Report-Monit-F2

Transcription

1 ﮔﺰﺍﺭﺵ ﺳﻴﺴﺘﻢ ﭘﺎﻳﺶ ﺧﺸﻜﺴﺎﻟﻰ ﺣﻮﺿﻪ ﺁﺑﺨﻴﺰ ﺩﺭﻳﺎﭼﻪ ﺍﺭﻭﻣﻴﻪ Lake Urmia Basin Drought Monitoring System»ﻃﺮﺡ ﺣﻔﺎﻇﺖ ﺍﺯ ﺗﺎﻻﺏ ﻫﺎﻯ ﺍﻳﺮﺍﻥ«ﻣﻬﺮ 1390 ﺳﺎﺯﻣﺎﻥ ﺣﻔﺎﻇﺖ ﻣﺤﻴﻂ ﺯﻳﺴﺖ

2 طرح حفاظت از تالاب هاي ایران طرح مدیریت خشکسالی دریاچه ارومیه گزارش سیستم پایش خشکسالی پژوهشکده مهندسی آب دانشگاه تربیت مدرس آبان 1390 أ

3 جمهوري اسلامی ایران سازمان محیط زیست طرح حفاظت از تالاب هاي ایران گزارش سیستم پایش خشکسالی پژوهشکده مهندسی آب دانشگاه تربیت مدرس آذر 1390 ب

4 ج

5 فهرست مطالب عنوان صفحه فصل اول: مقدمه مقدمه امکانات سیستم... UDMP مروري بر شاخصهاي مورد استفاده در... UDMP 3 شاخص بارندگی استاندارد شده (SPI)... 3 شاخص دبی استاندارد شده (SDI) شاخص خشکسالی موثر (EDI) شاخص کمبود (DI) مدلهاي پیشبینی پیشبینی جریان بکارگیري ابزار RapidMiner براي استفاده از روش... KNN 12 فصل 2: کار با نرم افزار... UDMP مقدمه نوار منو Data Run View Graph Map أ

6 21... Help فصل سوم: شرح خروجیهاي نرم افزار... UDMP مقدمه پایش روزانه خشکسالی با استفاده از شاخص EDI و... DI پایش روزانه خشکسالی هواشناسی با استفاده از شاخص... EDI پایش روزانه خشکسالی هیدرولوژیکی با استفاده از شاخص... DI پایش ایستگاهی شاخص... DI پایش مکانی خشکسالی با استفاده از شاخص... DI رفتار شاخصها EDI و DI در مقیاس روزانه پایش ماهیانه خشکسالی با شاخصهاي هواشناسی SPI و هیدرولوژیکی... SDI مقایسه رفتار شاخصها در طول آماري مقایسه رفتار مکانی شاخصها ضرورت هاي سیستم پایش موفق فهرست منابع و مراجع ب

7 فهرست اشکال عنوان صفحه NINO 3.4 (SST) شکل 1-1: پیشبینی آنومالی دماي سطح دریا در منطقه (IRI) توسط موسسه بین المللی تحقیقات اقلیم و جامعه (5 N-5 S, 120 W-170 W) شکل :2-1 شماي نرمافزار... RapidMiner 12 شکل 3-1: انتخاب الگوریتم KNN و دادهها شکل 4-1: اطلاعات مورد نیاز براي اجراي... KNN 13 شکل 1-2: اجزاء منوي نرم افزار... UDMP 16 شکل 2-2: اجزاء زیر منوي DATA در نرم افزار... UDMP 16 شکل 3-2: نحوه معرفی ایستگاه آبسنجی شکل 4-2: بارگذاري و سپس نمایش دادههاي ورودي در محیط... Excel 17 شکل 5-2: درخواست اجراي شاخص... SDI 18 شکل 6-2: اجراي برنامه براي شاخص... SDI 18 شکل 7-2: درخواست نمایش شاخص... SDI 19 شکل 8-2: بارگذاري براي نمایش نتایج شاخص... SDI 19 شکل 9-2: درخواست نمایش نتایج اجراي شاخص... SDI 20 شکل 10-2: دوره زمانی مورد نظر براي نمایش نتایج اجراي شاخص... SDI 20 شکل 1-3: وضعیت خشکسالی در سطح آمریکا در تاریخ /11/22 23 EDI شکل 2-3: پایش روزانه خشکسالی در سطح کره جنوبی با استفاده از شاخص براي /7/3 شکل 3-3: وضعیت روزانه خشکسالی EDI و سایر متغیرهاي مربوط به این شاخص (میلیمتر) طی ت

8 و 1 و 1 سال آبی لغایت با استفاده از شاخص EDI در ایستگاه نقده شکل 4-3: وضعیت روزانه خشکسالی طی سال آبی لغایت با استفاده ازشاخص EDI در ایستگاه سنته شکل 5-3: محاسبه شاخص DI در مدل UDMP و معرفی آستانه دبی %70 و شاخص DI شکل 6-3 : تغییرات سريهاي زمانی دبی دبیهاي در ایستگاه ونیار طی سالهاي لغایت شکل 7-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1371/2/ شکل 8-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1371/10/ شکل 9-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1376/10/ شکل 10-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1377/2/ شکل 11-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ /10/ EDI DI شکل 12-3: مقادیر شاخصهاي و براي ایستگاه نقده طی سالهاي تا 0 به ترتیب وقوع و عدم وقوع خشکسالی را نشان میدهد) ) EDI DI شکل 13-3: مقادیر شاخصهاي و براي ایستگاه سنته طی سالهاي تا 0 به ترتیب وقوع و عدم وقوع خشکسالی را نشان میدهد) ) SDI SPI شکل 14-3: نمودار مقایسه شاخصهاي و براي ایستگاههاي سنته طی سالهاي آبی تا SDI SPI شکل 15-3: نمودار مقایسه شاخصهاي و براي ایستگاههاي نقده طی سالهاي آبی تا SDI SPI : شکل 16-3 مقایسه توزیع مکانی شاخص و شاخص در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) مهر ب) آبان ج) آذر ث

9 SDI SPI : شکل 17-3 مقایسه توزیع مکانی شاخص و شاخص در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) دي ب) بهمن ج) اسفند SDI SPI : شکل 18-3 مقایسه توزیع مکانی شاخص و شاخص در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) فروردین ب) اردیبهشت ج) خرداد SDI SPI : شکل 19-3 مقایسه توزیع مکانی شاخص و شاخص در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) تیر ب) مرداد ج) شهریور ج

10 فصل اول مقدمه -1-1 مقدمه سیستمهاي پایش از ابزارهاي لازم براي مدیریت خشکسالی هستند. با این سیستمها است که میتوان از شدت و توسعه مکانی خشکسالی مهم به انجام میرسد. آگاهی یافت که معمولا با شاخصهاي خشکسالی این براي سازمان مدیریت خشکسالی دریاچه ارومیه نیز کمیتهاي که تحت عنوان "پایش و ارزیابی" پیشبینی شده است و گزارش حاضر شرح سیستم نرمافزاري است که براي پشتیبانی از آن توسعه (Urmia Drought Monitoring Package) UDMP یافته است. سیستم که من بعد اطلاق میگردد این قابلیت را دارد تا وضعیت خشکسالی را در سطح حوضه و در مقیاسهاي متنوع زمانی و مکانی با استفاده از شاخصهاي مناسب هواشناسی و هیدرولوژیکی پایش نماید. گزارش حاضر به شرح ویژگیها مبانی کار با نرم افزار و خروجیهاي آن میپردازد. 1

11 اما نکتهاي که لازم میباشد ابتدا تاکید گردد این است که نرمافزار تنها یک ابزار براي کمک به پایش است. آنچه این عملیات را در حوضه دریاچه ارومیه کارآمد میسازد وجود متخصصین آشنا به مبحث پایش خشکسالی خواهد بود و در این رابطه لازمست تا طرح در دستور کار قرار دهد. تالابها ظرفیتسازي لازم را -2-1 امکانات سیستم UDMP متناسب با اهداف طرح ویژگیهاي براي سیستم در نظر گرفته شده است که اهم آن شامل موارد زیر است: - امکان پایش خشکسالی با متغیرهاي هواشناسی و هیدرولوژیکی: 4 1 بدین منظور شاخصهاي SPI و SDI 3 EDI 2 و DI در آن قرار داده شده است. دو شاخص اول با دادههاي بارندگی و دو شاخص دوم از دادههاي دبی استفاده میکنند. شاخصها متکی به دادههاي در دسترس میباشند و در عین حال کارآمدي آنها در تجربیات داخلی و مراجع معتبر به تاي ید رسیده است 2005) al.,.(morid et - امکان پایش خشکسالی در مقیاس زمانی متنوع: سیستم این امکان را دارد تا پایش را از مقیاس روزانه تا سالیانه به انجام برساند. لذا وضعیت هواشناسی و هیدرولوژیکی حوضه بطور مستمر و در هر روز تا مقیاسهاي بالاتر قابل تعقیب DI EDI میباشد. براي مقیاس روزانه شاخصهاي (هواشناسی) و (هیدرولوژیکی) به ترتیب پایش روزانه را انجام میدهند (هم اکنون نقشههاي خشکسالی در سطح بعضی کشورها بطور هفتگی به هنگام میگردند و این سیستم و مقیاس چنین محصولی را میسر میسازد (به آدرس: 1 Standard Precipitation Index 2 Effective Drought Index 3 Standard Drischarge Index 4 Deficit Index 2

12 مراجعه شود). شاخص SPI را میتوان بطور ماهیانه 3 ماهه 9 6 و 12 ماهه محاسبه و پایش را به انجام رساند که 3 ماهه آن براي پایش خشکسالی کشاورزي و 6 تا 9 ماهه آن براي پایش خشکسالی هیدرولوژیکی نیز توصیه شده است. به همین ترتیب شاخص SDI نیز با استفاده از اطلاعات آبسنجی در مقیاسهاي ماهانه یا فصلی قابل محاسبه میباشد. - کاربردوست بودن سیستم: نرم افزار اطلاعات را در محیط Excel اطلاعات را دریافت نماید. دریافت میدارد و تلاش شده بطور کاربرد دوست - امکان اراي ه گزارشات متنوع: نرمافزار گزارشهاي متنوعی را اراي ه میدهد و میتوان با پارهاي پردازش گزارشات دیگري را نیز تولید کرد. بخصوص استفاده از خروجیهاي نرمافزار و نمایش آنها در سیستم اطلاعات جغرافیایی مانند نقشههاي خشکسالی در تولید اطلاعات تکمیلی بسیار مفید خواهد بود مروري بر شاخصهاي مورد استفاده در UDMP شاخص بارندگی استاندارد شده (SPI) 30 شاخص SPI براي هر منطقه براساس ثبت بارندگیهاي طولانی مدت آن محاسبه میشود و سال به عنوان حداقل دوره آماري براي آن توصییه شده است. در ابتدا توزیع آماري مناسب بر آمار بلند مدت بارندگیها برازش داده به که میشود دلیل انعطاف توزیع گاما معمولا از آن استفاده میگردد. سپس تابع تجمعی توزیع با استفاده از احتمالات مساوي به توزیع نرمال تبدیل میگردد بطوریکه استاندارد شده و متوسط آن براي هر منطقه و هر دوره مورد نظر صفر شود مقادیر مثبت SPI نشان دهنده بارندگی بیشتر از بارش متوسط و.(Edwards and Mckee, 1997) SPI مقادیر منفی آن معناي عکس را دارد. طبق این روش دوره خشکسالی هنگامی اتفاق میافتد که به طور مستمر منفی و به مقدار 1- یا کمتر برسد و هنگامی پایان مییابد که SPI مثبت گردد. بنابراین 3

13 SPI مدت دوره خشکسالی با شروع و خاتمه SPI ارقام منفی تعیین میشود و مقادیرتجمعی نیز بزرگی و شدت دوره خشکسالی را نشان میدهد (2000 Hayes, ). مقیاس زمانی مرسوم این شاخص ماهانه و میانگینهاي متحرك 3 میباشد. ماهه و ماه و 1 ماه ماهه به ترتیب بیشترین توصیه را براي پایش خشکسالیهاي هواشناسی کشاورزي و هیدرولوژیکی شده است.(Bochenek, 2005) شاخص دبی استاندارد شده (SDI) SPI همانگونه که آمد به لحاظ محاسباتی مانند میباشد. ولی از منظر مقیاس زمانی تنها بطور ماهانه و فصلی توصیه شده است شاخص خشکسالی موثر (EDI) 5 EDI 1996 Pukyong این شاخص توسط Byun از دانشگاه ملی در سال تحت عنوان اراي ه گردید و خشکسالی سال در آمریکا نیز با این شاخص با بهرهگیري از 195 ایستگاه ارزیابی.(Byun and Wilhite در این شاخص خشکسالی به طور روزانه پایش میشود که این شد (1999, قابلیت در شاخصهاي قبلی مد نظر نبوده است. است که در واقع جمع بارش روزانه با یک اصلیترین مفهوم در این شاخص بارش موثر (EP) 6 تابع کاهشی وابسته به زمان میباشد. به عبارت دیگر EP هرروز تابعی از بارندگی همان روز و یک دوره ماقبل خود بوده که در آن بارشهاي اخیر نسبت به بارشهاي قدیمیتر وزن بیشتري دارند. مراحل محاسباتی این شاخص با انتخاب دوره فرضی کمبود آب آغاز میگردد و در ادامه محاسبات دوره واقعی آن تعیین خواهد شد. این دوره فرضی میتواند روز 365 (نماینده مقدار کل 5 - Effective Drought Index 6 - Effective Precipitation 4

14 منابع آب ذخیره شده براي یک دوره طولانی) 15 روز و یا (نماینده مقدار کل منابع آب ذخیره شده 365 براي یک دوره کوتاه مدت ( باشد. در این تحقیق دوره روز که سیکل بارندگی قالب جهانی و حاکم بر کشور است انتخاب گردید. بعد از انتخاب تداوم فرضی میتوان محاسبات را مطابق مراحل زیر ادامه داد 1999) Wilhite, :(Byun and محاسبه بارش موثر روزانه (EP) - محاسبهEP با استفاده از رابطه زیر انجام میشود: i [( EP = P ) / n] i n n= i m= 1 m (1-1) روز قبل P 1 m-1 P m که در آن i تداوم فرضی و بارندگی تا (براي مثال بارندگی روزي که بایستی 3 بارش موثر محاسبه شود و P 2 بارندگی یک روز قبل) میباشد. به عنوان مثال اگرi برابر روز باشد EP مطابق زیر برآورد خواهد شد : EP 3 =(P 1 )/1 + (P 1 +P 2 )/2 +(P 1 +P 2 +P 3 )/3 (2-1) این رابطه به خوبی تاثیر بالاتر بارشهاي اخیر نسبت به بارشهاي قدیمیتر و همچنین اینکه هر روز در طی دوره آماري مستقلا یک EP خواهد داشت را نشان میدهد. لذا براي هر دوره که هدف بررسی خشکسالی باشد بایستی EP هر روز دوره را با در نظر گرفتن تداوم مورد نظر بدست آورد. بدیهی است که این محاسبات براي سال اول دوره آماري قابل انجام نخواهد بود و از سال دوم به بعد EP 365 *29 30 قابل انجام میباشد (به عنوان مثال چنانچه سال آمار وجود داشته باشد مقدار بدست خواهد آمد). - محاسبه میانگین بارش موثر روزانه( MEP ) 7 در حقیقت میانگین یا نرمال EP براي هر روز تقویمی بوده که ویژگیهاي اقلیمی را در MEP یک مکان و زمان معین نشان میدهد. براي محاسبهMEP یک روز بایستی EPهاي همان روز را در 7 - Mean of Effective Precipitation 5

15 MEP طول دوره مورد نظر با هم جمع کرده و میانگین گرفت. از آنجاي یکه تغییرات قدري زیاد میباشد توصیه میگردد تا از میانگین متحرك 5 روزه MEPها استفاده شود.(Byun and Wilhite, 1999) محاسبه انحراف 8 (DEP) ازMEP EP - MEP برآورد انحراف EP از مرحله بعدي محاسبات بوده که براي کل روزهاي دوره آماري محاسبه میگردد: DEP=EP - MEP (3-1) مقدار مثبت DEP نشان دهنده ذخیره آب در همان تاریخ و مکان بوده و مقدار منفی آن معنی عکس دارد. - محاسبه مقدار استاندارد شده (SEP) DEP 9 به منظور امکان مقایسه نتایج قبل بین مناطق مختلف بدون توجه به شرایط آب و هوایی ارقام حاصله از مرحله قبل با استفاده از رابطه ذیل استاندارد میگردد: SEP = DEP ST (EP ) (4-1) MEP در رابطه فوق ST(EP) انحراف معیارEP براي هر روز تقویمی میباشد (نظیر که میانگین EP هاي یک روز خاص بود). - تعریف دوره خشک و تداوم واقعی SEP چون مقادیر منفی DEP و حاکی از بارندگی زیرحد نرمال میباشد بنابراین دورههاي خشک را میتوان دورههایی با مقادیر منفی متوالی این پارامترها تلقی نمود. تداوم واقعی از جمع ( کردن تداوم فرضی (365 روز در این تحقیق و دوره خشک یا تر بدست میآید. براي مثال اگر تا تاریخ دوم اردیبهشت ماه به مدت 35 روز مقدار DEP یا SEP منفی باشد (28 اسفند تا 2 اردیبهشت) 8 - Deviation of MEP 9 - Standardized of Effective Precipitation 6

16 تداوم واقعی براي این تاریخ 35 روز (دوره خشک) بعلاوه تداوم فرضی اولیه خواهد بود (روز = ). 399 حال میتوان براي هر روز در دوره آماري یک تداوم واقعی را بدست آورد محاسبه شاخص بارندگی مورد نیاز براي برگشت به شرایط نرمال روزانه( PRN ) محاسبه این قسمت با تکرار مراحل قبل با توجه به دوره تداوم واقعی حاصل از مرحله قبل آغاز 377 روز را داشته باشد میگردد. به عنوان مثال چنانچه اول فروردین سال دوم آماري تداوم واقعی DEP MEP 377 لازم خواهد بود تا براي اول فروردین کلیه سالها EP روزه و سپس و مربوط محاسبه گردد. به همین ترتیب براي اول فروردین در سال بعد با توجه به تداوم واقعی محاسبه شده آن عملیات مجددا (براي سالهاي قبل و بعد) تکرار میگردد. کلیه این مراحل براي تمامی روزها به PRN DEP همین ترتیب انجام خواهد گرفت. پس از محاسبه هر روز با توجه به تداوم واقعی مربوط مطابق زیر محاسبه میگردد که اندیس J در آن اشاره به تداوم واقعی دارد : PRN j = j N= 1 DEP j (1/ N) (5-1) PRN در حقیقت مقدار بارندگی لازم براي برگشت به شرایط نرمال از حالت کمبود را نشان میدهد. با توجه به اینکه مقدار کمبود بارندگی نشان دهنده شدت خشکسالی میباشد لذا میتوان شدت خشکسالی را ارزیابی کرد اگرچه به شرایط آب وهواي ی وابسته بوده و لازم است تا با PRN مانند SEP استاندارد گردد. - محاسبه شاخص خشکسالی موثر( EDI ) EDI در واقع شکل استاندار شده PRN میباشد و مطابق زیر برآورد میگردد: EDI = j ST PRN j ( PRN j ) (6-1) در رابطه بالا ST(PRN) نشان دهنده انحراف معیار PRN میباشد (مطابق با منطقی که براي EP 10 - Precipitation needed for a Return to Normal 7

17 اراي ه گردید). بدین ترتیب این شاخص قابلیت آن را دارد تا براي هر شرایط آب و هواي ی وضعیت خشکسالی را در مناطق مختلف بر اساس طبقهبندي خاصی که براي آن تعریف شده 4-3) محاسبه و با هم مقایسه نماید. (جدول شاخص کمبود (DI) N (J) براي محاسبه شاخص DI براي هر یک از روزهاي سال در طول سال دادههاي آماري موجود در یک ایستگاه هیدرومتري ابتدا براي هر یک از روزهاي سال بازهاي به طول D روز قبل و D روز بعد انتخاب میگردد. مقدار D باید طوري باشد که تعداد دبیهاي انتخاب شده براي بازه هر یک از روزها در طول N سال آماري کمتر از 300 نباشد. نرم افزار مقدار D برابر با 10 روز قرار داده است 2007) Sauquet,.(Prudhomme and در مرحله بعد منحنی تداوم جریان براي روز بازه هر (j) محاسبه و رسم میگردد. Q 70 مقدار محاسبه (Q) دبی آستانه مرحله بعدي میباشد. در اینجا به عنوان دبی آستانه در نظر گرفته شد (مقدار دبی که در 70 درصد از ایام سال دبی رودخانه مساوي و یا بیشتر از آن است) ولی کاربر میتواند آن را تغییر دهد و ارقام دیگري را به عنوان آستانه تعریف نماید. در ادامه سري جریان رودخانه با دبی آستانه مقایسه میشود. ارقام کمتر مبین وقوع خشکسالی (DI=1) و بیشتر عدم وقوع خشکسالی (DI=1) را نشان میدهد. شاخص RDI از جمع شاخصهاي DI مقادیر منطقهاي آن تحت عنوان شاخص منطقهاي RDI بدست میآید. در واقع اعلام خشکسالی با RDI در یک روز و ناحیهاي است که همگنی آن مورد تاي ید قرار گرفته M ایستگاه هیدرومتري با N سال داده روزانه دبی وجود داشته باشد باشد. چنانچه در این ناحیه در M 1 RDI() t = DIi () t M i = 1 این صورت شاخص( t ) RDI مطابق رابطه 3-2 محاسبه میشود: (7-1) 8

18 i ام در DI DI i (t) در این رابطه i: شمارنده ایستگاههاي موجود در منطقه و در ایستگاه مقدار 0.3 RDI(t) روز t ام میباشند. چنانچه مقدار براي منطقهاي براي یک روز خاص بیشتر از بیشتر باشد آنگاه در آن روز در منطقه مورد مطالعه خشکسالی رخ داده است.(Prudhomme and Sauquet, 2007) 4-1- مدلهاي پیشبینی آنچه که تاکنون آمد مطالبی مربوط به پایش بود که براي طراحی سیستم پایش خشکسالی دریاچه ارومیه در نظر گرفته شده است. 11 در این قسمت نیز اشارهاي به پیشبینی براي این طرح میگردد. ابتدا لازم به ذکر است که پیشبینی آن هم از نوع بلند مدت آن از خطا و عدم قطعیت بالایی برخوردار میباشد لذا آنچه که در این خصوص چه در سطح ملی و چه در سطح بینالمللی اعلام و IRI استفاده میگردد با آگاهی از این ضعفها میباشد. (1-1) شکل نمونهاي از پیشبینی موسسه براي شاخص SST که براي پیشبینی خشکسالی کاربرد زیادي دارد را نشان میدهد. محدوده مقادیر SST نسبت به دبی از دامنه بسیار کمتري برخوردار است و براي این کار نیز بیش از بیست مدل آماري و دینامیکی استفاده شده که تفاوت در نتایج آنها کاملا آشکار است. علیرغم این موارد ملاحظه میگردد که تفاوتهاي آشکاري در خروجیها وجود دارد که براي متغیري مانند دبی بیش از اینها را نیز باید انتظار داشت پیشبینی جریان در سطح کشور پیشبینی هم براي متغیرهاي هواشناسی و هم هیدرولوژیکی انجام میشود که به ترتیب سازمان هواشناسی و وزارت نیرو عهده دار آنها هستند. در سطح استانی نیز پیشبینیهایی از آورد رودخانهها توسط سازمانهاي آب استانی به انجام 9 11 پیش بینی جزء شرح خدمات این طرح نمیباشد و دراینجا مطالبی تنها براي تقویت سیستم پایش اشاره شده است.

19 میرسد که در روششناسی آن وضعیت سال جاري با سالهاي مشابه قبل مقایسه میگردد. این K Nearest Neighbor روش شباهت زیادي به الگوریتمی تحت عنوان K نزدیکترین همسایه یا شکل 1-1: پیشبینی آنومالی دماي سطح دریا (SST) در منطقه NINO 3.4 (IRI) توسط موسسه بین المللی تحقیقات اقلیم و جامعه (5 N-5 S, 120 W-170 W) KNN دارد که از روشهاي طبقهبندي و دادهکاوي الگوریتم در است. بر خلاف اکثر (KNN) روشهاي داده کاوي مدلی براي دادهها استخراج نمیشود. به عبارتی فاز آموزش براي این الگوریتم وجود ندارد. بلکه مجموعهاي از دادهها براي آموزش سیستم انتخاب میشوند. سپس براي دستهبندي هر کدام از نمونههاي آموزشی آن نمونه با همه نمونههاي مجموعه آموزشی مقایسه میشود و K نمونهاي که بیشترین شباهت را با آن دارند انتخاب میشود. در نهایت بر اساس اینکه غالب نمونههاي همسایه متعلق به چه کلاسی هستند کلاس نمونه آموزش تعیین میشود. 30 سال فرض براي مثال پیشبینی آورد سال آینده در ایستگاهی براساس دبی 12 ماه قبل آن و 10

20 شود 12*30 ورودي و بردار 1*30 (ماتریس خروجی). در اینجا ورودي هاي مدل میزان دبی ماهانه هر سال و خروجی مجموع آورد سال بعد آن است. سوال نیز پیشبینی سال 31 ام است. شرح روش براساس مثال بالا اینگونه خواهد بود که ابتدا باید نزدیکترین (مشابهترین) سالها از بین آمار موجود به سال 30 انتخاب گردند. در روش KNN نیاز است تا رابطهاي براي محاسبه فاصله یا شباهت بین سالها تعریف شود. براي این منظور روابط زیادي معرفی شده که معروفترین آنها فاصله اقلیدسی است: t n 2 1, X2) = = ( x i i x 1 1 2i ) Dis ( X ( 8-1) n x 2i X 1 12 n که در آن x 1i ها مجموعه خصوصیت (در اینجا ماه دبی) و نمونه ها مجموعه خصوصیت نمونه X 2 هستند. اگر در رابطه (1-3) وزنها نیز وارد شود رابطه زیر حاصل میشود: t n 2 1, X2 ) = = W i i( xi x 1 1 2i) Dis ( X ( 9-1) همانطور که از رابطه فوق بر میآید تعیین فاصله مشخص شده بستگی به وزنی دارد که براي هر یک از متغیرهاي مستقل در نظر گرفته میشود تعیین این وزنها از مهمترین مساي ل در این روش پیشبینی میباشد. مثلا براي پیشبینی آورد سال بعد میتوان وزن بیشتري را به ماههاي زمستان نسبت به تابستان داد. پس از محاسبه وزنها مقدار عددي متغیر مورد پیشبینی بدست آید: D r (دبی سال 31) میتواند از رابطه زیر 1 K D J r = * D m t ( 10-1) t= J در رابطه فوق J مرتبه هریک از همسایهها میباشد (سالهایی که نزدیکترین فاصله را داشتهاند) به این صورت که هرچه فاصله مجموعهاي از دادهها کمتر باشد مرتبه آن بیشتر درنظر گرفته میشود. D t 11

21 نیز مقدار متناظر D r در همسایهها میباشد. براي مثال مورد نظر چنانچه 4 سال انتخاب شده باشد سال 31 ام از میانگین وزنی ارقام متناظر آنها در بردار خروجی بدست میآید و آنکه نزدیکتر بوده وزن بیشتري نیز داشته است. جزي یات بیشتر در مورد الگوریتم در مرجع (کارآموز و عراقینژاد 1384) قاب ل دسترسی است بکارگیري ابزار RapidMiner براي استفاده از روش KNN یکی از قوي ترین ابزارهاي داده کاوي که در این مسي له و یا هر مسي له مشابه دیگري قابل استفاده 2-1 است RapidMiner میباشد. این ابزار که شماي کلی از آن در شکل نمایش داده شده است مجموعه متنوعی از الگوریتمهاي داده کاوي از جمله KNN را در خود دارد. شکل 2-1: شماي نرمافزار RapidMiner براي استفاده از الگوریتم KNN ابتدا میبایست این الگوریتم از مجموعه الگوریتمهاي موجود در نرمافزار انتخاب و بهمراه مجموعه دادهاي مورد نظر بر روي صفحه اصلی ابزار انداخته شود. این 12

22 کار در شکل 3-1 نمایش داده شده است. شکل 3-1: انتخاب الگوریتم KNN و دادهها پس از این مرحله می توان خصوصیات الگوریتم KNN (شکل 4-1). را از منوي کنار صفحه انتخاب کرد شکل 4-1: اطلاعات مورد نیاز براي اجراي KNN همانگونه که قبلا آمد K تعیین میکند که الگوریتم از چند همسایه نزدیک استفاده کند. خصوصیت weighted vote اگر انتخاب شود بجاي میانگین ساده از میانگین وزندار استفاده خواهد 13

23 measure type شد. درنهایت خصوصیت نوع تابع فاصله را تعیین میکند که می تواند به صورت ترکیبی نیز در mixed measure انتخاب و مورد استفاده قرار گیرد. نرم افزار در لوح فشرده پیوست گزارش آمده است. 14

24 فصل 2 کار با نرم افزار UDMP -1-2 مقدمه در این فصل به شرح کار با بسته نرم افزاري UDMP پرداخته میگردد. تلاش شده تا بخشهاي مختلف نرم افزار با اشکال مناسب تشریح گردد که براي کاربران استفاده از آن را تسهیل نماید. در عین حال در منوي برنامه نیز بخش Help گنجانده شده است تا در موارد لازم کاربر به آن مراجعه نماید. علاوه بر شرح یک مثال کاربردي نیز در انتها اراي ه شده تا کار بهتر با برنامه را نیز تسهیل نماید نوار منو نوار منو از از شش بخش اصلی شامل: Help و Data, Run, Veiw, Graph, Map تشکیل شده است که هر کدام نیز زیر منوي خاص خود را دارد که در شکل 1-2 قابل مشاهده هستند: 15

25 شکل 1-2: اجزاء منوي نرم افزار UDMP Data در ادامه و در شکل 2-2 اجزاء منوي Data تشریح میگردند. شکل 2-2: اجزاء زیر منوي DATA در نرم افزار UDMP Import Hydrological Data- با استفاده از این زیرمنو میتوان یک فایل مربوط به اطلاعات آبسنجی را وارد کرد. شکل 2- فرم 16

26 ورود اطلاعات را نشان می دهد. ابتدا باید آدرس فایل ورودي مشخص گردد که می تواند با فرمتهاي Excel و Text باشند. یا سپس باید مقیاس زمانی دادهها Scale) (Time و نوع تقویم آنها (Calendar) مشخص شوند (میلادي یا شمسی). شکل 3-2: نحوه معرفی ایستگاه آبسنجی Import Meteorological Data- این زیرمنو نیز مانند قبل بوده ولی براي معرفی ایستگاه بارانسنجی است. Show Data File- پس از معرفی ایستگاه این زیرمنو فعال میگردد و با استفاده از آن میتوان دادههاي وارد شده را در نرم افزار Excel مشاهده کرد شکل 4-2: بارگذاري و سپس نمایش دادههاي ورودي در محیط Excel Run با استفاده از این منو میتوان شاخصهاي مورد نظر را براي دادههاي ایستگاه محاسبه کرد. البته SDI 6-2 بسته به نوع داده شاخصها متفاوت هستند. شکل نمونهاي از اجراي شاخص براي را دادههاي دبی نشان می دهد و براي سایر شاخصها نیز مراحل کار به همین ترتیب است. 17

27 شکل 5-2: درخواست اجراي شاخص SDI شکل 6-2: اجراي برنامه براي شاخص SDI Excel مشاهده کرد View با استفاده از این منو میتوان داده شاخصهاي محاسبه شده را در نرم افزار (اشکال 7-2 و 8-2). 18

28 شکل 7-2: درخواست نمایش شاخص SDI شکل 8-2: بارگذاري براي نمایش نتایج شاخص SDI Graph با استفاده از این منو میتوان منحنی داده شاخصهاي محاسبه شده را تولید و در Excel مشاهده کرد. بدین منظور ابتدا بخش فعال میگردد 9-2) و (شکل سپس دوره زمانی که براي نمایش مد نظر است وارد میگردد (10-2). 19

29 شکل 9-2: درخواست نمایش نتایج اجراي شاخص SDI شکل 10-2: دوره زمانی مورد نظر براي نمایش نتایج اجراي شاخص SDI Map این منو و نقشههاي مربوط تنها براي مشاهده موقعیت ایستگاههاي بارانسنجی و یا آبسنجی است و کاربرد پردازشی ندارد. Hydrological Stations - 20

30 Meteorological Stations Help با استفاده از این منو می توان به راهنماي نرم افزار دسترسی داشت (Help) و همچنین شرح کلی نرمافزار را مشاهد نمود.(About) 21

31 فصل سوم شرح خروجیهاي نرم افزار UDMP -1-3 مقدمه بسته نرم افزاري UDMP شامل خروجیهایی است که مشخصا نتایج برنامه براي ایستگاههاي معرفی شده هستند. این اطلاعات هم مستقیما قابل استفاده هستند و هم با مجموعه محاسبات بعدي (post-processing) بخصوص در محیط GIS میتوانند از خروجیهاي برنامه اطلاعات دیگري را مانند نقشههاي خشکسالی در اختیار قرار دهند. در ادامه شرح بیشتري از این موارد همراه با مثالهاي اراي ه میشود. DI EDI پایش روزانه خشکسالی با استفاده از شاخص و -2-3 تحلیلهاي متنوعی را میتوان با استفاده از شاخص EDI وDI به انجام رساند. از مهمترین کاربردهاي 22

32 پایش در مقیاس روزانه تعیین زودهنگام وقوع خشکسالی یا وضعیت خشکسالی بعد از بارندگیهایی است که در حوضه اتفاق میافتد. امروزه نیز سیستمهایی مانند سیستم پایش خشکسالی آمریکا نفشههاي خشکسالی را بطور هفتگی تولید و در اختیار عموم قرار میدهند (شکل 1-3) و به همین ترتیب در کره جنوبی که با استفاده از ( شاخص EDI پایش در مقیاس روزانه به انجام میرسد (atmos.pknu.ac.kr/~intra/eng.index.php) (شکل 2-3). شکل 1-3: وضعیت خشکسالی در سطح آمریکا در تاریخ 2011/11/ پایش روزانه خشکسالی هواشناسی با استفاده از شاخص EDI شرح کامل این شاخصها در فصل قبل آمد. براساس قابلیتهاي شاخص EDI خشکسالی بطور روزانه پایش و وضعیت آن قابل بررسی است. شکل 3-3 و 4-3 نمایشی از نتایج مدل تهیه شده براي این شاخص میباشد که مربوط به ایستگاههاي نقده و سنته طی سالهاي لغایت است. این دوره از شدیدترین خشکسالیهاي ثبت شده در منطقه بوده و به عنوان

33 ب( شکل 2-3: پایش روزانه خشکسالی در سطح کره جنوبی با استفاده از شاخص EDI براي 2011/7/13 نمونه در گزارش آمده است. اشکال بسیار گویا و دقیق وضعیت روزانه خشکسالی را با بکارگیري مجموعهاي از پارامترها به تفسیر در آورده است. براي بیان بهتر قابلیت شاخص شکل 3-3 بیشتر (EP) (MEP) تشریح میگردد. شکل شامل سه منحنی "میانگین بارش موثر" "بارش موثر" و "انحراف بارش موثر از میانگین بارش موثر" براي هر روز است ( 3-3 الف). افزایش بارش موثر (MEP) از میانگین بارش موثر شرایط مرطوب و کاهش آن شرایط خشک را نشان میدهد. (EP) ملاحظه میشود که از ابتداي سال دوم تقریبا بطور مستمر ایستگاه شرایط خشک را گزارش کرده ( شامل یک نمودار ستونی بوده که مقدار بارندگی روزانه را نشان داده و بررسی است. شکل 3-3 عکس العمل سایر پارامترها را در مقابل رخداد بارندگیها قابل تعقیب میسازد. منحنیهاي "بارش (EDI) لازم براي بازگشت به شرایط نرمال" (PRN) و "شاخص بارش موثر" وضعیت را براي هر 80 میلیمتر 1379 روز بیان میدارند. براي این دوره بیشترین کمبود در اوایل آذر اتفاق افتاده که 24

34 کمبود بارش در منطقه را گزارش نموده است. علیرغم بارندگیهاي زمستان و پاي یز طی این دوره نقش آنها در کاهش استمرار خشکسالیها موثر نبوده و تقریبا کل سال 1378 و 1379 در خشکسالی به سررفته است. بارش موثر انحراف بارش موثر از میانگین بارش موثر میانگین بارش موثر الف ,1,77 31,1,77 30,2,77 29,3,77 28,4,77 27,5,77 26,6,77 25,7,77 25,8,77 25,9,77 25,10,77 25,11,77 25,12,77 26,1,78 25,2,78 24,3,78 23,4,78 22,5,78 21,6,78 20,7,78 20,8,78 20,9,78 20,10,78 20,11,78 20,12,78 21,1,79 20,2,79 19,3,79 18,4,79 17,5,79 16,6,79 15,7,79 15,8,79 15,9,79 15,10,79 15,11,79 15,12, بارندگی * 10 بارش لازم براي بازگشت به وضعیت نرمال* 10 شاخص خشکسالی موثر* 100 ب ,1,77 31,1,77 30,2,77 29,3,77 28,4,77 27,5,77 26,6,77 25,7,77 25,8,77 25,9,77 25,10,77 25,11,77 25,12,77 26,1,78 25,2,78 24,3,78 23,4,78 22,5,78 21,6,78 20,7,78 20,8,78 20,9,78 20,10,78 20,11,78 20,12,78 21,1,79 20,2,79 19,3,79 18,4,79 17,5,79 16,6,79 15,7,79 15,8,79 15,9,79 15,10,79 15,11,79 15,12, شکل 3-3: وضعیت روزانه خشکسالی EDI و سایر متغیرهاي مربوط به این شاخص (میلیمتر) طی سال آبی لغایت با استفاده از شاخص EDI در ایستگاه نقده 25

35 بارش موثر انحراف بارش موثر از میانگین بارش موثر میانگین بارش موثر ,1,77 31,1,77 30,2,77 29,3,77 28,4,77 27,5,77 26,6,77 25,7,77 25,8,77 25,9,77,10,77 25,11,77,12, ,1,78 25,2,78 24,3,78 23,4,78 22,5,78 21,6,78 20,7,78 20,8,78 20,9,78,10,78 20,11,78 20,12, ,1,79 20,2,79 19,3,79 18,4,79 17,5,79 16,6,79 15,7,79 15,8,79 15,9,79,10,79 15,11,79 15,12, بارندگی * 10 بارش لازم براي بازگشت به وضعیت نرمال * 10 شاخص خشکسالی موثر * (1,1,77 ) (31,1,77 ) (2,3,77 ) (1,4,77 ) (1,5,77 ) (31,5,77 ) (30,6,77 ) (30,7,77 ) (29,8,77 ) (28,9,77 ) (28,10,77 ) (27,11,77 ) (27,12,77 ) (26,1,78 ) (25,2,78 ) (27,3,78 ) (26,4,78 ) (26,5,78 ) (25,6,78 ) (25,7,78 ) (24,8,78 ) (23,9,78 ) (23,10,78 ) (22,11,78 ) (22,12,78 ) (21,1,79 ) (20,2,79 ) (22,3,79 ) (21,4,79 ) (21,5,79 ) (20,6,79 ) (20,7,79 ) (19,8,79 ) (18,9,79 ) (18,10,79 ) (17,11,79 ) (17,12,79 ) -600 شکل 4-3: وضعیت روزانه خشکسالی طی سال آبی لغایت با استفاده ازشاخص EDI در ایستگاه سنته پایش روزانه خشکسالی هیدرولوژیکی با استفاده از شاخص DI با توجه اهمیت جریان رودخانه براي در حوضه ونقش آن در تامین آب دریاچه پایش روزانه خشکسالی با متغیرهاي هیدرولوژیکی در سیستم نیز مد نظر قرار گرفت. این پایش هم ایستگاهی و هم منطقهاي قابل انجام است که در ادامه تشریح میشوند. 26

36 پایش ایستگاهی شاخص DI با شرحی که در فصل اول و گزارش رفتار خشکسالی در حوضه دریاچه آمد این شاخص نیاز به معرفی یک آستانه دارد (شکل 5-3) که براي این مطالعات پس از بررسیهایی Q70 در نظر گرفته UDMP متغیر در نظر شد 70 (دبی که در ایام دبی مساوي و کمتر از آن است). این رقم در سیستم گرفته شده است و کاربر میتواند ارقام متفاوتی را ارزیابی و استفاده نماید. 6-3 در شکل نیز خط سبز رنگ منحنی دبیهاي %70 تغییر خواهد کرد. را نشان میدهد که در صورت تغییر آنها نحوه اعلام خشکسالی نیز شکل 5-3: محاسبه شاخص DI در مدل UDMP و معرفی آستانه دبی شکل 6-3 : تغییرات سريهاي زمانی دبی دبیهاي %70 و شاخص DI در ایستگاه ونیار طی سالهاي لغایت

37 پایش مکانی خشکسالی با استفاده از شاخص DI علاوه بر کنترل ایستگاهی شاخص DI میتوان نتایج ایستگاهها را بطور مکانی نیز نشان داد و وضعیت خشکسالی را در سطح حوضه بر اساس این شاخص ارزیابی نمود. نمونهاي از این نقشهها براي ایامی از سالهاي از سالهاي 1371 و در اشکال تا نشان داده شده است که به ترتیب معرف سالهاي تر نرمال و خشک طی دوره آماري هستند. شکل 7-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1371/2/15 28

38 شکل 8-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1371/10/15 شکل 9-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1376/10/15 29

39 شکل 10-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1377/2/15 شکل 11-3: وضعیت هیدرولوژیکی خشکسالی در حوضه دریاچه ارومیه در تاریخ 1377/10/15 30

40 رفتار شاخصها EDI و DI در مقیاس روزانه از سوالاتی که در زمان پایش میتواند مطرح باشد این است که آیا میتوان کاهش منابع ناشی از برداشتهاي غیر متعارف بالا دست را از کاهشی که متاثر از افت نزولات جوي است تمیز داد پاسخ به این سوال چندان راحت نیست زیرا که همواره فرض اول در استفاده از شاخصها وجود دادههاي ایستا میباشد. از طرفی چنانچه این روند برداشتهاي غیر متعارف و خارج از چارچوب ادامه داشته باشد حساسیتهاي پارامترهاي آماري به آن کم شده و به عبارتی آن را به عنوان رفتار طبیعی رودخانه و دادههاي واقعی قلمداد میکند. مانند ارقام سیلهاي استثنایی که چنانچه در یک ایستگاه چنین سیلی اتفاق بیافتد و یا به اشتباه چنین رقمی ثبت شده باشد روشهاي آماري میتوانند آن را ابتدا به عنوان دادهاي پرت layer) (Out دیگر میسر نخواهد بود. شناسایی کنند ولی با تکرار آنها به هر دلیل این امر.(12-3) این مقایسه براي سال آبی در ایستگاه نقده به انجام رسیده است ملاجظه میگردد که در نیمه اول سال بیشتر DI خشکسالی را اعلام داشته و سپس در نیمه دوم رفتارها به هم %55 %37 ایام و DI نزدیک شدهاند. براي این سال EDI در در درصد ایام خشکسالی را اعلام نموده 1- به عنوان آستانه اعلام خشکسالی در EDI است. قابل توجه میباشد که براي این مقایسه مقدار مورد استفاده قرار گرفته است و بدیهی است که تغییر این آستانه میتواند نتایج را تغییر دهد. در هر (13-3) حال 1- مقدار منطقی میباشد. تحلیل مشابهی نیز براي ایستگاه سنته انجام شده و در آن مقایسه فوق مجددا به انجام DI EDI رسیده است. براي این سال و در این ایستگاه تقریبا خشکسالی اعلام نداشته حال آنکه %30 ایام را خشکسالی اعلام داشته است. 31

41 و 1 و EDI DI 1,7,84 16,7,84 31,7,84 15,8,84 30,8,84 14,9,84 29,9,84 14,10,84 29,10,84 13,11,84 28,11,84 13,12,84 28,12,84 12,1,85 27,1,85 11,2,85 26,2,85 13,3,85 28,3,85 12,4,85 27,4,85 12,5,85 27,5,85 11,6,85 26,6,85 شکل 12-3: مقادیر شاخصهاي DI و EDI براي ایستگاه نقده طی سالهاي 1384 تا به ترتیب وقوع و عدم وقوع خشکسالی را نشان میدهد) ) EDI DI 1,7,84 9,7,84 17,7,84 25,7,84 2,8,84 10,8,84 18,8,84 26,8,84 3,9,84 11,9,84 19,9,84 27,9,84 5,10,84 13,10,84 21,10,84 29,10,84 6,11,84 14,11,84 22,11,84 30,11,84 8,12,84 16,12,84 24,12,84 1,1,85 9,1,85 17,1,85 25,1,85 2,2,85 10,2,85 18,2,85 26,2,85 6,3,85 14,3,85 22,3,85 30,3,85 7,4,85 15,4,85 23,4,85 1,5,85 9,5,85 17,5,85 25,5,85 2,6,85 10,6,85 18,6,85 26,6,85 شکل 13-3: مقادیر شاخصهاي DI و EDI براي ایستگاه سنته طی سالهاي 1384 تا به ترتیب وقوع و عدم وقوع خشکسالی را نشان میدهد) ) SDI SPI پایش ماهیانه خشکسالی با شاخصهاي هواشناسی و هیدرولوژیکی -3-3 تحلیل بخش قبل را میتوان براي شاخصهاي SPI و SDI که در مقیاسهاي ماهانه تا چند ماهه هستند تکرار نمود. در این خصوص هم رفتار آنها را طی دوره آماري مد نظر و هم بطور مکانی و در سطح حوضه براي یک ماه خاص میتوان ارزیابی کرد. تفاوت استفاده از این شاخصها با مقایسه قبل در این است که میتوان تنها به اعلام خشکسالی 32

42 بسنده ننمود و شدتها را نیز مقایسه کرد مقایسه رفتار شاخصها در طول آماري SDI براي بررسی شاخصها در مقیاس ماهانه شاخصهاي SPI و در بازه ماهانه محاسبه و در مرحله بخشی از نتایج با هم مقایسه شدند که نتایج در ادامه اراي ه میشوند. SDI SPI شکل 14-3 مقایسه شاخصهاي و را براي ایستگاه سنته و طی سالهاي آبی 1379 تا 80- نشان میدهد. تفاوت رفتار آنها در این دو دوره کاملا آشکار است در SDI حالیکه ایستگاه سنته با SPI شاخص براي اغلب ماهها وضعیت نرمال را نشان میدهد تعداد زیادي از ماهها را در وضعیت خشکسالی اعلام میدارد SPI SDI ,77 8,77 9,77 10,77 11,77 12,77 1,78 2,78 3,78 4,78 5,78 6,78 7,78 8,78 9,78 10,78 11,78 12,78 1,79 2,79 3,79 4,79 5,79 6,79 7,79 8,79 9,79 10,79 11,79 12,79 1,80 2,80 3,80 4,80 5,80 6,80 شکل 14-3: نمودار مقایسه شاخصهاي SPI و SDI براي ایستگاههاي سنته طی سالهاي آبی تا به همین ترتیب شکل 15-3 همین مقایسه را براي ایستگاه نقده به عنوان نمونه اراي ه میدهد. در این ایستگاه شاخص SPI تعداد بیشتري از ایام را در حالت خشکسالی اعلام داشته است. اما مانند قبل بر اساس SDI تعداد بیشتري از ماهها با وضعیت خشکسالی مواجه هستند. تفاوت در اعلام خشکسالیها بخشی بر میگردد به حساسیت بیشتر معرفهاي هیدرولوژیکی که در تحقیق مرید و پایمزد نیز مورد اشاره قرار گرفته است (مرید و پایمزد 1386). 33

43 0 1-8,77 7,77 6,80 5,80 4,80 3,80 2,80 1,80 12,79 11,79 10,79 9,79 8,79 7,79 6,79 5,79 4,79 3,79 2,79 1,79 12,78 11,78 10,78 9,78 8,78 7,78 6,78 5,78 4,78 3,78 2,78 1,78 12,77 11,77 10,77 9, SPI SDI شکل 15-3: نمودار مقایسه شاخصهاي SPI و SDI براي ایستگاههاي نقده طی سالهاي آبی تا مقایسه رفتار مکانی شاخصها مقایسه مکانی نتایج در سطح حوضه میتواند دید بسیار مناسبی از وضعیت خشکسالی در سطح SDI SPI حوضه فراهم آورد. رفتار دو شاخص و در سطح حوضه طی سال آبی مثال 19-3 مناسبی در این خصوص میباشد که در اشکال 16-3 تا اراي ه شدهاند. این نقشهها براساس اجراي مدل براي کلیه ایستگاهها میباشد. رفتار دو شاخص هواشناسی و هیدرولوژیکی طی این سال SPI (16-3 آبی رفتار کاملا متفاوت آنها را نشان میدهد. در شروع سال آبی و فصل پاي یز (شکل شرایط غیر خشکسالی را در سطح حوضه اعلام میدارد ولی SDI شرایط را در وضعیت خشکسالی خفیف میداند. تنها در آذر بخشی از شمال غرب حوضه با خشکسالی هواشناسی مواجه میشود و هم به این وضعیت واکنش نشان داده و شرایط حادتري را اعلام میدارد. در فصل زمستان SDI (شکل 17-3) شرایط اقلیمی دو مه اول خشک و در اسفند وضعیت بهتر میگردد اما همچنان اغلب ایستگاههاي هیدرومتري شرایط را خشکسالی اعلام میدارند. فصل بهار با نوساناتی در سطح حوضه با خشکسالی هواشناسی مواجه است و همزمان ایستگاههایی ترسالی و بعضی خشکسالی را اعلام داشتهاند. براي این دوره در دو ماه اول پاسخ SDI همچنان خشکسالی و این امر بهویژه براي دو ماه (19-3 فروردین و اردیبهشت از شدت بیشتري برخوردار خواهند بود. ماههاي تابستان (شکل این SDI سال شاهد بارشهاي مناسبی بوده که هم بر نتایج شاخص SPI و بخصوص در ماههاي تیر و مرداد اثرگذاشته است و از شدت شرایط خشکساالی این سال کاسته است. 34

44 ب( ( ج( ( فلا( ( شکل 16-3 : مقایسه توزیع مکانی شاخص SPI و شاخص SDI در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) مهر ب) آبان ج) آذر. 35

45 ب( ج( فلا( ( ( ( شکل 17-3 : مقایسه توزیع مکانی شاخص SPI و شاخص SDI در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) دي ب) بهمن ج) اسفند. 36

46 ب( ( ج( ( فلا( ( شکل 18-3 : مقایسه توزیع مکانی شاخص SPI و شاخص SDI در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) فروردین ب) اردیبهشت ج) خرداد. 37

47 ب( ج( فلا( ( ( ( شکل 19-3 : مقایسه توزیع مکانی شاخص SPI و شاخص SDI در حوضه دریاچه ارومیه در سال آبی در ماههاي الف) تیر ب) مرداد ج) شهریور. 38

48 4-3- ضرورت هاي سیستم پایش موفق در گزارش حاضر نرم افزار توسعه یافته براي سیستم پایش خشکسالی حوضه دریاچه ارومیه اراي ه گردید و تلاش شد تا با مثالهایی بخشی از قابلیتهاي نرم افزار تشریح گردد. آنچه آمد تنها ابزار کار بود ولی براي موفقیت این سیستم موارد دیگري مورد نیاز است که از اهمیت بسیار بالایی برخوردار هستند که در ادامه به آنها اشاره میگردد: - اطلاعات بروز مهمترین سازکار براي سیستم پایش دسترسی به اطلاعات بروز میباشد. براساس اطلاعات بروز است که سیستم میتواند به موقع هشدارهاي لازم را اراي ه دهد و نتایج آن در تصمیمگیريها تاثیرگذار باشند. - نیروي انسانی خلاق ابزارها هنگامی کارآمد هستند که توسط نیروهاي انسانی ماهر و با انگیزه مورد استفاده قرارگیرند. براي پایش موفق خشکسالی در سطح حوضه به خدمتگیري چنین نیروي انسانی نیاز میباشد که ضمن آشنایی با نرم فزار و ابزارهاي تکمیلی و بخصوص GIS بتواند گزارش متنوع و کاربردي را از وضعیت خشکسالی تهیه نماید. - سایت موفق اطلاعرسانی و توزیع مناسب و به هنگام گزارشات بخشی از ویژگیهاي یک سیستم پایش کارآمد است. در این خصوص توسعه سایتی در این خصوص و یا استفاده از سایتهاي موجود کاملا ضروري است. - ارزیابی سیستم کلا طرحهاي خشکسالی طی یک فرآیند تکمیل و توسعه مییابند. لازم است این سیستم در پایان هر سال آبی ارزیابی گردد اطلاعات آن به هنگام شوند و براي دوره بعد به قابلیتهاي آن متناسب با یافتهها افزوده گردد. 39

49 فهرست منابع و مراجع - مرید س. و پایمزد ش. (1386) مقایسه روشهاي هیدرولوژیکی و هواشناسی جهت پایش روزانه خشکسالی: مطالعه موردي دوره خشکسالی 1387 لغایت 1380 استان تهران. مجله علوم و فنون کشاورزي و منابع طبیعی سال یازدهم شماره : - Bochenek, Z. (2005). Monitoring agricultural drought and its and predicting: some concepts. Monitoring and predicting agricultural drought. Oxford university press. pp: Byun HR, Wilhite DA Objective quantification of drought severity and duration. Journal of Climate 12: Edwars, D. C. and Mckee T. B. (1997).Characteristics of 20th century drought in the university, Colorado. - Hayes, M. J. (2000). What is drought? Climate impacts specialist. - Hayes, M.J., Svoboda, M. D., Wihite, D. A. and Vanyarkho, O.V. (1998) Monitoring the drought using the standardized precipitation index. Bulletin of American Meteorological Society, 80: Morid S., Smakhtin V. and Moghaddasi M. (2005) Comparison of seven meteorological indices for drought monitoring in Iran. International Journal of Climatology.26: Prudhomme. C. Sauquet. E. (2007) Modelling a Regional Drought Index in France, Hydrological Risks & Resources Section Risk Analysis and Modelling Group, CEH Wallingford,Maclean Building, Benson Lane, Cro wmarsh Gifford,Wallingford, Oxfordshire, OX10 8BB, Araghine. 40