هواشناسی کشاورزی
نازیلا شاملو؛ محمدتقی ستاری؛ خلیل ولیزاده کامران؛ حالیت آپ آیدین
چکیده
باتوجه به بحران خشکیدگی دریاچه ارومیه، مطالعه وضعیت پوشش‌گیاهی و خشکسالی کشاورزی محدوده حوضه آبریز دریاچه ارومیه که یکی از شش حوضه اصلی ایران محسوب می‌شود، از اهمیت قابل توجهی برخوردار است. در این مطالعه ابتدا یک شاخص ترکیبی خشکسالی CDI (Combined Drought Index) مبتنی بر شاخص‌های وضعیت پوشش گیاهی (VCI)، وضعیت دمایی گیاهی (TCI) و شاخص تنش آبی محصول ...
بیشتر
باتوجه به بحران خشکیدگی دریاچه ارومیه، مطالعه وضعیت پوشش‌گیاهی و خشکسالی کشاورزی محدوده حوضه آبریز دریاچه ارومیه که یکی از شش حوضه اصلی ایران محسوب می‌شود، از اهمیت قابل توجهی برخوردار است. در این مطالعه ابتدا یک شاخص ترکیبی خشکسالی CDI (Combined Drought Index) مبتنی بر شاخص‌های وضعیت پوشش گیاهی (VCI)، وضعیت دمایی گیاهی (TCI) و شاخص تنش آبی محصول (CWSI) بااستفاده از داده‌های سنجنده MODIS قرار‌گرفته در ماهواره TERRA معرفی و محاسبه گردید. سپس با روشهای درخت تصمیم-طبقه‌بندی و درخت رگرسیون (DT-CART)، ماشین‌بردار پشتیان (SVM) و حافظه کوتاه مدت، بلند مدت (LSTM) و حافظه کوتاه مدت دو جهته (BiLSTM)، شاخص ترکیبی خشکسالی (CDI) معرفی و تخمین زده شد. در فرآیند مدل‌سازی شاخص ترکیبی خشکسالی، محصولات شاخص‌های پوشش گیاهی، تبخیر-تعرق، تبخیر-تعرق پتانسیل، دمای سطح زمین در روز و دمای سطح زمین در شب برگرفته از سنجنده MODIS به‌عنوان ورودی مدل‌ها استفاده شد. درنهایت بررسی عملکرد مدل‌ها براساس ترکیب‌های متفاوتی از ورودی مدل‌ها بااستفاده از معیارهای ارزیابی شامل ضریب همبستگی، جذر میانگین مربعات خطا و ضریب ناش ساتکلیف و همچنین به کمک نمودارهای کلوروگرام، تیلور و ویلونی بصورت بصری انجام‌شد. نتایج نشان‌داد که متغیر‌های دمای سطح زمین در روز، دمای سطح زمین در شب و تبخیر-تعرق موثرترین متغیرها برای مدل‌سازی شاخص ترکیبی خشکسالی (CDI) و مطالعه خشکسالی کشاورزی می‌باشند. همچنین مدل CART با ضریب همبستگی 96/0، میانگین جذر مربعات خطا برابر با 029/0 و ضریب ناش ساتکلیف 92/0 به‌عنوان بهترین مدل انتخاب گردید. نتایج بدست آمده نشان‌داد که روشهای یادگیری ماشین و یادگیری عمیق ابزاری توانمند در مدل‌سازی و پیش‌بینی شاخص ترکیبی خشکسالی (CDI) بوده و در بررسی و ارزیابی خشکسالی کشاورزی بهخصوص در حوضه‌های فاقد آمار با اطمینان کافی می‌تواند مورد استفاده قرار گیرد.
علوم آب
محمد بابایی؛ محمدتقی ستاری
چکیده
توسعه مخازن به برآورده شدن نیازهای غذایی و انرژی با تامین آب برای کشاورزی و نیروگاه‌های آبی، کمک میکند. مدیریت کارآمد مخزن چندمنظوره مستلزم اطلاع دقیق از تغییرات ذخیره مخزن و سایر مولفههای تاثیرگذار در بیلان مخزن در طول دوره بهرهبرداری است. شبیهسازی مخازن چندمنظوره فرآیندی پویا در راستای ارزیابی مستمر رفتار و عملکرد مخزن ...
بیشتر
توسعه مخازن به برآورده شدن نیازهای غذایی و انرژی با تامین آب برای کشاورزی و نیروگاه‌های آبی، کمک میکند. مدیریت کارآمد مخزن چندمنظوره مستلزم اطلاع دقیق از تغییرات ذخیره مخزن و سایر مولفههای تاثیرگذار در بیلان مخزن در طول دوره بهرهبرداری است. شبیهسازی مخازن چندمنظوره فرآیندی پویا در راستای ارزیابی مستمر رفتار و عملکرد مخزن در شرایط مختلف پرآبی و کم آبی از یک سو و سیاست‌های بهربرداری از سوی دیگر است. در این مطالعه سیاست بهرهبرداری از مخزن چندمنظوره سد لتیان در شرایط واقعی با استفاده از مدل HEC-ResSim شبیهسازی و ارزیابی گردید. شبیهسازی با توجه به دبی ورودی رودخانه از سال 1968 تا 2018، نیازهای آبی پاییندست، ظرفیت تولید انرژی توربینها، ویژگیهای فیزیکی و بدنه مخزن انجام گردید. مطابق نتایج به دست آمده از شبیهسازی، متوسط ذخیره مخزن سد لتیان برای کل دوره معادل 41 میلیون متر مکعب برآورد گردید که افت محسوس 49 درصدی را نسبت به تراز نرمال 83 میلیونمتر مکعبی مخزن نشان میدهد. براساس داده‌های تاریخی متوسط جریان ورودی به مخزن سد لتیان معادل 7/5 متر مکعب برثانیه میباشد و متوسط رهاسازی برای کل دوره شبیهسازی معادل 4/5 متر مکعب برثانیه برآورد شد. این درحالی است که متوسط نیاز پایین دست سد لتیان برای کل دوره 1/12 متر مکعب بر ثانیه میباشد. براین اساس مخزن سد در اکثر مواقع بخصوص در اواخر دوره شبیهسازی قادر به تأمین نیازهای پاییندست نمیباشد. همچنین متوسط سالانه تولید انرژی برق- آبی نیروگاه سد لتیان (کلان) معادل 68000 مگاواتساعت برآورد گردید که با توجه به سیاست بهرهبرداری از سد لتیان در اکثر سالها نیروگاه کلان قادر به تامین برق مورد نیاز محدوده مطالعاتی میباشد. در مطالعه حاضر بهمنظور مدیریت نتیجهمحور در راستای حل مشکل کمبود مخزن، از اعمال دو سناریو صرفهجویی در مصرف آب به‌ترتیب به میزان 20 و 30 درصد استفاده گردید. طبق نتایج به دست آمده متوسط ذخیره مخزن سد لتیان برای کل دوره در سناریو اول و دوم به ترتیب معادل 49 و 63 میلیون متر مکعب برآورد گردید. همچنین مخزن سد لتیان طبق این دو سناریو قادر خواهد بود که به ترتیب سالانه معادل 66000 و 63000 مگاواتساعت تولید انرژی برق- آبی داشته باشد. طبق نتایج با اعمال سناریوهای صرفهجویی در مصارف خانگی تهران، علاوه بر اینکه به جهت تامین انرژی در حد قابل قبول، نیازی به رهاسازی بیشتر آب به نیروگاه کلان، به منظور تولید انرژی لازم نخواهد بود. همچنین کمبود آب در سد لتیان به میزان مناسبی بهخصوص در سناریو دوم رفع میگردد.
علوم آب
محمدتقی ستاری؛ سحر جاویدان
چکیده
آگاهی از کیفیت آب، یکی از نیازهای مهم در برنامه‌ریزی، توسعه و حفاظت از منابع آب برای مصارف مختلف از جمله شرب به شمار می‌رود. استفاده از روشهای مدرن داده‌کاوی، می‌تواند رویکرد مناسبی برای پیش‌بینی و طبقه‌بندی کیفیت آب باشد. در پژوهش حاضر، برای محاسبه شاخص کیفی آب شرب از پارامترهای شیمیایی شامل سختی کل، قلیائیت، هدایت الکتریکی، ...
بیشتر
آگاهی از کیفیت آب، یکی از نیازهای مهم در برنامه‌ریزی، توسعه و حفاظت از منابع آب برای مصارف مختلف از جمله شرب به شمار می‌رود. استفاده از روشهای مدرن داده‌کاوی، می‌تواند رویکرد مناسبی برای پیش‌بینی و طبقه‌بندی کیفیت آب باشد. در پژوهش حاضر، برای محاسبه شاخص کیفی آب شرب از پارامترهای شیمیایی شامل سختی کل، قلیائیت، هدایت الکتریکی، کل مواد جامد محلول، کلسیم، سدیم، منیزیم، پتاسیم، کلر، کربنات، بیکربنات و سولفات ایستگاه هیدرومتری باغ کلایه استان قزوین، در دوره آماری 23 ساله (1998-2020) استفاده شد. روش درخت تصادفی برای تخمین و مدل‌سازی مقادیر عددی شاخص کیفی آب شرب براساس ترکیب‌های مختلفی از پارامترهای شیمیایی به کار برده شد. ماتریس همبستگی و الگوریتم رلیف، مبنای انتخاب ترکیب‌های مختلفی از پارامترهای شیمیایی به‌عنوان ورودی روشهای داده‌کاوی در قالب سناریوهای مختلف در نظر گرفته شدند. در جهت بهبود نتایج تخمین عددی شاخص کیفی آب شرب، از رویکردهای تبدیل موجک، دسته‌بندی مدل‌ها و تحلیل مؤلفه اصلی استفاده شد. بررسی نتایج نشان داد که ترکیب 3 روش تحلیل مؤلفه اصلی (با در نظر گرفتن 3 عامل اصلی)، رویکرد پیش‌پردازش Bagging و درخت تصادفی، با ضریب همبستگی برابر با 98/0، ریشه میانگین مربعات خطا برابر با 17/2، میانگین خطای قدر مطلق برابر با 52/1 و ضریب ویلموت اصلاح شده برابر با 97/0 می‌تواند دقت بالایی در تخمین مقادیر عددی شاخص کیفی آب شرب داشته باشد. براساس نتایج کلی به دست آمده، در صورت کمبود نمونه‌های آزمایشگاهی و یا عدم دسترسی به تمام پارامترهای شیمیایی، روشهای معرفی شده در این مطالعه، به علت دقت بالا جهت تخمین شاخص کیفی آب شرب قابل توصیه خواهند بود.
هواشناسی کشاورزی
سحر جاویدان؛ محمدتقی ستاری؛ شکوه محسن زاده
چکیده
بارش به‌عنوان یک متغیر تصادفی با داشتن تغییرات مکانی و زمانی یکی از عناصر پیچیده در چرخه هیدرولوژی است. هدف پژوهش حاضر برآورد میزان بارش روزانه تبریز در بازه زمانی 36 ساله (1986-2021) با استفاده از گروه روشهای درختی شامل، مدل درختی M5P، درخت تصادفی، کاهش خطای هرس درخت و روش دسته‌بندی است. بدین منظور از مقادیر بارش ایستگاه‌های حوضه دریاچه ...
بیشتر
بارش به‌عنوان یک متغیر تصادفی با داشتن تغییرات مکانی و زمانی یکی از عناصر پیچیده در چرخه هیدرولوژی است. هدف پژوهش حاضر برآورد میزان بارش روزانه تبریز در بازه زمانی 36 ساله (1986-2021) با استفاده از گروه روشهای درختی شامل، مدل درختی M5P، درخت تصادفی، کاهش خطای هرس درخت و روش دسته‌بندی است. بدین منظور از مقادیر بارش ایستگاه‌های حوضه دریاچه ارومیه از جمله سهند، سراب، ارومیه، مراغه و مهاباد در ترکیب‌های ورودی مختلف استفاده شد. ماتریس همبستگی و الگوریتم رلیف مبنای انتخاب سناریوهای ورودی در نظر گرفته شد و تأثیر مؤلفه‌های تجزیه فصلی-روند در بهبود نتایج مدل‌سازی بررسی شد. عملکرد روشهای مذکور با معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، ضریب نش ساتکلیف، میانگین خطای قدر مطلق و ضریب ویلموت اصلاح شده مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد رویکرد دسته‌بندی در اکثر موارد نتایج قابل قبولی ارائه نموده و باعث بهبود نتایج مدل‌سازی میگردد. بررسی‌ها مشخص نمود که ایستگاه سهند با بیشترین همبستگی و کمترین فاصله از تبریز، مؤثرترین ایستگاه مجاور در برآورد میزان بارش تبریز میباشد. در حالت اول و بدون اعمال مؤلفه‌های تجزیه (روند، فصلی و باقیمانده) در بین روشهای مورد استفاده روش M5P با سناریو اول شامل بارش سهند به‌عنوان روش و سناریو برتر انتخاب شد. در حالت دوم با وارد شدن مؤلفه‌های تجزیه، دقت تخمین‌ها به‌صورت چشمگیری افزایش یافت. ادغام روش دسته‌بندی با الگوریتم پایه M5P با پارامترهای بارش سهند و باقیمانده بارش تبریز با R=0.98 و NS=0.95 به‌عنوان برترین حالت انتخاب گردید. در حالت کلی نتایج نشان داد، بهره‌گیری توأم از رویکرد دسته‌بندی مدل‌ها و الگوریتم پیش‌پردازش مؤلفه‌های تجزیه باعث بهبود نتایج مدل‌سازی بارش روزانه تبریز می‌شود. به طوریکه مقدار خطای RMSE نسبت به حالت اول 64/60 درصد کاهش یافت. بنابراین به علت استفاده از حداقل تعداد پارامتر ورودی و ارائه نتایج قابل قبول، مدل‌های دسته‌بندی با الگوریتم پایه درختی به‌عنوان روشهای ساده و پرکاربرد پیشنهاد میگردد.
