پیام خسروی نیا

رویداد خشکسالی به دلیل گستردگی مکانی و تبعات کوتاه مدت و بلند مدت اقتصادی، اجتماعی و محیط زیستی، از مهم ترین مخاطرات طبیعی به شمار می رود. در اغلب مطالعات، مشخصه های خشکسالی معمولاً به طور جداگانه توسط تحلیل تک متغیره و با فرض استقلال بین متغیرها مورد بررسی قرار گرفته اند. این در حالی است که خشکسالی یک رویداد چند متغیره است که بین مشخصه های آن، ارتباط معنی داری وجود دارد. تاکنون روش های مختلفی برای تحلیل چندمتغیره توسعه داده شده است، که از جمله آن می توان به روش تابع مفصل اشاره کرد. در این پژوهش، تحلیل چندمتغیره خشکسالی در غرب ایران با استفاده از توابع مفصل سری واین مورد بررسی قرار گرفت. برای این منظور، 13 ایستگاه سینوپتیک با طول آماری مشترک 30 ساله (1990-2019) در غرب ایران انتخاب شدند. ابتدا شاخص بارش-تبخیر-تعرق استاندارد شده (SPEI) برای تمامی ایستگاه ها محاسبه و با استفاده از مقادیر SPEI ماهانه، مشخصه های خشکسالی شامل شدت، مدت، حداکثر مقدار SPEI و فاصله بین آغاز دو خشکسالی متوالی استخراج شدند. سپس توزیع های حاشیه ای به طور جداگانه بر روی متغیرهای ذکر شده، برازش داده شدند و توزیع-های منتخب برمبنای آزمون های کلموگراف-اسمیرنف و اندرسون- دارلینگ در هر ایستگاه انتخاب گردیدند. ضرایب همبستگی پیرسون، کندال و اسپیرمن میان جفت متغیرهای مشخصه های خشکسالی محاسبه گردید. با استفاده از جایگشت متغیرها در ساختار دی واین چهاربعدی، 12 ساختار مختلف توسعه داده شد و ساختاری که کمترین مقادیر معیارهای اطلاعاتی آکائیک (AIC) و بیزی (BIC) و بیشترین لگاریتم درستنمایی را داشتند، در هر ایستگاه به عنوان مناسب ترین ترکیب انتخاب شدند. دوره بازگشت خشکسالی، نقشه های احتمال و پهنه بندی منطقه بر اساس مشخصه-های مختلف خشکسالی نیز محاسبه و ترسیم گردید. نقشه های پهنه بندی نشان می دهد که قسمت اعظم منطقه غرب کشور مستعد وقوع شرایط خشکسالی متوسط و بخش هایی از جنوب و غرب منطقه مستعد خشکسالی های شدید هستند. بنابراین لازم است که راهکارهای مدیریتی لازم برای محدوده غرب کشور در خصوص خشکسالی در نظرگرفته شود.

شناخت کامل از وضعیت و تغییرات عمق و دبی جریان روش مناسبی جهت کنترل و مدیریت انواع جریان در شبکه های آبیاری و زهکشی می باشد. در کانال های روباز، جریان ریزش آزاد به عنوان ابزاری جهت اندازه گیری جریان در رژیم های مختلف جریان در کانال ها با سطح مقاطع مختلف مورد استفاده قرار می گیرد. جریان ریزشی آزاد می تواند در انتهای مسیر کانال های آبیاری مزرعه و یا در محل سازه های انتقال آب نظیر شیب شکن قائم بکار گرفته شود. در مطالعات آزمایشگاهی زمان زیادی صرف اندازه گیری و جمع آوری داده های مربوط به هر متغیر شده و بنابراین نیاز به وجود روشی که این محدودیت ها را نداشته باشد احساس می شود. در سال های اخیر مدل های هوشمند بدلیل توانایی و قابلیت بالا جهت مدل سازی بسیاری از پدیده های هیدرولیکی و هیدرولوژیکی مورد استفاده قرار گرفته اند. هدف اصلی این مطالعه، تخمین دقیق دبی جریان در کانال های مسنطیلی با استفاده از مدل های هوشمند نظیر مدل های شبکه عصبی مصنوعی، برنامه ریزی بیان ژن، درخت تصمیم و رگرسیون چند متغیره تطبیقی اسپلاین می باشد. در این راستا از متغیرهای عمق آستانه، ضریب زبری مانینگ، عرض کف کانال و شیب کف کانال که از تحقیقات قبلی سایر محققین استخراج شده بودند، به عنوان ورودی مدل های مورد هوشمند استفاده شد. داده های موجود در قالب سه سناریو مختلف شامل %50- %50، %60- %40 و %75- %25 در بخش های واسنجی (آموزش) و اعتبار سنجی (تست) به منظور ارزیابی بهتر و دست یابی به نتایج دقیق تر مورد بررسی قرار گرفتند. همچنین به منظور ارزیابی دقت مدل های شبکه-های عصبی مصنوعی، برنامه ریزی بیان ژن، رگرسیون چنگانه تطبیقی اسپلاین و درخت تصمیم، از 6 شاخص آماری خطا شامل ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE)، میانگین قدرمطلق خطا (MAE)، ضریب ناش- ساتکلیف (NS)، ضریب ویلموت (WI) و ضریب لگاتس- مک کاب (LMI) استفاده شد. با توجه به سناریوهای متفاوت در بخش های آموزش- تست، نتایج نشان داد که عملکرد مدل شبکه های عصبی مصنوعی در مقایسه با سایر مدل ها بهتر می باشد. با در نظر گرفتن سناریوی %50- %50 در بخش های آموزش- تست، مدل شبکه-های عصبی مصنوعی با داشتن مقدار R، RMSE، MAE، NS، WI و LMI به ترتیب برابر 994/0، 004/0، 002/0، 986/0، 999/0، و 909/0 با باکارگیری کلیه متغیرهای ورودی بهترین عملکرد را ارائه داد.