش گیاهی علاوه بر تولید اکسیژن مورد نیاز موجب زیبایی محیط زیست گردشگران می شود. شناخت گونه های گیاهی و معرفی خواص دارویی، خوراکی و صنعتی آنها منجر به توسعه اکوتوریسم علمی و پژوهشی در این مناطق خواهد شد. دنیای صنعتی امروز سبب شده تا انسانها، برای رهایی از هر نوع تنش و فشارهای روحی و روانی و برای دستیابی به آرامش درونی، به دامان طبیعت پناه ببرند و به این وسیله انرژی از دست رفته خود را دوباره بدست آورند. هدف از این تحقیق تحلیل فضایی بارش ماهانه در استان خوزستان می باشد. بارش بیش از 1 میلیمتر برای رشد گیاهان کافی است. بدین منظور از مدل زنجیره مارکف استفاده شد. مدل زنجیره مارکف حالت خاصی از مدل هایی است که در آنها حالت خطی یک سیستم به حالتهای قبل آن بستگی دارد. در زنجیره مارکف فرض را بر این می گیریم که اقلیم دو حالت بیشتر ندارد، خشک و یا مرطوب. مثلا در مورد بارش، دو حالت بیشتر ندارد. یا باران می آید (1) و یا نمی آید (0). حالت سومی وجود ندارد. منظوراز مرتبه اول این است که اندازه عضو آینده از روی عضو فعلی پیش بینی می شود. و به اعضای گذشته نیازی ندارد. پس از تهیه داده ها در محدوده استان، مطابقت داده ها با مدل موردارزیابی قرار گرفت نتایج بدست آمده نشان داد که دوره های بازگشت 1 روزه در شمال شرق بیشترین شانس را دارند و هر چه بر تعداد روزها افزوده شود قضیه برعکس می شود و کمترین شانس را شمال شرق خواهد داشت. در مورد احتمال این موارد را باید به صورت عکس توصیف نمود یعنی در شمال شرق احتمال 6 روزه ی تر بیشتر از احتمال 1 روزی تر است.

نویسندگان

ایران صالح وند

دانشجوی دکترای اقلیم شناسی دانشگاه آزاد اسلامی واحد نجف آباد

مجید منتظری

عضو هیات علمی دانشگاه اصفهان

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 :