پایان نامه با کلمات کلیدی دوره بازگشت، استان اصفهان

طور عمده بیش از حد مورد انتطار و پیش‌بینی‌شده توسط فائو بوده است. روش پنمن اصلاح شده تبخیر‌تعرق مرجع را در شرایط تبخیر پایین، حتی تا 20 درصد بیشتر برآورد می‌کند. نتایج سایر معادله‌های پیشنهادی فائو ارقام متفاوت از تبخیر‌تعرق مرجع را نسبت به مرجع نشان داد [6].
به منظور ارزیابی کارایی این روش ها و سایر روش‌های برآورد تبخیر‌تعرق مرجع تحت شرایط اقلیمی متفاوت، یک مطالعه‌ی پایه‌ای تحت نظارت گروه کاری نیازهای آب آبیاری انجمن مهندسان عمران ایالات متحده آمریکا66 (ASCE) انجام شد. در مطالعه‌ی فوق، برای ارزیابی اعتبار روش‌ها، کارایی 20 روش مختلف در مقایسه با داده‌های لایسیمتری به دقت انتخاب شده از یازده منطقه با شرایط اقلیمی متفاوت، مورد بررسی و تحلیل قرار گرفت. این مطالعه کارایی بسیار متفاوت این روش ها را در شرایط اقلیمی متفاوت اثبات کرد. در یک مطالعه موازی دیگر که به توصیه کمیته جامعه اروپایی67 انجام شد، کنسرسیومی از مؤسسات تحقیقاتی اروپایی، کارایی روش‌های گوناگون برآورد تبخیر‌تعرق مرجع را با استفاده از مطالعات لایسیمتری مختلف مورد ارزیابی قرار داد.
نتایج مطالعات برآورد بسیار بیشتر از واقعیت تبخیر‌تعرق را با روش پنمن اصلاح‌شده پیشنهادی در نشریه 24 آبیاری و زهکشی فائو و همچنین کارآیی متفاوت روش‌های مختلف را به لحاظ مقدار انطباق با شرایط محلی تأیید می‌کند. نتایج این بررسی‌ها را می‌توان به صورت زیر خلاصه کرد [6]:
1- روش پنمن و روش‌های استخراج‌شده از آن برای دستیابی به نتایج قابل قبول به واسنجی محلی تابع سرعت باد نیازمند هستند.
2- روش‌های تابش در اقلیم‌های مرطوب که جزء آیرودینامیک به طور نسبی کوچک است، نتایج مطلوبی را نشان می‌دهد. اما کارآیی این روش‌ها در شرایط اقلیمی خشک همراه با خطا بوده و تبخیر‌تعرق را کمتراز مقدار واقعی برآورد‌کرده‌است.
3- روش‌های وابسته به دما جنبه تجربی داشته و برای دستیابی به نتایج قابل قبول، به واسنجی محلی نیازمند هستند. روش هارگریوز68 (1985) یک استثنا بوده و نتایج قابل قبول از تبخیر‌تعرق را در نقاط مختلف محاسبه می‌کند و اعتبار جهانی دارد.
4- روش‌های برآورد تبخیر‌تعرق وابسته به تبخیر از تشت، به وضوح کاستی‌های برآورد تبخیر‌تعرق گیاه بر مبنای تبخیر از سطح آب آزاد را منعکس می‌کند. این روش‌ها تحت تأثیر میکرو‌اقلیم اطراف تشت و نیز دقت در نگهداری ایستگاه هواشناسی می‌باشند.
5- کارآیی دقیق و سازگار بودن روش پنمن-مونتیت69 در اقلیم خشک و مرطوب در هر دو تحقیقات انجمن مهندسان ایالات متحده آمریکا و کمیته اروپایی مورد تأکید قرار‌گرفته‌است. نتایج تحلیل کارآیی روش‌های مختلف محاسبه، بر ضرورت تدوین یک روش استاندارد برای محاسبه‌ی تبخیر‌تعرق مرجع تأکید می‌کند. بنابراین روش پنمن-مونتیت فائو70 به عنوان تنها روش استاندارد پیشنهاد ‌شده‌است. این روش تخمین صحیح از تبخیر‌تعرق مرجع در تمام مناطق و اقلیم‌های مختلف ارائه کرده و در شرایط کافی نبودن داده‌های هواشناسی در دسترس نیز قابل استفاده است. در حال حاضر استفاده از روش‌های قدیمی‌تر فائو و یا سایر روش‌های تعیین تبخیر‌تعرق مرجع توصیه نمی شود [6].
3-4-2- معادله پنمن-مونتیت فائو
معادله پنمن-مونتیت فائو برای گیا ه مرجع چمن به صورت زیر معرفی می‌شود:
‏3-1

که در این رابطه:
ET0: تبخیر و تعرق گیاه مرجع (mm/day)
?: شیب منحنی تغییرات فشار بخار ((KPa/0C
Rn: تشعشع خالص از سطح گیاه (MJ/m2.day)
G: شار گرمایی خاک (MJ/m2.day) که در پوشش کامل گیاه، شار گرمایی به داخل خاک صفر فرض می‌شود [6].
?: ثابت سایکرومتری
T: میانگین درجه حرارت (0C)
U2: سرعت باد در ارتفاع 2متری از سطح زمین (m/s)
es: فشار بخار اشباع (KPa)
ea: فشار بخار واقعی (KPa)
3-4-3- محاسبه ET0 برای روزهایی که تمام داده‌ها موجود است
در این تحقیق ET0 به صوت روزانه محاسبه می شود که این کار دقت محاسبه‌ی تبخیر‌تعرق را بسیار بالا می‌برد. بنابراین در این تحقیق برای روزهایی که تمام داده ها ثبت شده است، ابتدا پارامترهای معادله پنمن از روابط زیر محاسبه شد و سپس در معادله جایگذاری شد:
‏3-2

‏3-3

‏3-4

‏3-5

‏3-6

‏3-7

‏3-8

‏3-9

‏3-10

‏3-11

‏3-12

‏3-13

‏3-14

‏3-15

که در روابط فوق:
?: گرمای نهان تبخیر (MJ/ kg)
P: فشار هوا (kPa)
Z: ارتفاع ایستگاه از سطح آب آزاد (m)
Ra: تابش برون زمینی (MJ/m2.day)
dr: فاصله نسبی زمین تا خورشید
?: زاویه میل خورشیدی (Rad)
: عرض جغرافیایی ایستگاه (Rad)
WS: زاویه ساعتی غروب خورشید (Rad)
M: شماره ماه میلادی سال که تبخیر‌تعرق در آن محاسبه می شود.
J: شماره روز ژولیوسی از ابتدای سال میلادی.
D: شماره روز از ماه میلادی.
n: تعداد ساعات واقعی آفتابی (hr)
N: حداکثر ساعات آفتابی ممکن(hr)
Tmax,K: حداکثر دمای روزانه (0K)
Tmin,K: حداقل دمای روزانه (0K)
Uz: ارتفاعی اندازه گیری سرعت باد در ایستگاه (m) می باشد[6].
3-4-4- محاسبه ET0 برای روزهایی که برخی داده ها ثبت نشده‌اند
داده های هواشناسی ممکن است در برخی از روزها به دلایل مختلف از جمله خرابی دستگاه ها و… ثبت نشده باشند. در داده هایی که برای تحقیق حاضر به کار برده شد دمای حداکثر و حداق روزانه در تمامی روزها ثبت شده بودند. بنابراین درصورت نبود هر کدام از داده‌های هواشناسی به غیر از این دو مت
غیر توصیه می شود ابتدا از روابط زیر پارامتر‌های معادله پنمن-مونتیت فائو بدست آورده شود وسپس تبخیر‌تعرق از رابطه پنمن-مونتیت فائو محاسبه شود. در حال حاضر استفاده از روابط دیگر برای تخمین تبخیر‌تعرق توصیه نمی‌شود. در این تحقیق نیز همین روابط به کار برده شد. در این حالت روال محاسبات از رابطه ‏3-2تا ‏3-6 همانند مرحله قبل است، ولی وقتی RH ثبت نشده باشد به جای رابطه ‏3-7 از رابطه‏3-16 استفاده می‌شود:
‏3-16

هم‌چنین از رابطه ‏3-8 تا ‏3-13 نیز همان روابط را به کار برده‌می‌شود. و وقتی n ثبت نشده باشد به جای استفاده از رابطه ‏3-14 از روابط زیر Rn را به دست آورده‌می‌شود:
‏3-17

‏3-18

‏3-19

‏3-20

‏3-21

که در روابط فوق
Rns: تابش خورشیدی خالص یا تابش طول موج کوتاه خالص (MJ/m2.day)
Rnl: تابش طول موج بلند خروجی خالص (MJ/m2.day)
?:ضریب بازتابش یا آلبیدو برای پوشش گیاهی، برای گیاه مرجع چمن فرضی 23/. است.
:Rs تابش خورشیدی طول موج کوتاه ورودی به سطح زمین (MJ/m2.day)
:kRs ضریب اصلاح بین 16/. تا 19/.
?: ثابت استفان-بولتزمن برابر با 9-10 ×903/4 (MJ/ 0K4.m2.day)
Rso: تابش محاسبه شده در آسمان صاف (MJ/m2.day)، است [6].
3-5- شاخص‌های خشکسالی
در این تحقیق پنج شاخص به منظور بررسی خشکسالی در استان مورد مقایسه قرار گرفت. این شاخص‌ها بر مبنای دو متغیر مهم بارش (P) و تبخیر‌تعرق مرجع (ET0) محاسبه می‌شوند. در واقع شاخص‌هایی که بدست می‌آیند ترکیب‌های مختلفی از این دو عامل اصلی هستند. به این منظور، به جز شاخص بارش استاندارد ، از چهار شاخص جدید RPEI71، RPPDI72، PDI73 و ETI74 استفاده شد، که عبارتند از:
‏3-22

‏3-23

‏3-24

‏3-25

روابط فوق:
ETi: تبخیر‌تعرق مرجع در روز i ام (mm)
Pi: بارش در روز i ام (mm)
n: تعداد روزهای دوره‌مورد‌نظر (به ترتیب 90، 183، و 365 روز متناسب با مقیاس‌های 3، 6 و 12 ماهه که از ابتدای سال میلادی محاسبه شدند).
در واقع اگر فرض شود نیاز آبی گیاه قابل‌برآورد از ET0 بوده و P (بارش) مهم‌ترین منبع تأمین‌کننده این نیاز باشد، آن‌گاه شاخص RPEI تابعی از نسبت بارش به تبخیرتعرق مرجع یا نسبت بارش تأمین شده، RPPDI تابعی از نسبت بارش به کمبود بارش (اختلاف بارش و تبخیرتعرق)، PDI تابعی از کمبود بارش، و ETI تابعی از تبخیرتعرق است.
در روابط فوق تابع f متغیرهای داخل پرانتز را بصورت استاندارد درمی‌آورد تا خروجی این توابع قابل‌مقایسه با جدول رده‌بندی شاخص SPI باشند. درحقیقت، شاخص RPEI تابع استانداردشده‌ی متغیر RPE75 است. تابع f به صورت معادله ‏3-26 تعریف می‌شود.
‏3-26

که در رابطه فوق
: شاخص استاندارد شده
: مقدار متغیرهای چهارگانه در دوره مورد نظر
: میانگین لگاریتم شاخص در دراز‌مدت
: انحراف معیار لگاریتم شاخص در دراز‌مدت است.
علامت مثبت برای شاخص هایی است که در آن شاخص با بارش رابطه مستقیم و با تبخیر‌تعرق مرجع رابطه‌ی عکس دارد و علامت منفی بالعکس. در واقع این کار به خاطر این است که تمام شاخص‌ها با یکدیگر هم‌جهت باشند و بتوان آنها را با هم مقایسه کرد. به عبارت دیگر شاخص‌های SPI، RPEI وRPPDI با علامت مثبت رابطه ‏3-26 و شاخص‌های PDI و ETI با علامت منفی رابطه ‏3-26 استاندارد می‌شوند. استفاده از رابطه فوق با این فرض است که شاخص‌های معرفی‌شده از توزیع لوگ‌نرمال تبعیت می‌کنند؛ بنابراین رفتار مشابهی با SPI دارد و آستانه‌هایش با آستانه‌های SPI یکی است.
انتخاب توزیع لوگ نرمال این مزیّت را دارد که می‌توان بدون انجام برازش و استفاده از روش توزیع‌هم‌احتمال، روش ساده و واحدی برای استانداردکردن تمام ایستگاه‌ها و دوره‌ها به‌کار‌برد.
3-6- مقایسه نتایج شاخص‌ها در هر ایستگاه
با توجه به شیوه‌ی مقیاس‌کردن شاخص‌های پیشنهادی، این شاخص‌ها‌ آستانه‌هایی شبیه آستانه‌های SPI دارند. یعنی مقادیر زیر 1- به عنوان خشکسالی تشخیص داده‌می‌شود که مقادیر بین 1- و 5/1- به عنوان خشکسالی متوسط، مقادیر بین 5/1- و 2- به عنوان خشکسالی شدید و بالأخره مقادیر کمتر از 2- به عنوان خشکسالی خیلی شدید تشخیص داده‌ می‌شود.
معمولاً در مطالعات هیدرولوژی شناخت بزرگترین واقعه ها از اهمیت بالایی برخوردار است. مثلاً در بحث سیلاب‌ها دبی‌های اوج مورد توجه قرار‌می‌گیرد. در مطالعات خشکسالی نیز شدیدترین وقایع کمترین مقدار شاخص مورد نظر در هر مقیاس زمانی می‌باشد
3-7- انتخاب بهترین شاخص، تحلیل فراوانی و پهنه‌بندی شاخص منتخب
در این تحقیق ابتدا نمودار شاخص‌های مذکور در کنار شاخص SPI، برای مقایسه با شاخص‌های دیگر در دو مقیاس زمانی 3 و6 ماهه (برای خشکسالی‌های کوتاه‌مدت و فصلی به منظور اهداف کشاورزی) و 12 ماهه (برای خشکسالی‌های میان مدت و بلند‌مدت به منظور اهداف هیدرولوژی ) رسم گردید و سال‌های مواجه با خشکسالی توسط تمام شاخص‌ها مشخص شد. سپس با مقایسه شاخص‌ها با یکدیگر و انتخاب شاخص مناسب‌تر، پهنه‌بندی فراوانی نسبی خشکسالی ها برای استان اصفهان براساس آن ترسیم گردید.
مدیریت و برنامه‌ریزی سیستم‌های منابع‌آب تحت شرایط خشکسالی اغلب نیاز به برآورد دوره‌های ‌برگشت‌ وقایع خشکسالی دارد. در صورتی که بتوان احتمال وقوع و دوره‌برگشت خشکسالی(تحلیل‌فراوانی) را ارزیابی کرد، می‌توان کمک مؤثری در تبدیل مدیریت بحران به مدیریت ریسک کرد. در این تحقیق تحلیل‌فراوانی به منظور به‌دست‌آوردن مقادیر شدت خشکسالی در‌آینده بر
ای شاخص منتخب انجام شد. فراوانی نسبی خشکسالی در هر ایستگاه نسبت دوره‌هایی که خشکسالی اتفاق افتاده به کل دوره‌ی آماری است. تحلیل فراوانی با استفاده از برنامه freq082003 و پهنه‌بندی با استفاده از نرم‌افزار Arc GIS انجام شد.
3-8- تحلیل فراوانی
در هیدرولوژی همواره وقایع بزرگ مثل خشکسالی‌های شدید و دبی‌های اوج بر سیستم‌های هیدرولوژی اثر‌می‌گذارند. فراوانی وقوع یک پیشامد با مقدار آن رابطه عکس دارد. یعنی هر‌ قدر یک پیشامد بزرگتر باشد احتمال وقوع آن پیشامد کمتر یا به عبارت‌دیگر دوره بازگشتش بیشتر است. هدف از تحلیل فروانی برقراری ارتباط بین بزرگی پیشامدها با با فراوانی وقوع آنها با استفاده از توابع توزیع احتمال است و فرض بر این است که داده‌ها مستقل هستند و سیستم هیدرولوژیک پدید آورنده انها مستقل از زمان و مکان است[13]. مراحل انجام تحلیل فراوانی به این شرح است:
3-8-1- احتمال تجربی داده ها
وقایع با یک الگوی ثابت نسبت به زمان اتفاق نمی افتند و فاصله زمانی بین آنها متغیر است. دوره بازگشت عبارت است از متوسط فاصله زمانی که وقایع اتفاق می افتند. اگر XT یک واقعه با دوره بازگشت T باشد، احتمال این که این واقعه یا بزرگتر از آن در سال اتفاق بیفتد عبارت است از:
‏3-27

بنابراین احتمال عدم‌تجاوز آن می‌شود:
‏3-28

برای به حل معادله فوق یا به عبارت دیگر به دست آوردن احتمال تجربی روابط تجربی زیادی وجود دارد که در این تحقیق از رابطه تجربی ویبول استفاده شد.این رابطه عبارت است از:
‏3-29

اگر داده‌ها به ترتیب صعودی مرتب شود، m شماره ردیف صعودی و n تعداد داده هاست. برای احتمال‌های تجربی به دست آمده در یک کاغذکه مخصوص آن رابطه است رسم می شوند، که به این کار ترسیم موقعیت76 گفته می‌شود. هدف از این کار این است که معلوم شود داده ها چه توزیع خاصی پیروی می کنند [13].
3-8-2- برازش تابع توزیع احتمال
تابع توزیع احتمال رخ دادن یک متغیر تصادفی را نشان می‌دهد. بعد از ترسیم موقعیت، توزیع های مختلف به داده ها برازش داده می شوند. این توابع پارامترهایی دارند که منظور از برازش تابع به داده‌ها این است که این پارامترها به گونه‌ ای تعیین شوند که احتمال هایی که از تابع به دست می‌آیند نزدیک ترین نتایج را به احتمال های تجربی داشته باشند. برای این کار روش‌های مختلفی مانند روش گشتاورها77، روش گشتاورهای خطی78 و روش حداکثر درست نمایی79 وجود دارد. در این تحقیق از روش گشتاورهای خطی استفاده شد [13].
گشتاورهای خطی یک ترکیب خطی از داده‌های مشاهده ای تصادفی است که براساس گشتاورهای وزنی احتمال بنا شده‌است. این روش یک ابزار قوی برای به دست آوردن پارامترهای توابع توزیع است.
3-8-3- آزمون نیکویی برازش
بعد از برازش توابع توزیع احتمالی مختلف به داده‌ها باید بهترین توزیع انتخاب شود که این کار با آزمون نیکویی برازش انجام می‌شود. معروف ترین این آزمون ها، آزمون مربع کای80، آزمون کلموگروف- اسمیرنوف81 و روش کمترین مربعات است82. در این تحقیق از – آزمون کلموگروف- اسمیرنوف استفاده شد.
این آزمون در سال 1997 توسط کلوموگروف-اسمیرنوف ابداع شد. طبق این آزمون آماره Dn که از رابطه زیر به دست می‌آید، باید از مقدار Dn جدول در سطح اعتماد لازم کمتر باشد.این سطح اعتماد معمولاً 95 درصد در نظر گرفته می‌شود.

‏3-30

که

دیدگاهتان را بنویسید