تعیین رابطه بین متغیر های حدی دما با فراوانی گردو غبارزیست محیطی و ارزیابی بهترین مدل پیش بینی شاخص FDSD در غرب کشور

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 118

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-53-5_011

تاریخ نمایه سازی: 31 اردیبهشت 1402

چکیده مقاله:

گرد و غبار همواره به عنوان یکی از مهم ترین مخاطرات محیطی مطرح بوده و پیامدهای زیست محیطی نامطلوبی را برجای می­گذارد. هدف از این پژوهش، بررسی رابطه­ی متغیرهای حدی دمایی با طوفان­های گرد و غبار و ارزیابی بهترین مدل جهت پیش­بینی شاخص FDSD در غرب کشور می­باشد. با استفاده از داده­های ساعتی قدرت دید افقی، کدهای سازمان جهانی هواشناسی، نمایه­های حدی دمایی شامل دمای بیشینه (T) و دمای کمینه () در مقیاس ماهانه برای ۱۴ ایستگاه هواشناسی واقع در غرب کشور با طول دوره آماری ۲۵ ساله (۲۰۱۴-۱۹۹۰) و ضرایب همبستگی تاو-کندال و پیرسون به ارتباط سنجی پرداخته شد. نقشه ضرایب همبستگی برای نمایش بهتر نتایج به روش اسپلاین (روش شعاع پایه) در نرم­افزار ArcGIS تهیه گردید. همچنین سه مدل هوش مصنوعی شامل الگوریتم بهترین همسایگی (KNN)، برنامه­ریزی بیان ژن (GEP) و شبکه بیزین (BN) جهت پیش­بینی گرد و غبار مورد ارزیابی قرار گرفتند. نتایج نشان داد که طوفان­های گرد و غباری همبستگی مثبت و معنی­داری با نمایه­های حدی دمایی در ۱۴ ایستگاه مورد مطالعه دارند به نحوی که بالاترین ضریب همبستگی تاو-کندال با شاخص FDSD مربوط به متغیر بیشینه دما در ایستگاه دو گنبدان با مقدار ۲۰۲/۰ و دمای کمینه در ایستگاه سر پل ذهاب با مقدار ۲۴۲/۰ بود. همچنین بالاترین ضریب همبستگی پیرسون با شاخص FDSD  نیز برای متغیر بیشینه دما در ایستگاه دوگنبدان با مقدار ۴۱۵/۰ و دمای کمینه در ایستگاه اسلام آباد با مقدار ۲۱۱/۰ بود. همچنین نتایج پیش­بینی حاکی از عملکرد مناسب روش  KNNمی­باشد که در ۱۳ ایستگاه رتبه نخست را به خود اختصاص داده است و در ایستگاه اسلام­آباد روش BN بهترین عملکرد را داشته است. نتایج نشان داد که این مطالعه می­تواند به درک صحیح وقوع طوفان­های گرد و غبار و بررسی روابط اقلیمی و همچنین کاهش خسارات ناشی از این پدیده در منطقه مورد مطالعه کمک شایانی کند.

نویسندگان

هانیه محمدی

گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج.

جواد بذرافشان

دانشیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، 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 :
  • Abdolshahnejad, M., Khosravi, H., Nazari Samani, A. A., Zehtabian, G. ...
  • Ansari Ghojghar, M., &, Shahab, Araghinejad, S. (۲۰۱۷). The study ...
  • Araghinejad S, Ansari Ghojghar M, PourGholam Amigi M, Liaghat A, ...
  • Cao, R., Jiang, W., Yuan, L., Wang, W., Lv, Z., ...
  • Danandehmehr, A. and M.R. Majdzadeh Tabatabai. (۲۰۱۰). Prediction of daily ...
  • Ferreira, C. (۲۰۰۱). Gene expression programming: a new adaptive algorithm ...
  • Ferreira, C. (۲۰۰۶). Gene expression programming: mathematical modeling by an ...
  • Ghorbani, S., Moddress, R. (۲۰۱۹). Modelling the Relationship between the ...
  • Goudie, A., Middleton, N. (۲۰۰۶). Desert Dust in the Global System. ...
  • Jalali, M., Bahrami, H., & Dervish Bolurani, A. (۲۰۱۱). Study ...
  • Karlsson, M. & Yakowitz, S. (۱۹۸۷). Nearest-neighbor methods for nonparametric ...
  • Kingston, G.B., Lambert, M.F. & Maier, H.R. (۲۰۰۵). Bayesian training ...
  • Mahdavi, M., & Taherkhani., M, (۲۰۰۵). Application of Statistics in ...
  • Meshkani, A. & Nazemi, A. (۲۰۰۹). Introduction to data mining. ...
  • Movahedi, S., Kh. Hatami Bahman Bigloo and M. Kh. Tangerine ...
  • Pearson, K. (۱۸۹۷). Mathematical contributions to the theory of evolution. ...
  • Pourgholam-Amiji, M., Ansari Ghojghar, M., Araghinejad, S. & Babaian, I. ...
  • Tan, M., Li, X., Xin, L. (۲۰۱۴). Intensity of dust ...
  • Tanarhte, M., Hadjinicolaou, P., & Lelieveld, J. (۲۰۱۲). Intercomparison of ...
  • Tarboton, D. G., Sharma, A., and Lall, U. (۱۹۹۳). The ...
  • Yakowitz, S. J. (۱۹۸۵). Nonparametric density estimation, prediction, and regression ...
  • Yoshino, M. (۲۰۰۲). Climatology of yellow sand (Asian sand, Asian ...
  • Zanganeh, M. (۲۰۱۴), Climatological Analysis of Dust Storms in Iran, ...
  • نمایش کامل مراجع