پایش و پیش بینی خشکسالی استان سمنان با استفاده از شاخص خشکسالی SPI، زنجیره مارکوف، شبکه عصبی مصنوعی ANN و GIS

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 753

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ESUD02_517

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

خشکسالی وضعیتی از کمبود بارندگی و افزایش دماست که در هر وضعیت اقلیمی ممکن است رخ دهد. برای تخمین خشکسالی به دلیل دینامیک پیچیده حاکم بر ان لازم است از مدلهای دینامیکی که در آن فرآیندهای حاکم بر پدیده خشکسالی در نظر گرفته می شود، استفاده کرد. مدلهای شبکه عصبی مصنوعی از جمله این مدلها می باشد که قادرند روابط میان ورودیها و خروجی های یک سامانه فیزیکی را که توسط شبکه ای از گره ها که همگی با هم متصل هستنأ، تعیین نمایند. شاخص بارندگی استاندارد شده SPI یکی از معدود شاخصهایی است که در ان مقیاس زمانی برای پایش دوره خشک مدنظر قرار گرفته است نمایه SPI به علت سادگی محاسبات، استفاده از داده های قابل دسترس بارندگی، قابلیت محاسبه برای هر مقیاس زمانی دلخواه و قابلیت بسیار زیاد در مقایسه مکانی نتایج بهعنوان مناسبترین نمایه برای تحلیل خشکسالی بویژه تحلیلهای مکانی شناخته می شود در میان روشهای آماری زنجیره مارکف در علوم جوی در سالهای اخیر مورد توجه جدی قرار گرفته است. زنجیره مارکوف با روش ساده ریاضی مانند ضریب ماتریسها، حل احتمالات مربوط به فرآیندهای وابسته را بسیار آسان نموده است. مدل زنجیره مارکف در علوم مختلفی مانند هواشناسی اقلیم شناسی اقتصاد و صنعت کاربرد وسیعی دارد در این پژوش برای پیش بینی خشکسالی در استان سمنان با استفاده از معادله SPI داده های واقعی بارش به ارقام SPI تبدیل شده سپس ب استفاده از مقیاس طبقه بندی شدت ترسالی و خشکسالی دومارتین شروع به طبقه بندی و تعیین خصوصیات آماری بارش در ایستگاه های مورد مطالعه گردید. سپس داده های پس از نرمال شدن با استفاده از روش شبکه عصبی مصنوعی ANN در نرم افزار متلب با ترکیب 30-70 جهت آموزش و پیش بینی به کار گرفته شدند. داده ورودی برای پیش بینی بارش و خروجی SPI ها در نظر گرفته شدند. روش انتخاب نرونها لایه پنهان به صورت 2I,I,I+ 2I هشتاد درصد داده ها برای اموزش و بیست درصد برای Validation صحت سنجی در نظر گرفته شد. معیار ارزیابی کار هم RMSE میانگین مجذور خطا و R2 ضریب همبستگی بود. که الویت را به داد های با خطای کمتر دادیم باتوجه به معیار ارزیابی ذکر شده برای ANN بهترین مدل از بین مدلهای شبکه عصبی انتخاب شد پس از انتخاب بهترین مدل پیش بینی خشکسالی برای دو سال انجام شد 1390-1389 در نهایت SPI 24 ماه برای پیش بینی با روش زنجیره مارکف به سالانه تبدیل شدند و به عنوان ورودی مدل زنجیره مارکف در نظر گرفته شدند و خشکسالی برای دو سال پیش بینی شد 1390-1389 و نتایج به دست امده با هر سه مدل در نرم افزار GIS محیط Arc map اجرا شدند. نتایج حاصل از هر سه مدل نشان داد که در سرتاسر استان سمنان شدیدترین خشکسالی ها به ترتیب در سال های 1387 شهرود در مقیاس 12 ماهه 1388 شهرود در مقیاس 6 ماهه دامغان 1355 در مقیاس 3 ماهه می باشد.

نویسندگان

منیر شیرزادی

دانشجوی کارشناسی سنجش از دور دانشگاه تبریز

بهروزا اسدزاده

دانشجوی کارشناسی ارشد اقلیم شناسی دانشگاه تبریت مدرس

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 :