احمدرضا قاسمی دستگردی
-
تبخیر از تشت به عنوان یک پارامتر کاربردی در زمینه های مختلف، مانند برآورد هدر رفت آب از دریاچه ها و مخازن سدها و همچنین برآورد نیاز آبی گیاهان به ویژه در مناطقی که اطلاعات لایسیمتری وجود ندارد، کاربرد دارد. مدل سازی این پارامتر می تواند در زمینه بازسازی داده های گم شده و برنامه ریزی های درازمدت منابع آب و توسعه کشاورزی کارساز باشد. در این پژوهش با به کارگیری یک مدل هوش مصنوعی (برنامه ریزی بیان ژن) و دو مدل سری زمانی (فوریه و آریما)، تبخیر از تشت در ایستگاه سد زاینده رود در دوره زمانی 1344 تا 1396 (53 سال) مدل سازی شد. سری زمانی داده های تبخیر از تشت در مقیاس روزانه برای ماه های گرم سال (خرداد، تیر، مرداد، شهریور و مهر)، به عنوان ورودی مدل های فوریه و آریما و 4 الگوی مختلف شامل استفاده از داده های روزانه تبخیر 1 ماه قبل، 2 ماه قبل، 3 ماه قبل و 4 ماه قبل، به عنوان ورودی مدل برنامه ریزی بیان ژن استفاده شد. نتایج نشان داد که مدل برنامه ریزی بیان ژن تنها در ماه مهر نتایج قابل قبولی دارد و برای ماه های دیگر نتایج از نظر شاخص های آماری قابل قبول نمی باشد. میزان خطای برآود تبخیر روزانه در ماه مهر 38/0 میلی متر بر روز (معادل 7/2 درصد) بدست آمد. این میزان خطا بر اساس ضریب تبیین 84/0 و ضریب نش- ساتکلیف (ضریب کارایی مدل) 83/0، قابل قبول ارزیابی شد. بر خلاف مدل برنامه نویسی بیان ژن، مدل فوریه در تمام ماه های مورد مطالعه نتایج قابل قبول ارائه داد. مقادیر خطای برآورد تبخیر روزانه در این روش بین 02/1 تا 7/0 میلی متر بر روز به دست آمد که معادل 2/5 تا 8/8 درصد است. مقایسه نتایج دو مدل فوق با نتایج مدل آریما نیز نشان داد مقادیر خطای مدل آریما در تمام ماه ها بیشتر (4/9 تا 6/19 درصد) از مدل های فوریه و برنامه ریزی بیان ژن است. بنابراین بهترین مدل برای برآورد تبخیر روزانه از تشت، در ماه مهر مدل برنامه ریزی بیان ژن و در بقیه ماه ها مدل فوریه می باشد. ارزیابی دقت و توانایی برآورد داده های حدی تبخیر روزانه نیز نشان داد، مدل فوریه در تخمین داده های حدی، دارای توانایی بالاتری نسبت به دو مدل دیگر است. بنابراین می توان این مدل را جهت برآورد تبخیر روزانه در ایستگاه سد زاینده رود و همچنین بازسازی داده های گم شده توصیه نمود.
کلید واژگان: تبخیر, داده های حدی, داده های گمشده, شبیه سازیThe pan evaporation is used as a practical parameter in various fields, such as estimating water loss from lakes and dams, as well as estimating the Plant water requirement, especially in areas where there is no lysimeter information. Modeling this parameter can be useful in the estimation of missing data and long-term planning of water resources and agricultural development. In this research, by using an artificial intelligence model (Gene Expression Programming, GEP) and two time series models (Fourier and ARIMA), evaporation from the pan at Zayanderud dam station, was modeled in the period from 1344 to 1396 (53 years). The time series of pan evaporation on daily scale for the months of June (Khordad), July (Tir), August (Mordad), September (Shahrivar), and October (Mehr) as input to the Fourier and ARIMA models and 4 different patterns including the use of daily evaporation data 1 month, 2 months, 3 months and 4 months ago, were used as input for gene expression programming model. The results showed that the GEP model has acceptable results only in Mehr, and for other months the results are not acceptable in terms of statistical indicators. The daily evaporation estimated error was found to be 0.38 mm in Mehr. This error was acceptable based on the coefficient of determination of 0.84, the Nash-Sutcliffe coefficient of 0.83 and the Willmott's index of agreement of 0.95. Unlike the gene expression programming model, the Fourier model provided acceptable results in all the studied months. The error values were obtained between 1.02 and 0.7 mm per day in all the studied months, which is equivalent to 5.2 to 8.8 percent. Comparing the results of the above two models with the ARIMA model showed that, the error values of the ARIMA model in all months are higher (9.4 to 19.6%) than the Fourier model, and Gene Expression Programming model. Therefore, the best model for estimating pan evaporation in October (Mehr) is the Gene Expression Programming model and in the rest of the months, the Fourier model. The evaluation of the model in estimating the extremes daily evaporation data also showed that the highest and lowest accuracy is in October (Mehr) and June (Khordad), respectively. In total, according to the statistical indices, the ability of the Fourier model to estimate the daily evaporation in the Zayanderud dam station was proved. Therefore, this model can be recommended to estimate the daily evaporation and also to reconstruct the missing data in this station
Keywords: Evaporation, Missing Data, Simulation, Extreme Data -
نظر به اینکه گندم و جو از محصولات با اهمیت و استراتژیک کشور ایران است و یکی از مهمترین آفات این محصولات سن غلات می باشد، بنابراین هر ساله سازمان حفظ نباتات کشور این آفت خطرناک را پایش می کند تا در زمان مناسب دستور مبارزه صادر شود. طبق آمارهای وزارت جهاد کشاورزی خسارت ناشی از آفات، بیماری ها و علف های هرز هر ساله حدود 35-30 درصد کل محصول را در بر می گیرد که 12-10 درصد آن مربوط به حشرات مضر می باشد و در مناطقی که آلودگی شدید باشد، خسارت وارده به محصول حتی به 100 درصد هم می رسد. پایش یک به یک مزارع کاری بسیار سخت و وقت گیر، در بازه زمانی محدود که نیازمند تعداد زیادی نیروی انسانی متخصص است. حضور فیزیکی کارشناسان در مزارع جهت انجام عملیات پایش، نیازمند صرف زمان و هزینه است و هم باعث آسیب به گیاهان در مزارع می شود. یکی از اهداف این پژوهش استفاده از روشی غیرمخرب برای چنین عملیاتی در شناسایی آفت سن غلات است. در این تحقیق شمارش آفت سن مادر در مزارع غلات و نرم گیری آن به دو روش استفاده از پردازش تصاویر هوایی با ثبت 954 تصویر و روش کادراندازی و شمارش چشمی در مزرعه توسط کارشناس خبره در دو مزرعه با نرم متفاوت انجام گرفت. پس از پردازش تصاویر با استفاده از محیط Pycharm در نرم افزار پایتون، تعداد سن در هر تصویر بدست آمد، نتایج آنالیز آماری نشان داد که اختلاف میانگین این دو روش در سطح احتمال 1% معنادار نیست و می توان با اطمینان از این روش برای پایش آفت سن مادر مزارع غلات استفاده کرد. در این پژوهش با استفاده از پردازش تصاویر پهپادی، روشی سریع و دقیق، بدون خسارت به محصول، برای نرم گیری آفت سن و صدور دستور سمپاشی جهت جلوگیری از وارد آمدن خسارت به مزرعه بدست آمد.کلید واژگان: پردازش تصویر, پهپاد, سن گندم, نرم گیری, کشاورزی دقیقConsidering that wheat and barley are important and strategic products in Iran, the Sunn pest is one of the most important pests of these products. Every year, the country's plant protection organization monitors this dangerous pest so that an order to fight it can be issued at the right time. Farm monitoring is a very difficult, time-consuming, and destructive task; it also requires a large number of specialized human resources. One of the goals of this research is to create a non-destructive method for such an operation in the identification of Sunn pests. In this research, the counting of Sunn pests in cereal farms was done by two methods using aerial image processing by recording 954 images and framing method and eye counting in the farm by an expert in two farms with different numbers of this pest. The number of pests in each image was obtained after processing the images using the Python programming language in the PyCharm learning library. The statistical study results showed no significant difference at the 1% probability level between the average data of the two methods. This method can be used confidently to monitor the Sunn pest in cereal farms. In this research, by using UAV image processing, a fast, accurate, and non-destructive method was proposed and evaluated for counting the pests and issuing spraying orders in cereal farms.Keywords: Image Processing, UAV, Sunn pest, Eurygaster counting, Machine learning
-
الگوی توزیع ریشه در خاک های لایه ای یکی از موضوعات قابل توجه در محاسبه آب قابل نگهداری خاک و مدیریت و برنامه ریزی آبیاری به شمار می رود. هدف از پژوهش حاضر، تعیین الگوی توزیع ریشه گیاه سویا در نیمرخ خاک های مطبق و همچنین تاثیر آن بر جذب آب انجام شده است. پژوهش در قالب طرح کاملا تصادفی با 15 تیمار مختلف متشکل از سه نوع بافت خاک (سبک، سنگین، متوسط) در چهار تکرار انجام گرفت. پایش الگوی توزیع ریشه توسط نمونه برداری از ستون های دارای ریشه در پایان دوره رشد گیاه سویا صورت گرفت. پس از مقایسه تیمارها از نظر رشد گیاه مشاهده شد که وجود لایه های خاک با بافت متوسط موجب توسعه و رشد بهتر گیاه شده است. در حالت کلی، چگالی طولی ریشه با افزایش عمق خاک کاهش می یافت، به جز در مواردی که لایه بندی خاک وجود داشت و چگالی طولی ریشه به ترتیب مقابل قرار گرفت: چگالی طولی ریشه متعلق به لایه های دارای بافت متوسط≥ بافت سنگین ≥ بافت سبک بود. میزان سرعت جذب آب توسط ریشه در لایه های شنی بیشترین مقدار، در رس متوسط و در بافت لومی کمترین مقدار را دارا بود. همچنین سرعت جذب آب توسط ریشه در سه لایه موجود در تیمار ها نیز، به صورت معناداری با افزایش عمق افزایش یافت. درنتیجه می توان گفت الگوی توزیع ریشه و رشد گیاه به صورت معنی داری تحت تاثیر بافت خاک و لایه بندی آن قرار دارد.
کلید واژگان: الگوی توزیع ریشه, خاک مطبق, سویا, چگالی طولی ریشه, سرعت جذب آبThe pattern of root distribution in layered soils is one of the significant issues in the calculations of soil water and irrigation management and planning. The objective of this study was to determine the pattern of root distribution of soybean in layered soils and its effect on water uptake. The research was conducted in a completely randomized design with 15 treatments consisting of three different textures of soil (light, heavy, and medium) in four replications. The pattern of root distribution was monitored by the sampling of columns at the end of the growth period of the soybean. It was observed that the presence of the layer with medium texture has led to better plant development and growth after comparing the treatments in terms of plant growth. In general, root length density decreased with increasing soil depth, except in cases where there were different layers of soil, and root length density takes place in the following order: root length density in layers with medium texture≥ heavy texture≥ light texture. The rate of root water uptake rate was highest in the sandy layers, intermediate in clay, and lowest in loamy texture. Also, the rate of root water uptake rate increased significantly with increasing depth regardless of treatments. It can be concluded that the pattern of root distribution and plant growth is significantly affected by soil texture and its stratification.
Keywords: The pattern of root distribution, Layered soil, Soybean, Root length density, Root water uptake rate -
خشک سالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. ارزیابی و پیش بینی خشکسالی ها می تواند اطلاعات با ارزشی جهت تدوین برنامه های مقابله با خشک سالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه ریزان منابع آب بگذارد. در تحقیق حاضر، خشک سالی های هواشناسی ایستگاه کوهرنگ در استان چهارمحال و بختیاری با استفاده از شاخص خشک سالی احیایی (RDI) در دوره آماری 2016-1987 مورد بررسی و تحلیل قرار گرفت. سپس با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل تلفیقی موجک با شبکه عصبی مصنوعی (WANN) داده های ماهانه بارش و تبخیر تعرق پتانسیل برای سال 2016 پیش بینی شد. نتایج نشان داد که هرچند مدل ANN در پیش بینی داده های تبخیر تعرق پتانسیل از دقت قابل قبولی برخوردار بود، اما دقت آن در پیش بینی داده های بارش مناسب نبوده است. در حالی که مدل WANN از دقت خوبی در پیش بینی داده های بارش ماهانه و تبخیر تعرق پتانسیل برخوردار بود، به طوری که میزان مرحله تست، در پیش بینی داده های ماهانه بارش معادل 69/0 و برای داده های ماهانه تبخیر تعرق پتانسیل معادل 99/0 بود که نتایج مطلوب تری نسبت به مدل شبکه عصبی داشت (میزان مدل شبکه عصبی مصنوعی برای بارش 52/0 بود). بنابراین، از مدل WANN برای پیش بینی داده های بارش و تبخیر تعرق پتانسیل استفاده شد. در مرحله بعد با استفاده از داده های پیش بینی شده، مقادیر شاخص RDI محاسبه و با مقادیر متناظر این شاخص که با داده های مشاهداتی محاسبه شده بودند، مقایسه گردید. نتایج نشان داد که مدل WANN عملکرد خوبی در پیش بینی خشک سالی کوهرنگ داشته است.
کلید واژگان: خشک سالی, تبخیر تعرق, بارش, مدل WANN, مدل ANN, شاخص RDIMeteorological drought is defined as a lack of rainfall over long periods, which reduces soil moisture and river flow. One of the critical drought assessment tools is drought indices (Tsakiris & Vangelis, 2005). So far, many drought indicators have been developed by researchers, for example, the RDI )Reconnaissance Drought Index) (Tsakiris & Vangelis, 2005). The difference between this index and other drought indices is that it is estimated based on two variables of precipitation and potential evapotranspiration. For this reason, it is more accurate than indices that are calculated only based on precipitation. So far, some studies have been used the RDI for drought assessment. Zarei et al. (2016) studied the spatial pattern of drought using the RDI index in southern Iran. The results showed that the area with dry conditions had an increasing trend. Asadi Zarch (2017) investigated the drought trend in Yazd province between 1966-2009 using the RDI index. The results showed that drought occurrence in Yazd increased during the studied period. Because, unlike other natural disasters, it is difficult to accurately determine the onset and the end of the drought period (Moried et al., 2005). Accordingly, it is difficult to diagnose and evaluate the drought phenomenon. Therefore, monitoring and predicting drought is very important in water resources management. The use of wavelets is a new and very effective way of analyzing signals and time series. Application of Wavelet in Wavelet- Artificial Neural Network (WANN) models as a function for training has recently been used as an alternative for Artificial Neural Network (ANN) models. In recent years, the combination of wavelet theory and artificial neural networks has led to the development of wavelet neural networks (Thuillard, 2000). Zhang et al. (2017) applied the ARIMA, ANN, WANN, and Support Vector Regression (SVR) models to predict droughts in China's northern Haihe River basin using the SPI index. The results showed that the WANN model performed better than other considered models for predicting the SPI values at 6 and 12 months time scales. This study aimed to predict the meteorological droughts in the Kuhrang region using ANN and WANN models. To this end, the efficiency of ANN and WANN models in predicting precipitation and potential evapotranspiration will be evaluated. Then, the Resilience Drought Index (RDI) will be calculated based on the predicted values by ANN and WANN to describe and prediction of Kuhrang wetness conditions.
Keywords: Meteorological Drought, WANN model, ANN Model, SPI Index, RDI index, Kuhrang -
کمبود آب آشامیدنی و آب شیرین برای مصارف کشاورزی از بزرگترین مشکلات حال حاضر اکثر کشورهای خشک و نیمه-خشک میباشد. بنابراین شورزدایی آبهای شور، برای تولید آب شرب و کشاورزی ضروری میباشد. با توجه به توان تابشی مناطق جنوب ایران، مطالعه یک سیستم آبیاری زیرسطحی خورشیدی به صورت تجربی و تیوری در شهر دهدشت با طول جغرافیایی 57/50 درجه و عرض جغرافیایی 78/30 انجام پذیرفت. در این سیستم از یک استخر خورشیدی و یک مبدل حرارتی جریان معکوس زیرسطحی استفاده شد. مخلوط هوای گرم و مرطوب داخل استخر خورشیدی، توسط فن، به لوله زیرزمینی هدایت و با استفاده از فرآیند میعان، آب مورد نیاز آبیاری زیرسطحی حاصل گردید. با تزریق چای کمپوست به آب خالص تولید شده، یک محلول با ترکیب مناسب برای آبیاری و تامین مواد مغذی خاک و گیاه تولید گردید. با اندازهگیری و پایش اطلاعات محیطی و تعیین معادلات گرمایی سیستم و استفاده از نرمافزار متلب، یک سیستم فازی طراحی شد و تغییرات دما، نسبت رطوبت و جرم آب تولید شده، بررسی گردید. با توجه به شبیهسازی انجام شده در متلب، بیشینه وکمینه دمای هوای استخر به ترتیب، برای مرداد و فروردین، °c90 و °c60 بدست آمد. در قیاس با مقادیر تجربی آن، مقدار خطا به ترتیب %8/5 و %9 گردید. مقدار بیشینه و کمینه آب تولید شده به ترتیب، 13/6 و 09/3 لیتر در روز، برای مرداد و فروردین حاصل شد. در قیاس با مقدار تجربی، مقدار خطا به ترتیب %7 و %15 محاسبه گردید. با توجه به نتایج، با افزایش پارامترهای تابش خورشیدی، دمای محیط، دمای آب، قطر لوله کندانسور و قطر لوله هوای گرم مرطوب و همچنین با کاهش پارامترهای دمای آب کندانسور، رطوبت نسبی هوای محیط و ارتفاع آب استخر، میزان آب تولید شده افزایش یافت. با توجه به نتایج، این روش برای مناطق با اقلیم گرم و خشک مناسب میباشد.
کلید واژگان: آبیاری چگالشی, انرژی خورشیدی, مدل پیش بینی فازی, تحلیل گرمایی, چای کمپوست, مبدل حرارتی جریان معکوسLack of drinking water and fresh water for agricultural purposes is one of the biggest problems in most arid and semi-arid countries. Therefore, desalination of saline water is necessary for the production of drinking water and irrigation. Due to the irradiative potential of south regions of Iran, the study of a solar subsurface irrigation system was performed experimentally and theoretically in Dehdasht. The system used a solar still and a subsurface reverse flow heat exchanger. The mixture of hot and humid air inside the solar still was directed to the underground pipe by a fan. Using the condensation process, the required water for subsurface irrigation was obtained. Using a suitable system for injecting compost tea into the pure water, a solution with a suitable composition was produced to irrigate and supply soil and plant nutrients. By measuring and monitoring environmental information and using MATLAB software, a fuzzy inference model was designed and Temperature changes, humidity ratio and mass of produced water were investigated. According to the simulation performed in MATLAB, the maximum temperature of the still reached 90°c in August and 60°c in April. Compared with its experimental values, the error values were reached 5.8% and 9%, respectively. The maximum and minimum amount of condensed water in the pipe was 6.13 liters and 3.09 liters per day for August and April, respectively. Compared to the experimental value obtained, the error values were 7% and 15%, respectively. According to the results, increasing the parameters such as solar radiation, ambient temperature, water temperature, diameter of condenser pipe and diameter of hot air pipe, as well as decreasing parameters such as condenser water temperature, relative humidity and pool water height, increased the amount of water produced. Therefore, this method is suitable for arid and semi-arid areas.
Keywords: Condensation Irrigation, Solar Energy, Fuzzy Forecasting Model, Heat Analysis, Compost Tea, Underground Reverse Flow Heat Exchanger -
سابقه و هدفمدیریت منابع آب بخصوص آب های زیرزمینی در مناطق خشک و نیمه خشک از اهمیت خاصی برخوردار است. یکی از موارد مهم در مدیریت بهینه منابع آب پیش بینی شرایط خشکسالی می باشد. آب های زیرزمینی بعنوان منبع اصلی تامین آب مصرفی در بخش های کشاورزی، صنعت و شرب در دشت بروجن محسوب می شود. از این رو، بررسی وضعیت خشکسالی منابع آب زیرزمینی در برنامه ریزی و مدیریت پایدار این منابع بسیار حائز اهمیت است. تاکنون روش های مختلفی توسط محققان برای پیش بینی انواع مختلف خشکسالی ها توسعه داده شده و مورد استفاده قرار گرفته است. یکی از این روش ها پیش بینی وضعیت رطوبتی با زنجیره مارکف می باشد. در اغلب مطالعات پیشین در زمینه پیش بینی خشکسالی ها، از زنجیره مارکف مرتبه اول و دوم استفاده شده است. در پژوهش حاضر، خشکسالی های آب زیرزمینی در دشت بروجن در طی سال های 1364 تا 1394 مورد ارزیابی قرار گرفت و شرایط رطوبتی این دشت با استفاده از زنجیره مارکف مرتبه سوم پیش بینی شد.مواد و روش هابه منظور ارزیابی خشکسالی های آب زیرزمینی دشت بروجن مقادیر شاخص GRI در مقیاس های زمانی 1، 3، 6 و 12 ماهه محاسبه شد. بدین منظور، از آمار تراز آب زیرزمینی 13 چاه مشاهده ای در دشت بروجن در دوره 31 ساله (94-1364) استفاده شد. برای پیش بینی مقادیر شاخص GRI در ماه های آتی در دشت بروجن از روش زنجیره مارکف با مرتبه های اول، دوم و سوم استفاده گردید و عملکرد این مدل با روش جدول توافقی مورد ارزیابی قرار گرفت. بعد از تهیه جدول توافقی برای زنجیره مارکف مرتبه اول، دوم و سوم، مقادیر آماره های CSI، POD و FAR محاسبه شد. مقدار CSI برای دشت بروجن در مقیاس های زمانی یک، سه و شش و دوازده ماهه برای مدل مارکف مرتبه اول بترتیب برابر برابر 58/0، 50/0، 1 و 1، برای مدل مارکف مرتبه دوم در مقیاس های زمانی یک، سه و شش ماهه بترتیب برابر 45/0، 33/0 و 1 و برای مارکف مرتبه سوم در مقیاس های زمانی یک، سه و شش ماهه به ترتیب برابر 40/0، 38/0 و 1 بدست آمد که نشانگر مهارت متوسط روش پیشنهادی در مقیاس یک و سه ماهه پیش بینی شرایط رطوبتی و مهارت خوب آن در مقیاس شش ماهه پیش بینی شرایط رطوبتی بود. همچنین نقشه های پهنه بندی شاخص GRI در این دشت با انتخاب مناسب ترین روش درونیابی، ترسیم گردید.یافته هانقشه پهنه بندی شاخص GRI در دشت بروجن نشان می دهد قسمت های میانی دشت اغلب با خشکسالی شدید مواجه شده است. مقایسه عملکرد مرتبه های مختلف زنجیره مارکف در پیش بینی شرایط رطوبتی دشت بروجن بر اساس آماره های CSI، POD و FAR نشان داد که روش زنجیره مارکف مرتبه اول از دقت بیشتری در پیش بینی مقادیر شاخص GRI در تمام مقیاس های زمانی برخوردار بوده است، لذا از آن می توان برای پیش بینی خشکسالی آب زیرزمینی دشت بروجن استفاده کرد.نتیجه گیرینتایج حاصل از بررسی شاخص GRI در دشت بروجن نشان داد که در دوره زمانی مورد بررسی، دوره خشکسالی آب زیرزمینی در سال 1387 شروع شده است. به طور کلی خشکسالی های شدیدی که در سال های اخیر به دلیل کاهش نزولات جوی رخ داده است، به همراه اضافه برداشت از چاه های موجود در دشت، منطقه را با بحران شدید کاهش سطح آب زیرزمینی مواجه کرده که کاهش کیفیت آب و فرونشست زمین را در پی دارد.کلید واژگان: آبخوان بروجن, پیش بینی خشکسالی, خشکسالی آب زیرزمینی, زنجیره مارکف, شاخص GRIBackground and objectivesManagement of water resources, especially groundwater, is important in arid and semi-arid regions. One of the important issues in optimum water resources management is the prediction of drought conditions. Groundwater is considered as the main resources of water supply for agriculture, industry and drinking uses in Boroujen plain. Therefore, it is important to investigate the drought condition of groundwater resources in the planning and sustainable management of these resources. So far, various methods have been developed and used by researchers to predict different types of droughts. One of these methods is the prediction of wetness conditions by the Markov chain. In most of the previous studies in the field of drought prediction, the Markov chain of first and second orders have been used. In this study, groundwater droughts in Boroujen Plain during the years 1985 to 2015 are assessed and the wetness conditions of this plain are predicted using the third order Markov chain model.Materials and MethodsIn order to assess the groundwater droughts in the Borujen Plain, the GRI index values were calculated on the time scales of 1, 3, 6 and 12 months. For this purpose, the data of groundwater level of 13 piezometric wells in Boroujen plain during a 31 year period (1985-2015) was used. In order to predict the GRI index values in Broujen plain for the next months, the first, second and third- order Markov chain models were used and the performance of these models was evaluated based on contingency table method. After forming the contingency table from the results of first, second and third- order Markov chain models, the values of CSI, POD and FAR statistics were calculated. The CSI values for Broujen plain in the time scales of 1, 3, 6 and 12 months for the first order Markov chain model were calculated equal to 0.58, 0.50, 1.0 and 1.0, respectively. The CSI values for the second order Markov chain model in the time scales of 1, 3 and 6 months were obtained equal to. 0.45, 0.33 and 1.0, and for third order Markov chain model equal to 0.40, 0.38 and 1.0, respectively, which indicate the medium skill of the developed method in the prediction of wetness conditions at 1 and 3 months time scales, and good skill at 6 months’ time scale. Also, the delineation maps of GRI index were drawn by selecting the most suitable interpolation method.ResultsThe delineation map of GRI in the Broujen Plain shows that the middle parts of the plain often experienced severe droughts. Comparing the performance of different orders of Markov chain in predicting the wetness conditions of Boroujen plain based on CSI, POD and FAR statistics showed that first order Markov chain method presented more accurate results than other models in predicting GRI values in all time scales. Therefore, it can be used to predict the groundwater drought in Boroujen Plain.ConclusionThe results of the GRI survey for Boroujen plain showed that during the period under study, the drought spell of groundwater began in 2008. In general, the severe droughts that have occurred in recent years due to reduce atmospheric precipitation, along with the overexploitation of groundwater have caused the severe decline in groundwater levels, which leads to groundwater quality degradation and land subsidence in the Boroujen plain.Keywords: Groundwater drought, Drought prediction, GRI index, Broujen aquifer, Markov chain
-
خشک سالی پدیده ای اقلیمی است که به کندی شروع شده و دارای طبیعت پنهانی است. مدت زمان وقوع آن طولانی و خسارت های ناشی از آن در بخش های مختلف به صورت تدریجی ظاهر می شود؛ بنابراین، ارزیابی و بررسی خشک سالی در برنامه ریزی و اجرای طرح های مقابله با آن از اهمیت زیادی برخوردار است. در سال های اخیر، استفاده از شاخص های خشک سالی ترکیبی متفاوتی موردتوجه محققین قرار گرفته است. در این مطالعه، خشک سالی های دشت شهرکرد واقع در استان چهارمحال و بختیاری در یک دوره ی آماری 31 ساله (1394-1364) با استفاده از یک شاخص خشک سالی ترکیبی (CDI) جدید که حاصل ترکیب سه مولفه ی شاخص خشک سالی منبع آب زیرزمینی (GRI)، شاخص بارش استانداردشده ی اصلاحی (SPImod) و تبخیر-تعرق پتانسیل (ETP) است، موردبررسی قرار گرفت. نتایج حاصل از شاخص GRI نشان می دهند که در ابتدای دوره ی آماری (1364) تا اواسط 1378، بلندترین دوره ی ترسالی به وقوع پیوسته و تا سال 1378 وضعیت آبخوان شهرکرد مناسب بوده است، ولی از آذرماه 1387 طولانی ترین دوره ی خشک سالی شروع و تا انتهای دوره ی آماری (1394) ادامه یافته است. نتایج حاصل از بررسی خشک سالی آب زیرزمینی با شاخص GRI نشان دهنده ی افزایش خشک سالی آب های زیرزمینی در سال های اخیر است که دلیل اصلی آن، افزایش میزان برداشت از سفره به دلیل توسعه ی کشاورزی می باشد. نتایج حاصل از شاخص CDI نشان می دهد به طورکلی دشت شهرکرد در فاصله زمانی سال های 1364 تا 1378 با ترسالی هایی مواجه بوده، ولی از سال 1387 تا انتهای دوره ی آماری موردمطالعه (1394) دچار خشک سالی های پی در پی و شدیدی شده است. ازآنجایی که شاخص مزبور خشک سالی های هواشناختی و آب زیرزمینی را به طور هم زمان در محدوده ی موردمطالعه موردبررسی قرار می دهد، می تواند اطلاعات مفیدی در اختیار مدیران و برنامه ریزان منابع آب این دشت قرار دهد.کلید واژگان: شاخص SPImod, شاخص GRI, شاخص خشک سالی ترکیبی, تبخیر-تعرق پتانسیل, دشت شهرکردDrought is a climatic phenomenon that begins slowly and has a hidden nature. The duration of its occurrence and the resulting damage occur gradually in different sectors. Therefore, assessment and investigation of drought is very important in planning and implementation of actions to cope with drought. Droughts are divided into different types. One of the common methods of drought assessment is the use of drought indices which everyone can describes a type of droughts. In recent years, the use of Composite Drought Index (CDI) have attracted the attention of researchers. In this study, a new Composite Drought Index was developed that combined the three components, including the Groundwater Resource Drought Index (GRI), the Modified Standardized Precipitation Index (SPImod) and the potential evapotranspiration (ETP). In the next stage, the drought condition of Shahrekord plain located in Chaharmahal and Bakhtiari province was assessed in a 31-year period (1985-2015) using the Composite Drought Index (CDI). The results showed that the Shahrekord Plain was frequently experienced some wet conditions during the years 1985 to 2000, but it has suffered from consecutive severe droughts from 2008. In general it can be said that the developed CDI index is well able to describe the composite behavior of meteorological and groundwater droughts in the study area and is recommended as a new index for monitoring and assessing regional drought.Keywords: Modified Standardized Precipitation Index, Groundwater Resource Index, Composite Drought Index, Potential evapotranspiration, Shahrekord Plain
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.