محسن آرمش

طبقه بندی اقلیمی نواحی جغرافیایی از گذشته های دور اذهان اقلیم شناسان را به خود مشغول کرده است، استفاده از چند پارامتر اقلیمی در روش های سنتی به تنهایی نمی تواند گویای واقعیت اقلیم نواحی باشد. بنابراین در سالیان اخیر محققان کوشیده اند با استفاده از غالب پارامترهای مؤثر بر اقلیم و روش های چند متغیره تصویری واقعی از اقلیم نواحی ارائه دهند. هدف این مقاله پهنه بندی اقلیمی استان مرکزی با روش تحلیل عاملی و خوشه ای است. در این روش ها غالب عناصر اقلیمی در تعیین نوع آب و هوای منطقه دخالت داده می شود. در این پژوهش با استفاده از روش تحلیل عاملی و خوشه ای پهنه بندی اقلیمی استان مرکزی صورت گرفت. برای بهبود نتایج طبقه بندی اقلیمی از آمار ایستگاه های مجاور تا نیم درجه جغرافیایی فاصله استفاده گردید. برای این امر یک ماتریس ۲۱ در ۲۹ شامل ۲۱ ایستگاه سینوپتیک هوا شناسی و ۲۹ متغیر اقلیمی تشکیل شد به علت تفاوت در مقیاس اندازه گیری متغیر ها از نمره استاندارد داده ها استفاده گردید. بررسی نتایج حاصل از تحلیل عاملی نشان داد که اقلیم منطقه متأثر از ۶ مؤلفه غباری ـ برودتی، بارشی، ابرناکی ـ نمی ، گرمایی، بارشی ـ سرمایشی و ابرناکی ـ تندری است. مؤلفه های یاد شده حدود ۹۰ درصد رفتار آب و هوایی منطقه را تبیین کردند. تحلیل خوشه ای بر روی عوامل یاد شده وجود هفت ناحیه آب و هوایی را در منطقه نشان داد. این نواحی عبارتند از: ناحیه معتدل و نیمه مرطوب غباری، گرم و نیمه خشک، نیمه سرد و نیمه مرطوب غباری، معتدل و نیمه خشک غباری، معتدل نیمه خشک، سرد و نیمه خشک غباری و نیمه سرد مرطوب تندری. واژه های کلیدی: پهنه بندی آب و هوایی، تحلیل خوشه ای، تحلیل عاملی، استان مرکزی

بروز سیلاب های سهمگین در اثر تغییرات آب و هوایی طیّ دهه های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل می باشد. حوضه ی آبریز سرباز که در قسمت های جنوبی این استان پهناور قرار گرفته، متأثر از شرایط موجود هرساله شاهد وقوع سیل و نتایج مخرب آن می باشد. هدف از این پژوهش پیش بینی سیلاب رودخانه ی سرباز با شبکه عصبی مصنوعی می باشد. در این پژوهش از سه شبکه پرسپترون چندلایه، پس انتشار و Radial Basis جهت پیش بینی سیلاب رودخانه ی سرباز استفاده شد و نتایج این شبکه ها با مدل رگرسیون چند متغیّره مقایسه شده است. برای این منظور از داده های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه سرباز، ایرانشهر و پیردان طیّ یک دوره ی 28 ساله (مهر 1360 تا شهریور 1388) استفاده شد. با بررسی همبستگی بین این داده ها و دبی رودخانه سرباز پارامترهای مؤثر بر سیلاب تعیین شد. پس از نرمالیزه کردن داده ها، مدل های مختلف ایجاد شد. بررسی نتایج نشان داد که شبکه ی منتخبRadial Basisبا همبستگی 97/0 در مرحله ی آموزش و 714/0 در مرحله ی آزمایش و خطای کمتر نسبت به سایر شبکه ها به عنوان بهترین مدل در بین انواع شبکه ی عصبی شناخته شد. مقایسه ی نتایج این شبکه و مدل رگرسیونی نشان می دهد که مدل شبکه عصبی عملکرد مناسب تری دارد و پیش بینی بهتری نسبت به روش رگرسیونی از سیلاب رودخانه ی سرباز ارائه می دهد.

مکانیزم های بارندگی در مناطق مختلف جغرافیایی از الگوهای متفاوتی تبعیت می کنند. شناخت این الگوها می تواند به برنامه ریزان محیطی برای مدیریت بهتر منابع آب کمک کند. در اکثر مطالعات انجام شده بر روی بارش های نواحی کوهستانی، روابط آماری بین ویژگی های مختلف توپوگرافیک با تغییرات مکانی بارش، در کانون توجه پژوهشگران بوده است. هدف پژوهش حاضر نیز، بررسی ویژگی های مکانی و توپوگرافی مؤثر بر بارش های همرفتی بهاره در شمال غرب ایران، بر اساس مدل های رگرسیونی و سرانجام تعیین مکان های دارای پتانسیل بالقوة بارش های همرفتی است. بدین منظور، داده های بارش بهاره در طی سال های (1393-1360) از 25 ایستگاه سینوپتیک و باران سنجی واقع در محدودة مورد مطالعه و نواحی مجاور تهیه شد. متغیّرهای توپوگرافی و جغرافیایی نیز با استفاده از لایه های رقومی ارتفاعی (DEM) و نقشه های مربوط استخراج شده اند. به منظور بسط روابط بین ویژگی های جغرافیایی و توپوگرافی محدودة مورد مطالعه با بارش های همرفتی بهاره، مقادیر هر لایه مکانی کمّی سازی شد. پس از بررسی روابط آماری و شناسایی سهم هر کدام از متغیّرهای جغرافیایی و توپوگرافی متنوع نسبت به بارش های همرفتی بهاره در ناحیة مورد مطالعه، مناطق دارای بیشینه بارش همرفتی بهاره  تعیین شد. در ادامه برای تعیین روابط مکانی دقیق الگوهای بارش همرفتی بهاره، از مدل تحلیل نقاط داغ  Hot Spotدر محیط نرم افزاری  GISاستفاده شد. نتایج نشان داد که قسمت های جنوب غربی محدودة مورد مطالعه دارای نظم مکانی بوده و از رخداد بالای بارش های همرفتی بهاره برخوردار است. به عبارتی دیگر در این ناحیه، بارش های همرفتی از نظر مکانی معنی دار بوده و دارای رخداد بارش بهارة همگنی می باشند. همچنین، نتایج صحت سنجی مکان های طبقه بندی شده بارش های همرفتی بر روی نقشه نیز، نشان داد که بین مناطق دارای حداکثر بارش بهاره ایستگاهی با مناطق مستعد و ایده آل شناسایی شده از لحاظِ بارش های همرفتی بهاره، مساحت همپوشانی حدود 1/37 درصد حاصل شد.

یخبندان یکی از مخاطرات طبیعی است که معمولاً با خسارت های فراوان مالی و حتی جانی همراه است. سامانه های گردشی جوی نقش اصلی را در وقوع، شدت و چگونگی توزیع فضایی یخبندان ها به خصوص در مناطق معتدله بر عهده دارند. هدف از این تحقیق، شناسایی و بررسی شرایط همدیدی حاکم در زمان وقوع یخبندان های زمستانه منطقه سیستان است. روش مورد استفاده در این تحلیل رویکرد محیطی به گردشی است. بدین منظور دو پایگاه داده مورد نیاز است. جهت دریافت داده های سطح زمین از داده های اقلیمی ایستگاه هواشناسی سینوپتیک زابل و زهک به عنوان نماینده اقلیمی منطقه استفاده شد و طولانی ترین و شدیدترین یخبندان از نظر طول دوره طی دهه اخیر (2010-2000) انتخاب گردید. پایگاه دوم داده ها و نقشه های سطح دریا، 850، و 500 هکتوپاسکال است که از مرکز ملی پیش بینی محیطی[1] و مرکز ملی مطالعات جوی[2] ایالات متحده آمریکا تهیه گردید. پوشش مکانی داده های جوی بین 30 تا 90 درجه شرقی و 10 تا 50 درجه شمالی می باشد. برای نمایش خطوط جریان هوا از محیط نرم افزاری Grads استفاده شده است. نتایج این مطالعه نشان داد که افت فشار منطقه در اثر فعالیت سامانه چرخندی بالخاش و همچنین نفوذ هم زمان فرود ناشی از جریان های غربی به نواحی غرب ایران عامل ایجاد یخبندان و تداوم آن در منطقه سیستان می باشد. استقرار سامانه چرخندی روی دریاچه بالخاش زمینه برای ریزش هوای سرد عرض های بالا و کرانه غربی فرود را به منطقه سیستان فراهم کرده است. انتقال محور فرود به نواحی شرقی تر و شرایط ذکر شده موجب تداوم پدیده یخبندان شده است. شدیدترین یخبندان ها زمانی رخ می دهند که منطقه سیستان در بخش غربی فرود قرار گرفته و از ریزش هوای سرد عرض های شمالی برخوردار شده باشد. عاملی که این شرایط را پدید آورده است تفاوت فشار در جنوب و شمال منطقه سیستان، به ویژه سامانه کم فشار جنوب شرق سیستان است که باعث هدایت و استقرار کرانه غربی ناوه به منطقه می گردد.

این مطالعه به منظور بررسی تغییرپذیری بارش های تابستانه ایستگاه های منتخب جنوب شرق ایران انجام شد و ارتباط این بارش ها با شاخص IOD بررسی گردید. بدین منظور از آمار هفتگی بارش ماه های ژوئن تا سپتامبر ایستگاه های زاهدان، کرمان، بندرعباس، ایرانشهر و بم و همچنین داده های هفتگی شاخص IOD استفاده شد. روش انجام مطالعه آزمون همبستگی و تبدیل موجک گسسته می باشد. نتایج تحلیل همبستگی نشان داد که شاخص دوقطبی با بارش تابستانه ایرانشهر، بندرعباس و زاهدان ارتباط مثبت و معناداری در سطح 99 و 95 درصد دارد ولی با بارش تابستانه کرمان و بم حتی ارتباط نزدیک به سطح معناداری را نشان نداد. همچنین افزایش تعداد سطح تجزیه داده های بارش در تبدیل موجک به بیش از 4 سطح سبب کاهش همبستگی بین تقریب بارش ایستگاه ها و شاخص IOD شد. تجزیه داده ها با تبدیل موجک گسسته نشان داد که مهمترین چرخه در شاخص IOD با تکرار 11 ساله رخ داده است. زاهدان و ایرانشهر چرخه های تناوبی نسبتاً مشابهی را نشان دادند. در بندرعباس و بم چرخه 11 ساله و در کرمان چرخه غالب 7 ساله آشکار شد. از نظر نواحی تحت تأثیر شاخص IOD به نظر می رسد که نواحی ساحلی جنوب شرق و نواحی که تحت تأثیر کم فشارهای پاکستان و خلیج فارس هستند بیشتر تحت تأثیر شاخص IOD باشند.

امروزه به سبب تغییرات آب و هوایی، مخاطرات طبیعی و چگونگی رفتار با آن ها از جمله مهم ترین دغدغه های پژوهشگران در زمینه برنامه ریزی محیطی و مدیریت بحران می باشند. هدف از این مطالعه پهنه بندی و پتانسیل سنجی خطر سیلاب در حوضه آبریز سرباز است. بدین منظور پایگاه داده شامل لایه های پهنه ای ارتفاع، شیب، خصوصیات زمین شناسی، خصوصیات خاک، بارش، پوشش گیاهی و کاربری اراضی و لایه های خطی آبراهه اصلی، آبراهه فرعی و تراکم زه کشی سطح حوضه مورد استفاده قرار گرفت. سپس با استفاده از پرسشنامه و نظر کارشناسان خبره و همچنین تحلیل سلسله مراتبی، ارزش هر لایه در سیل خیزی محاسبه شد. هر کدام از این لایه ها بر مبنای پتانسیل سیل خیزی در مقیاس خطر کم تا زیاد طبقه بندی شدند و در نهایت با استفاده از مدل همپوشانی وزنی درمحیط سامانه اطلاعات جغرافیایی با هم ادغام شدند. نتایج نشان داد که آبراهه اصلی، کاربری اراضی و بارش مهمترین مؤلفه ها در سیلخیزی حوضه آبریز رودخانه سرباز هستند. از کل مساحت حوضه سرباز فقط 0/5 درصد پتانسیل سیلخیزی زیاد تا بسیار زیاد را داراست و نواحی مرکزی حوضه به سبب توپوگرافی و شرایط هیدروگرافی ویژه، بالاترین پتانسیل سیل خیزی را دارند. علاوه بر این ناحیه، بخش های حاشیه ای رودخانه اصلی به سمت خروجی حوضه و همچنین بخش هایی از حواشی رودخانه های فرعی مهم، بیشترین پتانسیل سیل خیزی را دارا هستند. علیرغم وسعت محدود ناحیه پرخطر، به سبب تراکم جمعیت و اراضی کشاورزی، اهمیت این ناحیه از نظر مدیریت بحران بسیار بالاست.

در اثر تغییرات آب و هوایی رخدادهای ناگوار اقلیمی مانند خشک سالی در بسیاری از نقاط کره ی زمین تشدید شده است. در این پژوهش با استفاده از مدل شبکه ی عصبی خشک سالی های شهر خاش در سه بازه ی زمانی ماهانه، سه ماهه و دوازده ماهه پیش بینی شد. جهت این امر آمار اقلیمی شامل نم نسبی، دما و بارش ایستگاه هواشناسی شهر خاش و شاخص های اقلیمی از سال 1961 تا 2010 مورد استفاده قرار گرفت و شاخص خشک سالی SPI به عنوان خروجی مدل ها در نظر گرفته شد. 70 درصد داده ها به عنوان داده های مرحله آموزش و 30 درصد به عنوان داده های آزمایش در نظر گرفته شد. شبکه های مورد استفاده از نوع پس انتشار و تابع پایه ی شعاعی با الگوریتم پس انتشار خطا و روش یادگیری لونبرگ مارکواردت می باشند. پس از تشکیل مدل های فراوان با ساختار متفاوت از تعداد ورودی، تعداد لایه و نرون، پیش بینی سه ماهه خشک سالی به عنوان بهترین بازه زمانی جهت پیش بینی خشک سالی شناخته شد و پس از آن پیش بینی دوازده ماهه خشک سالی نتایج مناسبی ارائه داد. مقایسه دو نوع شبکه عصبی نشان داد که شبکه پس انتشار با دو لایه پنهان 15 نرونی و با ورودی های بیشینه نم نسبی، میانگین نم نسبی با 3 فصل تأخیر، شاخص بارش موسمی جنوب غربی آمریکا با 4 فصل تأخیر، شاخص بارش موسمی جنوب غربی آمریکا با 2 فصل تأخیر، میانگین نم نسبی و کمینه ی نم نسبی مناسب ترین مدل جهت پیش بینی سه ماهه خشک سالی در شهر خاش می باشد. مقایسه نتایج مدل شبکه ی عصبی و مدل رگرسیونی بر دقت و توانایی شبکه ی عصبی در پیش بینی خشک سالی شهر خاش صحه گذاشت.