فرایند بارش- رواناب یک پدیده­ی کاملا" پیچیده و غیرخطی در آبشناسی و منابع آب می­باشد. در سالهای اخیر، شبکه‌های عصبی مصنوعی کاربرد گسترده­ای را در شبیه­سازی روابط غیرخطی و پیچیده مانند رابطه­ی بارش-رواناب پیدا کرده است. دراین تحقیق، به منظور شبیه­سازی آبنمود بارش-رواناب در حوضه­ی آبخیز معرف کسیلیان از روش شبکه­ی عصبی مصنوعی (با ساختار7-10-9) و نرم­افزار HEC-HMS استفاده گردید. به منظور آموزش بهتر نرم افزار شبکه­ی عصبی مصنوعی داده‌های بارندگی بر اساس الگوی زمانی، مطابق با توزیع بارندگی هاف، به چهار گروه تقسیم شدند. به­طورکلی نتایج این تحقیق نشان دادند که محدوده­ی قدرمطلق درصد خطای نسبی فراسنج­های Q_P، T_P، T_b، ₇₅w،₅₀w، ₅₀T و ₇₅T شبیه‌سازی شده به وسیله­ی شبکه عصبی به ترتیب 97/51-02/0، 23/41- 55/0، 07/54- 26/0، 62/202- 23/0، 88/69- 52/0، 07/82- 21/2 و 76/57- 42/2 می‌باشند، در حالی­که با شبیه‌سازی به وسیله­ی نرم­افزار HEC-HMS این حدود به ترتیب 53/756- 58/0، 250-0، 18/141-0، 575-84/2، 86/167-93/0، 350-33/3 و 67/266-2 محاسبه شده­اند. با توجه به درصد خطای نسبی مربوط به فراسنج­های خروجی هر واقعه می‌توان نتیجه گرفت که شبکه­ی عصبی در اکثر موارد تمامی فراسنج­ها و شکل کلی آبنمود را به­خوبی و با خطای ناچیزی نسبت به نرم افزار HEC-HMS شبیه‌سازی نموده است، البته در بعضی موارد، نرم افزار HEC- HMS توانسته است که شبیه‌سازی بده اوج آبنمود، زمان پایه و شکل کلی آن را به خوبی، یا به ندرت دقیقتر از شبکه­ی عصبی انجام دهد. تفاصيل المقالة

داده های مربوط به بارندگی در هر منطقه نقشی بسیار مهم در بررسی مسایل آبشناسی و مطالعات منابع آبی دارند. در دسترس بودن آمار نیز از اهمیتی ویژه برخوردار است . در این میان مساله ی بررسی پراکنش مکانی بارش ها بایستی مورد مطالعه قرار گیرد. روش های آماری درون یابی متنوعی وجود دارند که با کمک آنها می توان خطوط همباران را استخراج کرد ، اما به دلیل نابسندگی آمار و داده های موجود، و دقت پایین اندازه گیری ها، تخمین حاصله در برخی روش ها چندان رضایت بخش نیست . در دهه های اخیر مبانی دانش زمین آمار به خوبی گسترش یافته و توانایی های این شاخه از آمار در بررسی و پیش بینی متغیرهای مکانی مشخص شده است . در این پژوهش از آمار بارندگی سالانه و شبیه های گوناگون درون یابی استفاده شده است. در بررسی شبیه های زمین آمار نیز جهت تعیین عوامل مورد نیاز از نرم افزار GSاستفاده شد، سپس با بکارگیری شبیه های گوناگون درون یابی در محیط سامانه ی اطلاعات جغرافیایی (GIS)، پهنه بندی وضعیت بارش در استان فارس صورت گرفت . همچنین، به منظور ارزیابی تخمینگرها، مقادیر درصد خطای هریک از شبیه ها محاسبه شد. با توجه به نتایج بدست آمده ، شبیه بهینه ای جهت پهنه بندی داده های بارش تعیین و توصیه شده است.
  تفاصيل المقالة

خشکسالی یکی از مهمترین بلایای طبیعی است که زیان های بسیاری را بر بخش کشاورزی و منابع آبی وارد می سازد. به دلیل تاثیرات ویرانگر ناشی از خصوصیات خشکسالی، بخش های مختلف تولیدی، اقتصادی، اجتماعی و بوم نظام ها با آسیب های جدی مواجه می گردند. در میان ویژگی های خشکسالی، سه عامل شدت، مدت و گسترش مکانی از اهمیت بیشتری برخوردارند. به منظور به حداقل رساندن مخاطرات وقوع خشکسالی واضح است که انتقال مدیریت بحران به مدیریت خطر کردن امری اجتناب ناپذیربوده و نظارت و ارزیابی خشکسالی از ضروریات است. به منظور پایش و سنجش خشکسالی در هر منطقه، و تجزیه و تحلیل آماری این پدیده، لازم است از شاخص هایی استفاده گردد. در این پژوهش شاخص معیار شده ی بارش با در نظر گرفتن مزایایی که در تحلیل منطقه ای و ایجاد ارتباط زمانی بین رخدادهای خشکسالی در نواحی مختلف یک پهنه دارد، انتخاب شده است. در این راستا، از اطلاعات بارانسجی 125 ایستگاه مربوط به استان فارس و استان های مجاور، در یک دوره ی آماری 30 ساله استفاده گردید. پس از آماده سازی اطلاعات، مقادیر شاخص معیار شده ی بارش در مقیاس های زمانی 6، 12 و 24 ماهه جهت تعیین شدت خشکسالی ماهانه ی تمامی ایستگاه ها در سال زراعی 80-1379 محاسبه گردید. پس از تعییـــــن شــدت های خشکسالی، بــا استفـــاده از نرم افزارArcGIS9، پهنه بندی و تحلیل پراکندگی مکانی خشکسالی صورت گرفت. نتایج ایــن پژوهش نشـــان می دهد که با طولانی شدن دوره ی خشکسالی و تداوم آن، دو مولفه ی شدت و گستره ی مکانی خشکسالی افزایش می یابد. همچنین، نتایج حاکی از آنندکه مناطقی از شمال شرق، و بخشهایی از جنوب شرقی، جنوب و جنوب غربی استان فارس نسبت به مناطق دیگر از نظر آسیب پذیری مستعدتر بوده، و بیشتر در معرض خشکسالی قرار دارند. لذا مناطق مذکور در بخش کشاورزی و نظام های مبتنی بر کشت دیم، که بقای آن بستگی به میزان بارش دارد، آسیب پذیرترمی باشند.
  تفاصيل المقالة