مطالب مرتبط با کلیدواژه

شاخص T.I.B.I


۱.

مدل سازی و پایش پدیده خشک سالی در جنوب غرب ایران با استفاده از شاخص جدید فازی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: شاخص T.I.B.I مدل SAW مدل سازی منطق فازی MATLAB

حوزه‌های تخصصی:
تعداد بازدید : ۴۹۸ تعداد دانلود : ۷۷۶
خشک سالی یکی از مخاطرات طبیعی و تأثیرگذار در همه فعالیت های موجودات زنده است. هدف از پژوهش حاضر مدل سازی و تحلیل خشک سالی در جنوب غرب ایران است. برای این کار، نخست از پارامترهای اقلیمی بارش، دما، ساعات آفتابی، حداقل رطوبت نسبی، و سرعت باد در بازه زمانی 32 ساله (۱۹۸۷-۲۰۱۸) در 15 ایستگاه جنوب غرب ایران استفاده شد. برای مدل سازی شاخص فازی T.I.B.I، نخست چهار شاخص (SET, SPI, SEB, MCZI) با استفاده از منطق فازی در نرم افزار Matlab فازی سازی شدند. سپس، شاخص ها با هم مقایسه شدند و در نهایت از مدل تصمیم گیری چندمتغیره SAW برای اولویت سنجی مناطق درگیر با خشک سالی استفاده شد. یافته های پژوهش نشان داد بیشترین درصد فراوانی وقوع خشک سالی در مقیاس 6 و 12ماهه در ایستگاه اسلام آباد غرب و کمترین آن در مقیاس شش ماهه در همدان فرودگاه و در مقیاس دوازده ماهه در ایستگاه خرم آباد رخ داده است. مدل T.I.B.I طبقات خشک سالی چهار شاخص یادشده را با سطح اطمینان بالا در خود منعکس کرد. براساس مدل سازی انجام گرفته، شاخص فازی T.I.B.I نسبت به شاخص فازی SPEI برتری نسبی نشان داد. در نهایت، براساس مدل تصمیم گیری چندمتغیره SAW، ایستگاه اسلام آباد غرب با مقدار امتیاز 1 در اولویت بیشتر در معرض درگیری خشک سالی قرار گرفت.
۲.

مدل سازی، تحلیل و پیش بینی پدیده ی خشکسالی در ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ارزیابی آماری شاخص T.I.B.I فازی سازی خشکسالی ANFIS

حوزه‌های تخصصی:
تعداد بازدید : ۱۶۳ تعداد دانلود : ۱۰۰
پدیده ی خشکسالی مختص ناحیه ای خاص نبوده و مناطق مختلف جهان از آن متأثر می باشد، یکی از این مناطق، ایران در جنوب غرب آسیا می باشد که در چند سال اخیر از این پدیده رنج می برد. هدف پژوهش حاضر مدل سازی، تحلیل و پیش بینی خشکسالی در ایران می باشد. برای این کار ابتدا پارامترهای اقلیمی: بارش، دما، ساعات آفتابی، حداقل رطوبت نسبی و سرعت باد در بازه ی زمانی 29 ساله (2018- 1990) در 30 ایستگاه ایران مورد استفاده قرار گرفت. برای مدل سازی، شاخص فازی T.I.B.I ابتدا چهار شاخص (SET, SPI, SEB, MCZI) با استفاده منطق فازی در نرم افزار Matlab فازی سازی شدند و در نهایت برای پیش بینی از مدل شبکه ی عصبی مصنوعی تطبیقی Anfis بهره گرفته شد. یافته های پژوهش نشان داد شاخص فازی نوین T.I.B.I طبقات خشکسالی، چهار شاخص مذکور را با دقت بالا در خود منعکس کرد. از بین 5 پارامتر اقلیمی مورد استفاده در این پژوهش، پارامتر دما و بارش در نوسان شدت خشکسالی بیش ترین تأثیر را داشت. شدت خشکسالی براساس مدل سازی صورت گرفته در مقیاس 6 ماهه بیش تر از 12 ماهه بود، بیش ترین درصد رخداد خشکسالی در ایستگاه بندرعباس با مقدار (30/24) در مقیاس 12 ماهه و کم ترین آن در ایستگاه شهرکرد با مقدار درصد فراوانی خشکسالی (36/0) درصد در مقیاس 6 ماهه اتفاق اف تاده است. پیش بینی خشکسالی ش اخص فازی T.I.B.I بر اساس م دل Anfis ایستگاه های بندرعباس، بوشهر و زاهدان به ترتیب با مقدار شاخص T.I.B.I (62/0، 96/0 و 97/0) در نیمه جنوبی ایران بیش تر در معرض خشکسالی قرار گرفتند. براساس نتایج کلی پژوهش در هر دو مقیاس 6 و 12 ماهه مناطق نیمه جنوبی ایران از شدت بیش تر خشکسالی برخوردار شد که نیازمند مدیریت دقیق و کارآمد در مدیریت منایع آبی در این مناطق می باشد.