
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,503 |
تعداد مشاهده مقاله | 8,643,120 |
تعداد دریافت فایل اصل مقاله | 8,237,797 |
ارزیابی و پیشبینی خشکسالیهای آب زیرزمینی با استفاده از شاخص GRI و مدلهای زنجیره مارکف مرتبه اول تا سوم (مطالعه موردی: دشت بروجن) | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 6، دوره 26، شماره 2، خرداد و تیر 1398، صفحه 117-136 اصل مقاله (1.28 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwsc.2019.15085.3048 | ||
نویسندگان | ||
امیر خسروی دهکردی1؛ رسول میرعباسی نجف آبادی* 2؛ حسین صمدی بروجنی3؛ احمدرضا قاسمی دستگردی4 | ||
1منابع آب | ||
2دانشیار گروه مهندسی آب/دانشگاه شهرکرد معاون پژوهشی مرکز تحقیقات منابع آب | ||
3دانشیار دانشگاه شهرکرد | ||
4استادیار گروه مهندسی آب دانشگاه شهرکرد | ||
چکیده | ||
سابقه و هدف: مدیریت منابع آب بخصوص آبهای زیرزمینی در مناطق خشک و نیمهخشک از اهمیت خاصی برخوردار است. یکی از موارد مهم در مدیریت بهینه منابع آب پیشبینی شرایط خشکسالی می باشد. آبهای زیرزمینی بعنوان منبع اصلی تأمین آب مصرفی در بخشهای کشاورزی، صنعت و شرب در دشت بروجن محسوب میشود. از اینرو، بررسی وضعیت خشکسالی منابع آب زیرزمینی در برنامهریزی و مدیریت پایدار این منابع بسیار حائز اهمیت است. تاکنون روشهای مختلفی توسط محققان برای پیشبینی انواع مختلف خشکسالیها توسعه داده شده و مورد استفاده قرار گرفته است. یکی از این روشها پیشبینی وضعیت رطوبتی با زنجیره مارکف میباشد. در اغلب مطالعات پیشین در زمینه پیشبینی خشکسالیها، از زنجیره مارکف مرتبه اول و دوم استفاده شده است. در پژوهش حاضر، خشکسالیهای آب زیرزمینی در دشت بروجن در طی سالهای 1364 تا 1394 مورد ارزیابی قرار گرفت و شرایط رطوبتی این دشت با استفاده از زنجیره مارکف مرتبه سوم پیشبینی شد. مواد و روشها: به منظور ارزیابی خشکسالیهای آب زیرزمینی دشت بروجن مقادیر شاخص GRI در مقیاسهای زمانی 1، 3، 6 و 12 ماهه محاسبه شد. بدین منظور، از آمار تراز آب زیرزمینی 13 چاه مشاهدهای در دشت بروجن در دوره 31 ساله (94-1364) استفاده شد. برای پیشبینی مقادیر شاخص GRI در ماههای آتی در دشت بروجن از روش زنجیره مارکف با مرتبههای اول، دوم و سوم استفاده گردید و عملکرد این مدل با روش جدول توافقی مورد ارزیابی قرار گرفت. بعد از تهیه جدول توافقی برای زنجیره مارکف مرتبه اول، دوم و سوم، مقادیر آمارههای CSI، POD و FAR محاسبه شد. مقدار CSI برای دشت بروجن در مقیاسهای زمانی یک، سه و شش و دوازده ماهه برای مدل مارکف مرتبه اول بترتیب برابر برابر 58/0، 50/0، 1 و 1، برای مدل مارکف مرتبه دوم در مقیاسهای زمانی یک، سه و شش ماهه بترتیب برابر 45/0، 33/0 و 1 و برای مارکف مرتبه سوم در مقیاسهای زمانی یک، سه و شش ماهه به ترتیب برابر 40/0، 38/0 و 1 بدست آمد که نشانگر مهارت متوسط روش پیشنهادی در مقیاس یک و سه ماهه پیشبینی شرایط رطوبتی و مهارت خوب آن در مقیاس شش ماهه پیشبینی شرایط رطوبتی بود. همچنین نقشه های پهنهبندی شاخص GRI در این دشت با انتخاب مناسبترین روش درونیابی، ترسیم گردید. یافتهها: نقشه پهنهبندی شاخص GRI در دشت بروجن نشان میدهد قسمتهای میانی دشت اغلب با خشکسالی شدید مواجه شده است. مقایسه عملکرد مرتبههای مختلف زنجیره مارکف در پیشبینی شرایط رطوبتی دشت بروجن بر اساس آمارههای CSI، POD و FAR نشان داد که روش زنجیره مارکف مرتبه اول از دقت بیشتری در پیشبینی مقادیر شاخص GRI در تمام مقیاسهای زمانی برخوردار بوده است، لذا از آن میتوان برای پیشبینی خشکسالی آب زیرزمینی دشت بروجن استفاده کرد. نتیجه گیری: نتایج حاصل از بررسی شاخص GRI در دشت بروجن نشان داد که در دوره زمانی مورد بررسی، دوره خشکسالی آب زیرزمینی در سال 1387 شروع شده است. به طور کلی خشکسالیهای شدیدی که در سالهای اخیر به دلیل کاهش نزولات جوی رخ داده است، به همراه اضافه برداشت از چاههای موجود در دشت، منطقه را با بحران شدید کاهش سطح آب زیرزمینی مواجه کرده که کاهش کیفیت آب و فرونشست زمین را در پی دارد. | ||
کلیدواژهها | ||
آبخوان بروجن؛ پیشبینی خشکسالی؛ خشکسالی آب زیرزمینی؛ زنجیره مارکف؛ شاخص GRI | ||
مراجع | ||
1.Ahmad-Akhoormeh, M., Nouhegara Soleimani Motlagh, M., and VataiSemirimi, M. 2015. Investigation of Groundwater Drought by Using SWI and GRI Indices in Marvdasht Kharameh Fars province Aquifer. The Iranian Society of Irrigation and Water Engineering. 21: 118-105. (In Persian) 2.Arritt, R.W., and Frank, W.M. 1985. Experiments in probability of precipitation amount forecasting using model output statistics. Monthly Weather Review. 113: 1837-1851. 3.Baziyarpoor, H., and Nadi, M. 2017. Probabilistic analysis of drought severity classes by using Markov chain model in different climates of Iran. The Second National Iranian Conference on Hydrology. 20 July. Shahrekord University. Shahrekord. (In Persian) 4.Bettge, A.G., Baumhefne, D.P., and Chervin, R.M. 1981. On the verification of seasonal climate forecasts. Bulletin of the American Meteorological Society. 62: 1654-1665. 5.Das, S., Choudhury, R.M., Gandhi, S., and Josh, V. 2016. Application of earth observation data and Standardized Precipitation Index based approach for meteorological drought monitoring, assessment and prediction over Kutch, Gujarat, India. Inter. J. Environ. Geoinf. 3: 2. 24-37. 6.Doswell, C.A., III and Flueck, J.A. 1989. Forecasting and verifying in a field research project: DOPLIGHT 87. Weather and Forecasting. 4: 97-109. 7.Donaldson, R., Dyer, R., and Krauss, M. 1975. An objective evaluator of techniques for predicting severe weather events. Preprints, Ninth Conf. on Severe Local Storms. American Meteorological Society, Norman. OK. Pp: 321-326. 8.Gabriel, K.R., and Neumann, J. 1962. A Markov chain model for daily rain fall occurrence at Tel Aviv. Quar. J. Meteorol. Soc. 88: 90-95. 9.Gandin, L.S., and Murphy, A.H. 1992. Equitable skill scores for categorical forecasts. Mon. Wea. Rev. 120: 361-370. 10.Kostopoulou, E., Bianrakopoulos, C., Krapsiti, D., and Karali, A. 2017. Temporal and Spatial Trends of the Standardized Precipitation Index (SPI) in Greece Using Observations and Output from Regional Climate Models. Perspectives on Atmospheric Sciences. Springer International Publishing. Pp: 475-481. 11.MacDonald, A., Calow, M.R.C., MacDonald, D.M.J., Darling, W.G., and Dochartaigh, Ó. 2009. What impact will climate change have on rural water supplies in Africa. Hydrol. Sci. J. 54: 4. 691-703. 12.McCoy, M.C. 1986. Severe-stormforecast results from the PROFS 1983 forecast experiment. Bulletin of the American Meteorological Society. 67: 155-164. 13.Mendicino, G.A., and Senatore, P. 2008. A Groundwater Resource Index (GRI) for drought monitoring and forecasting in a Mediterranean climate. Hydrol. J. 357: 282-302. 14.Meddi, H., Meddi, M., and Assani, A. 2014. Study of drought in seven Algerian plains, Arabi. J. Sci. Engin. 39: 339-359. 15.Mishra, A.K., and Singh, V.P. 2010. A review of drought concepts. J. Hydrol. 391: 202-216. 16.Mourad, L., Brucker, J.M., Mourad, L., Soltane, A., and Mounir, S. 2015. Analysis of drought areas in Northern Algeria using Markov chains. J. Sci. Syst. 124: 1. 61-70. 17.Piyadasa, P.M., and Sonnadara, D.U.J. 2010. Analysis of wet and dry behavior of weather through Markov models, Proceedings of the Technical Sessions. Pp: 25-32. 18.Villholth, K.G., Tottrup, C., Stendel, M., and Maherry, A. 2013. Integrated mapping of groundwater drought risk in the Southern African Development Community (SADC) region. Hydrogeol. J. 21: 4. 863-885. 19.Wilhite, D.A., and Glantz, M.H. 1985. Understanding the drought phenomenon: The role of definition. Water International. 10: 111-120. 20.Wilks, D.S. 1995. Statistical Methods in the Atmospheric Sciences: An Introduction. Academic Press. 467p. | ||
آمار تعداد مشاهده مقاله: 868 تعداد دریافت فایل اصل مقاله: 532 |