حمید میرهاشمی
چکیده
تبخیر پتانسیل به‌عنوان یکی از مهمترین مؤلفه‌های چرخه آب به شمار می‌رود که برآیند اندرکنش چندین متغیر هواشناختی است. در این پژوهش به‌منظور آشکارسازی روابط خطی و غیرخطی و چگونگی تأثیر متغیرهای هواشناختی بر مقادیر تبخیر پتانسیل ایستگاه سینوپتیک تبریز از مدلهای جمعی تعمیمیافته (GAM) و مدل خطی تعمیمیافته (GLM) استفاده شد. به این ...
بیشتر
تبخیر پتانسیل به‌عنوان یکی از مهمترین مؤلفه‌های چرخه آب به شمار می‌رود که برآیند اندرکنش چندین متغیر هواشناختی است. در این پژوهش به‌منظور آشکارسازی روابط خطی و غیرخطی و چگونگی تأثیر متغیرهای هواشناختی بر مقادیر تبخیر پتانسیل ایستگاه سینوپتیک تبریز از مدلهای جمعی تعمیمیافته (GAM) و مدل خطی تعمیمیافته (GLM) استفاده شد. به این ترتیب، مقادیر ماهانه متغیرهای هواشناختی شامل دمای هوا، فشار هوا، نم‌نسبی، سرعت باد و ساعات آفتابی به‌عنوان متغیرهای شناختی و مقدار تبخیر از تشت تبخیر به‌عنوان متغیر پاسخ در این مدل‌ها در نظرگرفته شدند. همچنین برای تعیین گره و گرادیان‌های واکنش تبخیر به متغیرهای هواشناختی از ترکیب الگوریتم سیمپلکس و مدل تطبیقی مارس اسپلاین تحت سه سناریوی آب و هوایی S-1، S-2 و S-3 که بر پایه داده‌های ایستگاه تبریز تعریف شده بودند استفاده شد. نتایج حاصل از دو مدل GAM و GLM نشان داد که نم‌نسبی در ترکیب با سایر متغیرهای هواشناختی از تأثیر خطی و غیرخطی معناداری بر گرادیان تبخیر پتانسیل برخوردار نیست. چنانکه با کنترل دمای هوا، نقش نم‌نسبی در گرادیان تبخیر ناچیز و قابل چشم‌پوشی شد. در این خصوص بهترین ترکیب متغیرهای هواشناختی در مدلهای GAM و GLM براساس آماره AIC به‌ترتیب به مقدار 84- و 62- و خطای محاسباتی 71/0 و 76/0 میلی‌متر به‌دست آمد. همچنین نتایج حاصل از ارزیابی مؤلفه‌های هموارساز اسپلاین مدل GAM و ترکیب الگوریتم سیمپلکس ـ مدل تطبیقی مارس اسپلاین نشان داد که واکنش انفرادی و ترکیبی تبخیر به متغیرهای هواشناختی تنها منوط به یک سطح نیست بلکه واکنش تبخیر از گرادیان‌های متفاوتی در مقابل تغییرات این متغیرها برخوردار است. چنانکه حساسیت و واکنش تبخیر نسبت به هر واحد تغییر از این متغیرها به مقدار مطلق آن متغیر در ترکیب با سایر متغیرها بستگی داشت. یعنی اثر هریک از متغیرهای هواشناختی بر مقدار تبخیر تا حد زیادی منوط به رابطه‌ای است که این متغیر با سایر متغیرهای هواشناختی دارند، در صورتی‌که چنین موضوعی برای دمای هوا چندان صدق نمی‌کند.
هادی ناوه؛ کیوان خلیلی؛ محمد تقی اعلمی؛ جواد بهمنش
چکیده
یکی از ابزار های مهم در مدل سازی و پیش بینی فرآیند های هیدرولوژیکی استفاده از مدل سازی و تحلیل سری های زمانی است. سری های تولید شده جریان رودخانه با استفاده از مدل های سری زمانی در مطالعات مختلفی نظیر خشکسالی، سیلاب، طراحی سیستم های مخازن و اهداف فراوان دیگر قابل استفاده می باشد. با توجه به این که فرآیند جریان رودخانه می تواند در مقیاس ...
بیشتر
یکی از ابزار های مهم در مدل سازی و پیش بینی فرآیند های هیدرولوژیکی استفاده از مدل سازی و تحلیل سری های زمانی است. سری های تولید شده جریان رودخانه با استفاده از مدل های سری زمانی در مطالعات مختلفی نظیر خشکسالی، سیلاب، طراحی سیستم های مخازن و اهداف فراوان دیگر قابل استفاده می باشد. با توجه به این که فرآیند جریان رودخانه می تواند در مقیاس های مختلف زمانی و مکانی غیرخطی باشد، استفاده از مدل های غیرخطی سری های زمانی بسیار مفید خواهد بود. هدف از این تحقیق، به کار گیری مدل سری زمانی غیر خطی بی لینیر در پیش بینی جریان رودخانه بوده که بدین منظور از داده های 31 و 39 ساله دبی جریان ماهانه دو رودخانه ، به ترتیب شهر چای و باراندوزچای ارومیه واقع در استان آذربایجان غربی استفاده شده است. که مساحت حوضه آبریز باراندوزچای و شهرچای به ترتیب 1203 و 636 کیلومترمربع می باشد. نتایج این تحقیق نشان داد که در دو رودخانه مورد مطالعه مدل غیر خطی بی لینیر، به دلیل خطای کمتر نسبت به مدلهای خطی ARMA کارآیی بهتری داشته است. اما خطای مدل دو-خطی برازش شده برای رودخانه باراندوزچای برابر 605/1 و رودخانه شهرچای معادل 920/1 بوده که علت کم بودن خطای مدل رودخانه باراندوزچای ممکن است طولانی بودن دوره آماری این ایستگاه و یا تغذیه این رودخانه از چشمه ها و منابع آب های زیرزمینی باشد.
