بخشی از مقاله
چکیده
خشکسالی یکی از بلایای طبیعی میباشد که خسارات زیادی به زندگی انسان و اکوسیستمهای طبیعی وارد میآورد و به عنوان یک ناهنجاری اقلیمی، یکی از مخربترین پدیده های آب و هوایی محسوب میگردد و تقریباً در همه رژیمهای اقلیمی دیده میشود. این پدیده خزندهی طبیعی پیامدهای زیانبار و پرهزینهای را بر منطقه تحت نفوذ خود برجای میگذارد. با توجه به قرار گرفتن ایران در کمربند خشک و نیمه خشک دنیا هیچ منطقهای از کشور از این پدیده در امان نیست و به نسبت موقعیت طبیعی خود تاثیرات این پدیده مخرب را تجربه مینماید.
لذا بروز خشکسالی های شدید و گسترده در کشور ممکن است آسیبهای بسیاری را هر ساله بر پیکره اقتصادی بخشی از کشور تحمیل کند. راهکارهای مهم برای کاهش خسارات ناشی از خشکسالی شناخت صحیح این پدیده است. تاکنون تحقیقات بسیاری در ایران و جهان درارتباط با تغییر اقلیم و پایش خشکسالی صورت گرفته است. البته سابقه تحقیقات در ایران در مقایسه با کشورهای دیگر کمتر و آنهم در سطوح آکادمیک و دانشگاهی بوده است.
مطالعات حاضر به منظور به کار بردن روشی تازه و نو در کاربرد شبکه عصبی و استفاده از داده هایی که در فاصله دور از ما اندازهگیری و به طور منظم ثبت میشوند، میباشند. این تحقیق سرآغاز فصلی تازه در شبیهسازی و پیشبینی طولانی مدت بارش و جریان رود خانه بعنوان دو نوع از خشکسالیها توسط مدل های ریاضی میباشد. هدف از این تحقیق شبیهسازی و پیش بینی بارش در استان کرمان با استفاده از سیگنالهای بزرگ مقیاس اقلیمی و شبکه عصبی مصنوعی شش ماهه است. مدل مورد استفاده در این شبیهسازی شبکههای عصبی است که بعنوان هسته مرکزی یک سیستم مدلسازی در نظر گرفته شده است.
قبل از ورود دادههای شبیهساز به مدل شبکه عصبی یک سیستم و شبکه فیلترینگ MIMO, MISO, SISO با پیچیدگی بالا جهت تحلیل و انتخاب بهترین ترکیب در ساخت دادههای ورودی به شبکه عصبی طراحی و ساختهشد. هدف از طراحی این شبکه فیلترینگ تولید سیگنالهای سفید از ترکیب سیگنالهای بزرگ مقیاس اقلیمی است. سیگنالهای سفید تولید شده بعنوان ورودی مدل شبکه عصبی در مدل سازی بکار می رود. نتیجه نهایی این تحقیق منجر به تولید مدل شبکه عصبی با توان بسیار بالا در شبیه سازی بارش شهرستان کرمان از نظر اقلیمیشده است.
مقدمه
خشکسالی به عنوان بلای طبیعی و پدیدهای اجتنابناپذیر، از دیرباز در پهنه وسیع کشورهای مختلف به خصوص کشورهای مستقر در مناطق گرم و خشک به کرات وقوع یافته و مییابد . مطالعات و بررسیهای انجام شده نشانگر آن است که کشور ایران با توجه به وضعیت جغرافیایی و اقلیمی خود، همچون بسیاری از کشورهای منطقه خاورمیانه و شمال آفریقا در وضعیت مناسبی از لحاظ تأمین آب قرار ندارد.
این امر، بیانگر احتمال وقوع خشکسالیهای بیشتری در آینده نسبت به گذشته میباشد. قدر مسلم آنکه، در صورت اعمال مدیریتهای ناکارآمد فنی و استفاده از استراتژیهای نامناسب، علاوه بر هدر رفت منابع موجود و تشدید اثرات مخرب خشکسالی، زمینه برای بروز خشکسالیهای بعدی به طرز فزایندهای فراهم میگردد. خشکسالی حالتی نرمال و مستمر از اقالیم کشور ما است.
گرچه بسیاری به اشتباه آن را واقعهای تصادفی و نادر میپندارند. این پدیده تقریباً در تمامی مناطق اقلیمی رخ میدهد،گرچها مشخصات آن از یک منطقه به منطقه دیگر کاملاً تفاوت میکند. خشکسالی یک اختلال موقتی است و باخشکیتفاوت دارد چرا که خشکی صرفاً محدود به مناطقی با بارندگی اندک است و حالتی دائمی از اقلیم میباشد. خشکسالی جزء بلایای طبیعی نامحسوس است. گر چه تعاریف متفاوتی برای این پدیده ارائه شده لیکن در کل حاصل کمبود بارش در طییک دوره ممتد زمانی معمولاً یک فصل یا بیشتر می باشد.
این کمبود منجر به نقصان آب برای برخی فعالیتها، گروهها و یا یک بخش زیست محیطی میشود بعلاوه این پدیده با زمان - فصل اصلی وقوع این پدیده، تأخیر در شروع فصل بارانی، وقوع بارش در ارتباط با مراحل اصلی رشد گیاه - و نیز مؤثر بودن بارش ها - شدت، مدت، تعداد رخدادهای بارندگی - مرتبط است. سایر فاکتورهای اقلیمی نظیر دمای بالا، باد شدید و رطوبت نسبی پایینتر غالباً در بسیاری از نقاط جهان با این پدیده همراه شده و میتوانند به طرز قابل ملاحظه بر شدت آن میافزایند.
بررسیهای انجام شده نشان می دهد که تغییرات اقلیمیکاملاً تصادفی نیست، در نتیجه دانشمندان متوجه شدند که اگرچه درصدی از فرآیندهای اقلیمیبه عوامل تصادفی وابسته هستند، اما نظم خاصی بر سیستمهای آب و هوایی حاکم است که باید شناسایی شود. این عوامل نظم دهنده پدیدههایی هستند که تا به حال بعضی از آن ها شناسایی شده است و در فصل دوم معرفی شدهاند.
روپلوسکی - Ropelewski and Halper, 1986 - جزء اولین افرادی است که تاثیر انسو را بر بارندگی در شمال آمریکا بررسی کرد. مطالعات اخیر نشان میدهد که پدیده های اقلیمی تاثیرات قابل توجهی بر روی اقلیمهای مختلف و عوامل هیدرولوژیکی در سطح کره زمین داشتهاند، اما این تاثیرات در مناطق مختلف یکسان نبوده به طوری که این پدیده ها در بعضی مناطق تاثیر همزمان داشته است. به عبارت دیگر همزمان با نوسانات پدیدههای اقلیمی، در مناطق مختلف بارندگی و یا جریان رودخانهها نوسان داشته است. در بعضی مناطق نیز نوسانات بارندگی و یا جریان رودخانهها چند ماه یا فصل بعد دیده شده است.
از آنجایی که ارتباط این پدیدهها برای پیش بینی پارامترهای اقلیمی مانند بارندگی و جریان رودخانهها از اهمیت خاصی برخوردار است، در این فصل نتایج تحقیقات انجام شده برای پیشبینی بارندگی و جریان رودخانهها در خارج از کشور و ایران مورد بررسی قرار گرفته است. اگرچه پیشبینی پارامترهای اقلیمی - هیدرولوژیکی - مانند دبی و بارندگی از طریق آنالیز های آماری و احتمالاتی نیز انجام میشود، اما در این فصل تاکید بر پیشبینی این پارامترها با استفاده از شاخصهای اقلیمیاست.
پیشبینی فصلی
پیش بینی فصلی اقلیم با استفاده از مدلهای علمی از گذشته نسبتاَ دور مد نظر محققین قرار گرفته است. پیشبینی پدیدهها و پارامترهای اقلیمی میتواند دو موضوع مستقل باشد. برای پیشبینی پدیده های اقلیمی مقالات و مطالب محدودی در دسترس است. اما اطلاعات جمعآوری شده از صفحات وب نشان میدهد که مراکز پیشبینی اقلیم اقدام به پیشبینی محدود پدیده های اقلیمی می کنند که این پدیدهها شامل انسو و اطلس شمالی است. برای پیشبینی انسو، از پیشبینی شاخص SOI استفاده می کنند و برای پدیده اطلس شمالی، پیش بینی شاخص NAO مد نظر قرار گرفته شده است. برای پیشبینی این دو پدیده به سایتهای زیر میتوان مراجعه نمود.
1. 1CDC مقادیر NAO را تا 12 ماه آینده پیش بینی می کند که اطلاعات آن در وب سایت زیر موجود است: http://www.cdc.noaa.gov/forcasts/fornta.html http://www.cdc.noaa.gov/navigation/site_index.html
2. 2CPC شاخص - NINO 3.4 - ENSO را برای سه ماه آینده پیش بینی می کند که اطلاعات آن در سایت زیر موجود است: http://www.cpc.ncep.noaa.gov/products/predictions/90days/sst
بررسیهای انجام شده نشان میدهد که اغلب پیشبینی فصلی در مناطق نیمه خشک و حارهای دنیا انجام گرفته است. سریهای زمانی پیشبینی شده در این مناطق از نوسانات بالایی برخوردار بوده است. بررسی پدیده انسو نشان میدهد که در دهه 1960 سیکل طبیعی داشته و مشخص شد که اقلیم جهانیکاملاً تصادفی نیست و قابل پیش بینی می باشد. براساس مطالعات واشینگتن و دونینگ - Washington and Downing 1999 - و مورفی و همکاران - Murphy et al. 2001 - پیشبینی اقلیم را میتوان با استفاده از یکی از روشهای زیر انجام داد:
1. - همبستگی ساده
2. - همبستگی چند متغیره
3. - Singular Value Decompression - SVD -
4. - آنالیز خطی چند متغیرهای - Canonical Correlation Analysis - CCA
5. - Discriminand Analysis - DA-
6. -شبکه عصبی - Neural Network -
پیشبینی پارامترهای اقلیمی
پیشبینی پارامتر های اقلیمیمانند دما، بارندگی و عوامل هیدرولوژیکی مانند دبی رودخانهها از موضوعات مهمیاست که محققین در مناطق مختلف جهان در حال بررسی این موضوع هستند. برای مثال به چند مورد در این زمینه میتوان اشاره نمود. داوید و پالوتیکوف - David and Palutikof, 2004 - اشاره میکنند که پیشبینی بارندگی از اواخر قرن 19 و اوایل قرن 20 انجام میشده است و مناطق حاره ای دنیا مناطق اصلی این پیشبینی بوده است. این پیشبینی ها باعث شد که رابطه بارندگی با انسو در این مناطق بررسی شود.
تا قرن بیستم، تئوری ارتباط بارندگی با انسو به طور کامل مشخص نبود و تغییرات سال به سال اقلیم تصادفی فرض میشد. شاید به لحاظ عدم وجود تئوری دقیق پدیده انسو، پیشبینی فصلی بارندگی پیشرفت چندانی نداشته است. مطالعه روپلوسکی و هالپرت - Ropeleweski and Halpert, 1989 - بر روی الگوهای بارندگی و وقایع انسو نشان داد که همبستگی میزان باران با وقایع انسو یک استفاده کاربردی برای پیشبینی باران در مناطق مختلف و فصول زمانی مختلف است.
پیچوتا و همکاران - Piechota et al, 1999 - با استفاده از انسو دبی رودخانه کلمبیا واقع در ایالات متحده را برای یک تا سه ماه پیشبینی کردند. جزئیات بیشتر این تحقیقات در فصل بعد بیان شده است. بعضی از مراکز پیش بینی باران و دما در دنیا عبارتند از: 1MSC یا سرویس هواشناسی کانادا، درجه حرارت و بارندگی را برای 3 تا 9 ماه آینده برای کانادا و شمال آمریکا پیشبینی میکند که اطلاعات آن در سایت Environment Canada موجود است. http://www.weather office.ec.gc.ca/saisons/howto_seasonal_2-12_e.html. در کشور پرو از زمانی که پیشبینی مطرح شده، نمایندگان کشاورزان و دولت سعی می کنند تا در مورد کشت محصولات ترکیبی به منظور تولید بیشتر در زمان خشکسالی تصمیمگیری نمایند.
کشورهای استرالیا، برزیل، اتیوپی و هند شرایط مشابه پرو را دارند. اگرچه کشورهای حاره ای بیشتر از پیشبینی النینو منفعت میبرند، اما برای تعداد زیادی از کشور های خارج از حاره مانند ژاپن و ایالات متحد آمریکا، پیشبینی دقیقتر النینو در زمینه کشاورزی و مدیریت آب و ذخیره غلات و سوخت سودمند است . - NOAA, 2003 - پدیده انسو، یکی از وقایع اقلیمی جهانی است که به ناهنجاریهای مختلف اقلیم مرتبط است. در حقیقت شواهد آماری نشان میدهد که انسو میتواند در بیش از 50 درصد تغییرات بار انهای درون سالی در شرق و جنوب آفریقا تاثیر داشته باشد. - ENSO, 2004 -
تعداد زیادی از ناهنجاریهای شدید مانند خشکسالیها، سیلها، توفانهاقویاً، با انسو ارتباط دارند. ارتباطات از دور به عنوان فعل و انفعال بین مناطق گسترده تعریف میشود. تعداد زیادی از محققین روابط بین پدیدههای انسو و ناهنجاریهای هوا در سراسر دنیا را مطالعه می کنند تا ارتباطات هوا را تعیین کنند. شناخت این ارتباطات از دور میتواند برای پیشبینی خشکسالیها، سیلها، و رگبارهای حارهای کمک کند. در بعضی از مناطق تاثیر دور پدیده ENSO بر شرایط آب و هوایی و اقلیمی از دوام زیادی برخوردار بوده به طوری که ممکن است برای مدت 6 ماه تا بیش از یکسال از پایداری برخوردار باشد.
