کورش شیرانی؛ فرزاد حیدری؛ علیرضا عرب‌عامری
چکیده
زمین‌لغزش‌ها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر می‌اندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه می‌شوند. با توجه به اهمیت تشخیص مناسب‌ترین روش برآورد صحیح خطر زمین‌لغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از ...
بیشتر
زمین‌لغزش‌ها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر می‌اندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه می‌شوند. با توجه به اهمیت تشخیص مناسب‌ترین روش برآورد صحیح خطر زمین‌لغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از عکس‌های هوایی، تصاویر ماهواره‌ای، نقشه‌های زمین‌شناسی و بررسی‌های میدانی نقشه پراکنش زمین‌لغزش‌ها تهیه شد. همچنین، با استفاده از بررسی‌های میدانی و مرور مطالعات انجام شده اقدام به بررسی و تعیین نه پارامتر موثر در رخداد زمین‌لغزش شامل لیتولوژی، کاربری اراضی، شیب، جهت شیب، ارتفاع، بارش، فاصله از گسل، فاصله از جاده و تراکم شبکه زهکشی شد. پس از تهیه لایه‌های اطلاعاتی با استفاده از GIS و وزن‌دهی به عوامل موثر، با استفاده از نقشه پراکنش زمین‌لغزش، اقدام به تهیه نقشه‌های پهنه‌بندی خطر زمین‌لغزش با استفاده از روش‌های شبکه عصبی مصنوعی و رگرسیون چند متغیره شده و نتایج مورد ارزیابی قرار گرفت. با توجه به اینکه برای ارزیابی مدل نمی‌توان از همان لغزش‌هایی استفاده نمود که در پهنه‌بندی استفاده شده‌اند، لذا، از بین نقاط لغزشی، 70 درصد (140 عدد) برای اجرای مدل و 30 درصد (60 عدد) برای ارزیابی مدل‌ها مورد استفاده قرار گرفت. مقادیر شاخص‌های مجموع کیفیت (QS) و دقت (P) به‌ترتیب برای روش شبکه عصبی (0.15 و 0.08) و برای روش رگرسیون چند متغیره (0.14 و 0.05) بوده که این نتایج بیانگر تناسب بیشتر نتایج مدل شبکه عصبی در پهنه‌بندی منطقه مورد مطالعه می‌باشد. بدین ترتیب با انتخاب بهترین روش پهنه‌بندی، می‌توان به نقشه پهنه‌بندی خطر قابل اعتماد و نتایج مطلوب‌تری دست یافت.
جواد محمدی‌نژاد؛ مرتضی خداقلی
چکیده
گرد و غبار از جمله پیامدهای ناشی از خشک‌سالی‌هاست که در طی سال‌های اخیر بهعنوان یکی از عوامل مهم و موثر بر رشد و میزان تولید گندم در کنار دیگر نوسانات اقلیمی (دما و بارش) نمایان گشته است. به‌منظور بررسی نقش اقلیم و تاثیرات احتمالی ناشی از آن در میزان فراوانی گرد و غبار و عملکرد گندم، شدت خشک‌سالی‌ها در سطح نه ایستگاه سینوپتیک استان ...
بیشتر
گرد و غبار از جمله پیامدهای ناشی از خشک‌سالی‌هاست که در طی سال‌های اخیر بهعنوان یکی از عوامل مهم و موثر بر رشد و میزان تولید گندم در کنار دیگر نوسانات اقلیمی (دما و بارش) نمایان گشته است. به‌منظور بررسی نقش اقلیم و تاثیرات احتمالی ناشی از آن در میزان فراوانی گرد و غبار و عملکرد گندم، شدت خشک‌سالی‌ها در سطح نه ایستگاه سینوپتیک استان لرستان و در طی یک دوره 10ساله 2009-2000 مورد بررسی و تحلیل قرار گرفته است. شدت خشک‌سالی‌ها براساس شاخص SPI و در مقیاس زمانی شش‌ماهه مختوم به ماه خرداد محاسبه و ارتباط آن با توزیع فراوانی روزهای گرد و غباری (دید افقی کمتر از 2000 متر) و میزان اثری که می‌تواند بر عملکرد گندم دیم داشته باشد، معین شد. میزان همبستگی‌های متقابل با استفاده از آزمون همبستگی پیرسون و روش رگرسیون چندگانه در محیط نرم‌افزاری SPSS و خوشه‌بندی به‌روش Ward در محیط نرم‌افزاریS-PLUS مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که در سال‌هایی که ترسالی حتی به‌صورت نرمال بروز نموده است، روزهای گرد و غباری نیز در استان اتفاق افتاده و میزان عملکرد گندم به‌طور متوسط به کمتر از 1000 کیلوگرم در هکتار رسیده است (سال‌های 2004، 2005 و 2007). این در حالی است که هرگاه این میزان ترسالی از حد نرمال عبور نموده و در حدود ترسالی خفیف قرار گرفته است، روزهای غباری به صفر رسیده و میزان عملکرد گندم به‌طور متوسط به بیش از 1500 کیلوگرم در هر هکتار رسیده است (سال 2006). فراوانی روزهای گرد و غباری و میزان عملکرد گندم در اکثر ایستگاه‌ها، به‌صورت مثبت و مستقیم مرتبط هستند و در خرم‌آباد، کوهدشت و بروجرد به‌ترتیب به میزان 0.784، 0.626 و 0.933 به‌صورت مستقیم ظاهر شده و به‌طور تقریباً کامل و معکوس در ایستگاه ازنا به میزان 0.926- قابل مشاهده است.
نجفقلی غیاثی
چکیده
برنامه‌ریزی و اولویت‌بندی در مدیریت حوزه‌های آبخیز نیاز به داده‌های مختلفی ازجمله آبدهی و نوسانات آن دارد. مقادیر آبدهی متوسط با دوره بازگشت‌های مختلف برای تخمین آورد رودخانه‌ها و برنامه‌ریزی برای بهره‌برداری از سدهای کوچک و بزرگ مورد نیاز است. ازطرفی آبدهی متوسط سالانه برای برنامه‌ریزی و مدیریت اراضی زراعی پاییندست ...
بیشتر
برنامه‌ریزی و اولویت‌بندی در مدیریت حوزه‌های آبخیز نیاز به داده‌های مختلفی ازجمله آبدهی و نوسانات آن دارد. مقادیر آبدهی متوسط با دوره بازگشت‌های مختلف برای تخمین آورد رودخانه‌ها و برنامه‌ریزی برای بهره‌برداری از سدهای کوچک و بزرگ مورد نیاز است. ازطرفی آبدهی متوسط سالانه برای برنامه‌ریزی و مدیریت اراضی زراعی پاییندست مورد نیاز می‌باشد. در این تحقیق آمار آبدهی 40 ایستگاه هیدرومتری در سطح منطقه که دارای آمار کافی ازنظر کمی و کیفی در یک دوره مشترک بوده‌اند انتخاب شدند. تحلیل همگنی حوزه‌ها با توجه به آبدهی و پارامترهای هندسی تأثیرگذار صورت گرفت که به دو منطقه هم‌گن تفکیک شد. برای سنجش صحت درستی همگنی در منطقهاز تابع تشخیص استفاده شد، براساس آن هم‌گن‌بندی حوزه خزر در خوشه یک 100% و در خوشه دو، 94% بوده است. همچنین علاوهبر تحلیل منطقه‌ای آبدهی متوسط سالانه، تحلیل احتمالاتی بر روی آبدهی متوسط سالانه انجام و سپس توزیع نرمال بهعنوان بهترین توزیع آماری انتخاب دبی با دوره بازگشت‌های دو تا 100 ساله برآورد شد. با استفاده از پارامترهای هواشناسی و هندسی مانند بارش متوسط سالانه و مساحت، شیب حوزه و درصد مساحت جنگل، روابط منطقه‌ای آبدهی محتمل با دوره بازگشت‌های مختلف برای مناطق هم‌گن استخراج گردید. حاصل این تحقیق ارائه روابط منطقه‌ای آبدهی متوسط و محتمل با دوره بازگشت‌های مختلف می‌باشد که در طرح‌های مختلف آبخیزداری و منابع آب کشور دارای کاربرد مستقیم هستند.
محمدابراهیم بنی‌حبیب؛ احسان امامی
چکیده
امروزه رسوب‌دهی حوزه‌های آبخیز از جمله مشکلات بهره‌برداری از منابع آب‌های سطحی در جهان است. با توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازه‌گیری و محاسبه دقیق آن، باعث اتلاف سرمایه‌های ملی می‌شود. بدیهی است که دقت تخمین میزان رسوب‌دهی، بستگی زیادی به روش‌های محاسباتی، معادلات ارائه شده و داده‌ها یا اطلاعات ...
بیشتر
امروزه رسوب‌دهی حوزه‌های آبخیز از جمله مشکلات بهره‌برداری از منابع آب‌های سطحی در جهان است. با توجه به نقش و اهمیت رسوب در عمر مفید سدهای کشور، عدم توجه به اندازه‌گیری و محاسبه دقیق آن، باعث اتلاف سرمایه‌های ملی می‌شود. بدیهی است که دقت تخمین میزان رسوب‌دهی، بستگی زیادی به روش‌های محاسباتی، معادلات ارائه شده و داده‌ها یا اطلاعات تخمین رسوب دارد. چون عوامل مختلفی در فرسایش و تولید رسوب مؤثر است و بر اساس شرایط هر حوزه ممکن است یک یا چند عامل در تشدید آن مؤثر باشد.از این رو، برای بررسی مسئله رسوب‌دهی هر حوزه باید عوامل مختلف مؤثر در رسوب‌دهی آن منطقه را شناسایی و به‌طور صحیح برآورد کرد و سپس تأثیر عوامل مختلف را بر روی رسوب‌دهی مشخص نمود. در این تحقیق، شبکه‌های عصبی مصنوعی بهعنوان روشی جدید برای تخمین رسوب‌دهی حوزه، به‌کار گرفته شده است. شبکه‌ای با ساختار و آموزش مناسب و داده‌های کافی، قادر است تأثیرات و ارتباط بین رسوب و سایر متغیرهای مؤثر در رسوب‌دهی را بدون استفاده از روابط اختصاصی و معادلات مربوطه فراگیرد. برای تخمین رسوب‌دهی زیرحوزه‌ها، از ساختار MLP استفاده شد. پس از آموزش و آزمایش داده‌ها،بهترین حالت در نظر گرفته شده و سپس با روش رگرسیون‌های چندمتغیره مقایسه شد. نتایج نشان‌دهنده بهبود قابل توجهی در محاسبه و تخمین رسوب و کارآیی روش شبکه‌های عصبی نسبت به‌روش رگرسیون‌های چند متغیره است.
