شماره ركورد كنفرانس :
1098
عنوان مقاله :
استفاده از مدل فازي-عصبي و الگوهاي ارتباط از دور جهت پيش بيني خشكسالي مطالعه موردي زاهدان
پديدآورندگان :
نيكنام حسين نويسنده , اژدري مقدم مهدي نويسنده دانشگاه سيستان و بلوچستان- دانشكده مهندسي شهيد نيكبخت- گروه مهندسي عمران- دانشيار , خسروي محمود نويسنده دانشگاه آزاد اسلامي- واحد مشهد- گروه مكانيك
كليدواژه :
الگوهاي ارتباط از دور , خشكسالي , پيش بيني
عنوان كنفرانس :
چهارمين كنگره بين المللي جغرافيدانان جهان اسلام
چكيده فارسي :
خشكسالی یكی از جنبه هاي ذاتی تغییرپذیري شرایط اقلیمی است كه بطور كلی در اثر كاهش بارندگی از میزان
نرمال و یا میزان مورد انتظار آن در یك دور هي طولانی مدت بوجود می آید . گرچه برخی آ ن را واقع ه اي نادر و
تصادفی می انگارند، اما خشكسالی ویژگی موقت تمام مناطق اقلیمی است و تنها مشخصات آن از یك منطقه به
منطقه ي دیگر تفاوت م یكند.
در این راستا دانشمندان تلاش زیادي نمود هاند تا ارتباط بین الگوهاي ارتباط از دور را با نوسانات بارش و وقوع
خشكسالی ها در نواحی مختلف كره زمین كشف كنند. واژ هي الگوهاي ارتباط از دور به وقوع و تداوم الگوهاي
بزرگ مقیاسی از ناهنجاري هاي چرخش و فشار اطلاق م یگردد كه در محدود ههاي جغرافیایی وسیع گسترش
یافته اند.
از سویی دیگر، منطق فازي در دنیاي مبهمات و عدم قطعی تها ابزار مناسبی را براي به كار گرفتن داد ههاي
نادقیق و كیفی ارائه می دهد. به بیان دیگر مدل فازي-عصبی، رابطه اي غیرخطی بین متغیرهاي مستقل و وابسته
برقرار نموده و همچنین امكان انجام پی شبینی هاي بلندمدت اقلیمی را به صورت بازه هاي ممكن به جاي یك
مقدار خاص امكان پذیر می سازد.
در تحقیق حاضر، براي پیش بینی خشكسالی پاییز هي شهر زاهدان، تأثیر الگوهاي ارتباط از دور شامل 19 عدد از شاخص هاي اقلیمی، با استفاده از مدل سیستم استنتاج فازي -عصبی تطبیقی (ANFIS) مورد بررسی قرار گرفت. شاخص خشكسالی SPI گرفت. شاخص خشكسالی استفاده قرار گرفت. در انتها بر اساس نتایج بدست آمده، مناسب ترین متغیرها براي پی شبینی خشكسالی معرفی گردید. بر اساس این نتایج، شاخص هاي اقلیمی MEI ،Nino1+2 ،Nino3 ،Nino3,4 ،TSA ،SOI ، َAMO و NAO و همچنین بارندگی و شاخص خشكسالی SPI ، متغیرهایی هستند كه می توانند در بازه زمانی تابستان و پاییز، براي پی شبینی خشكسالی پاییزه مورد استفاده قرار گرفته و نتایج مناسبی را نیز ارائه دهند.
شماره مدرك كنفرانس :
3146543