نام مقاله: تحلیل مکانی شاخص های خشکسالی SPI و EDI در استان تهران

نام استاد : دکتر مجردی گیلانی

نام دانشجو:امید عبادی مقطع کارشناسی نا پیوسته عمرانomid                               ebadi  

 منبع:تحقیقات منابع آب ایران-سال دوم شماره۳

ssessment of Spatial Analysis of SPI and EDI

Drought Indices in Tehran Province

Abstract
Drought monitoring is quite important in planning for drought mitigation schemes. Drought indices are normally used for monitoring purposes. However, the indices are calculated at sites and it is required to estimate the spatial distribution of drought in the forms of maps. Geostatistical methods are among such tools that may be applied for preparing spatial distribution maps. In this research, several geostatistical methods including K,iging. Cokriging, TPSS with and without secondary variables as well as weighted moving average (WMA) were assessed with respect to derivation of drought index maps, Drought monitoring and mapping was conducted based on SPI and EDT indices using data of 43 rain gauge stations within Tehran province. The results indicated that although Kriging was the most accurate method, WMA provided reasonable accuracy blended vdth more efficient computer time, a major consideration in monitoring systems.

Keywords: Drought, Geostatistics, SPI, EDI, Kriging, WMA, TPSS.

Extended Abstract

Assessment of Spatial Analysis of Drought Indices SPI and EDI in Tebran Province

Introduction
Drought is perhaps the most complex natural hazard. It is generally defined as a temporary meteorological event, which stems from very low or no precipitation compared to the long-term average over an extended period. Drought deals however with many facts and is region-specific. It develops slowly and is difficult to predict. The success of drought preparedness and mitigation actions depends largly upon timely information on drought onset, progress, and spatial extent. These types of information can be accurately obtained though drought monitoring based on drought indices. To create drought maps based on these indices, the point data from rain gauges usually is not sufficient and spatial extension using geo-statistic (GS) method can be used as an effective tool.

Methodology
To develop drought monitoring system for Tehran province Morid et a!. (2004) investigated a number of well known indices and recommended SPI (Standard Precipitation Index) and EDT (Effective Drought Index).

 To calculate the SPI, long-term precipitation records of any desired station is first fitted to a probability distribution (e.g. gamma distribution), which is then transformed into a normal distribution (McKee et a!., 1997). The EDI (Byun and Wilhite, 1996) is used to determine the start and end of a drought period. Unlike most drought indices, the EDI in its original form is calculated based on a daily time step. The EDI is a function of precipitation needed to return to normal”, which in turn, is related to ‘effective precipitation”.

Effective precipitation for any given day is a function of precipitation in that day and the precipitation in previous days with smaller weights.

For this study, the precipitation records from 43 stations in Tehran province from January 1970 to December 2001 were used. Missing data were patched using regressions with the nearest suitable station. The main focus was placed on the most recent drought period of 1998 to 2001. GS techniques, especially Kriging and 4Weighted Moving Average (WMA) which
have been widely applied for spatial interpolations of meteorological variables such as precipitation and temperature. They showed promising results. Inadequate researches have been done however on Drought Indices

Results and Discussion

This study investigated the SPI and EDT as spatial variables and applied different OS methods including Kriging. WMA and Thin Plate Smoothing Sp-lines (TPSS) to generate drought maps. To evaluate the performances of these approaches, the cross validation method and statistical criteria (MAE and MBE) were implemented. The resulted drought maps and their reliability were also considered to select the best methods.

To evaluate spatial variability of the indices, the semivariogram was applied as a relevant tool for spatial correlation. The resulted semi-variogram confirmed the indices as spatial variables, and the standardizing steps that take place while calculating the indices do not create an obstacle for applying the GS methods in this regard.

 
Furthermore, this study revealed that the TPSS had the lowest MAE, but less robust in MDE. The Kriging method took the next rank with the lowest MAE and more robust. The performance of the WMA method was very close to Kriging.

The performance of different indices can be more distinguished by their reflect of the spatial variation of drought condition. Drought maps showed that the spatial drought pattern resulted from TPSS was inconsistent (in spit of their less MAE and MBA), while the drought maps generated based on Kriging and WMA were more consistent with similar spatial behavior.

The TPSS inconsistency was more pronounced close to the borders of the area (Tehran province) where gauging stations were more scarce and scattered. This revealed that this method is weak in extrapolation. Finally, to conclude, Kriging was the most accurate method among the investigated approaches. The simplicity of the WMA however covers the negligible differences in the results.

Keywords: Drought, Geostatistics, SPI, EDT, Kriging, WMA, TPSS.

References
Bwn, HR. and Withite, Ok, (1996), Daily quantification of thought severity and duration’ httn:rossby.metr.ou.edu , byun.html

Edwars, D.C. and Mckee, T. B, (1997), ‘Characteristics of 20th century drought in the United States at multiple time scales” Climatology Report Number
97-2, Colorado State University, Fort Collins, Colorado.

Morid, S., Ghaemi, II., Mogbadasi, M. and Paymazd, Sb., (2004), ‘Research Project for Designing a Drought Monitoring System for Tehran Province, Iran”, Ministry of Energy, Iran.

تحلیل مکانی شاخص های خشکسالی SPI و EDI در استان تهران

چکیده

سیستم های پایش در تدوین طرح های مقابله با خشکسالی و مدیریت آن از اهمیت زیادی برخوردار هستند که بدین منظور از شاخص های خشکسالی برای بیان کمی این پدیده ها استفاده می گردد . اما معمولاً این شاخص ها به صورت نقطه ای محاسبه می شوند و لازم است تا به صورت مکانی پردازش شده و نقشه های مربوط ارائه گردند. روشهای زمین آمار از جمله تکنیک هایی می باشند که می تواند در این راستا مورد استفاده قرار گیرد و این در صورتی است که متغیر مورد بررسی یک متغیر مکانی باشد . تحقیق حاضر تلاشی است برای تحلیل مکانی شاخص های خشکسالی و تهیه نقشه های مربوط که در آن سعی شده ابتدا با توجه به استاندارد شدن بارندگی برای محاسبه این شاخص ها ، متغیر مکانی بودن آنها مورد بررسی قرار گیرد . در مرحله بعد روش های مختلف زمین آماری شامل روش های کریجینگ ، کوکریجینگ ، TPSS با و بدون متغیر کمکی و میانگین متحرک وزن دار (WMA) برای تحلیل مکانی آنها مورد ارزیابی واقع شود پایش خشکسالی بر اساس SPI و EDI با استفاده از آمار و اطلاعات 43 ایستگاه در سطح استان تهران انجام و سپس نقشه های خشکسالی تهیه و ارزیابی  شده است . نتایج تحقیق ضمن تأیید متغیر مکانی بودن شاخص ها ، نشان داد که هر چند روش کریجینگ از دقت بالاتری برخوردار بوده است ولی با لحاظ نمودن سرعت عمل و استفاده از این نتایج در سیستم های پایش فعال ، روش میانگین متحرک وزن دار نیز دقت کافی را داراست .

کلمات کلیدی : خشکسالی ، زمین آمار ، SPI و EDI ، کریجینگ ، میانگین متحرک وزن دار ، TPSS

1- مقدمه

سیستم پایش خشکسالی ازابزارهای بسیار مهم در مدیریت خشکسالی محسوب می گردد که می توان با استفاده از پارامترهای اقلیمی و هیدورلوژیکی شروع ، خاتمه ، توسعه مکانی و شدت آن را تشخیص و اعلام نمود . در صورت وجود طرحهای از پیش آماده برای مقابله با خشکسالی ، این سیستم می تواند در تعیین نوع و زمان فعال شدن طرحها نقش مؤثری را ایفاء نماید .

 برای بیان کمی این پدیده و همچنین ارزیابی آن در مقیاس های مختلف زمانی و مکانی ، آز شاخص های خشکسالی استفاده می گردد که برای محاسبه آن ها وجود دادههای مناسب و طولانی مدت پارامتر های اقلیمی و هیدرولوژِکی بسیار ضروری است . بارندگی اصلی ترین عاملی است که در ایجاد ، گسترش و دوام خشکسالی ها سهیم می باشد البته پارامتر های اقلیمی دیگری نظیر تبخیر - تعرق نیز می تواند بیانگر رفتار خشکسالی در هر منطقه باشد ، اما مشکلاتی که برای محاسبه این پارامتر ها وجود دارد ، موجب شده است تا بارندگی به عنوان مناسب ترین و قابل دسترس ترین پارامتر اقلیمی برای ساخت و محاسبه شاخص های خشکسالی شناخته شود . از سوی دیگر هم شاخص هایی که تنها بر پایه این متغیر استوار می باشند ،بیشتر مورد پذیرش جوامع علمی و کاربران قرار گرفته اند.

اصولاً اطلاعات نقطه ای این شاخص ها در ایستگاه ها برای پایش خشکسالی کفایت نمی کند و بسط و گسترش ان ها به صورت مکانی و منطقه ای لازم می باشد . تحلیل مکانی متغیر های هواشناسی نظیر دما بخصوص بارندگی ، سابقه طولانی در مطالعات منابع آب دارد که در این راستا روش های زمین آمار قابلیت های خاصی را از خود بروز داده اند . Goovaerts (2000) در تحقیق خود برای آلگارا منطقه ای در پرتقال نشان داد که روش هایی از زمین آمار نظیر کوکریجینگ و کریجینگ با روند خارجی که در آنها ارتفاع به عنوان متغیر کمکی استفاده می گردد ، نسبت به دیگر روش ها که تنها داده های بارندگی را در محاسبات خود دخالت می دهند ، نظیر کرینجینگ ساده و عکس مجذور فاصله (WMA) عملکرد بهتری را در تخمین از خود نشان می دهند . در مطالعات دیگر نظیر تحقیق Sun et al .(2000) نیز این نتایج اتخاذ شده است . آن ها روش کوکریجینگ را برای تحلیل مکانی بارندگی به منظور تخمین و سیل و برآورد هیدروگراف سیل ورودی به کار برده اند . برای تهیه نقشه های میانه بارندگی Touazi et al (2004) نیز از روش کریجینگ استفاده کرده اند .

با وجود منابع فراوانی که حکایت  از ارجحيت روش کریجینگ در تحلیل مکانی دارد ، اما در برخی از مقالات نظیر Driks et al (1998) برای تحلیل مکانی بارندگی ، روش های میان یابی تیسن ، عکس مجذور فاصله و کریجینگ را مقایسه و گزارش دادند که با وجود محاسبات بیشتر روش کریجینگ ، تغییرات معنی داری نسبت به روش های ساده تر مشاهده نشده است .

در استفاده از روش های کریجینگ ، تغییر نما و تحلیل آن نقش بسیار تعیین کننده ای دارد به عنوان نمونه در تحقیق Holawe و Dutter (1999) . این گونه ادعا شده است که از تغییر نما می توان برای دستیابی به تغييرات زمانی بارندگی در کنار تغییرات مکانی آن نیز ، استفاده کرد .Goovaerts (2000) در تحقیق خود روند تغییرات تغییر نما را با توجه به شرایط توپوگرافی منطقه مطالعاتی تفسیر نمود و همچنین یکسان بودن شکل تغییر نماها در ماه های مختلف را با وجود عوارض یکسان مرتبط دانست . Skivin et al . (2003) نیز  در تحلیل های خود ارتباطی را میان شعاع تأثیر ، آستانه و همچنین مدل های تغییر نما با عوامل توپوگرافی و الگو های بارندگی جستجو کردند.

برای تحلیل مکانی شاخص های خشک سالی کارهای کمی گزارش شده است که در این خصوص می توان به پژوهش های  مرکز مقابله با خشکسالی آمریکا (Svoboda , 2004) و مؤسسه بین المللی مدیریت آب (Smakhtin , 2004) اشاره داشت که روش عکس فاصله را برای این منظور مناسب تشخیص داده اند .

تکنیک دیگری به منظور پایش خشکسالی و تحلیل مکانی آن توسط Vangelis &Tsakiris ارائه شده است . آن ها با استفاده از روش عکس مجذور فاصله ، نقش بارندگی ماهانه و نقشه درصد نرمال متوسط بارندگی سالانه را ترسیم و سپس با این اطلاعات ، نقشه توزیع مکانی شاخص SPI را برای دوره آماری یکساله65 -1964 تهیه کردند .

همان گونه که اشاره شد در این تحقیق ، تحلیل مکانی شاخص های خشکسالی مد نظر قرار گرفته است . برای پایش خشکسالی ، شاخص های متعددی مانند MCZI ،CZI SPI، PN،, DI  و EDI معرفی شده است که مرید و همکاران (1383) برای استان تهران که منطقه مطالعاتی این تحقیق نیز هست ، ، شاخص های یاد شده را بررسی نمودند و در نهایت عملکرد بهتر SPI و EDI را در این منطقه توصیه کردند . لذا این نتیجه گیری برای تحقیق حاضر مبنا قرار گرفته و تحلیل مکانی شاخص ها صرفاً بر اساس این دو شاخص انجام گرفته شده است . در این مقاله، تلاش بر آن بوده که ابتدا شاخص های خشکسالی از دیدگاه يك متغیر مکانی مورد بررسی قرار گیرد تا بعد از احراز این شرط ، از روشهای زمین آماری شامل کریجینگ معمولی ، WMA و TPSS برای تحلیل مکانی آن ها و رسم نقشه های ماهیانه خشکسالی استفاده و عملکرد آنها ارزیابی گردد ارائه نتایج نیز بر اساس سال های 80-1377 بوده که خشکسالی شدیدی بر استان تهران حاکم بود .

2- مواد و روش ها

2-1 منطقه مورد مطالعه

استان تهران با وسعت حدوداً 17 هزار کیلومتر مربع ،به دلیل جایگاه ویژه آن و همچنین خساراتی که طی خشکسالی اخیر متحمل شده ، به عنوان منطقه مورد مطالعه انتخاب شده است. نواحی شمالی این استان در دامنه های جنوبی سلسله جبال البرز قرار گرفته که ارتفاع آن تا 5000 متر در نواحی شرق افزایش پیدا می کند. مقادیر بارندگی در این استان از700 میلی متر در نواحی شمالی تا 120 میلی متر در نواحی جنوبی متغیر می باشد. قسمتی از نتایج این تحقیق بر اساس 55 منطقه موجود در استان تهران ارائه شده است که محدوده هر یک از این مناطق در شکل 1 قابل مشاهده می باشد.

2-2- داده ها و اطلاعات مورد نیاز

در این استان، سازمان هواشناسی و وزارت نیرو جمعاً 130 ایستگاه هواشناسی را تحت نظارت و کنترل خود دارند که از این تعداد تنها 43 مورد آن با توجه به طول دوره آماری مورد نظر که 30 سال بوده، برای این تحقیق مناسب تشخیص داده شد. موقعیت این ایستگاه ها در شکل 1 آمده است . همان طور که ملاحظه می شود، .ایستگاه ها در نواحی شمالی استان از تراکم بیشتری برخوردار هستند.

در این تحقیق دوره آماری 49-1348 تا 80-1379 بارندگی مبنا قرار گرفت و داده های مربوط مورد تصحیح و تکمیل قرار گرفته اند. همچنین اطلاعات مربوط به مقادیر شاخص های EDI , SPI از تحقیق مرید و همکاران(1383) تهیه گردید که تنها در ادامه شرح مختصری از چگونگی محاسبه آن ها ارائه شده است که جزئیات بیشتر آن از این مرجع قابل وصول است.

2-2-1- شاخص های EDI , SPI

بسیاری از محققین خشکسالی ، به قابلیت انعطاف پذیری  SPIو قابلیت آن برای هر مقیاس زمانی اذعان داشته اند (Hayes,et,al,199 ). شاخص SPI برای هر منطقه بر اساس ثبت بارندگی های طولانی مدت آن محاسبه می شود. در ابتدا توزیع آماری مناسب ، بر آمار بلند مدت بارندگی ها برازش داده می شود . سپس تابع تجمعی توزیع با استفاده از احتمالات مساوی به توزیع نرمال تبدیل می گردد ، بطوریکه استاندارد شده و متوسط آن برای هر منطقه و دوره مورد نظر صفر شود (Edwars and Mckee , 1997) مقادیر مثبتSPI نشان دهنده بارندگی بیشتر از بارندگی متوسط و مقادیر منفی آن معنای عکس را دارد  . طبق این روش دوره خشکسالی هنگامی اتفاق می افتد کهSPI بطور مستمر منفی و به مقدار 1- یا کمتر برسد و هنگامی پایان می یابد که  SPI  مثبت گردد. برای محاسبه این شاخص از فرمول ذیل استفاده می گردد .

که در آن n= تعداد ماه هایی که بارندگی تجمعی برای آنها حساب شده است ، P₀= مقدار نرمال شده بارندگی ماه فعلی ، P_-i= مقدار نرمال شده بارندگی ماه قبل ،_n = میانگین تعداد بارندگی تجمعی برای n ماه و n  = انحراف معیار برای ماه ها می باشد .شاخص خشکسالی مؤثر (EDI) یک شاخص جدید می باشد . این شاخص توسط بویان از دانشگاه ملی پوکیانگ در سال 1996 ارائه گردید (Byun ,and Wilhite, 1996) . EDI بطور روزانه خشکسالی را پایش می کند که این قابلیت در شاخص های قبلی وجود نداشت . اصلی ترین مفهوم در این شاخص بارش مؤثر (EP) است . EP جمع مقادیر بارش روزانه با یک تابع کاهشی وابسته به زمان می باشد . به عبارت دیگر EPهر روز ، تابعی از بارندگی همان روز و یک دوره ماقبل خود بوده که در آن بارش اخیر نسبت به بارش های قدیمی تر وزن بیشتری را دارند . برای محاسبه EP از فرمول ذیل استفاده می گردد .  (Byun ,and Wilhite, 1999)  

2-3- مبانی تحلیل مکانی

به منظور بسط و گسترش اطلاعات نقطه ای با توجه به نمونه برداری انجام شده و همچنین تغییرات زمانی و مکانی هر متغیر نیاز به مدل هائی است که بتوان رفتار متغیر مورد بررسی را در نقاط مجهول شبیه سازی نمود . در برخی از این مدل ها نظیر تیسن ، صرفاً بر اساس مقادیر متغیر و با فرض استقلال آنها ، تخمین آنها در موقعیت های مجهول صورت می گیرد . در نوع دیگری از مدل های احتمالی که به آنها روش های زمین آمار اطلاق می شود (مانند کریجینگ ، کوکریجینگ ، TPSS و WMA ) اطلاعات و موقعیت مکانی داده ها نیز بین آنها تعریف گردد . معمولاً این ارتباط و همبستگی بین نمونه ها به صورت یک مدل ریاضی ارائه می شود تا از این طریق بتوان تغییر پذیری را شبیه سازی نمود . بنابراین ، این نوع روش ها برای متغیرهائی کاربرد دارند که بتوان برای آن ها ، همبستگی مکانی را تعریف نمود ابزارهای مختلفی برای بررسی این همبستگی وجود دارد که می توان به عنوان نمونه به تغییر نما اشاره نمود (Issaks and Srivastava , 1989)

2-3-1- تغییر نما

بنابر آنچه ذکر شد ، برای مدل نمودن همبستگی مکانی متغیر های مورد بررسی ارز تغییر نما استفاده گردید . نقاط این نمودار بر اساس زوج نقاطی صورت می گیرد که به فاصله معینی از یکدیگر قرار دارند و از طریق معادله زیر قابل محاسبه می باشند :

که در آن : (h) مقدار تغیر نما در فاصله h ،h فاصله بین نقاط نمونه برداری شده ، n تعداد جفت نقاطی که در یک راستا به فاصله h از یکدیگر قرار دارند ، _i) )Z مقدار متغییر در نقطه _i وh) + _i Z( مقدار متغیر در نقطه h + _i  می باشد . لازم به ذکر است که (h)  در واقع به دلیل دارا بودن ضریب  نیم تغییر نما می باشد اما در مراجع برای اختصار آن را تغییر نما نامیده اند (Issaks and Srivastava , 1989).

تغییر نما رابطه بین فاصله و واریانس داده ها را نشان می دهد و با سه پارامتر استخراج شده از آن می توان تغییرات مکانی متغیر را مورد بررسی قرار داد .

پارامتر آستانه که بیشترین مقدار تغییر نما را به خود اختصاص می دهد ، در واقع همان واریانس مکانی متغیر مورد بررسی است . دامنه تاثير بیانگر شعاع همبستگی نقاط با یکدیگر می باشد و در خارج این فاصله رفتار نقاط تصادفی خواهد بود پارامتر اثر قطعه ای واریانس خطای نمونه برداری را نشان می دهد و همچنین مشخصه تصادفی بودن متغییر مورد بررسی است . (حسنی پاک ، 1377)

برای این تحقیق تغیر نما برای راستاهای اصلی صفر ،45،90 و 135 درجه ترسیم گردد تا راستائی که در آن بیشترین همبستگی مکانی وجود دارد ، مشخص گردد . با توجه به وجود ناهمسانگردی (به علت متفاوت بودن آستانه و شعاع تأثیر در راستاهای مختلف ) از تغيير نمای همه جانبه که بیانگر متوسط تغییرات متغیر در تمام راستاها می باشد ، برای تشریح پیوستگی مکانی استفاده شده است .

2-3-2- روش های میان یابی زمین آمار در زمین آمار از یک رابطه عمومی برای محاسبه مقدار متغیر در یک نقطه مجهول استفاده می شود . اختلاف میان روش ها در محاسبه فاکتور وزنی است که به نقاط اطراف نقطه مورد نظر داده می شود . رابطه فوق به شرح زیر تعیین می گردد :

که در آن : _i) )Z^* مقدار برآورد متغیر _i مقدار وزن های نقاط مشاهده شده و _i) )Z مقدار مشاهده شده متغیر مورد بررسی است . شرط اساسی در این رابطه این است که باید مجموع وزن ها در برآورد یک نقطه برابر واحد باشد .

کریجینگ تخمین گری ناریب ، با کمترین مقدار واریانس تخمین می باشد . کوکریجینگ همان روش کریجینگ است که از متغیر کمکی برای تخمین استفاده می کند . برای محاسبه اوزان در این روش ها از مدل برازش داده شده بر تغییرنما استفاده می شود . در روش کریجینگ داده ها از توزیع نرمال پیروی کنند . (Issaks and Srivastava , 1989 . Johnston , et al . 2001 حسنی پاک  ، 1377)

TPSS یک نوع روش عددی میان یابی از نوع اسپلاین است   و واتسون (1984) ثابت کرد که TPSS نوعی کریجینگ می باشد . همچنین می تواند همانند روش کریجینگ ، بر اساس  یک متغییر کمکی تخمین را انجام دهد در این روش برای محاسبه  از تابع کوواریانس زیر استفاده می شود که این امکان وجود دارد تا برای محاسبه آن ، توان های مختلفی را بکار برد :

که در آن : C(h) تابع کوواریانس ، h فاصله بین نقاط و m درجه مشتق نسبی تابع در نقاط مشاهده ای می باشد .

روش WMA بر اساس تعداد نقاط همسایگی و فاصله آن ها تا نقطه مجهول و همچنین توانی که بیانگر تأثیر هر ایستگاه می باشد ، به تخمین پارامتر مورد نظر می پردازد . در این روش مقدار  از رابطه زیر قابل محاسبه است :

که در آن : d_i فاصله داده مشاهده شده i  ام تا نقطه مورد تخمین ، u توان مثبت و R شعاع تأثیر می باشد .

3-4- معیارهای ارزیابی

ارزیابی روش ها نیز در این قسمت با استفاده از تکنیک - Cross validation با معیارهای خطاگیری MAE  و  MBE صورت گرفته است :

که در آن :  MAE میانگین قدر مطلق خطا (دقت ) ، MBEمیانگین خطای انحراف (انحراف ) ، n تعداد متغیر مشاهده شده و _i) )Z^* و _i) )Z   به ترتیب مقادیر برآورد شده و مشاهده شده متغییر X در نقطه i  می باشد . علاوه بر استفاده از معیار فوق ، وضعیت نقشه های تولید شده و روند منطقی آن نیز مورد ارزیابی قرار گرفت که نتایج آن در ادامه مقاله ارائه شده است .

3- نتایج و بحث

همان گونه که قبلاً اشاره شد ، خشکسالی شدیدی برای سالهای 78 -1377 تا 80-1379 در سطح استان تهران بوقوع پیوست و برای این تحقیق کلیه ماه های این دوره مورد ارزیابی قرار گرفت . ولی به منظور جلوگیری از تطویل مقاله ، بیشتر نتایج 78- 1377 ارائه شده است ، ضمن اینکه در مجموع نتایج برای هر سه سال یکسان و مؤید جمع بندی های ارائه شده هستند .

3-1- مکانی بودن شاخص های خشکسالی و تحلیل تغییر نما

در ابتدای این بخش به بررسی این موضوع پرداخته می شود که آیا می توان شاخص های خشکسالی SPI و EDI را متغیر مکانی در نظر گرفت ؟ بدین منظور تغییر نمای آن ها برای ماه های مختلف مورد ارزیابی قرار گرفت که برای نمونه تغییر نما آبان و بهمن ماه سال 1377  منطقه مطالعاتی برای این دو شاخص و همچنین برای مقادیر بارندگی به عنوان یک متغیر مکانی در شکل های 2و3 آمده است . همانگونه که از اشکال ملاحظه می گردد ، پیوستگی مکانی حفظ شده ، بطوری که با افزایش فاصله ، واریانس زیاد شده است . همین روند کم و بیش برای سایر ماه ها نیز برقرار بود . لذا، استاندارد شدن بارندگی طی فرآیند محاسبه شاخص ها ، متغیر مکانی بودن آن را تحت شعاع قرار  نداده است و بر این اساس می توان از روشهای زمین آماری مورد اشاره در این تحقیق برای تحلیل مکانی آنها بهره جست .

در ادامه مدل تئوریک تغییر نمای شاخص ها تهیه گردید و از میان مدل های کروی ، نمائی ، خطی و گوسی با استفاده از تکنیک Cross validation برای آنها محاسبه شد . نهایتاً با مقایسه مقادیر خطا مناسب ترین آنها برگزیده گردید . به عنوان نمونه در شکل 2و3،  مدل های گوسی و کروی بهترین نتایج را در بر داشته اند . در جدول 1 نیز پارامتر های تغییر نما برای این دو شاخص در سال آماری 78 -1377 بصورت ماهانه ارائه شده است . در تفسیر پارامتر ها ، اثر قطعه ای نسبی که مشخصه تصادفی بودن متغیر مورد بررسی است بیشترین کاربرد را دارد (Litaor , et ,al , 2003) . این پارامتر حاصل تقسیم دو مقدار اثر قطعه ای بر آستانه است . در شرایطی که این حاصل بزرگتر از 5/0 باشد ، می توان گفت تأثیر جزء تصادفی متغیر بیش از جزء ساختاردار آن است و تخمین آن با روش های زمین آماری به صورت محدودتری امکان پذیر خواهد بود (حسنی پاک ، 1377) ملاحظه می گردد که برای اکثر ماه ها اثر قطعه ای نسبی زیر 5/0 می باشد .

3-2 - تحلیل مکانی

روش های زمین آماری مورد نظر مورد بررسی قرار گرفته و پارامترهای لازم به منظور تحلیل مکانی شاخص های خشکسالی تفسیر و استخراج شده اند .

برای روش کریجینگ معمولی ، نرمال نمودن داده ها از شرایط اولیه است که از طرق مختلف نظیر روش BOX-COX (MCMahon , 1986) این تبدیل انجام شد هر چند برای ماههایی همچون فروردین 1377 این کار میسر نشد و روش کریجینگ مقدمه ای برای استفاده از این روش بود که کار گسترده ای برای تهیه و تفسیر آنها صورت گرفت . برای این روش ، تعداد نقاط همسایگی برابر 16 در نظر گرفته شد .

علاوه بر روش کریجینگ معمولی ، روش کوکرجینگ که از یک متغیر کمکی (در اینجا) ارتفاع بهره می جوید ، نیز ارزیابی شد که به ذلیل همبستگی ضعیف آن با شاخص ها (حداکثر 2/0) ، استفاده ای از آن به عمل نیامد . روش TPSS  با توان های 2و 3 با و بدون متغیر کمکی نیز مورد ارزیابی مورد ارزیابی قرار گرفت . بررسی های انجام شده نشان داد که در اکثر ماه ها توان 2 موجب حداقل خطا MAE و انحراف MBE در تخمین مقادیر می شود . استفاده از متغیر کمکی ارتفاع نیز در این روش میسر نشد .

3-3 مقایسه و ارزیابی روش های کریجینگ  WMAوTPSS

برای این تحقیق ، ارزیابی روش های فوق به دو شکل انجام گرفت . در روش اول ، ملاک مقایسه معیار های خطاگیری MAE و MBE  بوده که میزان خطا و انحراف مقادیر تخمینی روش ها را نسبت به مقادیر واقعی نشان می دهند ( جدول 2) . بر اساس روش اول و برای شاخص SPI ، کمترین خطا به روش TPSS تعلق دارد ، در صورتی که بیشترین نوسانات MBE را نیز به خود اختصاص داده است . روش کریجینگ با وجود اینکه در دومین رتبه از نظر دقت قرار دارد ، در تخمین های خود کمترین انحراف را دارا می باشد و همچنین این مزیت را دارد که انحراف یکنواختی را برای کلیه ماه ها موجب شده است . روش WMA با دقتی مشابه با روش کریجینگ ، شاخص های خشکسالی را برآورد نموده است . حال اگر MAE به عنوان فاکتور اصلی در انتخاب روش ها در نظر گرفته شود ، می توان روش TPSS را گزینه برتر از لحاظ تئوریکی به شمار آورد . اما اگر هر دو معیار تواماً مدنظر باشند ، در این صورت روش کریجینگ مناسبتر از سایر روش ها عمل کرده است . در مورد EDI نیز مشابه قبل بود و روش TPSS کمترین خطا را به دنبال داشت ، اما همچنان کمترین انحراف را روش کریجینگ به خود اختصاص داد .

اما برای روش دوم , نقشه های شاخص های خشکسالی با روش های مختلف ترسیم شد تا از لحاظ کیفی نیز مقایسه لازم صورت گیرد که این گونه مقایسه کمتر مورد استفاده قرار گرفته است . اشکال 4و5 به ترتیب نقشه های شاخص SPI و EDI را با روش های زمین آمار برای بهمن ماه 1377 نشان می دهند . روش های کریجینگ (شکل 4 و 5 الف ) و میانگین متحرک وزن دار (شکل 4و5 ج ) تقریباً شرایط مشابهی را از نظر خشکسالی در محدوده منطقه مطالعاتی نشان می دهند . در صورتی که روش TPSS (شکل 4و5 -ب) شرایط متفاوتی را با روش های قبل ارائه داده است .

این روش علی رغم نتایج مثبت در مقادیر MAE نقشه هایی ارائه داده که از روند و تغییرات منطقی برخوردار نبودند و ناهماهنگی در آن بخصوص در مرزهای استان و مناطقی که فاقد ایستگاه هستند قابل مشاهده است. در توجیه این موضوع می توان این را ذکر کرد که این روش نتوانسته برون یابی مناسبی را انجام دهد ، به گونه ای که در بخشی از مرزهای استان که تراکم ایستگاهها ضعیف می باشد ، تغییرات شدید را در برآورد طبقات خشکسالی را شاهد می باشیم . مانند بهمن ماه 1377 که شرایط بسیار شدید خشکسالی تا بسیار مرطوب را این روش گزارش کرده است . به علاوه ، همین گونه رفتارهای غیر همسان و یکنواخت را می توان از یک ماه تا ماه بعدی نیز مشاهده کرد .

مقایسه برون یابی که به وسیله روش TPSS صورت گرفته است (شکل 6) در مقایسه با برون یابی کریجینگ (شکل 7) نشان می دهد ، تنها در قسمت های شمالی استان که پراکنش ایستگاهها از توزیع خوبی برخوردار است ، این دو روش درون یابی مشابهی را انجام داده اند ، اما در برون یابی خیلی متفاوت از یکدیگر عمل کرده اند . با توجه به بررسی های انجام شده ، مشخص گردید که برآوردهای انجام به وسیله روش کریجینگ به واقعیت نزدیکتر بوده است . در شکل 8 نیز برون یابی توسط روش WMA نشان داده شده که بیانگر شباهت آن با روش کریجینگ (شکل 7 ) می باشد .

3-4- مقایسه طبقات خشکسالی در محدوده شهرستان های استان

از جمله اهداف تهیه نقشه های خشكسالي در اين تحقيق ، اعلام وضعيت آن در شهرستان هاي استان مي باشد كه اين طبقات بر اساس مرزهاي آنها كه در شكل 1 نشان داده شده بود . محاسبه گرديد ( شكلهاي 11 و 12) . مقايسه بدين شكل با دو هدف انجام شد : يكي مقايسه عملكرد روش ها علي رغم نتايج نامطلوب TPSS ، مجدداً در اين قسمت بررسي گرديد ) و ديگري از بعد اجرايي آن بوده كه چنانچه از روش WMA كه داراي محاسبات بسيار ساده تري نسبت به روش كريجينگ است ، استفاده شود تا چه اندازه دقت كاهش خواهد يافت . اين مقايسه براي تمامي ماه هاي دوره خشك سالي 1377 تا 1380 انجام شد كه نمونه آن براي ماه هاي بهمن 1377 و مرداد 1378 بر اساس شاخص هاي SPI و EDI در اشكال 9 و 10 ارائه شده است . نتايج نشان دهنده هماهنگي دو روش WMA و كريجينگ مي باشد و مجدداً تفاوت آنها با TPSSكاملاً مشهود است .

نتيجه گيري :

در اين تحقيق روشهاي كريجينگ WMAو TPSSبراي تهيه نقشه هاي شاخص هاي خشكسالي SPI و EDI در استان تهران مورد بررسي و ارزيابي قرار گرفت . نتايج بدست آمده به شرح زير قابل ارائه است :

- آناليز واريوگرافي شاخص هاي خشكسالي SPI و EDI نشان دادكه  EDI نسبت به  از همبستگي مكاني بهتري برخوردار است علت اين امر را مي توان به ويژگي شاخص EDI نسبت داد كه از وجود حافظه اي كه مبين بارندگي هاي گذشته است برخوردار مي باشد و اين امر از تغييرات سريع كه تنها تابع مقطع زماني حال مي باشد جلوگيري مي كند .

- در مجموع تراكم ايستگاههاي در سطح استان يكسان نبوده و به خصوص در سمت جنوب و شرق اين كمبود بيشتر محسوس بوده است . روش TPSS به اين كاستي در مقايسه با دو روش ديگر حساسيت  بيشتري را نشان داده كه در مقايسه نقشه ها به وضوح مشخص شد و اين در حالي بود كه از نظر معيارهاي خطاگيري نتايج خوبي را اين روش در بردارد .

- روش گريجينگ در نهايت جواب هاي قابل قبولي را ارائه داد . ولي با محدوديت هايي نظير عدم نرمال شدن ماه هايي از سال همراه بود .

- روش WMA از بعد اجرايي و توصيه براي سيستم پايش خشكسالي كه از مراحل كمتر و سرعت بالاتري برخوردار است مورد ارزيابي قرار گرفت كه مقايسه آن با روش گريجينگ نتايج نزديك را به همراه داشت .

- در اعلام وضعيت خشكسالي مناطق ، تنها شاخص خشكسالي نقش ندارد و با همان اهميت روشي كه براي تحليل مكاني استفاده مي شود نيز اهميت دارد .

سيل و امواج مد

اغلب سيل‎ها در اثر بارندگي شديد، آب شدن برفها و تكه يخ‎هاي بزرگ و يا طغيان رودخانه‎ها جاري مي‎شوند. بعضي از رودخانه‎ها هر ساله به طور منظم طغيان مي‎كنند و از گزارش‎هاي سالهاي گذشته مي‎توان زمان وقوع و ارتفاع بالاآمدن آب را پيش‎بين يكرد. سيل‎هاي غيرقابل پيش‎بيني در اثر باران‎هاي سيل‎آساي غيرطبيعي روي زمين لخت، خيس و يا يخ‎زده جاري مي‎شوند. بعضي سيل‎ها در اثر امواج كنار دريا جاري مي‎شوند. در يك موج مدي توده عظيمي از آب دريا، كه گاه 6 تا 9 متر ارتفاع دارد، ناحيه‎ گسترده‎اي از زمين ساحلي را كه ممكن است حد آن به 80 تا 100 كيلومتري كناره دريا برسد فرا مي‎گيرد. اغلب اين امواج مد دريا در اثر زلزله‎هاي زير دريايي اتفاق مي‎افتند ولي گاهي به دنبال طوفان نيز حادث مي‎شوند.

   مناطقي كه خاك‎هاي چسبنده و بدون پوش گياهي دارند براي ايجاد سيل بسيار مستعد هستند دانه‎هاي باران بر اثرضربه به خاك باعث به هم فشردگي و چسبندگي لايه سطح‎رويي خاك شده و از قدرت جذب خاك و نفوذ آب در عمق خاك مي‎كاهد و به همين علت آب بارندگي در خاك نفوذ نكرده و جاري مي‎شود و در همين حال شدت ضربات باران باعث حركت دانه‎هاي خاك شده و اين دانه‎ها را همراه خود به حركت در مي‎آورد و معلق شدن اين ذرات خاك باعث زياد شدن حجم آب جاري شده مي‎گردد.

   اين آبهاي گل‎آلود حوضه‎هاي كوچك، در حوضه خود اگر نيروي كوچكي به شمار آيند با پيوستن به هم و تشكيل حوضه‎هاي بزرگ و زياد شدن حجم جاري قدرت مخربي را به وجود مي‎آورند كه در نهايت سبب خسارات مالي و جاني فراوان مي‎گردند.

   بعضي اوقات بعد از يك بارندگي شديد كوتاه مدت، در سطح حوضه آبريز و يا در يك قسمت اعظم از حوضه، باعث بوقوع پيوستن سيل مي‎شود اين بارندگي‎هاي دوم هميشه باعث سيل‎هاي وحشتناك و تخريب‎گي شده است. از بارندگي‎هايي كه باعث سيل يم‎شود يكي هم بارندگي‎هاي خارج از فصل مي‎باشد (مانند بارندگي‎هاي تابستاني) در تابستان رودخانه‎ها در حد كامل جاي هستند، ديگر اين كه به علت گرم بودن خاك و اختفاي هواي گرم مرطوب در حفره‎هاي خاك، باران شديد تابستاني نمي‎تواند در روزنه‎هاي خاك نفوذ كند و ناچاراً جاري مي‎شود و سيل و طغيان بوجود مي‎آيد.

   عامل ديگري كه در بروز سيل مؤثر مي‎باشد شكسته شدن سدها و آب‎بندها است، كه بر اثر سهل‎‎انگاري فني و يا عوارض زميني چون زلزله بوجود مي‎آيد و يا خرابي آب بندهاي طبيعي كه بر اثر ريزش كوه و بسته شدن گذرگاه آب حوضه آبريز درياچه‎‎اي را تشكيل اده و بر اثر فشار زياد آب سد از هم مي‎پاشد نيز عامل ديگري از عوامل بروز سيل مي‎باشد.

   يكي ديگر از عوامل بروز، شكسته شدن سدهاي يخي مي‎باشد. مكانيسم عمل بدين صورت است كه وقتي رودخانه مقدار زيادي يخ از مناطق كوهستاني را همراه مي‎آورد، پس از كاهش سرعت جريان، يخ‎ها به هم پيوسته و اولين شبكه يخي را تشكيل مي‎دهند و با پيوستن ديگر يخ‎ها به صورت ديواره‎‎اي در شكاف به دام افتاده و سد يخي تشكيل مي‎شود. شكسته شدن اين ديوار بر اثر گرما يا فشار باعث سرازير شدن آب جمع شده مي‎گردد. ذوب سريع برف و يخ نيز عامل مهم ديگي در بروز سيل مي‎باشد. برف معمولاً در كوهها بيشتر بوده و از فصل بهار به تدريج ذوب مي‎شود، برف به علت نياز بيشتر به گرما نمي‎تواند يكباره ذوب شود و براي ذوب هرگرم برف بيش از79 كالري حرارت لازم است. اين مقدار كالري بيشتر از گرماي خورشيد و يا بادهاي گرم مداوم تأمين مي‎شود. گاهي اين ذوب به همراه بارندگي‎هاي شديد، طغيان رودخانه‎ها را سبب مي‎گردد. فعاليت‎هاي آتشفشاني نيز باعث ذوب سريع برف كوهها و سيل آتي و پرحجم مي‎شود.

تفاوت سيل با طغيان

سيل حركت آب به صورتي كه هر چه در مسير خود دارد را به همراه ببرد و طغيان به سكون اين آبها و پيوستن آن به آب رودخانه‎ها، درياچه‎ها و در نتيجه بالاآمدن سطح آبهاي جاري و زير آب رفتن مناطق مسكوني و كشاورزي گفته مي‎شود. معمولاً طغيان در پي سيل بوده و به همين علت هر دو را به يك معني به كار مي‎گيرند.

  معمولاً سيل در اثر عوامل زير ايجاد مي‎شود:

  1.    ريزش سريع نزولات آسماني و عدم گنجايش محل نزول.

  2.    عدم نفوذپذيري زمين محل و ذوب سريع برف‎ها.

  3.    عدم گنجايش و عدم طراحي صحيح مسير رودخانه‎ و سيل‎ها

  4.    عدم استفاده از سيل بند و ديوارهاي محافظ در مناطق سيل‎خيز

  5.    عدم گنجايش صخره‎ها و جوي‎ها جهت عبور آب درمناطق شهري و مسدود شدن رودخانه‎ به علت ريزش  كوه

  6.     عدم لايروبي رودخانه و تجمع رسوبات سنگين و غيرطبيعي پشت سدها.

  7.    خرابي سيل‎بندها، سدها و مخازن آب.

  سيلا‎ب‎ها بر دو گونه‎اند:

1.    سيلاب‎ها آرام : كه در اثر افزايش حجم ناگهاني آب رودخانه‎ها و درياچه‎ها در اثر بارندگي در طي روزها و هفته‎ها ايجاد مي‎شود.

2.  سيلاب‎هاي ناگهاني : كه در اثر افزايش حجم آب رودخانه‎ها و درياچه‎ها ايجاد شده و با خود مرگ و مصدوميت افراد و تخريب منازل را به همراه دارد. اين سيلاب‎ها ممكن است بر اثر باران‎هاي سيل‎آسا، گردباد تخريب ديوارهاي سد و ذوب شدن سريع يخ به وجود آيد.

 مهم‎ترين خسارات سيل

تخريب پل‎ها، تخريب جاده‎ها، تخريب زمين‎هاي كشاورزي، تخريب چاه‎ها و قنات‎ها و تخريب بندها و سدها، تخريب منازل مسكوني ازدياد ناقلين (مالاريا)، آلودگي آب، از بين رفتن محصولات و حيوانات اهلي (سوء تغذيه) آسيب به مكان‎هاي بهداشتي و ارتباطي.

   زيان‎هاي ناشي از سيل مربوط به پوشيده شدن زمين از آب و نيز فشار خود آب است. سيل ممكن است لوله‎هاي آب يا فاضلا را جابه‎جا كند. در يك مورد، 5 كيلومتر از يك لوله 90 سانتي‎متري آب را سيل با خود برده است.

   ممكن است تأسيسات تصفيه آب و تلمبه خانه‎ها زير آب فرو روند و گل و لاي داخل تلمبه‎ها، موتورها و ساير تجهيزات شوند كه اين امر سبب تعميرات گران و وقت‎گيري خواهد شد. آسيب ساختمان‎هاي محافظ چاه‎ها و چشمه‎ها ممكن است منجر به آلودگي آب آشاميدني شود. تأسيسات تصفيه فاضلاب و لوله‎هاي خروج فاضلاب بيشتردر معرض صدمات سيل قرار مي‎گيرد. پس زدن آب در لوله‎هاي فاضلاب بيشتر در معرض صدمات سيل قرار مي‎گيرند. پس زدن آب در لوله‎هاي فاضلاب سبب سرريز شدن آدمروها، مخازن فضولات و چاه‎هاي فاضلاب مي‎شود. به علت بالا آمدن سطح آب انواع زباله در نقاط مختلف پخش مي‎شوند كه جمع‎آوري و دفع آنها مشكل مهمي ايجاد مي‎كند. جمع شدن زباه و فضولات سبب افزايش مگس و جوندگان مي‎شود. دفن مردگان و زير خاك كردن لاشه حيوانات مرده مواقعي مشكل فوري و مهمي را به وجود مي‎آورد.

   شگفت اين كه هنگام وقوع سيل خطر آتش‎سوزي نيز افزايش مي‎يابد. بالا آمدن سطح آب ممكن است سبب واژگون شدن مخازن نفت يا بنزين شود و يا ورود آب به مخازن برگ مواد سوتي سبب پخش شدن آنها در منطقه وسيعي گردد. اگر جرقه‎اي به اين مواد سوختي برسد آتش به سرعت همه جا را فرا مي‎گيرد، زيرا اشغال شناور در سطح آب و ساير اشياء معمولاً همگي مواد قابل اشتغال‎اند. گاه اتصال در شبكه برق ساختمان‎هايي كه زير آب رفته‎اند،‌باعث آتش‎سوزي و برق‎گرفتگي مي‎شود. تأسيسات بهسازي مناطق ساحلي ممكن است به هنگام هجوم اين امواج ويران شوند و يا در اثر شسته شدن زمين و فرو ريختن آن، در معرض صدمه قرار گيرند.

   اين حوادث ممكن است موجب مرگ و مير فراوان ولي تعداد محدودتر، مجروح گردند، علل عمده بيماري و مرگ‎ها اصولاً در اثر غرق شدن، برق‎گرفتگي، عفونت‎هاي حاد تنفسي، حيوان گزيدگي و زخم‎ها و در بين ضعيف‎ترين افراد جامعه اتفاق مي‎افتد. در طوفان‎هاي استوايي و يورش امواج خروشان، در نوامبر 1977 كه تعداد 70000 نفر را در آندارپرادش هند مورد تهاجم قرار داد، حداقل تعداد 10000 نفر كشته و فقط 177 نفر مجروح غالباً داراي شكستگي پا و بازو بر جاي گذاشت.

   در ايران گرچه در بسياري از نقاط بارندگي كم است اما در بيشتر مناطق ممكن است 60 درصد بارندگي ساليانه در يك شبانه روز رخ دهد. همين عامل به همراه شيب‎هاي تند كوهستاني البرز و زاگرس – كه شهرهاي ما را در دامنه خود جاي داده‎اند – باعث شده است كه بروز سيل يكي از نگراني‎هاي عده – تقريباً در تمام فصول سال – باشد. سيل در ايران به دليل ويژگي‎هاي زمين‎شناسي و تخريب‎هاي زيست‎ محيطي بسيار آلوده بوده و گل و لاي زيادي به همراه دارد. به همين دليل نيز اغلب سيلاب‎ها در ايران، خسارات زيادي وارد مي‎كنند. سيل روزانه 200 ميليون تومان زبان به اقتصاد ملي وارد مي‎سازد.

   طبق يكي از گزارشهاي طرح ملي آمادگي و كنترل سوانح طبيعي كشور ايران در 25 سال گذشته يا 967 سيل روبرو بوده كه از اين ميان 117 سيل بسيار مهم و يا خسارات و تلفات فراوان همراه بوده است. طي اين سالها به طور متوسط با 39 سيل در سال، 916 ميليارد و 200 ميليون تومان به كشور خسارت وارد شده است كه متوسط خسارت سالانه 36 ميليارد و 600 ميليون تومان بوده است. طي 25 سال گذشته (از 1351 تا 1375) 5/42 ميليون نفر از جمعيت كشور تحت تأثير سيل بوده‎اند. طي اين مدت دو ميليون و 892 هزار و 400 نفر بي‎خانمان شده و سالانه به طور متوسط 500 واحد مسكوني ويران و يا آسيب ديه است. در گزارش ديگري از ستاد حوادث غير مترقبه كشور آمده است كه فقط در سال 1370 در كشور 61 سيل و 27 زلزله رخ داده است.

   خانه‎سازي در حريم رودخانه‎ها، آن هم با مصالح نامناسب علت اصلي خسارات سيل در بسياري از شهرهاي كشور بوده است. در شهرهاي بسياري از كشورها كه از لحاظ وجود رودخانه شرايط مشابهي با ما دارند، به دليل پر ارزش بودن زمين و يا به جهت استفاده از زيبايي رودخانه، خانه‎هايي زيادي بر ساحل رودخانه‎ها ساخته مي‎شوند اما تدابير كارشناسي ظريفي نيز جهت پيش‎بيني خطرات سيل به كار مي‎رود. اغلب درچنين شهرهايي هيچگاه مجوز زيرزمين به ساخت و سازها تعلق نمي‎گيرد.

   خانه‎ها به گونه‎اي ساخته مي‎شوند كه آب بتواند به راحتي از زيربنا عبور نمايد. دادن مجوز ساخت زيرزمين در ساختمان‎هايي كه در نزديكي مسير و يا سواحل رودخانه‎ها بنا مي‎شوند، توسعه بي‎رويه شهر كه به دليل تغيير سطح پوشش زمين، قابليت نفوذپذيري آن را از بين مي‎برد، تنگ كردن مجاري و مسيرهاي مهم شهرها  بتون كردن آنها كه شتاب آب را بالا مي‎برد، پمپاژ كردن آب به ارتفاعات بالا كه به رانش زمين حساس هستند و ... از جمله اشتباهات مديريتي هستند كه شهرداريها و مديران شهري نبايد مرتكب آنها شوند.

  اقدامات قبل از وقوع سيل

1.       لزوم رعايت اصول و ضوابط مهندسي رودخانه در احداث پل‎ها مطابق استاندارد.

2.       مطالعه و اجراي طرح‎هاي سيستم‎ هشدار سيل (مناطق پرجمعيت، كوهستاني و رودخانه‎هاي بزرگ).

3.       حفاظت و جلوگيري از دخل و تصرف غيرمجاز در بستر رودخانه‎ها و مسيل‎ها.

4.       پاكسازي و دفع انباشته‎هاي طبيعي و مصنوعي در محدوده پل‎ها و زيرگذرها با هماهنگي شركت‎هاي آب منطقه‎اي.

5.       لزوم استفاده از كارشناسان شركت‎هاي آب منطقه‎اي در هنگام بروز سيلاب به منظور ثبت آمار و خسارات سيلاب‎ و يكنواخت‎سازي آمار و اطلاعات و استفاده از نظرات كارشناسي شركت‎هاي آب منطقه‎اي در زمينه تحليل علل بروز و تشديد سيل و چگونگي مقابله و كاهش خسارات در حين وقوع سيل.

6.       نصب تابلوهاي هشدار سيل در مسير رودخانه‎هاي سيل خيز (در نقاط خاص و مهم و با توجه به شرايط رودخانه‎ها و مسير سيل‎ها).

7.       ايجاد نظام هشدار و مديريت سيل (حوزه‎هاي كوچك و پرجمعيت كوهستاني – مناطق شهري – رودخانه‎هاي بزرگ).

8.       لزوم به كارگيري و توسعه نقش بيمه در سرمايه‎گذاري طرح‎هاي پيشگيري و جبران خسارات ناشي از سيل.

9.       ارايه خدمات آموزش عمومي از طريق جمعيت هلال‎احمر، آموزش و پرورش و رسانه‎هاي عمومي با هماهنگي كميته‎هاي فرعي پيشگيري از سيل در استانها.

10.   اصلاح بستر رودخانه‎ها:

الف) عريض كردن بستر رودخانه

ب) عميق كردن در اثر لايروبي

ت) عريان كردن رودخانه از نباتات

ث) تسطيح رودخانه‎ها

ج) تصحيح مسير براي كم كردن طول رودخانه

11.   ايجاد سيل برگردان:

الف) ايجاد ديواره‎ها در كنار رودخانه‎ها.

ب) كندن كانال‎هاي عرضي و موانع در مسير سيل.

پ) منحرف كردن آبهاي تجمع شده به مناطق ديگر.

ت) ايجاد سيل شكن در دره‎ها براي جلوگيري از تجمع آب.

12.   ايجاد و ساخت سدها و آب بندها: بهترين چاره‎ است كه مي‎توان در توليد برق و آبياري از آن استفاده كرد.

13.   حفاظت از بستر رودخانه‎ها: در حوضه‎هاي مرتفع با استفاده از مصالح ساختماني.

14.   حفاظت بيولوژيكي : عدم كاشت درخت در كنار رودخانه‎ها و ايجاد پوشش گياهي و جنگل‎ها براي كم كردن سرعت قطرات باران.

15.   ايجاد سرعت شكن‎هاي بتوني و سنگي در مسير بستر رودخانه‎ها و مسير سيلاب‎ها

  اقدامات هنگام سيل

1.       هميشه و همه جا اصل خونسردي را حفظ كنيد.

2.       براي اطلاع از وضعيت و گرفتن دستورات لازم به راديو، تلويزيون و يا اعلام بلندگوهاي عمومي گوش دهيد در صورتي كه دستور تخليه داده شد فوراً اين كار انجام دهيد.

3.       وسيله روشنايي تهيه كنيد (چراغ قوه، شمع و ...)

4.       به سرعت كمي غذا و آب ذخيره كنيد. (ممكن است منابع آب آلوده گردد و مواد غذايي يافت نشود) و از مصرف مواد غذايي در تماس با سيل و فاقد ظرف ضد آب خودداري شود. از غذاهاي كنسرو شده سالم استفاده نماييد.

5.       در خارج از منزل مواظب سيم‎هاي برق كه روزي زمين افتاده (خصوصا در آب) باشيد تا دچار برق‎زدگي نشويد.

6.       در هنگام رانندگي مراقب شيب‎ها و پيچ‎هاي جاده باشيد به آرامي و با خونسردي رانندگي كنيد (ترمزها بخوبي كار نمي‎كند).

7.       اگر خانه شما در محل مرتفعي است و خطر آب گرفتگي شما را تهديد نمي‎كند نياز به خروج از منزل نمي‎باشد.

8.       جريان برق، آب و گاز را براي اجتناب از آتش‎سوزي و برق‎گرفتگي و انفجار قطع كنيد.

9.       در صورت ترك خانه اشياء گران قيمت را به محل‎هاي بالاتري در منزل ببريد درها را قفل كنيد.

10.   مناطق كم ارتفاع را سريعا ترك نماييد.

11.   به نقطه مرتفعي دور از رودخانه‎ها، نهرها و زهكشي برويد.

12.   از فاضلاب‎ها و جويبارهاي به ظاهر آرام دوري نماييد. و از ورود به جريان پرشتاب آب بدون توجه به قابليت شناگري كه خطر غرق شدن را به دنبال دارد، اجتناب كنيد.

13.   سيلاب‎هايي كه سطح جاده و پل‎ها را پوشانده است داراي قدرت مافوق تصور است.

14.   راه‎رفتن و يا رانندگي در سيلاب خطرناك‎ترين كاري است كه ممكن است انجام دهيد.

15.   وسايل نقليه، حيوانات مزرعه و اشياء قابل حمل و نقل را به نزديكترين محل مرتفع انتقال داده شود. خودروها و وسايل نقليه محل‎هاي امني در مقابل سيل نمي‎باشد زيرا خودرو ممكن است در آب جاري از كار بيافتد و يا توسط آب حركت داده و برده شود.

16.   حشره‎كش‎ها را از آب دوري كنيد چون امكان دارد آلودگي خطرناكي را موجب شود.

17.   هيچ‎گاه به تنهايي در يك ناحيه سيل‎زده، به اين طرف و آن طرف ندويد.

18.   آبهاي جمع شده در گودال‎هاي مناسب براي رشد حشرات بخصوص پشه‎ها مي‎باشد. لذا از توري در محل اقامت استفاده گردد و پوشاك آستين بلند و چكمه‎هاي ساق بلند بپوشيد

زانیار بهمنی   850652416

گروه ۲

 

آب‌شناسی

از ویکی‌پدیا، دانشنامهٔ آزاد

[] تعریف شناخته شده

ابراهیم محمد پناهی

گروه ۲

بهره برداری از منابع آب

بسیاری از جوامع یا افراد ، قدر نعمت‌های موجود را نمی‌دانند و این قدرنشناسی را بهره برداری نادرست از این نعمت‌ها نشان می‌دهند. یکی از این نعمت‌های بزرگ خداوند ، آب است. چون منابع آب محدود است، باید در استفاده از آنها دقت کافی به عمل آید. در بخش کشاورزی ، عوامل زیادی سبب هدر رفتن مقدار زیادی از آب می‌شود که بر فراز آنها عبارتند از:

آبیاری مزارع در زمان نامناسب

آبیاری به هنگام ظهر که گرمای هوا سبب افزایش تبخیر می‌شود، مقدار زیادی از آب را هدر می‌دهد.

غرقابی کردن زمین کشاورزی و نفوذ دادن آب به اعماق زمین

آب زیاد دادن به زمین ، سبب می‌شود که خاک تا عمق زیادی از آب پر شده ، فضاهای خالی آن پر شود.

آلودگی آبها

بوسیله سموم دافع آفات گیاهی و یا ریختن کودهای شیمیایی ، آبها آلوده می‌شوند.

تامین آب آشامیدنی شهر و روستا

مردم به آب سالم برای آشامیدن و پرداختن به امور بهداشتی نیاز دارند. تامین آب با صرف هزینه و سرمایه گذاری زیاد انجام می‌‌شود. در تامین آب سالم و مناسب ، به مراحل زیرین پرداخته می‌شود:

• کشف منابعی که برای آشامیدن و سایر مصارف مردم مناسب باشد.
• جمع آوری آبهای سطحی یا بهره برداری از آبهای زیرزمینی
• تصفیه آب برای از بین بردن آلودگیهای احتمالی
• انتقال آب از محل تصویه به محل‌های مصرف (شهر و روستا)
• مراقبت از تاسیسات ، کانالها و لوله‌های انتقال آب

همه موارد اخیر به تخصص ، هزینه و زمان نیازمند است. بنابراین ، در مناطق شهری و روستایی آبهای آشامیدنی لوله کشی شده یا تصفیه شده با صرف مخارج زیادی فراهم می‌شود و باید در استفاده از آنها دقت کافی به عمل آید. زندگی شهرنشینی و تراکم جمعیت در شهرها و توجه به امور بهداشتی آنها ، سبب شده است که نیاز بیشتری به آب آشامیدنی سالم احساس شود. تامین آب مناطق شهری و روستایی گاهی سبب کاهش مورد نیاز کشاورزی و باغداری می‌شود.

بهره برداری از آب در صنایع

در اوایل قرن بیستم ، از کل مصارف آب در جهان ، حدود 6% در بخش صنایع مصرف می‌شد. هم اکنون این رقم 4.5 برابر شده است. در ایران فقط 5% از کل مصرف آب مربوط به صنایع می‌باشد. آبی که به صنایع می‌رسد، معمولا خیلی زود کیفیت خود را از دست می‌دهد یا گرمای آن زیاد می‌شود و یا آلودگی شیمیایی و میکروبی پیدا می‌کند. گرمای آب مورد نیاز صنایع را می‌توان با برجک‌های خنک کننده گرفت و آب را دوباره یا چندباره مورد استفاده قرار داد. اما رفع آلودگی شیمیایی یا میکروبی به تخصص و هزینه زیادی نیاز دارد. البته آبهای آلوده صنعتی به مدت زیادی در طبیعت باقی می‌مانند.

بحران آب

روند افزایش جمعیت و گسترش منابع و نیاز به آب برای تامین غذای بشری سبب شده است که آب به عنوان یک عامل حیاتی و بوجود آورنده بحران تلقی شود. کافی است برای پی بردن به ارزش آب و نقش آن در ایجاد تنش های سیاسی به جدالهای سران کشورها بر سر تقسیم آبها و مرزهای آبی توجه شود. برای حل این بحران استفاده از آب رودخانه‌ها تا یک سقف معینی مجاز است. آبهای مرزی حتی جنگهایی را بین کشورها به وجود آورده و اختلافات اساسی ایجاد کرده است که با مصرف مناسب و برنامه‌ریزی دقیق در مصرف می‌شود از این بحرانها خلاصی یافت.

مصرف بهینه آب

• بر اساس بررسی‌های به عمل آمده میانگین آب مصرفی سرانه جهان (صنعتی ، کشاورزی و آشامیدنی) در حدود 580 مترمکعب برای هر نفر در سال است. متاسفانه این رقم در ایران با کمبود منابع آب ، 1300 متر مکعب در سال است. این امر بیانگر اتلاف منابع آب و اسراف بیش از حد منابع حیاتی است.
• مقدار مصرف سرانه آب لوله کشی آشامیدنی در شهرهای ایران در حدود 142 متر مکعب در سال است که از مصرف سرانه برخی کشورهای اروپایی پُرآب ، مانند اتریش (108 مترمکعب درسال) و بلژیک (105 مترمکعب درسال) بیشتر است. یکی از دلایلش این است که در ایران از آب آشامیدنی تصفیه شده برای شستشوی اتومبیل ، حیاط ، آبیاری باغچه‌ها ، استحمام ، لباسشویی و ظرفشویی استفاده می‌شود، در حالی که در اکثر کشورها آب آشامیدنی از آبی که به سایر مصارف می‌رسد ، جداست.
• برای بهره برداری درست از آبهای آشامیدنی بهداشتی ، شاید بهترین راه جدا کردن آب آشامیدنی از آبهای مصرفی دیگر است.
• در کشاورزی بایستی روشهای آبیاری متناسب با محیط باشد و یا از روشهای جدید آبیاری استفاده شود که اتلاف آنها کم است. مثلا آبیاری بارانی یکی از راه های بهره برداری از آبها در کشاورزی است.
• تهیه آبهای آشامیدنی بهداشتی شهر و روستا به علت اینکه تصویه می‌شوند، بسیار پرهزینه‌تر از آبهای کشاورزی و صنعتی است. بنابراین ، باید در مصرف این آبها دقت کافی به عمل آید.

 آلودگی آبها

مسائل بهره برداری از منابع آب جهان فقط به مصرف نادرست بر نمی‌گردد. گاهی انسان با کارهای نادرستش ماهیت آب را تغییر می‌دهد که به آن آلودگی آب گویند. آلودگی آب ، تغییرات فیزیکی ، شیمیایی و زیستی (میکروبی) را شامل می‌شود. که عمده‌ترین این آلودگی‌ها را در زیر لیست می‌کنیم.

• وارد کردن زباله های صنعتی یا خانگی در آب
• ریختن فاضلاب صنعتی ، خانگی و بیمارستانی در آب
• آلودگی حرارتی آب که از طریق عملیات صنعتی در آب رودخانه‌ها ایجاد می‌شود. مثلا نیروگاه‌های تولید برق ، تولید فلزات و برخی کالاهای دیگر سبب آلودگی حرارتی آب می‌شوند. گرم شدن آب ، ارگانیسم موجودات زنده جهان را بهم می‌زند، زیرا برخی از گیاهان ، ماهی‌ها و موجودات زنده آبزی در آب رودخانه‌ها و دریاچه‌ها تا دمای خاصی می‌توانند تحمل کنند و دمای بیشتر یا کمتر از آنها حیات آنها را به خطر می‌اندازد. بنابراین ، آلودگی حرارتی نیز در نوع خود مهم است.
• وارد کردن سموم دافع آفات گیاهی و کودهای شیمیایی آب را آلوده می‌کند. ورود مواد شیمیایی و عناصر نامطلوب در آب ، سبب آلودگی شیمیایی آن می‌شوند و چون آب در طبیعت در گردش است، آلودگی آب سریعا گسترش می‌یابد. جیوه ، سرب ، مواد شیمیایی سمی ، از خطرناکترین آلوده کننده‌های آب هستند و برخی از این مواد ، سالها در محیط باقی می‌مانند و حیات جانداران و گیاهان را به خطر می اندازند.

عرفان واصلی

گروه ۲

آب در زندگی بشر اهمیت بنیادی دارد. از اینرو آب را مایه حیات گویند. در روز گرم تابستان وقتی شیر آب قطع می شود ، ضرورت وجود آب در زندگی انسان نمایان می گردد. انسان می تواند بدون غذا چند روزی را بگذراند ، اما بدون آب به زودی از پا در می آید.

• آیا آب را به بطور سالم و در حد نیاز استفاده می کنید؟
• آیا آب به اندازه کافی و در همه جا در دسترس بشر هست؟
• برای استفاده مطلوب از آب چه کار باید کرد؟ و غیره

 موقعیت جهانی آب

مقدار آب موجود در کره زمین تقریبا ثابت بوده است. این آب به مصارف آشامیدن ، کشاورزی ، صنعت و ... می رسد و زندگی بشر را بهبود می بخشد. اگر کره زمین از فضا روئیت شود ، رنگ طبیعی آن آبی دیده می شود یعنی کره ای که بیشتر سطح آن را آب پوشانده است. یعنی بخش اعظم سطح زمین را اقیانوس‌ها و دریاها فرا گرفته اند. از نقطه نظر حجم و اندازه ، در حدود 97.2%از آبهای موجود در جو زمین و آب موجود در خاکها و آبهای زیرزمینی می باشند.

آب شیرین

انسان برای انجام فعالیت هایش به آب شیرین نیاز دارد. آب شیرین ، یعنی آبی که میزان نمکهای آن بسیار کم باشد. آب اقیانوس ها و دریاها شور هستند و استفاده از آنها نیازمند تصفیه کردن آنهاست که این امر به احداث مرکز تصفیه خانه آب با مکانیزم های پیشرفته تصویه نیاز دارد. هزینه بالای این امر سبب شده که انسان به آب های شیرین موجود در خشکیها و اتمسفر زمین قانع باشد. حجم آب شیرین در جهان بسیار کم و در حدود 2.8% از حجم کل آب جهان است. برای مصرف آب شیرین اندک موجود در جهان محدودیت هایی هم وجود دارد ، زیرا مقداری از آبهای شیرین جهان به شکل یخ در یخچالهای قطبی و کوهستانی قرار دارد که به این صورت قابل بهره برداری نمی باشند. اما انسان به آبهای شیرین موجود در رودها ، دریاچه‌ها ، و آبهای زیرزمینی دسترسی دارد. البته آبهای زیرزمینی که در لایه‌های داخلی زمین موجود هستند ، لازمه دسترسی به آنها مسائلی همچون اکتشاف ، حفر چاه ، کانال کش ، و به کار بردن دستگاههای پمپ آب ، ایجادتاسیسات و لوله کشی را در پی دارد.

آبهای موجود در زمین همواره در حال تغییر شکل هستند. این آبها ، حالات مایع ، جامد و گاز به خود می گیرند ، جلوه‌های طبیعی آب بسیار وسیع است. مقداری از آن در زمین نفوذ کرده و آبهای زیرزمینی را تشکیل می دهد. قدری از آن هم در درون شاخه‌ها ، برگ‌ها ، تنه و ریشه درختان ذخیره می شود. آیا جلوه های دیگری از آب هم می شناسید؟


آب موجود در اتمسفر زمین بر اثر گردش طبیعی آن هر 9 روز یک بار بین آسمان و زمین جابجا می شود. در هر سال این عمل چندین مرتبه تکرار می شود. حجم آبی که در هر سال به وسیله گردش آب در طبیعت فراهم می شود ، در حدود 40000 کیلومتر مکعب است. انسان با تکنولوژی امروزی می تواند 25000 کیلومتر مکعب آنرا مورد بهره برداری قرار دهد. ریزش های جوی در همه جای سیاره زمین یکسان نیست و در برخی جاها بارندگی بیشتر از سایر مکانهاست.

وضعیت آبهای ایران

با توجه به قرار گرفتن ایران در نواحی خشک و بیابان ، مقدار بارندگی و حجم آبهای ایران کافی نیست. و ریزش های جوی نیز بطور یکنواخت صورت نمی گیرد. میانگین بارندگی سالانه در جهان در حدود 800mm تبخیر واقعی و 900mm تبخیر بالقوه می شوند. کشور ایران با اینکه 1.1% از مساحت خشکی های جهان را داراست ، فقط 0.345% از آبهای موجود در خشکیهای جهان را در اختیار دارد. از سوی دیگر در اغلب مناطق ایران ، ریزشهای جوی بصورت محلی و فصلی است که نیاز چندانی به آب برای کشاورزی در پاییز و زمستان نیست ، همچنین بارندگی به طور یکنواخت در کشور توزیع نمی شود.


محدودیت منابع آب و توزیع فصلی نامناسب بارندگی دال بر این است که بایستی منابع آبهای موجود سطحی و زیرزمینی را به خوبی شناسای و مطالعه کرده و با برنامه ریزی دقیق ، بهره برداری صحیح از آنها صورت گیرد. البته مردم ایران از اول با این مشکل مواجه بوده اند و با حفر قنات و کاریز ، بهره برداری از آبهای زیرزمینی را ابداع کرده اند. با احداث سد و بندهای متعددی نیز آبهای سطحی را مورد استفاده قرار می دهند.

آنچه باید بدانیم

• حجم آبهای شیرین قابل استفاده توسط انسان بسیار محدود است.
• میزان بارندگی سالانه ایران بسیار کمتر از میانگین بارندگی جهانی است.
• پراکندگی بارش در همه جای ایران یکسان نیست و بیشتر بارندگی در زمان نامناسب برای کشاورزی صورت می گیرد.
• برای بهره برداری صحیص از منابع آب بایستی ابتدا منابع را خوب شناخته و بر روی آنها برنامه ریزی دقیق انجام داد.

هيدرولوژي چيست ؟

موضوع:مدل سازی سیل و خشکسالی با استفاده ازشبکه مصنوعی(ANN)

  سال تحصیلی: نیمسال دوم 87-88

 سید امیر قریشی

رشته: مهندسی عمران

گروه۲

چکیده :

رخدادهای طبیعی از جمله سیل و خشکسالی از جمله مشکلات بشر در گذشته و حال می باشد . یکی از ضروریات مهار این بحرانها شناخت  تناوب و بزرگی این وقایع و پیش آگاهی می باشد. روبط کابین عوامل موثر در وقوع این پدیده ها از نوع غیر خطی (Non Linear) و پیچیده می باشد. با توجه به نقاط ضعف روشهای سنتی در به کارگیری  آنها برای حل چنین مسائلی در سالهای اخیر تحقیقاتی  در خصوص امکان استفاده از روشهای جدید تحت عنوان هوش مصنوعی (AI) شروع شده است . یکی از روشهای هوش مصنوعی مورد توجه ، روش شبکه عصبی مصنوعی (ANN) است .این روش دارای یک پیکر بندی ریاضی لایه میانی (مخفی ) و یک لایه خروجی است . هر لایه از چندین گره (نرون ) تشکیل شده و بردارهای ورودی یک و یا بیشتر می باشد. این مقاله  سعی دارد بر اساس تحقیقات اخیر نسبت به معرف توانائی این روش در کمک به مدیریت بحران حاصل از وقایع سیل و خشکسالی اقدام نماید.

واژه های کلیدی :  هوش مصنوعی ، شبکه عصب مصنوعی ، مدل ، سیل ، خشکسالی

 مقدمه :

بشر از گذشته های دور با بلایای طبیعی روبرو بوده و اثرات نامطلوب آن را بر زندگی خود مشاهده کرده است . از جمله این بلایای طبیعی می توان به خشکسالی های طولانی :

(چنان خشکسالی شد اندر دمشق           که یاران فراموش کردند عشق )

سیلابهای تاریخی (Paleo Flood) ، که اقدامات رسوب شناسی وجود آنها را در گذشته تأیید میکنند و موارد دیگری از قبیل زمین لرزه و ... اشاره نمود.

آنچه که پر واضح است ،  افزایش جمعیت بر روی کره زمین و همچنین افزایش گازهای آلاینده در جو و بهره برداری های  بسیار نامطلوب از منابع طبیعی تجدید شونده حوزه های آبخیز ، رفتارهای هیدرولوژیکی حوزه را به سمت  خود تخریبی و دور نمودن عملکرد آن از مطلوبهای انسان نیازمند سوق میدهد. از جمله آنها وقوع سیلابهائی با دبی بالاتر (به دلیل افزایش ضریب رواناب ) ، بهم خوردن مقدار سالانه نزولات جوی و یا تغییر توزیعهای زمانی و مکانی مقدار نزولات جوی می باشد.

به هر حال آنچه پیش روی انسان امروزی است وجود چنین وقایع نامطلوب ولزوماً انجام چاره جوئی بر آن است . ولی سؤال اصلی اینجاست که چگونه باید بر این بحرانهای منشأ گرفته از آب غلبه نمود و یا خود را با آن سازگار ساخت . بدین منظور اولین سؤال  متبادر به ذهن این است ، که با توجه به روند موجود ، در آینده با چه بزرگی  از این بلایای طبیعی یعنی خشکسالیها و کمبود منابع آب و یا طغیانها روبرو خواهیم بود. چرا که انجام هر گونه برنامه ریزی واقدامات مهندسی  موکول به برآورد  صحیحی از این اتفاقات در آینده است .

بدین خاطر متخصصین علم هیدرولوژی ، و سایر رشته های مرتبط با آن وادار شده اند که روشهای مناسبی را برای پیش بینی بزرگی این حوادث با دقت قابل قبول در اختیار بگیرند. روشهای مورد استفاده را می توان به روشهای سنتی (مبتنی بر آمار ریاضی ) و روشهای جدید ریاضی تقسیم نمود. توزیعهای احتمالاتی را برای برآورد بزرگی یک حادثه درآینده با احتمال مشخص بمانند روشهای گامبل ،  پیرسیون و ... همچنین روابط فیزیکی را برای محاسبات معین (Determinstic) بمانند روش هیدروگراف واحد و ... تعریف نموده اند ، روشهای جدید سعی بر آن دارد که از داده های بیشتر و متنوعتری استفاده کرده  تا بتواند روابط حاکم مابین عوامل متعدد و موثر در وقوع یک پدیده را طی یک روابط منطقی ریاضی بیان کنند. این روشها نظم و ارتباط پنهان موجود در درون این داده های  به ظاهر نامنظم را کشف کرده و بر این اساس ، روند آینده وقوع پدیده را ترسیم میکنند ، و بدین طریق امکان برنامه ریزی را برای تصمیم گیران فراهم می نمایند.

از جمله این روشها می توان به منطق فازی ، الگوریتم ژنتیک ، شبکه عصب مصنوعی و ... اشاره نمود که تحت عنوان هوش مصنوعی (Artificial Intelligence) دسته بندی می گردد.

این مقاله در نظر دارد که ویژگیهای ساختمانی و بکارگیری (ANN) را برای مدیریت بحران آب (سیل ، خشکسالی ) معرفی نماید.

 ویژگیهای شبکه عصبی مصنوعی:

شبکه های عصبی مصنوعی (Arteficial Neural Networks) که به اختصار (ANNs) نامیده می شوند در واقع یک ابزار ریاضی قدرتمندی هستند که با تقلید ساده از سیستم عصبی بیولوژیک ساخته شده اند. قدرت انعطاف و تصحیح پذیری بالایی در انطباق خود با داده های موجود را دارند. بطوریکه می توان مجهز به سازماندهی شود که نظم و هماهنگی موجود در داخل این داده ها را پیدا نمود و بر اساس یک سری شواهد (بردارهای ورودی ) وقوع و بزرگ یک پدیده ای را پیش بینی نماید مهمترین موضوع در مورد این مدلها انتخاب ورودیهای مناسب به مدل برای رسیدن به آن ویژگی مطلوب برای اخذ خروجیهای مورد نظر است .  علاوه بر ان معماری ساختمان (ANN) و نحوه انتخاب ارتباط بین نرونها و وزنی که هر نرون به خود اختصاص خواهد داد ، از اهمیت والائی برخوردار است . در حال حاضر تحقیقات زیادی در خصوص این مدل ریاضی و نحوه معماری آن در حال انجام است تا بتواند به سؤالات چندی از قبیل :

ـ باید از چند لایه تشکیل شده باشد.

ـ باید به تعداد چند گروه (نرون ) در هر لایه باشد.

ـ آیا لایه ها باید کاملاً با همدیگر مرتبط باشندو یا لازم نیست .

ـ چه روشی برای آموزش شبکه باید به کار گرفته شود.

ـ برای یک روش آموزش شبکه ، پارامترها (وزنها) باید چگونه توزیع شوند.

به هر حال با توجه به نیاز برای انجام تحقیقات در خصوص تکامل این مدل ، در حال حاضر اشکال مختلفی از آن در امور مربوط به آبخیزداری از قبیل بررسی روابط بارندگی و رواناب در یک حوزه آبخیز ، هیدروگراف (آبنمود ) سیل و ... کاربرد دارد . آنچه که بر اهمیت موضوع می افزاید وجود روابط غیر خطی مابین عوامل مؤثر بر پدیده های مختلف هیدرولوژیکی بوده و مدل (ANN) دارای توانایی لازم برای تطابق خود با این روابط غیر خطی است ، بیان دیگر آنکه منظور ساختن مدلی غیر خطی انکه منظور از ساختن مدلی غیر خطی با ویژگهای قابل انعطاف و امکان پذیر اموزشی وقایع گذشته به مدل می باشد  تا بر اساس این اموزشها توانایی بازساز رفتار سیستم را برای ورودیهای جدید داشته باشد . ایده استفاده از این مدل (ANN) ان است که تمام اطلاعات مهم در داخل دادهها پنهان بوده و بوسیله این روشمی توان به ان روابط پنهان بین داد هها پی برد . این مدل در واقع یک جعبه سیاه (black box) .و در بهترین  حالت  یک جعبه خاکستری (gery box) است که بدون اگاهی و یا با اگاهی کم از فرایند های درونی سیستم  ورودیها را به خروجیها (یا خروجی ) تبدیل  می نماید . این وضعیت  در واقع مشابهت این مدل را با روابط همبستگی (رگراسیونی ) می رساند با این تفاوت که قابلیت انعطاف مدل ANN در تنظیم وزنها ( Weights) بیشتر بوده و لذا به عنوان جایگزین برای رگراسیونهای چند متغیر استفاده می شود .

هر چند که تا کنون کاربرد این مدل در هیدرولوژی عمدتا برای بازسازی خروجی ( هیدروگراف ) با فواصل زمانی محدود ( چند ساعت ) وده ات تا اینکه یک تداوم جریان رابرای مدت طولانی شبیه سازی نماید . شبکه های عصبی مصنوعی به سرعت جای خود را در تحقیقات هوش مصنوعی  بازنموده و به عنوان یک مدل مناسب برای جلوگیری به مسائل مبهم پیچیده ( Chaitic) بخصوص انهایی که به سادگی با روابط ریاضی ساده قبل بیان نیستند  باز نموده است . استفاده از روش شبکه مصنوعی در پیش بینی سیلابها یا دوره های بازگشت  متفاوت نسبت به روشهای سنت و روابط رگرسیونی چند متغیره  با استفاده از معیار سنجش مجموع مایعات (Rss) باقیمانده از توانایی بیشتری برخوردار است .

البته این روس با مشکلاتی از قبیل افزایش بی دلیل وزنها طولانی بودن محاسبات و انتخاب درست ساختمن مدل روبرو می اشد  با پیشرفت  تحقیقات و فن اوری رایانه ا و استفاده از الگوریتمهای مناسب امکان حل مشکلات مذکور وجود دارد .

 ساختمان شبکه عصب مصنوعی و اموزش ان

شبکه عصب مصنوعی تقلیدی بسیار ساده از سیستم عصبی بولوژیکی و مغز انسان است . این تقلید بر اساس یک پیکربندی ریای می باشد بطوریکه متشکل از چندین لایه وهمچنین چندین نرون (گره ) در هر لایه است .

هر نرون متشکل از دو جز شامل یک  ورودی و جز دیگر وزن  یا پارامتر است که مقدار ان حداکثر یک و حداقل صفر است  . ورود این دو جز به داخل نرون  با هم جمع شده  و نتیجه بصورت  یک ورودی به تمام نرونهای لایه بعدی منتقل می شود .

 در این  شکل کمیتهای a,p به ترتیب ورودی و خروجی مب شاند . میزان تاثیر p روی a بوسیله مقدار کمیت w تعیین می شود ورودی دیگر یک مقدار ثابت 1 است در جمله بایاس b ضرب شده و سپس با wp جمع می شود . این حاصل جمع ورودی خالص n برای تابع محرک f خواهد بود . بدین ترتیب خر جی نرون با معادله زیر تعریف می شود :

A = f(wp+b)

 باید توجه داست  که پارامترهای b , w قابل تنظیم هستند و تابع محرک f نیز توسط محرک f نیز توسط طراح انتخاب می شود . بر اساس انتخاب نوع f و نوع الگوریتم یادگیر پارامترهای b,w تنظیم  می شوند . یادگیری بدین معنی است که b,w طوری تغییر می کنند تا رابطه ورودی و خروجی نرون با هدف خاصی مطابقت نماید .  برایند این پروسه ها در لایه خروجی به صورت یک یا چند جواب (بردار خروجی ) به بردار ورودیها می باشد ( منهاج 1377 ) ارتباط لایه ها با همدیگر می تواند به صورت خطی  و یا بصورت منحن ( عموما سیگموند ) بیا نی می شود . ساختمن شبکه ها ی عصب  مصنوعی که در بح هیدرولوژی بویژه رابطه بارندگی رواناب مورد استفاده قرار می گیرد متشکل از سه لایه  شامل ( لایه ورودی ( input layer) لاه میانی (hidden leyer) و لایه خروجی (out put layer) است  . منتها این مدلهای شبکه عصب مصنوعی بسته ه موضوع  هیدرولوژیک مورد بررسی در تعداد نرونها در هر لایه  با همدیگر متفاوت بوده و همچنین نحوه انتقال محاسبات از لایه ای به لایه دیگر (transformation) نیز ممکن است بصورت یکسان و یا غیر یکسان صورت گیرد .

بر اساس کل ساده  شماره 3 فرمول ریاضی یک شبکه عصب مصنوعی سه ایه که شامل یک لایه  ورودی با nنرون ( گروه ) یک لایه میانی ( مخفی ) با n نرون و یک نروم در لایه خروجی به شکل زیر می باشد :

مقدار تواع خروجی از شبکه عصبی مصنوعی y

توبع فعال کننده s1 , s

وزنهای ارتباطی لایه های Wi

مقادیر ورودی به شکل Xi

توابع فعال کننده مختلفی مورد استفاده قرار می گیرد که معمولیترین نوع ان سیگموئید و بصورت زیر است :

بحث ، ضرورتهای بکارگری در مدیریت بحران اب ( سیل ( خشکسالی )

همچنانکه ذکر شد پیش بین هر واقعه ای ااس مدیرت بحران ان را تشکل می دهد . ان  امکن زمانی حاصیل می شود که مدلهای مناسبی را سازگار با مقدورات و داده های قابل حصول در اختیار داشت  و متاسفانه بلایای طبیعی حاصل از جمله سیل و خشکسال پدیده هایی هستند  که تحلیل انها بر اساس روابط فیزکی اکان پذیر نبوده و از پیچیدگی زیادی برخوردار هستند . دلایل این خصیصه بطور اجمال عبارتند از :

-         روابط بارندگی و رواناب رابطه غیر خطی non liner است و عموما این روابط از نظر ر وابط کمی فیزیک ناشناخته است .

-         عوامل موثر بر بزرگی واقعه در صورت  معین  شناخته شده نیست  .

-         داده های معین مورد نیاز زیاد است و جمع اوری انها پرهزینه و شاید برای تعدادی غیر ممکن باشد . لذا هر چند که تحلیلهای فیزیکی کاملا پذیرفته شده و بهترین حالت می باشد ولی به دلایل فوق الذکر و رعایت  سادگی موضوع در مقام قیاس بایستی این نوع پدیده ها را با استفاده از مدلهای مناسب به صورت  جعبه سیاه نگریست . سوالی که با قبول این امر پیش می اید این است که چه نوع مدلی می تواند مناسب باشد بطور معادله مثال ساده ترین  شکل موجود رابطه بین سطح حوزه و ابخیز و دبی حداکثر لحظه ای (سیلاب ) بصورت معادله ریاضی بر مبنای مدل مفهوی فله ای  8 و 1 عبارت است از :

Q= mAn

Q = دبی حداکثر لحظه ای

A = مساحت حوزه ابخیز

M = ضربه

N =ضریب کمتر از یک

بطوری که کلیه عوامل ناشناخته در داخل (m,n) لحاظ می شوند مناسبترین روش پیدا کردن انها روش همبستگی چند متغیره است . اما رسیدن به مدل مذکور نیز نیاز به سری داده های زمانی واقعی طولانی مدت دارد . در کشور ما اکثر حوزه های ابخیز فاقد داده های کافی هستند . روشهای جدیدی که برای غلبه بر نبود سریهای زمانی دراز مدت و تکیه بر فنون نرم افزار و سخت افزار کامپیوتری موجود قابل دسترسی است روشهای هوش مصنوعی و از جمله روش (ANN) است  . در صورت طراحی مدل درست مدل مزبور شامل :

-         نوع ورودیهای مناسب و موثر

-         تعداد لایه های درونی

-         نوع رابطه لایه ها با همدیگر (خطی و غیر خطی )

-         روشهای مناسب اموزش شبکه

-         تعداد گره (نرون) در هر لایه

می توان وزنهایی را برای گره ها قائل شد که در یک عملکرد متقابال و مرتبط با هم ( عملکرد سیستم به عنوان متغیرهای خروجی و داده هایی شامل ویژگیهای فیزیکی حوزه ابخیز و بارندگی به عنون متغیرهای ورودی ) حقیقت و روابط نهفته در بین ورودیها و خروجیها را در وزنها لحاظ کرده و جواب لازم برای یک متغیر ورودی جدید پیدا نمود . به ویژه براورد بزرگی یک سیلاب برای یک دوره برگشت مورد نظر برای حوزه های فاقد داده های هیدرومتری می توان بر اساس تحلیل منطقه ای سیلاب از این روش بهره مند گردد . چرا که روش سنتی تحلیل منطقه ای  سیلاب که بر اساس روش MEAN ANNUAL FLOOD PLUS GROWTH CURVE METHOD انجام می گیرد از نارساییهای چندی به ویژه در ارتباط با براورد میانگین دبی سیلاب برخوردار است . ضمنان استفاده از این مدل شبیه سازی در سیتمهای هشدار سیل نیز از نتایج خوبی برخوردار است .

نتیجه گیری

بر اساس تحقیقات موجود استفاده از روش شبکه مصنوعی در مدل سازی رفتاری پدیده های نادر دارای اجهیت نسبت به روشهای سنتی می باشد . لازم ایت در کشور ما تحقیقات بیشتری در خصوص پیدا کردن ساختمانی مناسب برای انها اقدام نمود . این مدلها باید از تواناییهای لازم برای سازگار ساختن خود با کمبود داده ها در کشور را داشته باشند .

مراجع

 مرجع فارسی

1 – مهدوی ، محمد ، هیدرولوژی کاربردی ، انتشارات دانشگاه تهران ، جلدو دوم ، ص133 و 1-88 ،1378

2 – منهاج ، محمد باقر ، مبانی شبکه های عصبی ( هوش محاسباتی ) مرکز نشرپروفسور حسابی ، جلد اول ،ص17-49 ، 1377

 معرفي مدلهايي در محاسبات مربوط به جمع آوري آبهاي سطحي

 پيشرفت دنياي علم هيدرولوژي و ورود رايانه‌هاي ديجيتالي باعث شده است كه بسياري از مسائل پيچيده به صورت مدل طراحي شده و قابل محاسبه باشند. اولين مدل هيدرولوژيكي كه در آن اكثر فرآيندهاي بارندگي، تبخير، نفوذ، جريان‌هاي سطحي و زيرزميني تبخير و تعرق، لحاظ شده بود توسط دانشگاه استانفورد آمريكا ارائه شد. در حال  حاضر معتبر ترين مدل در محاسبات مربوط به جمع‌آوري آبهاي سطحي در داخل شهر‌ها، مدل SWMM مي‌باشد كه توسط مؤسسه حفاظت محيط زيست آمريكا تهيه شده است. بدين منظور، در ذيل به معرفي چند مدل كه در آسان‌كردن محاسبات پيچيده هيدرولوژي مؤثرند مي‌پردازيم.

مدل SMADA كه مخفف Stormwater Management and Design Aid مي باشد در محيط windows تهيه شده و براي محاسبات هيدروگراف سيل از روي داده هاي فيزيكي حوضه آبريز ساخته شده است. اين برنامه توسط Wanielista & Eaglin در دانشگاه فلوريداي مركزي تهيه گرديده است.

مدل DISTRIB

برنامه Distrib كه مخفف كلمه Distributions مي باشد براي محاسبات مربوط به توزيع هاي فراواني وقوع در هيدرولوژي به روش هاي نرمال، لوگ –نرمال،پيرسون، لوگ-پيرسون، و گامبل تهيه شده است. اين مدل نيز توسط Wanielista and Eaglin در دانشگاه فلوريداي مركزي تهيه گرديده است.

مدل REGRESS

مدل رگرسيون (Regression) با نام Regress برنامه اي است كه در محيط ويندوز قابل اجراست و با آن مي توان محاسبات همبستگي بين پارامترهاي هيدرولوژي را به لحاظ آماري انجام داد.

مدلPLOAD

برنامه Pload كه مخفف Pollutant Load مي باشد براي محاسبه انتقال رسوب و مواد آلاينده در حوضه هاي آبريز نوشته شده است.

مدل OPSEW

مدل OPSEW براي محاسبات دبي طرح در مطالعات جمع آوري آبهاي سطحي در داخل شهرها تهيه گرديده است.

مدل TCCALC

برنامه فوق در محاسبه زمان تمركز به روش هاي مختلف مورد استفاده دارد. اين برنامه نيز در محيط ويندوز اجرا مي شود.

مدل HMS

مدل HMS كه يكي از توليدات HEC مي باشد(HEC-HMS) براي محيط هيدروگراف سيل ارائه شده و اين توانائي را دارد كه در محيط اطلاعات جغرافيايي (GIS) اطلاعات را تجزيه و تحليل نمايد. نسخه پيشرفته اين مدل تحت عنوان Gis-HMS در طراحي سيستم هاي هيدرولوژي بسيار كارآيي دارد.

يكي از محدوديت ها و شايد بتوان گفت عيب مدل هاي رايانه اي هيدرولوژي در اين است كه اين تصور را بوجود آورده اند كه نتيجه اي كه از يك مدل كامپيوتري حاصل مي شود صحيح و دقيق مي باشد. حال آن كه ممكن است در پاره اي موارد اين نتيجه گيري صحيح نباشد. البته بايد قبول كرد كه مدل و كامپيوتر در هيدرولوژي عصر جديدي را بوجود آورده اند و اگر داده هاي مورد نياز مدل ها به نحو صحيحي تهيه و به آن داده شود بهمان نسبت نتايج حاصله دقيق تر خواهد بود در غير اين صورت نتايج حاصله از مدل نيز مطلوب نخواهد بود و به اصطلاح از كوزه برون همان تراود كه در اوست   (garbage in, garbage out ). با اين حال امروزه كمتر طرح مهم هيدرولوژيكي را مي توان در دنيا سراغ گرفت كه در آن به نحوي از كامپيوتر و يا مدل هاي كامپيوتري استفاده نشده باشد به طوري كه به جرأت مي توان گفت امروز هيدرولوژي در چهار واژه «انسان، مدل، روش و كامپيوتر» خلاصه مي شود. ولي هميشه بايد به اين نكته توجه داشت كه مدل نيز ساخته دست بشر است و مي تواند اشتباه باشد. لذا به دانشجويان و مهندسان توصيه مي شود كه سعي كنند مسائل هيدرولوژي را حتي يكبار هم كه شده است بجاي مدل با دست محاسبه كنند تا اولاً به محاسبات خود اطمينان پيدا كنند و ثانياً با زواياي كار آشنا شوند.

دانستن بدون خواستن، هرگز توانستن به بار نمي‌آورد         «گوستاولوبون»