بخشی از مقاله
چکیده
خشکسالی پدیدهای است که هر از چند سال میتوان آن را با شدتهای متفاوت در یک منطقه انتظار داشت، این شدت را با شاخص های مربوط به خشکسالی نشان می دهند از جمله روش های شناسایی دوره های خشکی روش هربست می باشد. در این تحقیق ، هدف تخمین شاخص های خشکسالی هربست از طریق شناخت الگومربوط به یکی از ایستگا های سینوپتیک اطراف دریاچه ارومیه می باشد. شناخت الگو یا تشخیص الگو شاخهای از مبحث یادگیری ماشینی است که میتوان گفت تشخیص الگو، دریافت دادههای خام و تصمیم گیری بر اساس دستهبندی دادهها است. که در این تحقیق ابتدا دوره های خشکسالی و شاخص های آن ها از طریق روش هربست تعیین می شود و سپس با استفاده از شناخت الگو و روش نزدیکترین همسایگی شاخص خشکسالی هربست تخمین زده می شود ، که نتایج نشان می دهد این شاخص با دقت 0.12 ، 0.24 و 0.26 تخمین زده شد.
مقدمه
خشکسالی وضعیتی از کمبود بارندگی و افزایش دماست که در هر وضعیت اقلیمی ممکن است رخ دهد به عبارت دیگر هرگاه مقادیر بارش در یک منطقه با یک اقلیم مشخص کمتر از میانگین یا متوسط بارش در منطقه باشد، این وضعیت خشکسالی نامیده میشود. بنابراین خشکسالی پدیدهای اقلیمی است که به طور دورهای در اثر کمبود رطوبت ناشی از کاهش میزان بارندگی به وقوع میپیوندد. - منصوری و همکاران. - 1391 خشکسالیها سبب تلفات اقتصادی زیادی میشوند که کاهش فراوردههای کشاورزی، دامی، کالاهای صنعتی و نیروی برق آبی از آن جمله است. خشکسالی ها افزون بر تاثیر مستقیم اقتصادی و اجتماعی در کشاورزی، ذخیره آب صنعتی و شهری، آثار ثانویه بیشتری را بر جای میگذارند.
مهمترین این آثار طوفانهای همراه با گرد و غبار، آتش سوزی جنگل ها، افزایش آلودگیهای هوا و خاک، کاهش کیفیت آب و آثار زیان آوری است که درسلامت عمومی و حیات وحش خواهند گذاشت. - یوجویچ و همکاران - 1983 از جمله کارهایی که در زمینه خشکسالی هواشناسی انجام شده،فرح زاده و همکاران - - 1369 و همچنین تحقیقات هربست و همکاران - 1966 - است که روش آن ها بعدا برای مناطق خشک توسط موهان و رانگاچاریا - 1991 - اصلاح گردید. دریاچه ارومیه یکی از بزرگترین و مهم ترین اکوسیستم های آبی در ایران می باشد. با توجه به افزایش دما، تغییرات زیاد بارندگی و همچنین وقوع خشکسالی در سطح حوضه، تراز آب دریاچه دچار تغییرات زیادی شده است.
روشهای تشخیص الگو، الگوهای مورد نظر را از یک مجموعه دادهها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات آماری دادهها، جداسازی میکند. الگوهایی که با این روش دسته بندی میشوند، گروههایی از اندازهگیریها یا مشاهدات هستند که نقاط معینی را در یک فضای چند بعدی تشکیل میدهند. این ویژگی اختلاف عمده تشخیص الگو با تطبیقالگو است، که در آنجا الگوها با استفاده از موارد کاملاً دقیق و معین و بر اساس یک الگوی مشخص، تشخیص داده می شوند.
در تحقیقی توسط صادقی و همکاران دانه بندی رسوبات با استفاده از روش های پردازش تصویر بر روی تصاویر اخذ شده به عنوان یک روش جدید و سریع مطرح شده و پس از انجام آزمایش های لازم بر روی مجموعه تصاویر تهیه شده از یک طیف متنوع رسوبات رودخانه ای روش قطعه بندی حوضه به عنوان یکی از مراحل اساسی دانه بندی تصویری رسوبات مطرح گردیده است و درنهایت یک روش ساده، سریع و کم خطا برای دانه بندی تصویری رسوبات بستر پیشنهاد شده که کارایی آن با توجه به نتایج به دست آمده مشهود می باشد. - صادقی و همکاران . - 1387 در پژوهشی توسط لسانی گویا و همکاران بر روی قطعهبندی رسوبات بستر رودخانهای بر مبنای اصول پردازش تصویر با استفاده از دادههای اکوساندر چندپرتویی صورت گرفت .
در این تحقیق برخی از روشهای پردازش تصویری اعمال شدند تا بافت بستر با وضوح بیشتری آشکار گردد. در نهایت مشاهده گردید که تبدیل آبخیز به همراه عملیات مورفولوژیکال برای قطعه بندی این تصاویر، نتایج قابلقبولی را در مقایسه با واقعیت زمینی آنها - ضریب همبستگی در حدود - %63 ارائه میکند. این امر حاکی از موفقیت پردازش تصاویر در شناسایی رسوبات بستر رودخانه است. - لسانی گویا و همکاران . - 1393 در این پژوهش، ، و استفاده از روش هربست، توزیع مکانی و شدت خشکسالی هواشناسی در ایستگاه تپیک واقع در استان آذربایجان غربی ، به وسیله شناخت الگو بررسی شده است.
مواد و روشها منطقه مورد مطالعه
منطقه مورد مطالعه در این تحقیق ایستگاه سینوپتیک واقع در روستای تپیک دارای طول جغرافیایی 45.15 و عرض جغرافیایی 37.49 ، از توابع بخش نازلو و در شهرستان ارومیه استان آذربایجان غربی است. با بهره گرفتن از اطلاعات بارندگی موجود که از سال 1345 تا 1387 می باشد. یکی از روش های تعیین مشخصات دوره ی خشکی روش هربست است. این روش در اغلب رژیم های اقلیمی قابل کاربرد بوده و تنها داده ی مورد نیاز جهت استفاده از این روش، سری بارشهای ماهانه می باشد و بر مبنای تفکیک خشکی های نرمال از خشکی های زیان آور استوار می باشد.
در روش هربست بارندگی ماهیانه به وسیله ی چهار متغیر آغاز خشکسالی، پایان خشکسالی،مدت خشکسالی و شدت خشکسالی بررسی میگردد، اگر تشخیص داده شود خشکسالی در یک ماه بخصوص رخ داده، وضعیت آن برای ماه بعد بررسی شده و تعیین میگردد که آیا خشکسالی پایان یافته یا ادامه دارد. این کار ادامه پیدا میکند تا آن که با در نظر گرفتن معیارهای ارائه شده به وسیله چهار متغیر فوق، پایان دوره خشکسالی اعلام گردد. محاسبه شاخص خشکی هر دوره : - 1 - < < دراینجا شدت خشکی و D طول دوره خشکی به ماه می باشد.
در رابطه شماره - 2 - ، بارش موثر ماه L ام و میانگین ماهانه ماه L ام و میانگین کمبود ماهانه برای همه ماههای موجود، میاشد. شناخت الگو روش جدیدی مبتنی بر تشخیص نقاط ، رنگ ، اندازه و زاویه در تصاویر و اشکال است ، که از طریق شناسایی این پارامتر ها در تصاویر و استفاده از روش نزدیکترین همسایگی تصاویر مورد نظر را تخمین می زند. این قابلیت در برنامه متمتیکا قابل استفاده می باشد.
تعدادی نقاط ، عقربه ، نمودار ، مساحت به رقم اعداد ربط داده و چند نمونه از این رابطه بین اعداد و این تصاویر به برنامه داده شده و سپس تصاویری شبیه به خودشان ولی با نقاط متفاوت وعقربه های متفاوت به برنامه داده شده است. از برنامه خواسته شده تا این نقاط و رقمی که عقربه ها نشان می دهند را پیش بینی کند - خوانندگان محترم می توانند برای دریافت جدول با نویسنده هماهنگ نمایند - . در این تحقیق از همین روش برای پیش بینی نمودار شاخص خشکسالی استفاده شده است. پس از محاسبه شدت خشکی طول دوره خشکی توسط روش هربست،نمودار های شاخص خشکی که نشان دهنده شدت خشکی هستند رسم شدند . مقدار خطا ها نشان می دهد که این روش در شناخت الگو از دقت بالایی برخوردار است.
نتیجه گیری نمودارهای دوره خشکی به همراه شاخص خشکی هرکدام به برنامه متمتیکا داده شد . از قسمت تخمین و شناخت الگو نمودارهایی که قصد تخمین شاخص در آن مد نظر بود به برنامه داده شد. در این تحقیق برای شناخت الگو لازم است دوره های خشکی و شاخص خشکی مانند جدول زیر رسم شود. جدول -2 دوره های خشکی ، طول دوره خشکی و شاخص های خشکی در ایستگاه تپیک
