رشد روزافزون جمعیت سبب بهره برداری بی رویه از منابع طبیعی و تخریب اراضی شده است. شور و سدیمی شدن اراضی از اثرات این تخریب به ویژه در مناطق خشک و نیمه خشک می باشد. یکی از راه های بهسازی خاک های شور و سدیمی، آبشویی نمک های محلول در نیمرخ خاک است. برآورد آب مورد نیاز برا چکیده کامل
رشد روزافزون جمعیت سبب بهره برداری بی رویه از منابع طبیعی و تخریب اراضی شده است. شور و سدیمی شدن اراضی از اثرات این تخریب به ویژه در مناطق خشک و نیمه خشک می باشد. یکی از راه های بهسازی خاک های شور و سدیمی، آبشویی نمک های محلول در نیمرخ خاک است. برآورد آب مورد نیاز برای اصلاح این خاک ها به منظور مدیریت بهینه منابع آب و خاک ضروری است. به همبن منظور، در این پژوهش سه روش آبشویی غرقاب دائم، غرقاب متناوب و پاششی بر روی خاک های شور و سدیمی منطقه ویس در استان خوزستان مورد بررسی قرارگرفت. این پژوهش به صورت آزمایشگاهی بر روی ستون های خاک دست نخورده به ارتفاع یک متر، که در محیط پلی اتیلنی به قطر 15 سانتی متر قرار داشتند، اجرا شد. لایه های خاک مورد بررسی 0-25، 25-50، 50-75 و 75-100 سانتی متر و عمق های آب آبشویی 25، 50، 75 و 100 سانتی متر بوده است. براساس نتایج بدست آمده، مدل تجربی مشخصی برای هر روش آبشویی ارائه شد. در این میان، مدل نمایی در آبشویی غرقاب دائم بر مبنای ضریب همبستگی بالاتر و خطای استاندارد کمتر، بهترین مدل بود. لیکن، آبشویی غرقاب متناوب علاوه بر حجم آب مورد نیاز کمتر برای شوری زدایی خاک، ضریب راندمان آبشویی بهتری را متناسب با بافت خاک منطقه نشان داد. با توجه به بحران کمبود آب در شرایط کنونی و ارجحیت مزایای این روش نسبت به دو روش دیگر می توان روش غرقاب متناوب را برای منطقه مذکور مناسب تر پیشنهاد نمود.
پرونده مقاله
در این پژوهش عملکرد زمانی و مکانی 5 مجموعه داده‌ی بارش شبکه‌بندی جهانی شامل GPCC V8، CHIRPS V2، ECMWF ERA5، NASA MERRA2 و PERSIANN-CDR (PCDR) در پایش خشکسالی مورد ارزیابی قرار گرفته است. به این منظور از شاخص خشکسالی بارش استاندارد شده (SPI) و اطلاعات بارش 13 ایستگاه سین چکیده کامل
در این پژوهش عملکرد زمانی و مکانی 5 مجموعه داده‌ی بارش شبکه‌بندی جهانی شامل GPCC V8، CHIRPS V2، ECMWF ERA5، NASA MERRA2 و PERSIANN-CDR (PCDR) در پایش خشکسالی مورد ارزیابی قرار گرفته است. به این منظور از شاخص خشکسالی بارش استاندارد شده (SPI) و اطلاعات بارش 13 ایستگاه سینوپتیک سازمان هواشناسی ایران طی دوره‌ی سی ساله‌ی 2016-1987 استفاده شده است. مقایسه‌ها بر مبنای شاخص‌های کارائی شامل: همبستگی، خطای جذر میانگین مربعات (RMSE)، ضریب کارائی نش-ساتکلیف، و شاخص توافق اصلاح شده (MAI) و همچنین شاخص‌های تعیین دقت تشخیص خشکسالی شامل: نسبت هشداردهی اشتباه (FAR)، احتمال تشخیص (POD) و شاخص موفقیت قطعی (CSI) انجام گرفته است. نتایج نشان داد که مجموعه داده‌های GPCC، ERA5، PCDR توافق قوی با SPI مشاهداتی داشته‌اند به طوریکه روند و وقایع خشکسالی را به خوبی نشان داده‌اند و R2 آن‌ها با SPI مشاهداتی به ترتیب 90/0 < ، 89/0 < و 90/ < بوده است. همچنین میزان RMSE آن‌ها نسبت به CHIRPS و MERRA2 پایین‌تر و ضریب نش ساتکلیف و MAI آن‌ها بالاتر بوده است. نتایج همچنین نشان داد در بیشتر بخش‌های حوضه خصوصا شمال شرقی و جنوب غربی GPCC، ERA5 و PCDR دارای همبستگی و NSE بالاتری نسبت به سایر مجموعه داده‌ها بودند. از نظر تشخیص وقایع خشکسالی نیز مجموعه داده‌های GPCC، ERA5 وPCDR قدرت خوبی در 1- < SPI نشان دادند. با این حال در شدت‌های بالای خشکسالی میزان CSI تمامی مجموعه داده‌ها با روندی نزولی همراه بوده و بنابراین قدرت تشخیص وقایع خشکسالی کاهش یافته است. CHIRPS و MERRA2 عملکرد متوسط و ضعیفی در پایش خشکسالی این حوضه نشان داده‌اند.
پرونده مقاله
زمینه و هدف: خشکسالی به‌عنوان یک مخاطره طبیعی، تأثیرات زیادی در بخش های مختلف از جمله کشاورزی، منابع آب دارد و سالانه خسارات زیادی به این بخشها در سراسر دنیا تحمیل می کند. لذا باید راهکارهایی جهت کاهش خسارت خشکسالی صورت گیرد و در این بین برنامه ریزی و سازگاری با شرایط خ چکیده کامل
زمینه و هدف: خشکسالی به‌عنوان یک مخاطره طبیعی، تأثیرات زیادی در بخش های مختلف از جمله کشاورزی، منابع آب دارد و سالانه خسارات زیادی به این بخشها در سراسر دنیا تحمیل می کند. لذا باید راهکارهایی جهت کاهش خسارت خشکسالی صورت گیرد و در این بین برنامه ریزی و سازگاری با شرایط خشکسالی با استفاده از خروجی پیش بینی به هنگام خشکسالی جز مؤثرترین راهکارها به‌حساب می آید. با توجه به نیاز پیش بینی خشکسالی و محدود بودن مطالعات ارزیابی شاخص های خشکسالی به دست آمده از برون داد پیش بینی بارش مدل-های همادی آمریکای شمالی در ایران، در این پژوهش به بررسی این مدل ها در چهار حوضه آبریز کرخه، کارون بزرگ، حله و هندیجان-جراحی برای دوره 2018- 1982 پرداخته شد.روش پژوهش: در این پژوهش، ابتدا برونداد ماهانه مدل های مختلف همادی آمریکای شمالی و در افق های پیش‌بینی صفر تا 9 ماه و در دوره آماری 2018-1982 مورد ارزیابی قرار گرفت و سپس شاخص خشکسالی SPI محاسبه شده است. برای ارزیابی از مقایسه این داده ها با داده های GPCC استفاده شد. جهت ارزیابی از سه معیار کمی CC، RMSE و BIAS استفاده شد. همچنین جهت یکپارچه کردن مدل-های موجود از دو روش الف: میانگین حسابی بین مدل های موجود و ب: میانگین وزنی بین مدل ها با در نظر گرفتن نتایج ضریب همبستگی (CC) ارزیابی شده است. همچنین جهت ارزیابی شاخص خشکسالی SPI از دو معیار طبقه بندی شده POD و FAR و معیار کمی آماری CC استفاده شد.یافته‌ها: نتایج ارزیابی بارش مدل ها نشان داد که مدل های یکپارچه دارای عملکرد بهتری نسبت به مدل های انفرادی هستند و در این مدل یکپارچه نیز مدل وزن دهی شده عملکرد بهتری داشت. ارزیابی توزیع مکانی مدل های بارش نیز نشان داد که دو حوضه آبریز کارون بزرگ و هندیجان-جراحی در افق پیش بینی صفر ماه و حوضه آبریز هندیجان-جراحی در افق پیش بینی یک ماهه دارای عملکرد بهتری هستند. نتایج ارزیابی شاخص خشکسالی نشان داد که مدل های یکپارچه با وجود اینکه عملکرد بهتری در پیش بینی بارش داشتند اما در پیش بینی خشکسالی بهترین عملکرد متعلق به مدل های NASA-GMAO-062012 و CFSv2 است. همچنین نتایج نشان داد که پیش بینی شاخص خشکسالی در بازه های سه و شش ماه عملکرد بهتری نسبت به یک ماهه دارند. ارزیابی توزیع مکانی نیز نشان داد مدل ها در حوضه های جنوبی عملکرد بهتری دارند. به‌طور کلی می توان نتیجه گرفت که مدل های همادی آمریکای شمالی دارای عملکرد مناسبی در پیش بینی خشکسالی در بعضی نقاط و در افق های پیش بینی مشخص هستند، لذا باید در هر نقطه قبل از استفاده مورد ارزیابی قرار گیرند.نتایج: نتایج به دست آمده از ارزیابی بارش نشان داد که به‌طور کلی یکپارچه کردن برون داد مدل های دینامیکی باعث افزایش مهارت آن می شود و یکپارچه کردن در حالت وزنی (WeightedNMME) عملکرد بهتری نسبت به حالت غیر وزنی (NMME) دارد. در افق پیش-بینی صفر ماهه بین مدل‌های انفرادی نیز مدل NASA-GMAO-062012 بیشترین مهارت را از نظر شاخص ارزیابی CC دارد ولی در افق پیش بینی یک ماهه از نظر شاخص های ارزیابی CC، RMSE و BIAS بهترین عملکرد متعلق به مدل CFSv2 است. ارزیابی در شاخص های خشکسالی نشان داد که عملکرد مدل می تواند متفاوت از عملکرد آن‌ها در پیش بینی بارش باشد. به‌طور مثال مدل WeightedNMME با این که عملکرد مناسبی در پیش بینی خشکسالی دارد اما بهترین عملکرد در بین مدل ها در ماه های مختلف NASA-GMAO-062012 و CFSv2 داشتند. ارزیابی مکانی نیز نشان داد که حوضه های آبریز جنوبی دارای عملکرد بهتری نسبت بقیه حوضه ها هستند.
پرونده مقاله
