پیشبینی و تحلیل خشکسالی هواشناسی در حوضه آبریز دریاچه ارومیه بر اساس سیگنالهای آب و هواشناسی با استفاده از روشهای دادهکاوی
عنوان اصلي به زبان ديگر
Meteorological drought prediction and analysis based on climate signals using data mining methods in Urmia Lake basin
نام نخستين پديدآور
/فاطمه شاکر سوره
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: کشاورزی
تاریخ نشرو بخش و غیره
، ۱۳۹۷
نام توليد کننده
، میرزائی
مشخصات ظاهری
نام خاص و کميت اثر
۱۲۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی - الکترونیکی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی آب گرایش منابع آب
زمان اعطا مدرک
۱۳۹۷/۰۶/۰۵
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
وقوع خشکسالی جزء جداییناپذیر نوسانات اقلیمی میباشد .پیشبینی وقوع این پدیده طبیعی به دلیل صدمات و آثار تخریبی آن بر منابع آب و کشاورزی همواره موردتوجه محققین بوده و تاکنون روشهای مختلفی برای پیشبینی آن ارائهشده است .با توجه به شرایط اخیر در حوضه دریاچه ارومیه و روند خشکی بیسابقه دریاچه، داشتن یک تحلیل کلی از شاخصهای مختلف خشکسالی ضرورتی انکارناپذیر است .مطالعات سالصهای اخیر نشان داده است که سیگنالهای آب و هواشناسی از تأثیرگذارترین پارامترهای آبوهوایی در مقیاس جهانی و منطقهای بر مقدار بارش است .بررسی تأثیر این سیگنالها بر بارش یکی از موضوعات تحقیقاتی است که بسیاری از پژوهشگران در سطح جهان به آن میصپردازند .در این پژوهش جهت پیشبینی و تحلیل خشکسالی هواشناسی در حوضه آبریز دریاچه ارومیه بر اساس سیگنالهای آب و هواشناسی از روشهای دادهکاوی استفاده گردید .برای این منظور، از دادههای ماهانه هواشناسی ۶ ایستگاه سینوپتیک حوضه دریاچه ارومیه و سیگنالهای آب و هواشناسی NAO, SOI,Mogi,MOac, Wemo و دمای سطح دریاهای مدیترانه، سرخ، سیاه، خزر و خلیجفارس در دوره آماری ۱۹۸۸ - ۲۰۱۶استفادهشده است .ابتدا با استفاده از دادههای بارش و تبخیر در منطقه موردنظر شاخص بارش- تبخیر- تعرق استانداردشده (SPEI) در بازهصهای ۳ ماهه، ۶ ماهه، ۹ ماهه و ۱۲ ماهه و ۲۴ ماهه و ۴۸ ماهه در طول دوره۱۹۸۸ - ۲۰۱۶برای متوسط منطقه محاسبه شد .سپس ضمن استخراج روابط همبستگی همزمان و غیرهمزمان بین پارامترهای هواشناسی و سیگنالهای آبص و هواشناسی با مقادیر شاخصصهای بارش- تبخیر- تعرق استانداردشده (SPEI) محاسبهشده، اقدام به مدلسازی و پیشبینی این شاخص گردید .با استفاده از دو روش قوانین انجمنی و مدلصهای تصمیم درختی ضمن مطالعه روابط بین پارامترهای هواشناسی و سیگنالهای هواشناسی با خشکسالی منطقه موردمطالعه نسبت به استخراج الگوهای پنهان بین پارامترهای هواشناسی، سیگنال-های آب صو هواشناسی و شاخص بارش- تبخیر- تعرق استانداردشده (SPEI) اقدام گردید .نتایج بهدستآمده در هردو روش نشان داد که ترکیبی از سیگنالها و پارامترهای هواشناسی دقت مدل را در طولانیمدت بالابرده و باعث بهبود نتایج هردو مدل میشود .بهترین نتیجه در بررسی خشکسالی حوضه دریاچه ارومیه مربوط به SPEI۴۸ میباشد (R=۰.۸۵, RMSE=۰.۰۸, MAE=۰.۱۱) و در قوانین انجمنی SPEI۴۸ بهترین قانون مربوط به ترکیبی از سیگنالهای آب و هواشناسی و پارامترهای هواشناسی میباشد که در آن زمانی که دمای سطح دریای سرخ خیلی زیاد و دمای خلیجفارس خیلی زیاد، دمای حداکثر منطقه مورد مطالعه خیلی زیاد باشد شاخص SPEI۴۸ در گروه نرمال قرار میگیرد و مقدار شاخص صعود این قانون ۳۲/۱ میباشد .اگرچه هردو روش مورداستفاده نتایج قابل قبولی ارائه میصدهند ولیکن مدل درختی به علت ارائه روابط خطی ساده و کاربردی از مزیت نسبی برخوردار است .این در حالی است که روش قوانین انجمنی نیز با ارائه قوانین کاربردی میتواند در راستای مدیریت خشکسالی برای دورههای آتی با توجه به مقادیر پارامترهای هواشناسی و سیگنالهای آب و هوائی مورداستفاده مدیران منطقهای قرار گیرد
متن يادداشت
The occurrence of drought is an integral part of climate oscillation. The forcasting of the occurrence of this natural phenomenon due because its damage and its effects on agriculture and water resources has always been a concern of researchers, and so far different methods have been proposed to forcast it. Because the recent conditions in the Urmia Lake Basin and the unprecedented trend of drought, it is indispensable to have a general analysis of various drought indices. Recent studies have shown that climate signals are one of the most influential climate parameters on a global and regional scale. Investigating the effect of these signals on precipitation is one of the research topics that many researchers around the world are focusing on. In this research, data mining methods will be used for forcast and analysis of meteorological droughts in Urmia Lake basin based on climate signals. For this purpose, the monthly weather data of 6 synoptic stations of the Urmia Lake basin and the NAO, SOI, Mogi, MOac, Wemo and Mediterranean, Red, Black, Caspian, and Persian Gulf temperatures were used during the statistical period of 1988-2016.SPEI calculated for 3 months, 6 months, 9 months , 12 months, 24 months, 48 months over the specified period by using the precipitation and evaporation data of the region. Then, by extracting the correlation relationships between the meteorological parameters and climate signals with the values of the Standardized Evapotranspiration Index (SPEI), this is forcasted. By Using two methods of association rules and tree decision models, studying the relationship between meteorological parameters and meteorological signals with drought in the study area, to extract hidden patterns between meteorological parameters, meteorological signals and standardized rainfall-evapotranspiration index (SPEI). The results obtained in both methods showed that a combination of signals and meteorological parameters increased the accuracy of the model in the long run and improved the results of both models. The best result in the drought of Urmia Lake basin is related to SPEI48 (R = 0.85, RMSE = 0.08, MAE = 0.11), and in SPEI48 association rules with lift index of 1.32. Although both methods provide acceptable results, the tree model has a comparative advantage due to simple and practical linear relationships. However, the association rule methodology can also be applied to manage droughts for future periods, with regard to the values of weather parameters and weather signals used by regional managers
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Meteorological drought prediction and analysis based on climate signals using data mining methods in Urmia Lake basin
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )