[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
DOI::
OPEN ACCESS::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
مقالات منتشر شده: 644
نرخ پذیرش: 21.9
نرخ رد: 78.1
میانگین داوری: 308 روز
میانگین انتشار: 626 روز
..
آمار عمومی نشریه
آمار عمومی نشریه
..
تعداد دورها                          23
تعداد شماره‌ها 83
 تعداد مقالات 4001
 تعداد مشاهده مقاله 11748252
 تعداد مقالات ارسال شده در یکسال اخیر 3230
 تعداد مقالات پذیرفته شده  637
 درصد پذیرش 30
 زمان پذیرش (روز) 120
 تعداد پایگاه های نمایه شده 9
 h.index 3
میانگین بازه زمانی فرایند داوری 30
:: دوره 20، شماره 71 - ( 9-1399 ) ::
جلد 20 شماره 71 صفحات 175-159 برگشت به فهرست نسخه ها
پیش‌یابی بارش سالانه در دو اقلیم خشک و نیمه خشک
نسیمه خلیلی سامانی1 ، ابوالفضل عزیزیان* 2، نجمه یرمی3
1- دانش آموخته کارشناسی ارشد آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان
2- گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان (نویسنده مسئول).
3- گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان.
چکیده:   (3502 مشاهده)

برآورد میزان بارش، موفقیت در مدیریت بهتر منابع آب و حوضه­های آبخیز به منظور استفاده بهینه و پایدار از این منابع را تضمین می­کند. در این تحقیق با استفاده از آمار بارش و دمای روزانه ایستگاه­های مختلف هواشناسی استان­های چهارمحال و بختیاری (اقلیم نیمه خشک) و یزد (اقلیم خشک) که دارای آمار روزانه بلند مدت بودند، پارامترهای مختلفی محاسبه شد. از میان این پارامترها، مجموع بارش شش ماهه اول سال آبی (R6m1، میلی­متر)، طول فاصله زمانی وقوع 5/47 میلی­متر بارش از ابتدای پاییز (t47.5، روز)، میانگین بلند مدت بارش (Rm، میلی­متر)، متوسط دمای تابستان قبل از هر سال آبی (Tsu، درجه سانتی­گراد) و متوسط دمای تابستان سال آبی قبل و پاییز هر سال آبی (Tsu.au، درجه سانتی­گراد) که هر یک همبستگی بالایی با بارش سالانه داشتند، در مدل­های خطی ساده و روش شبکه عصبی مصنوعی برای پیش بینی بارش سالانه بکار گرفته شد. مدل­های بدست آمده در سطح احتمال کمتر از 01/0 معنی­دار بودند. نتایج نشان داد هر یک از این روش­ها می­تواند بارش سالانه را با دقت مناسبی برآورد نماید. ارزیابی مدل­ها با شاخص ریشه میانگین مربعات خطای نرمال شده (NRMSE) کمتر از 3/0 و شاخص تطابق (d) بالاتر از 8/0 نیز کارایی مدل­ها را تصدیق کرد. دمای بالاتر در تابستان و پاییز حاکی از بارش سالانه بیشتر در استان چهارمحال و بختیاری بود و بارش کمتر در استان یزد بود. همچنین در دو استان هر چه فاصله زمانی وقوع 5/47 میلی­متر باران از ابتدای پاییز به تأخیر بیفتد بارش سالانه کمتر خواهد بود.

واژه‌های کلیدی: برآورد بارش سالانه، چهارمحال و بختیاری، شبکه عصبی مصنوعی، مدل رگرسیونی، یزد.
متن کامل [PDF 941 kb]   (547 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1398/5/13 | پذیرش: 1398/8/9 | انتشار: 1399/9/10
فهرست منابع
1. Ammar, G. A., Haidar, B.Y., AlDarwish, A. Q., (2017), "An artificial neural network model for monthly precipitation forecasting Inhoms station, Syria", American Journal of Innovative Research and Applied Sciences, 4 (6): 240-246.
2. El-Shafie, A. H., El-Shafie, A., El-Mazoghi, H. G., Shehata, A., Taha, M. R., (2011), "Artificial neural network technique for rainfall forecasting applied to Alexandria, Egypt", International Journal of the Physical Sciences, 6 (6): 1306-1316.
3. Erfanian, M., Ansari, H., Alizadeh, A., (2013), "Prediction of monthly rainfall and mean temperature by using teleconnection patterns by artificial neural network (Case study: synoptic station of Mashhad)", Journal of Arid Regions Geographic Studies, 11: 53-73. [In Persian].
4. Fallah Ghalhary, Gh. A., Mousavi Baygi, M. S., Habibi Nokhandan, M., (2009), "Using statistical model for seasonal rainfall forecasting based on synoptic patterns of atmospheric upper levels", Water and Soil Science, 19 (1): 125-144. [In Persian].
5. Fatemi Amin, S. R., Mortezai, A., (2013), "Guideline plan of food chain products. Vice President of Planning, Ministry of Industry, Mine and Trade", Jihad-Daneshgahi Press, University of Shahid-Beheshti: Tehran. [In Persian].
6. Ghafari, Gh., Vafakhah, M., (2013), "Simulation of rainfall-runoff process using artificial neural network and adaptive neuro-fuzzy interface system (Case study: Hajighoshan Watershed)", Journal of Watershed Management Research, 4 (8): 120-136. [In Persian].
7. Ghasemi, M. M., Sepaskhah. A. R., (2004), "Predicting of annual precipitation in Khuzestan Province based on early rain events in fall", Journal of Sciences and Technology of Agriculture and Natural Resources (Water and Soil Science), 8 (1): 1-9. [In Persian].
8. Goutami, B., (2007), "The prediction of indian monsoon rainfall: A regression approach", An Electronic Journal of Geography and Mathematics, 1 (18): 1-7.
9. Halbian, A. H., Darand, M., (2012), "Prediction of annual precipitation by artificial neural network in Esfahan", Journal of Applied researches in Geographical Sciences, 12 (26): 47-63. [In Persian].
10. Karimi Goaghari, Sh., Sepaskhah, A. R., (2006), "A model for prediction of annual precipitation in Kerman Province", Iran-Water Resources Research, 2 (1): 54-60. [In Persian].
11. Karimi Goaghari, Sh., Eslami, A., (2008), "Prediction of annual precipitation using artificial neural networks in Kerman province", Iranian Journal of Irrigation and Drainage, 2 (2): 123-132. [In Persian].
12. Khalili Samani, N., Azizian, A., (2016), "Modification and application of simple regression models to predict annual precipitation in Shahrekord and Yazd weather stations", Journal of Water and Soil, 30 (1): 312-321. [In Persian].
13. Khorshiddoust, A., Jafarzadeh, F., (2020), "Forecasting and analyzing of rainfall changes in the southern coasts of caspian sea in order to environmental planning using SDSM model", Journal of Geogrphical Space, 70: 37-59. [In Persian].
14. Khalili, N., Khodashenas, S. R., Davari, K., Moosavi Baygi, M., (2008), "Monthly precipitation forecasting using artificial neural networks (A case study: Synoptic station of Mashhad)", Agricultural Sciences and Technology Journal (water and soil), 22(1): 89-99. [In Persian].
15. Meteorological Organization of Chaharmahal-Bakhtiari Province, (2014), "Meteorological Report of Chaharmahal-Bakhtiari Synoptic Weather Stations", [on line]: http://www.chaharmahalmet.ir.
16. Meteorological Organization of Yazd Province, (2014), "Meteorological Report of Yazd Synoptic Weather Stations". [on line]: http://www.yazdmet.ir.
17. Mislan, H., Hardwinarto, S., Aipassa, M., (2015), "Rainfall monthly prediction based on artificial neural network: A case study in Tenggarong station, East Kalimantan-Indonesia", Procedia Computer Science, 59: 142-151. [DOI:10.1016/j.procs.2015.07.528]
18. Mohammadi, H., Azizi, G., Rabbani, F., Mazahei, D., (2017), " Long-term prediction of the climate variables in northern shore of iran on uncertainty of global climate models", Journal of Geographical Space, 56: 95-113. [In Persian].
19. Moustris, K. P., Larissi, I. K., Nastos, P. T., Paliatsos, A. G., (2011), "Precipitation forecast using artificial neural networks in specific regions of Greece", Water resources management, 25 (8): 1979-1993. [DOI:10.1007/s11269-011-9790-5]
20. Munot, A. A., Krishna Kumar, K., (2007), "Long range prediction of Indian summer monsoon rainfall", Journal of earth system science, 116 (1): 73-79. [DOI:10.1007/s12040-007-0008-4]
21. Sari Saraf, B., Rajaei, A., Mesri Alamdari, P., (2009), "Investigation of the relationship between precipitation and topography in eastern and western slopes of Talesh", Geography and Environmental Planning, 20 (3): 63-84. [In Persian].
22. Sepaskhah, A. R., Taghvaee, A. R., (2006), "A simple model for prediction of annual precipitation in the southern and western provinces of Iran", Iran Agriculture Research, 23 (2): 60-69. [In Persian].
23. Stewart, J. I., (1988), "Response farming in rain fed agriculture", WHARF Foundation Press: Davis California.
24. Zaw, W. T., Naing, T. T., (2008), "Empirical statistical modeling of rainfall prediction over Myanmar", World Academy of Science, Engineering and Technology, 2 (10): 3418-3421.
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khalili Samani N, Azizian A, Yarami N. Annual precipitation forecast in two arid and semi-arid regions. جغرافیایی 2020; 20 (71) :159-175
URL: http://geographical-space.iau-ahar.ac.ir/article-1-3507-fa.html

خلیلی سامانی نسیمه، عزیزیان ابوالفضل، یرمی نجمه. پیش‌یابی بارش سالانه در دو اقلیم خشک و نیمه خشک. فضای جغرافیایی. 1399; 20 (71) :159-175

URL: http://geographical-space.iau-ahar.ac.ir/article-1-3507-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 20، شماره 71 - ( 9-1399 ) برگشت به فهرست نسخه ها
فضای جغرافیایی Geographic Space
Persian site map - English site map - Created in 0.23 seconds with 43 queries by YEKTAWEB 4657