
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,503 |
تعداد مشاهده مقاله | 8,643,243 |
تعداد دریافت فایل اصل مقاله | 8,237,844 |
ارزیابی و پهنهبندی ریسک وقوع بارشهای حدی در غرب ایران | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 3، دوره 26، شماره 1، فروردین و اردیبهشت 1398، صفحه 49-69 اصل مقاله (903.53 K) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwsc.2019.15685.3086 | ||
نویسندگان | ||
عبدالله سلیمی مستعلی1؛ یونس خوشخو* 2؛ محمدحسین قلی زاده3 | ||
1دانش آموخته کارشناسی ارشد آب و هواشناسی کاربردی، گروه آب و هواشناسی، دانشکده منابع طبیعی، دانشگاه کردستان | ||
2گروه علوم و مهندسی آب- دانشگاه کردستان | ||
3استادیار گروه آب و هواشناسی، دانشکده منابع طبیعی دانشگاه کردستان | ||
چکیده | ||
سابقه و هدف: وقوع بارشهای حدی به ویژه در مقیاسهای زمانی کوتاه باعث خسارات سنگینی به جوامع انسانی و مناطق پرجمعیت شهری و اکوسیستمهای طبیعی میشود و مطالعه و شناسایی دقیق آنها از جنبههای مختلف کشاورزی و منابع طبیعی، هواشناسی و هیدرولوژی، مهندسی و محیط زیست لازم و ضروری است. شدت آسیبپذیری در برابر بارشهای حدی در مناطق مختلف یکسان نبوده و لازم است خطرپذیری و ریسک وقوع چنین بارشهای خطرآفرینی در مناطق با شرایط اقلیمی مختلف مورد بررسی قرار گیرد. بر این اساس، هدف از انجام پژوهش حاضر ارزیابی و پهنهبندی ریسک وقوع بارشهای حدی در مقیاسهای زمانی مختلف 6، 12 و 24 ساعته برای غرب ایران که از تنوع اقلیمی و توپوگرافی چشمگیری برخوردار است میباشد. مواد و روشها: برای انجام این تحقیق تعداد 27 ایستگاه سینوپتیک واقع در 5 استان کردستان، کرمانشاه، همدان، ایلام و لرستان انتخاب شدند و مقادیر حداکثر سالانه بارشهای حدی در سه مقیاس زمانی 6، 12 و 24 ساعته در یک بازه زمانی 25 ساله (2016-1992) استخراج شدند و با برازش توزیعهای آماری مختلف بر هر کدام از این سریها و با بکارگیری آزمون کای اسکوئر، برازیدهترین توزیعهای آماری شناسایی شدند و از این توزیعهای آماری شناسایی شده جهت تحلیلهای احتمالاتی استفاده شد. جهت تعریف بارشهای حدی سیل آسا در مقیاسهای 6، 12 و 24 ساعته، به ترتیب از آستانههای 30، 40 و 50 میلیمتر استفاده شد و پس از محاسبه ریسک وقوع بارشهای حدی سیل آسای مذکور در تمامی ایستگاههای مورد مطالعه، اقدام به پهنهبندی ریسک وقوع بارشهای حدی سیل آسا در کل منطقه با بکارگیری مدلهای رگرسیون خطی چندگانه بین مقادیر ریسک و ویژگیهای جغرافیایی (طول جغرافیایی، عرض جغرافیایی و ارتفاع) گردید. به جهت افزایش دقت مدلها در برخی موارد از متغیر کمکی میانگین درازمدت تعداد روزهای با بارش بیش از 1 میلیمتر در سال نیز در ساختار مدلهای رگرسیونی استفاده شد و جهت دستیابی به دقت بالاتر مدلهای رگرسیونی، منطقه مورد مطالعه به سه منطقه مجزا تفکیک شد. یافتهها: نتایج نشان داد که از بین توزیعهای آماری مختلف برازش داده شده به سریهای زمانی بارشهای حدی 6، 12 و 24 ساعته در منطقه مورد مطالعه، سه توزیع لوگ لجستیک، پیرسون و گاما بعنوان مناسبترین توزیعهای قابل برازش شناسایی شدند. به لحاظ دقت مدلهای رگرسیون خطی چندگانه، نتایج حاکی از دقت بالای این مدلها در هر سه منطقه تفکیک شده و در هر سه مقیاس زمانی 6، 12 و 24 ساعته بود. نتایج کلی تحقیق نشان داد که ریسک وقوع بارشهای حدی سیل آسا در غرب ایران از تنوع چشمگیری برخوردار است به گونهای که در بخشهایی از مرکز منطقه مورد مطالعه این ریسک بسیار پایین و در بخشهایی از غرب و جنوب منطقه مورد مطالعه بسیار بالاست. نتیجهگیری: نتایج کلی این تحقیق نشان داد که الگوریتم کلی بکار رفته در این تحقیق جهت برآورد توزیع مکانی ریسک وقوع بارشهای حدی سیل آسا منجر به حصول دقت مناسب و قابل قبول در برآورد منطقهای و تعمیم نتایج حاصل از نقاط ایستگاهی به کل منطقه گردید. لذا لازم است در نقاطی که بارشهای حدی خطرآفرینی بالاتری دارند با اهتمام بیشتر، تمهیدات مقتضی جهت مقابله با پیامدهای منفی وقوع این بارشها در این نواحی اتخاذ گردد. | ||
کلیدواژهها | ||
ریسک؛ بارش حدی؛ غرب ایران؛ پهنه بندی | ||
مراجع | ||
1.Alijani, B., Brien, J., and Yarnal, B. 2008. Spatial analysis of precipitation intensityand concentration in Iran. Theor. Appl.Climatol. 94: 1. 107-124. 2.Anagnostopouloul, Ch., and Tolika, K.2011. Extremeprecipitation in Europe:statistical threshold selection based onclimatological criteria, J. Theor. Appl.Climatol. 15: 479-489. 3.Azhdary Moghaddam, M., and Heravi, Z.2018. Evaluation of IDF curve productionmethods by relationship based on nature ofcombination of fractal of precipitation. J.Water Soil Cons. 24: 6. 271-282. (In Persian) 4.Below, R., Wirtz, A., and Sapir, D.2009. Disaster Category Classificationand Peril Terminology for Operational -Kanchebe, D.E. and Abudu, K.R. 2012.Vulnerability of crop production to heavy precipitation in north- eastern Ghana. Int.J. Clim. Chang. Str. Manag. 4: 1. 36-53. 5.Borzoi, F., and Azizi, Gh. 2015.Suggesting a Simple Criterion to EstimateHeavy Rainfall in Iran. NaturalGeographic Researches. 47: 3. 347-365.(In Persian) 6.Darand, M. 2015. Recognition ofhomogeneous regions of heavy and superheavy precipitation in Iran by intergroupvariance quality control indices. J. Agric.Meteorol. 3: 1. 40-57. (In Persian) 7.IPCC. 2007. Climate Change. 2007.The Physical Science Basis, AContribution of Working Groups. I, to theForth Assessment Report of theIntergovernmental Panel on ClimateChange, Solomon and the Core WritingTeam (eds). Cambridge Universitypress. Cambridge United Kingdom andNew York, USA. 333p. 8.Kanchebe, D.E., and Abudu, K.R. 2012.Vulnerability of crop production to heavyprecipitation in north- eastern Ghana. Int.J. Clim. Chang. Str. Manag. 4: 1. 36-53. 9.Karamooz, M., and Araghinezhad, Sh.2005. Advanced Hydrology. AmirkabirUniversity Press. 468p. (In Persian) 10.Khalili, A. 2015. Quantifying the risk ofheavy rainfall and its damage toagriculture in Iran. J. Agric. Meteorol.3: 2. 24-33. (In Persian) 11.Khoshkhoo, Y., and Abdi, Ch.2016. Risk potential of heavy rainfalloccurrence at some selected stations atWest and Northwest of Iran. 2st NationalConference on Semi-Arid Hydrology. 19-20 October. Sanandaj. Iran. (In Persian) 12.Matinzadeh, M., Fattahi, R.Shayannejad, M., and Abdollahi, Kh.2011. Reconstruction of Annual Maximum 24-h Rainfall Data usingFuzzy Regression in CH&B Province.Journal of Water Research of Iran.8: 179-186. (In Persian) 13.Mozafari, Gh.A., Mazidi, A., and Shafie,Sh. 2017. Analysis and determining thethreshold of extreme precipitation ofWestern Iran through using generalextreme value distribution. J. Water SoilCons. 24: 2. 107-25. (In Persian) 14.Nazari Samani, A.A., Abbasi Jondani, Sh.2016. Evaluation of efficiency of CligenGenerator for producing of climate datafor using in WEPP model (Case study:Zidasht station, Alborz province). J. WaterSoil Cons. 23: 2. 43-62. (In Persian) 15.Skakun, S., Kussul, N., Shelestov, A.and Kussul, O. 2014. Flood hazard andflood risk assessment using a time seriesof satellite images: a case study inNamibia. Risk Anal. 34: 8. 1521-1537. 16.Sotoodeh, F., and Alijani, B. 2015.Relationship between spatial distributionof heavy precipition and pressurepatterns in Gilan. J. Spatial Anal. Natur.Hazard. 1: 63-73. (In Persian) 17.Vörösmarty, C.J., Guenni, L.B.,Wollheim, W.M., Pellerin, B., Bjerklie,D., Cardoso, M., D'Almeida, C., Green,P., and Colon, L. 2013. Extreme rainfall,vulnerability and risk: a continentalscale assessment for South America.Philos. Trans. A Math. Phys. Eng. Sci.371: 1-17. 18.WMO. 2016. Commission forclimatology: open programmme panelon climate monitoring and assessment(opace-2). Task team on definitions ofextreme weather and climate events(tt-dewce). Report item: 3.3 (3). 61. | ||
آمار تعداد مشاهده مقاله: 469 تعداد دریافت فایل اصل مقاله: 416 |