علیرضا یوسفی کبریا؛ علی خلیلی؛ حسن رضائی
چکیده
مقدمه
پدیده گردوغبار بهعنوان یکی از مهمترین چالشهای زیستمحیطی مناطق خشک و نیمهخشک، طی سالهای اخیر در استان ایلام شدت یافته و اثرات گستردهای بر سلامت عمومی، زیرساختهای شهری، کشاورزی و پایداری منابع طبیعی داشته است. واقع شدن این استان در مرز با کشورهای عراق و سوریه، آن را در معرض مستقیم طوفانهای گردوغبار با منشأ فرامرزی ...
بیشتر
مقدمه
پدیده گردوغبار بهعنوان یکی از مهمترین چالشهای زیستمحیطی مناطق خشک و نیمهخشک، طی سالهای اخیر در استان ایلام شدت یافته و اثرات گستردهای بر سلامت عمومی، زیرساختهای شهری، کشاورزی و پایداری منابع طبیعی داشته است. واقع شدن این استان در مرز با کشورهای عراق و سوریه، آن را در معرض مستقیم طوفانهای گردوغبار با منشأ فرامرزی قرار داده است. در این راستا، پایش دقیق روند تغییرات مکانی–زمانی گردوغبار و شناسایی منشأهای آن، برای طراحی راهبردهای کنترلی و کاهش اثرات این پدیده، ضروری به نظر میرسد.
مواد و روشها
در این پژوهش، دادههای ذرات معلق (PM) مربوط به سالهای 2020 تا 2025 از ایستگاههای سنجش آلودگی هوا مهران و دهلران بهعنوان دادههای زمینی جمعآوری شد. همزمان، از شاخصهای ماهوارهای شامل عمق نوری آئروسل (AOD) از سنجنده MODIS، شاخص جذب آئروسل (AAI) از سنجنده TROPOMI، شاخص NDDI (گردوغبار) و نقشه شمارش روزهای گردوغبار (DECM) استفاده شد. دادهها با استفاده از برنامهنویسی در محیط Google Earth Engine پردازش و تحلیل شدند. برای ردیابی مسیر حرکت تودههای گردوغبار، از مدل عددی HYSPLIT با رهگیری معکوس 24 ساعته استفاده شد. همچنین، تصاویر ماهوارهای MODIS (True Color) بهمنظور اعتبارسنجی نتایج مدل و تحلیل بصری بهکار گرفته شدند.
نتایج و بحث
تحلیل شاخص شمارش روزهای گردوغبار (DECM) طی سالهای 2020 تا 2024 حاکی از روند صعودی وقوع این پدیده در استان ایلام است. در سال 2020، کمترین روزهای گردوغبار ثبت شد، اما حتی در همین سال، شهرستانهای دهلران و آبدانان با بیش از 30 روز مواجه بودند. در سال 2021، این مقدار در مناطق مرزی به بیش از 120 روز افزایش یافت، و در سال 2022، اوج بحران با ثبت بیش از 200 روز در نواحی مرزی نظیر مهران، دهلران، ایوان و جنوب ایلام مشاهده شد. اگرچه در سالهای 2023 و 2024 این تعداد بهترتیب به 182 و 172 مورد کاهش یافت، اما تمرکز مکانی پدیده همچنان در نواحی مرزی باقی ماند. شاخص جذب آئروسل (AAI) که از دادههای Sentinel-5P استخراج شده است، نیز روند بحرانی بودن شرایط را تأیید میکند. در سال 2020، میانگین AAI در مهران، دهلران و آبدانان حدود 0.28 بود؛ در سال 2021 این مقدار به 0.32 افزایش یافت و در سال 2022 به بیش از 1.3 رسید که معادل با شرایط بسیار ناسالم برای عموم مردم است. حتی با کاهش نسبی در سالهای 2023 (0.87) و 2024 (0.86)، مقادیر همچنان در محدوده ناسالم باقی ماندهاند. شاخص عمق نوری آئروسل (AOD) از محصولات MODIS نیز در تحلیل شدت گردوغبار نقش کلیدی داشته است. در سال 2020، مقادیر AOD در نواحی مرزی ایلام به بیش از یک رسید و در سال 2021 در برخی مناطق از 1.6 نیز فراتر رفت. بحرانیترین سال در این زمینه، 2022 بود که در آن مقدار AOD در جنوب ایلام و غرب دهلران به بیش از 1.85 رسید. حتی مناطق مرکزی استان نیز در این سال با مقادیر AOD بیش از 0.5 مواجه شدند. در سالهای 2023 و 2024 به ترتیب مقادیر 1.3 و 1.18 ثبت شد که گرچه کاهش نشان میدهند اما همچنان در محدوده ناسالم و خطرناک قرار دارند. شاخص NDDI نیز، بیانگر میزان رسوبگذاری ذرات گردوغبار بر سطح زمین است، در سال 2021 به اوج خود رسید و در برخی نواحی مرزی به بیش از 0.9 افزایش یافت. در سال 2022 مقدار شاخص به حدود 0.5 کاهش یافت که میتواند ناشی از عبور تودههای گردوغبار بدون تهنشینی موضعی باشد. در سال 2023 این شاخص به پایینترین سطح خود (کمتر از 0.5) رسید اما در 2024 بار دیگر تا 0.54 افزایش یافت. شبیهسازی مسیرهای حرکت ذرات گردوغبار با استفاده از مدل HYSPLIT برای دو رخداد بحرانی در سال 2025 انجام شد. در تاریخ 15 آوریل 2025 (26 فروردین 1404)، مدل نشان داد که منشأ اصلی گردوغبار از نواحی خشک غرب عراق بوده است. مسیر شبیهسازیشده نشان میدهد که توده گردوغبار ساعت 11:00 صبح به مرز ایلام و ساعت 12:00 به ایستگاه دهلران رسید. ساختار عمودی جریان نشان میدهد که ذرات در آغاز حرکت در ارتفاع 500 متری قرار داشتند و هنگام ورود به استان، به لایههای سطحی جو نفوذ کردهاند، که این امر با شاخص AQI 500 در ایستگاه دهلران همخوانی دارد. در رخداد دوم، مربوط به 25 می 2025 (4 خرداد 1404)، مدل HYSPLIT منشأ گردوغبار را بیابانهای شرق سوریه تشخیص داد. ذرات گردوغبار در ارتفاع 2000 متری شکل گرفته و با گذر از عراق، ساعت 12:00 ظهر به ایستگاه مهران رسیدهاند. در این مسیر نیز کاهش تدریجی ارتفاع تا سطح 500 متر باعث نفوذ ذرات به لایه مرزی و آلودگی شدید سطحی شده است. نقشه فراوانی مسیرها نشان داد که بیش از 90 درصد از مسیرهای شبیهسازیشده از بیابانهای سوریه عبور کردهاند و تأثیر ترکیبی منابع عراق و سوریه را در انتقال آلودگی تأیید میکنند. در این رخداد نیز شاخص AQI در ایستگاه مهران به سطح 500 رسید. در مجموع، نتایج حاصل از مدلسازی و تحلیلهای ماهوارهای نهتنها حاکی از تثبیت الگوی مکانی گردوغبار در نواحی مرزی ایلام است، بلکه بر نقش کلیدی کانونهای فعال در عراق و سوریه و تأثیر سینوپتیکی جریانهای باد در انتقال فرامرزی این ذرات نیز تأکید دارد.
نتیجهگیری
یافتههای این پژوهش نشان میدهد که استان ایلام طی سالهای اخیر با افزایش فراوانی و شدت پدیده گردوغبار مواجه بوده و کانونهای فعال این پدیده بهویژه در نواحی مرزی تثبیت شدهاند. نقش منابع فرامرزی، بهویژه بیابانهای عراق و سوریه، در تشدید آلودگی گردوغبار استان، بسیار برجسته است. ترکیب تحلیل شاخصهای ماهوارهای با مدل HYSPLIT امکان شناخت دقیقتر از منشأ، مسیر و شدت گردوغبار را فراهم نموده است. بر این اساس، اجرای راهکارهایی مانند احیای پوشش گیاهی مقاوم به خشکی، تثبیت خاک، مرطوبسازی اراضی خشک، ایجاد کمربند سبز در مرزها، توسعه همکاریهای منطقهای با کشورهای همسایه و بهکارگیری سامانههای هشدار سریع بر پایه دادههای ماهوارهای، برای مقابله با این بحران زیستمحیطی حیاتی است. در غیر این صورت، تداوم روند فعلی میتواند به تثبیت یک وضعیت بحرانی و افزایش آسیبپذیری زیستمحیطی، اجتماعی و اقتصادی در منطقه منجر شود.
سینا نبی زاده؛ علی اصغر نقی پور؛ عطاالله ابراهیمی؛ حمیدرضا کشتکار؛ الهام قهساره
چکیده
مقدمه
نقشههای کاربری/پوشش زمین از ابزارهای کلیدی در مدیریت منابع طبیعی، برنامهریزی منطقهای و دستیابی به توسعه پایدار به شمار میآیند و ازاینرو ضرورت پایش دقیق و بهروز آنها بیشازپیش احساس میشود. تغییرات ناشی از عوامل انسانی و طبیعی، الگوهای کاربری زمین را بهطور مستمر دستخوش تحول کرده و پیامدهای قابلتوجهی بر بومسازگانهای ...
بیشتر
مقدمه
نقشههای کاربری/پوشش زمین از ابزارهای کلیدی در مدیریت منابع طبیعی، برنامهریزی منطقهای و دستیابی به توسعه پایدار به شمار میآیند و ازاینرو ضرورت پایش دقیق و بهروز آنها بیشازپیش احساس میشود. تغییرات ناشی از عوامل انسانی و طبیعی، الگوهای کاربری زمین را بهطور مستمر دستخوش تحول کرده و پیامدهای قابلتوجهی بر بومسازگانهای محلی و جهانی ایجاد کردهاند. در دهههای اخیر، پیشرفت فناوری سنجش از دور و الگوریتمهای یادگیری ماشین تحول مهمی در استخراج و طبقهبندی دادههای مکانی ایجاد کرده است. سامانه گوگل ارث انجین (GEE) بهعنوان بستری قدرتمند برای پردازش کلاندادههای مکانی-زمانی، امکان تولید نقشههای دقیق و بهروز را فراهم میکند. در این چارچوب، مطالعه حاضر با تمرکز بر ترکیب تصاویر چندزمانه، بهرهگیری از دادههای کمکی و مقایسه سه الگوریتم یادگیری ماشین در یک حوزه آبخیز وسیع و ناهمگن همچون کارون ۱، با هدف بهبود دقت طبقهبندی و تقویت قابلیت پایش تغییرات بلندمدت پوشش زمین انجام شده است.
مواد و روشها
بهمنظور ارزیابی تغییرات کاربری و پوشش زمین در حوزه آبخیز کارون ۱، تصاویر سنجندههای ETM+ لندست ۷ (سال ۲۰۰۲) وOLI لندست ۸ (سال ۲۰۲۴) با پوشش ابری کمتر از ۱۰ درصد و با لحاظ میانگین بارندگی بلندمدت، از طریق GEE و در قالب دادههای بازتاب سطحی تصحیحشده مورد استفاده قرار گرفت. تصاویر ترکیبی حاصل از نُه صحنه تصویری لندست طی دوره اوج رشد پوشش گیاهی (اردیبهشت تا تیر ماه) با فیلتر میانه تهیه و سپس مطابق مرز حوضه برش داده شدند. در ادامه، تعداد ۱۹۲۰ نقطه آموزشی در قالب هفت کلاس کاربری/پوشش زمین مطابق طبقهبندی آندرسون و بر پایه دادههای میدانی، تصاویر هوایی و گوگل ارث برداشت شد. این دادهها بهصورت تصادفی به دو مجموعه آموزش (۶۰ درصد) و ارزیابی (۴۰ درصد) تقسیم شدند. متغیرهای کمکی (مانند NDVI، NDBI، NDWI و DSM) استخراج و در کنار باندهای طیفی اصلی گنجانده شدند. آزمایشهای طبقهبندی در GEE با استفاده از سه الگوریتم نظارت شده CART، RF و SVM اجرا شدند. پارامترهای مدل و رویههای آموزشی برای اطمینان از تکرارپذیری و سازگاری در بین روشها پیکربندی شدند.
نتایج و بحث
نتایج نشان داد که الگوریتمهای CART،RF و SVM نقشههای طبقهبندی را با دقت عالی تولید کردند و بهرهگیری از شاخصهای پوشش گیاهی و دادههای کمکی، دقت کلی و ضریب کاپای طبقهبندی را در هر دو سال افزایش داد. بیشینه دقت کلی و کاپا مربوط به الگوریتم SVM بود که در سال ۲۰۰۲ بهترتیب ۹۳ و 91.5 درصد و در سال ۲۰۲۴ برابر ۹۳ و ۹۲ درصد بهدست آمد. همچنین بر اساس نتایج هر سه الگوریتم، بخش عمدهای از مساحت حوضه (بهطور متوسط ۴۰ درصد) از مراتع و حدود ۲۷ درصد از جنگل تشکیل شده است. روند زمانی نتایج نیز نشاندهنده کاهش مساحت مراتع و جنگلها و بهویژه کاهش پهنههای آبی بر اساس الگوریتم SVM است.
نتیجهگیری
نتایج این پژوهش نشان داد که بهکارگیری الگوریتمهای یادگیری ماشین در بستر گوگل ارث انجین امکان تولید نقشههای دقیق کاربری/پوشش زمین و پایش مؤثر تغییرات محیطی را در یک حوزه آبخیز وسیع و ناهمگن فراهم میسازد. نتایج حاصل میتواند بهعنوان ابزاری کارآمد در برنامهریزی کاربری اراضی، مدیریت منابع طبیعی، پایش تخریب پوشش گیاهی و کنترل تغییرات کاربری در منطقه مورد استفاده قرار گیرد. با این حال، محدودیتهای ناشی از وضوح مکانی تصاویر لندست و خطاهای اختلاط پیکسلی بهویژه در مرز بین طبقات کاربری/پوشش زمین ازجمله چالشهای این مطالعه محسوب میشوند. بر این اساس، پیشنهاد میشود در پژوهشهای آتی از دادههای با قدرت تفکیک مکانی بالاتر مانند تصاویر سنتینل برای بهبود دقت طبقهبندی بهویژه در پوششهای گیاهی بهره گرفته شود.
شادی جلیلیان؛ شعبان شتایی جویباری؛ محمدهادی معیری؛ امیر سعدالدین
چکیده
مقدمهزمینلغزش بهعنوان یکی از مخربترین بلایای طبیعی، سالانه خسارات جانی و مالی قابلتوجهی در سراسر جهان و بهویژه در استان گلستان بهدلیل شرایط خاص توپوگرافیکی و اقلیمی به بار میآورد. اگرچه مطالعات متعددی در این منطقه انجام شده، اما عمده آنها بر روشهای کلاسیک و آماری سنتی تکیه داشته و خلأ استفاده از الگوریتمهای پیشرفته ...
بیشتر
مقدمهزمینلغزش بهعنوان یکی از مخربترین بلایای طبیعی، سالانه خسارات جانی و مالی قابلتوجهی در سراسر جهان و بهویژه در استان گلستان بهدلیل شرایط خاص توپوگرافیکی و اقلیمی به بار میآورد. اگرچه مطالعات متعددی در این منطقه انجام شده، اما عمده آنها بر روشهای کلاسیک و آماری سنتی تکیه داشته و خلأ استفاده از الگوریتمهای پیشرفته یادگیری عمیق بهشدت احساس میشد. این پژوهش با هدف پُرکردن این خلأ و با سه نوآوری اصلی ۱) استفاده از مدلهای یادگیری عمیق (CNN و RNN) برای اولین بار در منطقه، ۲) انجام مقایسه سیستماتیک با مدلهای کلاسیک یادگیری ماشین (RF و SVM) و ۳) تمرکز بر یک حوزه آبخیز جنگلی با اکوسیستم حساس و پیچیده (هیرکانی) انجام شد. مواد و روشهامنطقه موردمطالعه، حوزه آبخیز جنگلی ۸۵ به مساحت تقریبی ۳۹۲۸۸ هکتار در استان گلستان بود. بر اساس مطالعات پیشین و تحلیل شرایط منطقه، ده عامل مؤثر بر وقوع زمینلغزش شامل ارتفاع، درصد شیب، جهت شیب، شاخص رطوبت توپوگرافی (TWI)، شاخص تفاضل نرمالشده پوشش گیاهی (NDVI)، کاربری اراضی، فاصله از جاده، فاصله از رودخانه، فاصله از گسل و میانگین بارندگی سالانه انتخاب و در محیط سامانه اطلاعات جغرافیایی (ArcGIS) بهصورت لایههای رستری با اندازه سلول ۳۰×۳۰ متر تهیه شدند. دادههای نقطهای زمینلغزش (۲۴۷ نقطه) از اداره کل منابع طبیعی و آبخیزداری استان گلستان اخذ و بهمنظور ایجاد تعادل در مجموعه داده، به همان تعداد (۲۴۷ نقطه) نیز بهصورت تصادفی از مناطقی که فاقد پدیده زمینلغزش بودند، انتخاب شدند. بدین ترتیب، یک مجموعه داده متعادل متشکل از ۴۹۴ نقطه برای مدلسازی آماده شد. این دادهها با نسبت ۷۰ به ۳۰ (۳۴۶ نقطه برای آموزش و ۱۴۸ نقطه برای اعتبارسنجی) تقسیم شدند. چهار مدل پیشرفته شامل دو مدل یادگیری ماشین (جنگل تصادفی RF و ماشین بردار پشتیبان SVM) و دو مدل یادگیری عمیق (شبکه عصبی پیچشی CNN و شبکه عصبی بازگشتی RNN) در محیط پایتون و با استفاده از کتابخانههای Scikit-learn و TensorFlow پیادهسازی و آموزش داده شدند. میزان عملکرد مدلها با استفاده از منحنی مشخصه عملکرد گیرنده (ROC) و شاخص مساحت زیر منحنی (AUC)، و صحت سنجی نقشههای تولیدی در مناطق خطرناک (طبقات خطر زیاد و خیلی زیاد) با استفاده از 30 درصد نمونههای استفادهنشده با معیارهای صحت کلی و ضریب کاپا مورد ارزیابی کمی قرار گرفت. نتایج و بحثدر این پژوهش، عملکرد چهار الگوریتم یادگیری ماشین و عمیق در پهنهبندی حساسیت زمینلغزش در حوزه آبخیز جنگلی ۸۵ استان گلستان مورد ارزیابی قرار گرفت. نتایج نشان داد که الگوریتم یادگیری عمیق CNN با کسب امتیاز AUC برابر 0.910، صحت کلی 87.72 درصد و ضریب کاپای 0.899 برای طبقات پرخطر (خطرناک و خیلی خطرناک) بهعنوان کارآمدترین مدل شناسایی شد. تحلیل اهمیت متغیرها با استفاده از مدل برتر (CNN) نشان داد که عوامل فاصله از گسل و فاصله از رودخانه بهترتیب دارای بیشترین اهمیت در وقوع زمینلغزش در منطقه موردمطالعه هستند. این یافته کاملاً با انتظارات زمینشناختی و ژئومورفولوژیکی منطقه همخوانی دارد. نقشه نهایی حساسیت زمینلغزش تولیدشده توسط مدل CNN نشان داد که 31.46 درصد از مساحت حوزه (معادل تقریباً 12360 هکتار) در طبقه خطر خیلی زیاد قرار دارد. نتیجهگیرییافتههای این پژوهش بهوضوح برتری و پتانسیل بالای الگوریتمهای یادگیری عمیق، بهویژه معماری شبکه عصبی پیچشی (CNN) را در تهیه نقشههای حساسیت زمینلغزش با دقت بالا در مقایسه با الگوریتمهای یادگیری ماشین تأیید کرد. نقشه تولیدشده میتواند بهعنوان یک ابزار علمی معتبر و قدرتمند در اختیار مدیران و برنامهریزان قرار گیرد تا با تمرکز بر نواحی پرخطر، اقدامات پیشگیرانه، مدیریت ریسک و برنامهریزی برای کاربری اراضی ایمن را در اولویت قرار دهند. برای مطالعات آینده، تلفیق این مدلها با الگوریتمهای بهینهساز، استفاده از دادههای باقدرت تفکیک بالاتر برای غلبه بر محدودیتهای دادههای فعلی و توسعه چارچوبهای هیبریدی که هم دقت و هم قابلیت تفسیرپذیری را افزایش دهند، پیشنهاد میشود.
امین صالح پور جم؛ جمال مصفایی
چکیده
مقدمه
حوزههای آبخیز کشور، بوم نظامهایی پویا هستند که سلامت آنها در گذار توسعههای عمرانی، اقتصادی و اجتماعی تحتتأثیر قرار گرفته است. این در حالی است که در شرایط کنونی، علاوه بر عوامل انسانی و مدیریتی، تغییر اقلیم نیز پیامدهای نامطلوبی را در این عرصهها به دنبال داشته است. کاهش سلامت آبخیزهای کشور، از یک سو، ارائه خدمات ...
بیشتر
مقدمه
حوزههای آبخیز کشور، بوم نظامهایی پویا هستند که سلامت آنها در گذار توسعههای عمرانی، اقتصادی و اجتماعی تحتتأثیر قرار گرفته است. این در حالی است که در شرایط کنونی، علاوه بر عوامل انسانی و مدیریتی، تغییر اقلیم نیز پیامدهای نامطلوبی را در این عرصهها به دنبال داشته است. کاهش سلامت آبخیزهای کشور، از یک سو، ارائه خدمات بومسازگان را در این عرصهها با مشکل مواجه نموده است و از سوی دیگر، منجر به بروز مخاطرات متنوع محیطی ازقبیل بیابانزایی و تخریب اراضی، فرونشست زمین، سیل، زمینلغزش و پدیده گردوغبار شده است. در این ارتباط، سازمان منابع طبیعی و آبخیزداری کشور، انواع اقدامات بیولوژیکی، مکانیکی، بیومکانیکی و مدیریتی را برای حفاظت آب و خاک و کنترل سیلاب در حوزههای آبخیز کشور اجرا میکند. این در حالی است، که این اقدامات بیشتر جنبه واکنشی (درمانی) داشته و کمتر به جنبههای پیشگیرانه آن توجه شده است. بر این اساس، توجه به انواع راهحلهای واکنشی و پیشگیرانه حاصل از روشهای ساختاربندی مسأله بهمنظور بهبود وضعیت سلامت آبخیز و کاهش مخاطرات مربوطه، ضروری است. هدف این پژوهش، شناسایی و اولویتبندی راهحلهای واکنشی و پیشگیرانه بهبود وضعیت سلامت آبخیز کالآجی مبتنی بر چارچوب DPSIR و آزمونهای ناپارامتریک آماری است.
مواد و روشها
در این پژوهش، اقدام به ساختاربندی مسأله و شناسایی و اولویتبندی راهحلهای بهبود سلامت آبخیز کالآجی مبتنی بر چارچوب DPSIR و آزمونهای ناپارامتریک آماری شد. در مرحله نخست، شناسایی پیشرانها و فشارهای منتج به وضعیت سلامت آبخیز کالآجی و اثرات مربوطه از طریق مرور منابع و تحقیقات پیشین، بازدید از حوضه، مصاحبه با کارشناسان آگاه به مسأله متشکل از کارشناسان ادارات منابع طبیعی، محیطزیست، آب منطقهای، جهاد کشاورزی، سازمان نظاممهندسی کشاورزی و منابع طبیعی استان گلستان، اعضای هیئتعلمی مراکز دانشگاهی و پژوهشی و نیز مصاحبه با جوامع محلی انجام شد. سپس، اقدام به تعیین راهکارهای بهبود وضعیت سلامت آبخیز کالآجی و حذف یا تعدیل اثرات نامطلوب مربوطه توسط کارگروه خبرگان شامل 26 نفر از دستاندرکاران و افراد مطلع محلی و کارشناسان آگاه به مسائل و مشکلات حوضه شد. در آخرین مرحله، بعد از تشکیل جدول DPSIR و شناسایی مؤلفههای مختلف این چارچوب در حوزه آبخیز کال آجی، اقدام به اولویتبندی و تعیین اهمیت هر یک از متغیرهای دستهبندی شده در ذیل مؤلفههای پنجگانه DPSIR شد. بدین منظور از پرسشنامه با طیف لیکرت بهعنوان ابزار اندازهگیری استفاده شد. در این پژوهش، هر یک از متغیرها بهعنوان یک گویه در نظر گرفته شد و روایی پرسشنامه بر اساس نظرات خبرگان به تأیید نهایی رسید. همچنین، از روش آلفای کرونباخ بهمنظور محاسبه میزان پایایی ابزار اندازهگیری استفاده شد. در این پژوهش، متغیرهای پرسشنامه بر اساس روش کدگذاری چندپاسخی، از نوع متغیرهای ترتیبی کیفی و منطبق با طیف لیکرت (خیلی کم (1)، کم (2)، متوسط (3)، زیاد (4) و خیلی زیاد (5)) بود، بهطوری که اقدام به نظرسنجی از اعضای کارگروه خبره و تعیین اولویت گویهها مبتنی بر آزمون ناپارامتریک فریدمن شد.
نتایج و بحث
در این مطالعه، هشت پیشران و 16 فشار متعاقب، در ایجاد شش متغیر مرتبط با مؤلفه وضعیت سلامت آبخیز کالآجی شناسایی شدند. علاوه بر این، هفت متغیر در ارتباط با اثرات نامطلوب وضعیت کنونی سلامت آبخیز و 28 پاسخ برای بهبود وضعیت سلامت آبخیز شناسایی و معرفی شدند. نتایج نشان میدهد که پیشرانهای D1 (ناکارآمدی شرح خدمات مطالعات تفصیلی– اجرایی آبخیزداری در تدوین برنامههای عملیاتی) و D8 (ضعف در مدیریت و تشکیلات) بهترتیب کمینه (یک رابطه) و بیشینه (14 رابطه) پیوند را در ایجاد فشارهای متعاقب به خود اختصاص دادهاند. همچنین، پیشران D5 (سیاستهای توسعهای در بخش کشاورزی و دامداری) با دارا بودن هشت پیوند، دومین پیشران دارای بیشینه ارتباطات (هشت پیوند) با مؤلفه فشار است. در این پژوهش، پاسخهای شناسایی شده به یکی از سه حالت ذیل، مرتفع کننده مشکلات فهرست شده در ذیل مؤلفههای چهارگانه پیشران–فشار–وضعیت-اثر هستند: (1) پاسخی خاص برای مشکلی خاص؛ (2) پاسخی چند هدفه که مرتفع کننده بیش از یک مشکل است؛ (3) وجود پاسخهای مختلف برای مشکلی خاص. بر این اساس، از مجموع کل پاسخها، 35.7 درصد (10 پاسخ)، 46.4 درصد (13 پاسخ)، 14.3 درصد (4 پاسخ) و 25.0 درصد (7 پاسخ) بهترتیب مربوط به مولفههای نیروی محرک، فشار، وضعیت و اثر است. با توجه به مقادیر محاسبه شده بالاتر از 0.7 آلفای کرونباخ، کلیه پرسشنامهها از پایایی قابل قبول (مؤلفههای فشار و پاسخ) و خوبی (مؤلفههای نیروی محرک، وضعیت و اثر) در این پژوهش برخودار هستند. همچنین، تفاوت معنیداری میان انواع متغیرهای شناسایی شده در ذیل مؤلفههای چارچوب DPSIR وجود دارد. نتایج نشان داد که پیشرانهای D5، D8 و D3 (قوانین ناکارآمد یا غیراصولی امور اراضی)، بهترتیب اهمیت، سه اولویت نخست را از دیدگاه کارشناسان به خود اختصاص دادهاند. این پیشرانها ازجمله پیشرانهای مهم مورد تأکید در سایر تحقیقات بهعنوان عواملی غیرمستقیم برای شکلگیری فشارهای متعاقب خود و اثرگذار بر وضعیت سلامت آبخیز هستند. همچنین نتایج نشان داد که P1 (فزون دامی)، P11 (شخم در جهت شیب)، P6 (چرای زودرس و طولانی مدت دام)، P12 (تصرف گسترده اراضی) و P3 (تغییر غیراصولی کاربری اراضی)، بهترتیب پنج اولویت نخست فشارها را در شکلگیری وضعیت کنونی سلامت آبخیز کالآجی، به خود اختصاص دادهاند. این فشارها، ازجمله فشارهای رایج در حوزههای آبخیز کشور هستند. در این پژوهش، S2 (پتانسیل تولید فرسایش و رسوب بالای حوضه) بهعنوان مهمترین شاخص وضعیت سلامت حوضه اولویتبندی شد. همخوان با نتایج سایر تحقیقات، علاوه بر کاربست پاسخهای واکنشی حفاظت آب و خاک آبخیزداری با هدف بهبود مستقیم وضعیت، توجه به پاسخهای پیشگیرانه مرتفع کننده انواع پیشرانها و فشارهای شناسایی شده منتج به وضعیت کنونی پتانسیل تولید فرسایش و رسوب حوضه، ضروری است. همچنین، S3 (کاهش حاصلخیزی خاک) و S1 (پتانسیل سیلخیزی) در رتبههای بعدی اهمیت، اولویتبندی شدند. همچنین در این پژوهش، رتبهبندی پیامدهای ناشی از وضعیت کنونی سلامت آبخیز نشان داد که I3 (کاهش امنیت غذایی)، I1 (خسارتهای جانی یا مالی به اراضی، زیرساختها، تاسیسات و ابنیه) و I2 (ایجاد مشکل در حوزه سلامت و بهداشت)، بهترتیب اولویت اول تا سوم را به خود اختصاص دادهاند. همچنین، اولویتبندی اهمیت انواع پاسخهای واکنشی و پیشگیرانه نشان داد که R20 (جابهجایی سکونتگاههای روستایی در معرض خطر زمینلغزش)، R4 (ارزیابی توان اکولوژیک و مبنا قرار دادن آمایش سرزمین)، R6 (توسعه معیشتهای جایگزین در حوضه)، R17 (مدیریت چرا) و R9 (اجرای کلیه طرحهای منابع طبیعی در قالب برنامههای حاصل از الگوی مدیریت جامع حوزه آبخیز)، بهترتیب پنج اولویت نخست را در حذف یا تعدیل پیشرانها و فشارها، بهبود وضعیت سلامت آبخیز کالآجی و حذف یا تعدیل اثرات نامطلوب وضعیت سلامت آن، به خود اختصاص دادهاند. در این ارتباط، پاسخهای R4، R6، R17 و R9 ازجمله پاسخهای رایج مورد توجه قرار گرفته در سایر تحقیقات انجام شده در دیگر حوزههای آبخیز کشور است.
نتیجهگیری
در این مطالعه، اقدام به شناسایی و اولویتبندی اهمیت انواع پیشرانها و فشارهای منتج به وضعیت کنونی سلامت حوضه و نیز اثرات متعاقب آن شد. همچنین، انواع پاسخهای واکنشی و پیشگیرانه بهبود وضعیت سلامت حوضه و حذف یا کاهش اثرات نامطلوب مربوطه شناسایی و اولویتبندی شدند. نتایج آزمون فریدمن نشاندهنده حضور تفاوت معنیدار میان اهمیت انواع متغیرهای شناسایی شده در ذیل مؤلفههای چارچوب DPSIR بود. بر این اساس، D5، P1، S2 و I3 بهترتیب بهعنوان مهمترین پیشران، فشار، وضعیت و اثر اولویتبندی شدند. همچنین، R20، R4، R6 بهترتیب سه اولویت نخست پاسخها را به خود اختصاص دادند. در این ارتباط توجه به (1) کلیه راهحلهای مرتفعکننده مشکلات شناسایی شده در ذیل مؤلفههای چارچوب DPSIR، (2) نقشآفرینی ذیربطان مختلف حوضه در فرایند برنامهریزی برای بهبود سلامت حوضه و کاهش مخاطرات مربوطه، (3) تدوین برنامههای عملیاتی مرتبط با پاسخها و (4) توسعه سامانههای پشتیبان تصمیم و پایگاه دادههای مربوطه، قویاً پیشنهاد میشود. همچنین، ساختاربندی مسأله انجام شده در این مطالعه، بهعنوان الگویی برای شناسایی انواع پاسخهای واکنشی و پیشگیرانه بهبود وضعیت سلامت حوضه و حذف یا کاهش اثرات نامطلوب مربوطه به مدیران ادارات منابع طبیعی و آبخیزداری کشور با هدف کاربست در سایر آبخیزها، پیشنهاد میشود.
سعیدرضا مؤذنی نقندر؛ علی سلاجقه؛ شهرام خلیقی سیگارودی؛ علی گلکاریان
چکیده
مقدمه
مناطق کوهستانی، بهعنوان حساسترین و حیاتیترین زیستبومها، نقش مهمی در تأمین آب شیرین، تنظیم اقلیم و حفظ تنوع زیستی ایفا میکنند. با این حال، این مناطق بهدلیل فرسایش خاک، تخریب منابع طبیعی و تغییرات اقلیمی آسیبپذیرند. مدیریت پایدار آب و خاک در این مناطق، از اهمیت ویژهای برخوردار است، زیرا کیفیت خاک بهطور مستقیم ...
بیشتر
مقدمه
مناطق کوهستانی، بهعنوان حساسترین و حیاتیترین زیستبومها، نقش مهمی در تأمین آب شیرین، تنظیم اقلیم و حفظ تنوع زیستی ایفا میکنند. با این حال، این مناطق بهدلیل فرسایش خاک، تخریب منابع طبیعی و تغییرات اقلیمی آسیبپذیرند. مدیریت پایدار آب و خاک در این مناطق، از اهمیت ویژهای برخوردار است، زیرا کیفیت خاک بهطور مستقیم با خدمات زیست بوم مرتبط است. عوامل طبیعی و انسانی گوناگونی بر ویژگیهای خاک در مناطق کوهستانی تأثیر میگذارند. عواملی مانند شیب و جهت دامنه بهطور مستقیم بر توزیع مواد آلی، پایداری خاکدانهها و نفوذپذیری آب مؤثرند. فعالیتهای انسانی مانند بهرهبرداری بیرویه از مراتع، چرای بیش از حد دام و تغییر کاربری اراضی نیز به تخریب خاک، کاهش نفوذپذیری و فرسایش شدید منجر میشوند. اقدامات مدیریتی مانند اجرای سازههای آبخیزداری و کاشت گیاهان بومی میتوانند ظرفیت نگهداری آب و مواد غذایی خاک را افزایش داده و موجب بهبود ویژگیهای فیزیکی و شیمیایی خاک شوند. حوضههای معرف و زوجی بهعنوان آزمایشگاههای طبیعی برای بررسی فرایندهای هیدرولوژیکی و تأثیرات اقدامات مدیریتی در مقیاس محلی و منطقهای مورد استفاده قرار میگیرند. این حوضهها برای پایش و ارزیابی تغییرات در کیفیت خاک، آب و زیستبومها تحتتأثیر فعالیتهای انسانی و شرایط اقلیمی حائز اهمیت هستند. هدف از این پژوهش، بررسی تأثیر متغیرهای توپوگرافی شامل جهت دامنه و شاخص رطوبت توپوگرافی (TWI) بر کارآمدی اقدامات احیایی در بهبود ویژگیهای فیزیکی و شیمیایی خاک است.
مواد و روشها
این پژوهش در دو زیرحوضه نمونه و شاهد در حوزه آبخیز معرف-زوجی گنبد در استان همدان انجام شده است. این حوضه شامل دو زیرحوضه، یک زیرحوضه تحت پوشش عملیات آبخیزداری بهعنوان زیرحوضه نمونه و دیگری بدون هیچگونه فعالیت آبخیزداری بهعنوان زیرحوضه شاهد در نظر گرفته شده است. برای بررسی ارتباط توپوگرافی و ویژگیهای خاک، نمونهبرداری خاک در نقاط مختلفی از حوضههای شاهد و نمونه بر اساس دو عامل اصلی توپوگرافی، یعنی جهت دامنه و TWI انجام شد. برای بررسی تأثیر جهت دامنه، سه نقطه در دامنههای رو به شمال و سه نقطه در دامنههای رو به جنوب از هر دو زیرحوضه انتخاب شدند. شاخص TWI نیز با استفاده از معادله مربوطه محاسبه و هر زیرحوضه به سه ناحیه با شرایط رطوبتی مختلف (TWI پایین،TWI متوسط و TWI بالا) تقسیم شد. با انجام سه تکرار، در مجموع، 36 نقطه نمونهبرداری انتخاب شد. نمونههای خاک در پایان فصل رشد گیاهان، از عمق صفر تا ۱۵سانتیمتری ضمن حفظ ساختمان خاک برداشت شدند. ویژگیهای فیزیکی و شیمیایی خاک ازجمله نفوذپذیری خاک، بافت خاک، تخلخل خاک، پایداری خاکدانهها، ماده آلی خاک، pH و هدایت الکتریکی خاک، ظرفیت نگهداری آب خاک و اجزای پوشش سطح خاک اندازهگیری شدند. اقدامات احیایی در زیرحوضه نمونه شامل اقدامات زیستی و مدیریتی بود. اقدامات زیستی شامل بذرکاری گونههای مقاوم به خشکی مانند Astragalus gossypinus و Bromus tomentellus و اقدامات مدیریتی شامل قرق کامل و مهار چرای دام بود. بهمنظور بررسی تأثیر احیای حوزه آبخیز، جهت شیب و شاخص TWI بر ویژگیهای هیدرولوژیکی خاک، از روشهای آماری شامل تحلیل واریانس (ANOVA) بر اساس طرح آشیانهای و همبستگی پیرسون با استفاده از نرمافزارهای SAS و R استفاده شد. این تحلیلها تفاوتهای معنیدار بین گروهها و روابط بین متغیرهای خاک را مشخص کردند.
نتایج و بحث
نتایج این پژوهش نشان داد که اقدامات احیایی و تفاوتهای توپوگرافی بهطور معناداری ویژگیهای خاک را بهبود بخشیدهاند. زیرحوضه نمونه در مقایسه با زیرحوضه شاهد، جرم مخصوص ظاهری کمتر (0.01± 1.18 در مقابل 0.02± 1.31 گرم بر سانتیمتر مکعب)، درصد خاک لخت کمتر (1.38 ± 13.06 درصد در مقابل 1.61± 32.5 درصد)، و سرعت نفوذ بیشتر (1.92 ± 28.44 در مقابل 0.82 ± 19.78 میلیمتر بر ساعت) داشت (p < 0.05). همچنین، تخلخل (0.73 ± 51.13 درصد در مقابل 1.14± 41.66 درصد) و پایداری خاکدانه (0.52 ± 1.96 در مقابل 0.39± 1.52 میلیمتر) در حوضه نمونه بهطور معنیداری افزایش یافت. ماده آلی نیز در زیرحوضه نمونه (0.62±2.15 درصد) نسبت به شاهد (0.38±1.5 درصد) بیشتر بود (P<0.05). جهت دامنه نیز تأثیر معنیداری بر برخی از ویژگیهای خاک داشت؛ دامنههای شمالی در مقایسه با دامنههای جنوبی، پایداری خاکدانه بیشتر (0.33 ± 2.14 در مقابل 0.29 ± 1.35 میلیمتر)، ماده آلی بالاتر (0.64 ± 2.13 درصد در مقابل 0.38 ± 1.32 درصد) و تاج پوشش گیاهی متراکمتری (3.18 ± 60.39 درصد در مقابل 48.17 ± 3.2 درصد) نشان دادند (p < 0.05). بررسی طبقات مختلف TWI نیز نشان داد که طبقه TWI3 بالاترین مقادیر ماده آلی (0.61 ± 1.45 درصد) و پایداری خاکدانه (0.52 ± 1.96 میلیمتر) را دارا است. تحلیل مؤلفههای اصلی (PCA) نشان داد که TWI و پوشش گیاهی با ماده آلی، پایداری خاکدانه و نفوذپذیری همجهت هستند (P<0.05). در حالی که خاک لخت و جرم مخصوص ظاهری با نقاط دامنههای جنوبی و TWI پایین مرتبطاند. دامنههای شمالی و طبقات TWI بالا بیشترین بهبود را در ماده آلی و پوشش گیاهی نشان دادند. این یافتهها نقش کلیدی جهت دامنه، TWI و اقدامات زیستی در بهبود کیفیت خاک و پوشش گیاهی در مناطق نیمهخشک را تأیید میکند.
نتیجهگیری
پژوهش حاضر نشان داد که اقدامات احیایی بهطور کلی منجر به بهبود کیفیت خاک میشوند، اما میزان اثربخشی این اقدامات بهطور قابل توجهی تحت تأثیر ویژگیهای توپوگرافی، بهویژه جهت دامنه و شاخص رطوبت توپوگرافی (TWI) قرار دارد. دامنههای شمالی و نقاط با TWI بالا، بیشترین میزان بهبود را در ویژگیهای خاک، بهویژه ماده آلی و پایداری خاکدانه نشان دادند. یافتههای این پژوهش، اهمیت در نظر گرفتن ویژگیهای توپوگرافی در برنامهریزی و اجرای اقدامات احیایی را نشان میدهد و پیشنهاد میشود که در مطالعات آینده، تمرکز بیشتری بر بررسی عوامل مؤثر بر کاهش برخی ویژگیها و اثرات بلندمدت اقدامات احیایی صورت گیرد.
احسان بذرافشان؛ حسین ملکی نژاد؛ سید زین العابدین حسینی؛ مهدی سپهری
چکیده
مقدمه
مدیریت ریسک سیلاب از مهمترین چالشهای زیستمحیطی و توسعهای در مناطق خشک و نیمهخشک ایران به شمار میرود. حوزه آبخیز فخرآباد یزد بهدلیل ویژگیهای اقلیمی و توپوگرافی خاص، مستعد وقوع سیلابهای ناگهانی است که میتواند خسارتهای اقتصادی، اجتماعی و زیستمحیطی قابلتوجهی به همراه داشته باشد. از آنجا که مطالعات مرتبط ...
بیشتر
مقدمه
مدیریت ریسک سیلاب از مهمترین چالشهای زیستمحیطی و توسعهای در مناطق خشک و نیمهخشک ایران به شمار میرود. حوزه آبخیز فخرآباد یزد بهدلیل ویژگیهای اقلیمی و توپوگرافی خاص، مستعد وقوع سیلابهای ناگهانی است که میتواند خسارتهای اقتصادی، اجتماعی و زیستمحیطی قابلتوجهی به همراه داشته باشد. از آنجا که مطالعات مرتبط با پدیدههای طبیعی همواره با پیچیدگی و عدمقطعیت همراهاند، استفاده از روشهای تصمیمگیری چندمعیاره که توانایی مدیریت مؤثر این عدمقطعیتها را دارند، میتواند در بهبود تحلیل و شبیهسازی پدیدههای مرتبط با منابع طبیعی نقش مهمی ایفا کند و در نهایت به کاهش هزینههای اقتصادی و انسانی ناشی از این وقایع منجر شود. در این میان، AHP بهدلیل ساختار ساده، شفافیت و کاربرد گسترده در مطالعات منابع طبیعی و مدیریت آبخیز جایگاه ویژهای یافته است. این روش امکان وزندهی و اولویتبندی معیارها را بهصورت نظاممند فراهم میسازد و در بسیاری از پژوهشها نتایج قابل اعتمادی ارائه کرده است. با این حال، هنگامی که دادهها یا قضاوتهای کارشناسی با ابهام همراه باشد، استفاده از رویکردهای تکمیلی میتواند دقت نتایج را افزایش دهد. در همین راستا، روش IRNAHP فرایند تحلیل سلسلهمراتبی فازی اصلاحشده با اعداد بازهای)، توانایی بیشتری در مدلسازی شرایط مبهم دارد و میتواند بهعنوان مکملی برای AHP مورد استفاده قرار گیرد. مقایسه این دو روش، ضمن حفظ جایگاه AHP بهعنوان یک ابزار پایه، مسیر مناسبی برای انتخاب رویکرد دقیقتر در مدیریت ریسک سیلاب فراهم میسازد.
مواد و روشها
در این پژوهش، بهمنظور اولویتبندی زیرحوضههای حوزه آبخیز فخرآباد استان یزد از نظر سیلخیزی، هشت معیار اصلی شامل مدل رقومی ارتفاع (DEM)، شیب، بارش، فراکتال، پیوستگی، شاخص اشباعیت توپوگرافی (TWI)، شاخص کنترل توپوگرافی و قدرت جریان مورد استفاده قرار گرفت. دادههای مربوط به این معیارها از منابع هیدرولوژیکی، نقشههای توپوگرافی و دادههای اقلیمی استخراج و در محیط سامانه اطلاعات جغرافیایی (GIS) پردازش شدند. سپس بهمنظور وزندهی و اولویتبندی معیارها، دو روش تصمیمگیری چندمعیاره AHP و IRNAHP به کار گرفته شد. در روشAHP، مقایسات زوجی با نظر کارشناسان تکمیل و وزن نسبی معیارها محاسبه شد. در روش IRNAHP نیز با استفاده از منطق فازی و اعداد بازهای، عدم قطعیت در قضاوتهای انسانی مدنظر قرار گرفت. وزنهای بهدستآمده از هر دو روش در محیط GIS تلفیق و نقشههای پهنهبندی سیلخیزی زیرحوضهها تولید شد. در نهایت، برای صحتسنجی نتایج حاصل از دو روش، خروجی مدل SWAT بهعنوان مرجع مقایسه به کار گرفته شد تا میزان دقت و قابلیت اعتماد هر یک از روشها ارزیابی شود.
نتایج و بحث
مقایسه نتایج دو روش با خروجی مدل SWAT نشان داد که هر دو روش AHP و IRNAHP توانستهاند الگوی مناسبی از پهنهبندی سیلخیزی ارائه دهند. روش AHP بهدلیل سادگی، شفافیت و کاربرد گسترده در مطالعات منابع آب، همچنان ابزاری ارزشمند محسوب میشود. با این حال، در شرایطی که تعداد مقایسههای زوجی افزایش مییابد و قضاوتهای کارشناسان با ابهام همراه است، احتمال بروز عدمقطعیت در وزندهی شاخصها بیشتر میشود. در همین راستا، روش IRNAHP با بهرهگیری از منطق فازی و اعداد بازهای توانسته است این عدمقطعیت را بهتر مدیریت کرده و نتایج دقیقتری را ارائه دهد. در مقایسه با مطالعات مشابه، یافتههای این پژوهش نیز نشان داد که IRNAHP در مواجهه با دادههای مبهم و پیچیدگیهای محیطی عملکرد بهتری نسبت به AHP داشته است.
نتیجهگیری
در این پژوهش، به مقایسه دو روش AHP و IRNAHP برای تحلیل سیلخیزی زیرحوضههای حوزه آبخیز فخرآباد استان یزد پرداخته شده است. نتایج نشان داد که در روش AHP، زیرحوضههای شماره 4، 3، 31، 27 و 29 بالاترین پتانسیل سیلخیزی را داشتند، در حالی که زیرحوضههای 15، 22، 14، 21 و 6 پایینترین پتانسیل سیلخیزی را نشان دادند. در روش IRNAHP نیز زیرحوضههای 4، 3، 31، 27 و 24 بیشترین پتانسیل سیلخیزی را داشتند، و زیرحوضههای 15، 22، 14، 21 و 12 کمترین پتانسیل را دارا بودند. روش AHP بهدلیل سادگی ساختار و قابلیت درک بالا، همچنان یک روش معتبر برای اولویتبندی معیارها محسوب میشود؛ اما در شرایطی که دادهها یا نظرات کارشناسان حاوی ابهام و عدم قطعیت باشند، دقت آن کاهش مییابد. در مقابل، روش IRNAHP با بهکارگیری منطق فازی و اعداد بازهای این محدودیت را برطرف کرده و نتایج دقیقتری ارائه داده است. بنابراین، میتوان نتیجه گرفت که IRNAHP بهعنوان رویکردی تکمیلکننده برای AHP، ابزاری کارآمدتر برای مدیریت ریسک سیلاب در مناطق حساس بهشمار میآید.
محمودرضا طباطبایی؛ امین صالح پور جم؛ جمال مصفایی
چکیده
مقدمهرشد سریع جمعیت و توسعه اقتصادی، بهویژه در مناطق حساس مانند حوزههای آبخیز، تقاضا برای منابع آب را افزایش داده و چالشهای مهمی را به دنبال دارد. در زمینه آبخیزداری، مدیریت و پایش فرایندهای فرسایش و رسوبگذاری از اهمیت بالایی برخوردار است، زیرا این فرایندها تأثیر مستقیم بر کیفیت و کمیت منابع آبی دارند. آگاهی از مقادیر رسوب ...
بیشتر
مقدمهرشد سریع جمعیت و توسعه اقتصادی، بهویژه در مناطق حساس مانند حوزههای آبخیز، تقاضا برای منابع آب را افزایش داده و چالشهای مهمی را به دنبال دارد. در زمینه آبخیزداری، مدیریت و پایش فرایندهای فرسایش و رسوبگذاری از اهمیت بالایی برخوردار است، زیرا این فرایندها تأثیر مستقیم بر کیفیت و کمیت منابع آبی دارند. آگاهی از مقادیر رسوب معلق در این حوضهها میتواند به درک بهتر فرایندهای بومشناختی و تسهیل ارزیابی وضعیت محیطزیستی آبخیزها کمک کند که به نوبه خود بهبود مدیریت و حفاظت از منابع آب را رقم میزند. در این راستا، طراحی و ساخت سامانههای پیشرفته نظیر سامانه اطلاعات مکانی تخصصی ایستگاههای آبسنجی کشور میتواند تغییرات چشمگیری در پژوهشهای مربوط به آبخیزداری و فرسایش و رسوب ایجاد کند. این سامانه با تجمیع و تحلیل دادههای هیدرولوژیکی، اطلاعات دقیق و بههنگام درباره میزان رسوب معلق رودخانهها را در اختیار محققان و کارشناسان قرار میدهد. بهطوریکه میتوان بهطور مستمر و جامع به پایش و ارزیابی حوزههای آبخیز پرداخت و تدابیر لازم را برای مدیریت بهینه این منابع اتخاذ کرد. مواد و روشهادر این پژوهش، یک سامانه مکانی تخصصی برای مدیریت و تحلیل دادههای هیدرولوژیکی با استفاده از زبان برنامهنویسی سی شارپ (#C) و کتابخانههای مکانی متن باز توسعه داده شده است. این سامانه از پایگاه داده SQLite بهعنوان بستر ذخیرهسازی دادهها استفاده میکند و از فناوری Entity Framework 6 (EF6) و زبان LINQ برای تسهیل استخراج و مدیریت دادهها بهره میبرد. در طراحی پایگاه داده، دادههای رسوب معلق و دبی جریان بهطور جامع جمعآوری و ذخیره شدهاند. سامانه قادر است، پرسوجوها و تحلیلهای مکانی و توصیفی متنوعی را بر روی این دادهها انجام دهد. همچنین، امکان انجام تحلیلهای آماری و استخراج خلاصههای آماری از دادههای رسوب معلق فراهم شده است. این ویژگیها به محققان این امکان را میدهد که بهراحتی به پردازش و تحلیل دقیق دادهها پرداخته و نتایج مرتبط با فرسایش و رسوبگذاری را با دقت بیشتری بررسی کنند. سامانه طراحی شده بهعنوان یک ابزار کارآمد، امکان پایش و ارزیابی وضعیت حوزههای آبخیز را تسهیل مینماید. نتایج و بحثنتایج این پژوهش را میتوان در دو بخش طراحی و ساخت سامانه و تحلیل آماری دادههای رسوب معلق حوزه آبخیز ارس خلاصه نمود. در بخش نخست که در زمینه طراحی و ساخت سامانه مکانی است، با کمک تکنیکهای مدرن و روشهای پیشرفته، رابطهای گرافیکی مناسبی برای ذخیرهسازی و ارتباط کاربر با پایگاه داده و همچنین مدیریت دادهها طراحی و کدنویسی شد. با استفاده از این ابزارها، فرایند استخراج و مدیریت دادهها تسهیل شده و امکان تحلیلهای آماری فراهم آمده است. در نتیجه، کاربران میتوانند دادهها را با دقت و سهولت بیشتری پردازش و تحلیل کنند. در بخش دوم، نتایج آماری بهدست آمده از تحلیل آماری دادههای رسوب معلق حوضه ارس (نتایج گرفته شده تا سال 1396 به تعداد 26156 داده ثبت شده) نشان میدهد که در مقیاس حوضه، میانگین دبی رسوب معلق روزانه 95/11814 تن در روز، میانگین غلظت رسوب معلق 4185.68 میلیگرم در لیتر و میانگین دبی لحظهای جریان 13.16 مترمکعب در ثانیه بوده است. درمقیاس واحدهای مطالعاتی، میانگین بیشترین و کمترین دبی رسوب معلق بهترتیب مربوط به واحدهای مطالعاتی جلفا-دوزال (کد 1105) با مقدار 10312.33 تن در روز و قره ضیالدین (کد 1108) با مقدار 991.96 تن در روز بوده. همچنین در مقیاس ایستگاه آبسنجی، میانگین بیشترین و کمترین دبی رسوب معلق روزانه بهترتیب مربوط به ایستگاههای آبسنجی جلفا (با کد 807-19) با مقدار 571697.82 تن در روز و ناور-خروجی نئور (با کد 0195-19) مقدار 2.82 تن در روز محاسبه شده است. مقادیر حدی رسوب معلق ثبت شده ایستگاه آبسنجی جلفا بسیار زیاد بوده (افزون بر سه میلیون تن در روز) که لازم است با احتیاط از این اعداد استفاده شود. طبق بررسی بهعمل آمده اراضی این منطقه در پهنههای مارنی حساس به فرسایش واقع شده و سهم فرسایش کناری رودخانه در تولید رسوب در بازههایی از رودخانه که حالت مئاندری پیدا نمودهاند بسیار زیاد است. با اینحال لازم است مطالعاتی در خصوص تغییر کاربری و دیگر عوامل تأثیر گذار در ایجاد رسوب این منطقه انجام شود. نتیجهگیریاین پژوهش با هدف توسعه زیرساخت نرمافزاری ملی برای مدیریت دادههای رسوب معلق و دبی جریان ایستگاههای آبسنجی انجام شده است. سامانه ایجادشده، توانایی ذخیرهسازی، بازیابی و تحلیل دادههای مکانی و زمانی را دارا بوده و بهطور خاص در شبیهسازی رسوب معلق در رودخانهها مورد استفاده قرار میگیرد. همچنین، با ایجاد رابطهای گرافیکی پیشرفته، تعامل کاربران با دادهها به شکل قابلتوجهی تسهیل شده است. یکی از ویژگیهای بارز این سامانه، استفاده از فناوریهای متنباز در طراحی و توسعه آن است. این امر موجب میشود که هیچگونه محدودیت قانونی یا وابستگی به مجوزهای خارجی برای استفاده و توسعه آن وجود نداشته باشد. این خصوصیت بهطور قابلملاحظهای پتانسیل تجاریسازی سیستم را هم در داخل کشور و هم در بازارهای بینالمللی افزایش میدهد. علاوه بر طراحی و توسعه این سیستم نرمافزاری، نتایج بهدستآمده از کاربرد آن در تحلیل آماری سریع و دقیق دادههای رسوب از حوزه آبخیز ارس، قابلیتهای منحصر به فرد آن در مدیریت و تحلیل دادهها را به وضوح نشان میدهد. با توجه به اهمیت درک دقیق فرایندهای فرسایش و رسوبگذاری در حوزههای آبخیز کشور، این سیستم بهعنوان ابزاری کارآمد و مؤثر در بهدست آوردن اطلاعات دقیق و قابلاعتماد عمل میکند.
نادر جندقی؛ مهدی علی بگلی
چکیده
مقدمه
مدیریت منابع آب در مناطق خشک و نیمهخشک از چالشهای اساسی قرن حاضر است. رشد جمعیت، تغییرات اقلیمی و افزایش تقاضا فشار زیادی بر منابع آب سطحی وارد کرده است. در چنین شرایطی، پیشبینی رواناب ماهانه ابزاری راهبردی برای برنامهریزی سدها، کنترل سیلاب و مدیریت پایدار حوزههای آبخیز محسوب میشود. با این حال، پیچیدگی فرایندهای هیدرولوژیکی ...
بیشتر
مقدمه
مدیریت منابع آب در مناطق خشک و نیمهخشک از چالشهای اساسی قرن حاضر است. رشد جمعیت، تغییرات اقلیمی و افزایش تقاضا فشار زیادی بر منابع آب سطحی وارد کرده است. در چنین شرایطی، پیشبینی رواناب ماهانه ابزاری راهبردی برای برنامهریزی سدها، کنترل سیلاب و مدیریت پایدار حوزههای آبخیز محسوب میشود. با این حال، پیچیدگی فرایندهای هیدرولوژیکی و روابط غیرخطی متغیرهای اقلیمی، این پیشبینی را دشوار کرده است. در سالهای اخیر، مدلهای ترکیبی بهعنوان رویکردی نوین در هیدرولوژی مطرح شدهاند که با ادغام نقاط قوت مدلهای مختلف، دقت و پایداری پیشبینی را بهبود میبخشند. هدف پژوهش حاضر، بررسی کارایی مدلهای خطی و یادگیری عمیق و معرفی مدلی بهینه برای ارتقای مدیریت منابع آب است.
مواد و روشها
در این پژوهش، رواناب ماهانه حوزه آبخیز قرهسو با مساحت 1624 کیلومترمربع، با استفاده از دادههای سه ایستگاه هیدرومتری پل توسکاستان، نهارخوران و سیاهآب طی یک دوره آماری ۳۶ ساله (1400-1364) مدلسازی و پیشبینی شد. برای این منظور، سه مدل منفرد (SARIMA، BiLSTM و GRU) و دو مدل ترکیبی (BiLSTM-GRU و SARIMA-BiLSTM-GRU) بهکار گرفته شدند تا رواناب ماهانه را برای افق ۱۲ ماه آینده پیشبینی کنند. در مدلهای ترکیبی، مدل SARIMA برای مدلسازی مؤلفههای خطی سری زمانی به کار میرود، در حالی که مدلهای BiLSTM و GRU توانایی شناسایی و بازنمایی الگوهای پیچیده و غیرخطی را دارند. دقت مدلها با شاخصهای RMSE، MAD و MSE ارزیابی شد. پیادهسازی مدلها با استفاده از Python و کتابخانههای پرکاربرد ازجمله TensorFlow، Keras، numpy، pandas، matplotlib، scipy و sklearn انجام شد.
نتایج و بحث
مدل ترکیبی SARIMA-BiLSTM-GRU با تلفیق مؤلفههای خطی و غیرخطی دقیقترین پیشبینی رواناب ماهانه را ارائه داد. مقادیر RMSE این مدل در ایستگاههای پل توسکاستان، نهارخوران و سیاهآب بهترتیب 0.0295، 0.0173 و 0.1683 مترمکعب بر ثانیه برآورد شد. مدل BiLSTM-GRU با RMSE معادل 0.0326، 0.0226 و 0.3013 گزینه دوم بود. در میان مدلهای منفرد، BiLSTM و GRU نتایج مشابه و قابل قبول داشتند، اما مدل خطی SARIMA با RMSE برابر 0.0851، 0.0230 و 0.3892 ضعیفترین عملکرد را نشان داد. بهطور میانگین و بر اساس شاخص RMSE، مدل ترکیبی SARIMA-BiLSTM-GRU توانست خطای پیشبینی را بین 39.66 درصد تا 56.75 درصد نسبت به سایر مدلها کاهش دهد. یافتههای این پژوهش، مبانی نظری مطرحشده در خصوص برتری مدلهای ترکیبی پیچیده را نسبت به مدلهای ساده و خطی تأیید و تقویت میکند.
نتیجهگیری
این پژوهش نشان داد که مدلهای ترکیبی خطی و یادگیری عمیق دقت و پایداری پیشبینی رواناب ماهانه را بهطور قابل توجهی بهبود میدهند. نتایج مدلسازی و اعتبارسنجی نشان داد که مدل ترکیبی SARIMA-BiLSTM-GRU با ترکیب مؤثر اجزای خطی (SARIMA) و غیرخطی (BiLSTM و GRU)، بهعنوان مدل بهینه برای این حوضه انتخاب شد که دارای بهترین عملکرد در پیشبینی رواناب ماهانه بوده است. نتایج بر اهمیت بهکارگیری رویکردهای ترکیبی در مدیریت منابع آب و کنترل سیلاب تأکید دارند. پیشنهاد میشود، استفاده از مدلهای پیشرفتهتر و ورودیهای متنوع مانند بارش و دما برای افزایش دقت و قابلیت اعتماد پیشبینیها مدنظر قرار گیرد. همچنین با توجه به مشاهده پدیده بیشبرازش در مدلهای پایه LSTM و GRU، پیشنهاد میشود از معماریهای پیشرفتهتری مانند مدلهای مبتنی بر مکانیسم Attention نظیر Transformer استفاده شود تا مدل بتواند بهطور هوشمند بر دورههای زمانی مؤثر و کلیدی در فرایند رواناب تمرکز کند.
