
تعداد نشریات | 13 |
تعداد شمارهها | 622 |
تعداد مقالات | 6,489 |
تعداد مشاهده مقاله | 8,604,693 |
تعداد دریافت فایل اصل مقاله | 8,198,314 |
ارزیابی شاخص های بارش استاندارد شده و بارش-تبخیر-تعرق استاندارد شده در تشخیص ترسالی | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 12، دوره 25، شماره 6، بهمن و اسفند 1397، صفحه 207-221 اصل مقاله (1008.35 K) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwsc.2019.15175.3036 | ||
نویسندگان | ||
نازگل حسینی پژوه1؛ خالد احمدالی* 2؛ علیرضا شکوهی3 | ||
1- | ||
2گروه احیا مناطق خشک و کوهستانی-پردیس کشاورزی و منابع طبیعی -دانشگاه تهران | ||
3دانشگاه امام خمینی قزوین | ||
چکیده | ||
سابقه و هدف: سیلابها یکی از مخربترین بلایای طبیعی در جهان هستند که سبب خسارات بزرگی در جوامع انسانی و تغییر محیط طبیعی میشوند. در سالهای اخیر، احتمال وقوع سیل در بسیاری از نقاط جهان موجب نگرانی دائمی برای مردم و دولتها شده است. این مسئله سبب شده که نیاز به مهندسین و مدیران کارآزموده برای کاهش اثرات سیل بر جامعه و محیط زیست بیش از پیش احساس شود. پیشبینی سیل یکی از روشهای غیرسازهای مدیریت ریسک سیلاب است که اطلاعات ارزشمندی برای خدمات هشدار سیل مهیا میکند و مردم و ارگانهای مختلف در وضعیت اضطراری زمان کافی برای آمادهسازی اقدامات مقابله سیل را خواهند داشت. مواد و روشها: در این مطالعه شاخصهای بارش استادارد شده (SPI) و شاخص بارش - تبخیر و تعرق استادارد شده (SPEI)، جهت مشخص نمودن دورههای مرطوب، در دو ایستگاه هواشناسی درزیکلا و سنگده در حوضه آبریز کسیلیان واقع در استان مازندران با کدنویسی در نرمافزار R محاسبه گردید. سپس نتایج حاصل با سری زمانی دبی رودخانه (ایستگاه هیدرومتری ولیکبن)، از این نظر که آیا این شاخصها توانایی تشخیص و پیشبینی سیل را دارد یا نه، مورد بررسی و تجزیه و تحلیل قرار گرفتند. پارامترهای احتمال تشخیص (POD)، نسبت هشداردهی اشتباه (FAR) و شاخص موقعیت بحرانی (CSI) برای ارزیابی میزان موفقیت شاخصهای مذکور در تشخیص سیل، در ایستگاههای مورد مطالعه محاسبه شد. یافتهها: نتایج نشان داد که بیشترین و کمترین مقدار POD مربوط به شاخصهای SPEI و SPI به ترتیب برابر 89/0 و 68/0 است. این مقادیر برای پارامتر CSI برای شاخصهای ذکر شده به ترتیب برابر 71/0 و 62/0 به دست آمد. همچنین بیشترین و کمترین مقدار پارامتر FAR برای SPEI و SPI به ترتیب برابر 32/0 و 11/0 میباشد. بررسی تغییرات زمانی این شاخصها نشان داد که شاخص SPEI به دلیل استفاده از دادهی دما و به تبع آن محاسبه تبخیر و تعرق - مخصوصاً در انتهای بهار و تابستان - کارایی تا حدودی بهتر از شاخص SPI در حوضه کسیلیان با رژیم برفی بارانی دارد. نتیجهگیری: در کل بر اساس نتایج سه پارامتر POD، FAR و CSI پیشنهاد میشود که در حوضههای با رژیم برفی بارانی استفاده از شاخص SPEI به دلیل استفاده از دما برای ذوب برف علیالخصوص در فصل بهار و تابستان برای پیشبینی سیل مناسبتر و کاراتر از شاخص SPI است. هرچند که شاخصSPI با به کارگیری تنها یک پارامتر، نتایج مطلوبی در پیشبینی سیلاب بدست میدهد و از آنجا که بارش تنها دادهای است که در همه حوضههای آبریز با دقت مناسب و از سالیان دور در دسترس بوده و حداقل دو ارگان در سطح کشور به جمع آوری اطلاعات مربوط به آن میپردازند، این شاخص نیز حائز اهمیت است. | ||
کلیدواژهها | ||
پیشبینی؛ سیلاب؛ SPI؛ SPEI؛ حوضه کسیلیان | ||
مراجع | ||
1.Du, J., Fang,J., XU, W., and Shi, P. 2013. Analysis of dry/wet conditions using the standardized precipitation index and its potential usefulness for drought/flood monitoring in Hunan Province, China. Stochastic Environmental Research and Risk Assessment, 27: 377-387.
2.Eghtedari, M., Bazrafshan, J., Shafe, M., and Hejabi, S. 2016. Prediction of streamflow drought using SPI and Markov chain in Kharkheh’s basin. J. Water Soil Cons. 23: 2. 115-130.
3.Eslahi, M., Sobhani, B., and Pourasghar, F. 2014. Studying and applying the Standardized Precipitation Evapotranspiration Index (Case study: Tabriz Meteorological Station). J. Clim. Res. 19: 23-28. (In Persian)
4.Ghabaei Sough, M., Zare Abyaneh, H., Mosaedi, A., and Samadi, S.Z. 2016. Assessment of Humidity Conditions and Trends Based on Standardized Precipitation Evapotranspiration Index (SEPI) Over Different Climatic Regions of Iran. J. Water Soil. 30: 5. 1700-1717. (In Persian)
5.Ghorbani, Kh., Salari Jazi, M., and Abdolhosseini, M. 2015. Feasibility Study of the Precipitation of Annual Drought Based on Drought Conditions in the Spring Season. Iran. J. Irrig. Drain. 9: 636-645.
6.Guerreiro, M.J., Lajinha, T., and Abreu, I. 2008. Flood analysis with the standardized precipitation index (SPI).
7.Hao, Z., and AghaKouchak, A. 2014. A nonparametric multivariate multi-index drought monitoring framework. J. Hydrometeorol. 15: 1. 89-101.
8.Hatefi, A., Mosaedi, A., and Jabbari Nooghabi, M. 2016. The role of evapotranspiration in meteorological drought monitoring in some climate regions of Iran. J. Water Soil Cons. 23: 2. 1-21.
9.Heydari, A. 2000. Real-time flood forecasting and flood control. 4th Conference on Dam Construction, Tehran, Iran. (In Persian)
10.Hosseini Pazhouh, N. 2014. Studying the possibility of using SPI in the analysis of flood occurrence threshold. Case study: Kasilian basin. M.Sc. Thesis, Imam Khomeini International University. (In Persian)
11.Mashayekhi, T. 2001. Historical flood in Iran. Iranian national committee of large dams. No. 38, 89p. (In Persian)
12.Mckee, T.B., Doesken, N.J., and Kleist, J. 1993. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. American Meteorological Society Boston, MA, Pp: 179-183.
13.Mostafazadeh, R., and Zabihi, M. 2016. Comparison of SPI and SPEI indices to meteorological drought assessment using R programming (Case study: Kurdistan Province). J. Earth Space Physic. 34: 3. 633-643. (In Persian)
14.Nadi, M., Bazrafshan, J., Pourtahmasi, K., and Najafi Hersini, F. 2015. Relationship between oak’s tree-ring and climate indices (in regional and global scales) in Javanroud region, Kermanshah. J. Water Soil Cons. 22: 3. 57-71. 15.Nadi, M., Pourtahmasi, K., Bazrafshan, J., and Braeuning, A. 2016. Two century tree ring reconstruction of drought using Multivariate Standardized Precipitation Index (MSPI) in Javanroud-Kermanshah region. J. Water Soil Cons. 22: 6. 99-116.
16.Pappenberger, F., Wetterhall, F., Dutra, E., Di Giuseppe, F., Bogner, K., Alfieri, L., and Cloke, H.L. 2013. Seamless forecasting of extreme events on a global scale. Climate and Land Surface Changes in Hydrology, edited by: Boegh, E., Blyth, E., Hannah, D.M., Hisdal, H., Kunstmann, H., Su, B., and Yilmaz, K.K., IAHS Publication, Gothenburg, Sweden, Pp: 3-10.
17.Salehi, M. 2014. Flood forecasting using artificial neural network and time series. M.Sc. Thesis, shahid bahonar university of kerman. (In Persian)
18.Seiler, R., Hayes, M., and Bressan, L. 2002. Using the standardized precipitation index for flood risk monitoring. Inter. J. Climatol. 22: 1365-1376.
19.Shadmani1, M., Marofi, S., Mohammadi, K., and Sabziparvar, A.A. 2011. Regional flood discharge modeling in Hamedan province using Artificial Neural Network. J. Water Soil Cons. 18: 4. 21-42. (In Persian)
20.Shokoohi, A., Hosseini Pazhouh, N., and Bakhtiari, A. 2017. Flood forecasting using daily scale SPI. J. Civil Environ. Engine. In Press. (In Persian)
21.Vicente-Serrano, S.M., Begueria, S., and Lopez-Moreno, J.I. 2010. A Multi-scalar drought index sensitive to global warming: The Standardized Precipitation Evapotranspiration Index-SPEI. J. Clim. 23: 7. 1696-1718.
22.Yaghoobzadeh, M., Ahmadi, M., Seyyed Kaboli, H., Zamani, Gh.R., and Amirabadizadeh, M. 2017. The evaluation of effect of climate change on agricultural drought using ETDI and SPI indexes. J. Water Soil Cons. 24: 4. 43-61.
23.Yazdanpanahi, A., Ahmadaali, K., and Hosseini Pazhouh, N. 2017. Study on spatial-temporal variation of SPEI (Case study: Razavi Khorasan province), 3rd International Conference on Agricultural Engineering and Natural Resources, Tehran, Iran. (In Persian)
24.Zhang, Q., Li, Q., Singh, V.P., Shi, P., Huang, Q., and Sun, P. 2018. Nonparametric integrated agrometeorological drought monitoring: Model development and application. Journal of Annual Drought Based on Drought Conditions in the Spring Season. Iran. J. Irrig. Drain. 9: 636-645. | ||
آمار تعداد مشاهده مقاله: 796 تعداد دریافت فایل اصل مقاله: 677 |