مخاطرات محیط طبیعی
سال:1394 | دوره:4 | شماره:6 |تعداد مقالات:7

برای مطالعه خشکسالی روش های مختلفی وجود دارد. روش تحلیل داده های بارندگی، جز عمومی روش های تحلیل خشکسالی به شمار می رود. لذا پیش بینی دقیق و پیش از وقوع بارش می تواند شرایط را برای ارزیابی وضعیت خشکسالی فراهم نماید. هدف این پژوهش، بررسی تاثیر پیش پردازش داده های بارش ماهانه ایستگاه سینوپتیک سنندج بر عملکرد مدل درخت تصمیم در پیش بینی خشکسالی در ایستگاه سینوپتیک سنندج می باشد. در این پژوهش از الگوریتم CART به عنوان یکی از انواع درختان تصمیم رگرسیونی جهت پیش بینی بارش 12 ماه بعد استفاده شده است و جهت ارزیابی درخت های ایجاد شده از معیارهای آماری مختلف استفاده شده است. داده های مورد استفاده در این پژوهش مربوط به آمار ماهانه بارندگی، رطوبت نسبی، دمای حداکثر، دمای متوسط، جهت باد و سرعت باد در دوره آماری (1349-1389) است. نتایج حاصل از پژوهش نشان می دهد که در ایستگاه سینوپتیک سنندج درخت تصمیم گیری رگرسیونی، مدلی نسبتا کارا در پیش بینی خشکسالی می باشد؛ به طوری که در شبیه سازی های صورت گرفته، زمانی که از میانگین متحرک پنج ساله داده ها برای اجرای مدل استفاده گردید، ترکیب بارش قبلی و دمای حداکثر به عنوان مناسب ترین حالت با مقدار خطای 0.06 شناسایی شده و اعمال میانگین متحرک روی داده های اصلی در بهبود کارایی مدل موثر است. در این شرایط، روش درخت تصمیم رگرسیونی ایستگاه سنندج با ضریب اطمینان بالایی میزان بارش را 12 ماه پیش از وقوع برآورد نمایند.

امروزه خشکسالی یک معضل جدی گریبانگیر در بسیاری از کشورهای جهان است. بنابراین پیش بینی آن از اهمیت به سزایی برخوردار می باشد. در این تحقیق کارایی شبکه عصبی مصنوعی و سیستم استنتاج عصبی - فازی تطبیقی به عنوان روش هایی موثر برای پیش بینی شدت خشکسالی حوزه «مند» استان فارس مورد بررسی قرار گرفت. برای این منظور از داده های بارندگی ماهانه ایستگاه باران سنجی تنگاب استان فارس با دوره آماری 32 ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص بارندگی استاندارد شده (SPI) تعیین شد. سپس به وسیله مدل های ANN و ANFIS و با استفاده از شاخص SPI پیش بینی شدت خشکسالی انجام گردید. از بین داده های موجود 70 درصد به عنوان داده های آموزش و مابقی به عنوان داده های اعتبار سنجی و داده های آزمون انتخاب گردید. سپس از طریق معیارهای آماری شامل ضریب همبستگی، میانگین مجذور مربعات خطا و ضریب ناش به کارایی عملکرد مدل ها پرداخته شد. نتایج نشان داد که دقت روش شبکه های عصبی مصنوعی از روش سیستم استنتاج عصبی - فازی تطبیقی بیشتر می باشد. همچنین یافته های حاصل از این بررسی نشان می دهد که هرچه پراکندگی داده های ورودی مدل بیشتر باشد مدل استنتاج عصبی - فازی تطبیقی دارای توانایی بیشتری در شبیه سازی این نوع از داده ها می باشد.

آسیب پذیری ناشی از زلزله یکی از مهم ترین چالش های پیش رو شهرهای بزرگ در ایران است. وقتی شهرها علاوه بر فرسودگی، مناطق حاشیه نشین و اسکان غیررسمی دارند، حساسیت این موضوع دو چندان می گردد. در این میان، شهر تبریز یکی از شهرهای پرجمعیت ایران می باشد که به لحاظ خطر زلزله در وضعیت آسیب پذیری بالا می باشد. این شهر مانند سایر شهرهای بزرگ ایران دارای سکونت گاه های غیررسمی می باشد که در کنار گسل فعال استقرار یافته اند؛ این مناطق به لحاظ ساخت و ساز و برنامه ریزی شهری (برنامه ریزی کاربری اراضی) در وضعیت نامناسبی قرار دارند و در صورت وقوع زلزله می تواند فاجعه انسانی با توجه به تراکم بالای جمعیتی و سایر پارامترهای موثر در افزایش آسیب پذیری ناشی از زلزله در این محدوده اتفاق بیفتد. این مقاله به بررسی مناطق یک و پنج شهر تبریز که در بین مناطق دارای سکونت گاه های غیررسمی شهر تبریز می باشند، از لحاظ آسیب پذیری ناشی از زلزله با در نظر گرفتن ماهیت زلزله و بررسی آن در ارتباط با چهار عامل تراکم جمعیت، تراکم ساختمانی، کیفیت ابنیه و نوع مصالح می پردازد و جهت ارزیابی رابطه بین میزان آسیب پذیری زلزله و عوامل موثر بر آسیب پذیری، از سیستم اطلاعات جغرافیایی GIS و مدل تحلیل سلسله مراتبی (AHP) و برای برآورد تراکم از برآورد تراکم کرنل (KDE) استفاده شده است. نتایج تحقیق نشان می دهد که مناطق یک و پنج شهر تبریز با توجه به تمرکز بالای جمعیت، کیفیت ابنیه پایین و عمر ساختمان ها و استفاده از مصالح غیرمقاوم در برابر زلزله از یک طرف و نزدیکی به گسل و بافت حاشیه نشین از طرف دیگر، در صورت وقوع زلزله می تواند خسارات جبران ناپذیری را متحمل گردد.

انرژی مصرفی نه تنها خود تولید کننده گازهای گلخانه ای است، بلکه میزان مصرف آن جهت گرمایش، سرمایش محیط نیز تحت تاثیر تغییرات اقلیم و گرمایش جهانی ناشی از گازهای گلخانه ای است. هدف از این پژوهش پیش بینی نیاز سرمایش استان فارس در دهه های آینده است. این پژوهش با استفاده از داده های گردش کلی جو EH5OM واکاوی شد. داده ها تحت سناریو A1B کمیته بین المللی تغییر اقلیم بوده و با تفکیک 1.75 درجه طولی و عرضی اجرا شده اند. با مدل ریزمقیاس نمایی RegCM4، داده های میانگین دمای روزانه به تفکیک 0.27´0.27 درجه طول و عرض جغرافیایی که حدودا نقاطی با ابعاد 30´30 کیلومتر مساحت استان را پوشش می دهند تبدیل شدند. جهت محاسبه فراسنج سرمایش نیز از آستانه دمایی 23.9 درجه سانتی گراد استفاده شد. سرانجام میانگین ماهانه درجه ساعت سرمایش در ماتریسی به ابعاد 12´13140 محاسبه و نقشه های آن ترسیم گردید، در مرحله بعد رابطه عرض، ارتفاع و طول جغرافیایی با درجه روز سرمایش نیز محاسبه و نگاره های آن ترسیم شد. بیشترین نیاز سرمایش در بخش های جنوبی استان در ماه های ژوئن و ژولای به ترتیب با نیاز سرمایش 4200 و 3800 درجه ساعت بیشینه را در استان دارا می باشند. کم ترین میزان نیاز این فراسنج نیز در نوار شمالی به ویژه شهرستان آباده نمایان است. وجود روند مثبت و افزایشی دما در فصل بهار، به ویژه در ماه های می و ژوئن در بیشتر نقاط استان، گرم شدن هوا را در فصل بهار نسبت به تابستان گویاست که نوید دهنده استفاده بیش از حد از وسایل سرما زا در آینده در فصل بهار است. بیشترین ضریب همبستگی نیاز سرمایش با عرض جغرافیایی را ماه می به میزان 0.878 درصد داراست. نقش عرض جغرافیایی بیش از طول در تغییرات میزان نیاز سرمایش استان می باشد.

استان زنجان بخشی از گستره ناهموار شمال باختری ایران است که با مساعدت عرض جغرافیایی، ارتفاع و جهت گیری ناهمواری ها در مسیر سامانه های بارش زای باختری است. با حرکت خاور سوی موج های کوتاه در بستر موج مدیترانه و تناوب فرازها و فرودها، امکان تغذیه سامانه های پدیدآورنده بارش های سنگین از پهنه های آبی هم عرض فراهم است. در این تحقیق با هدف تعیین سامانه های عامل این بارش ها در ترازهای میانی وردسپهر و پایینی؛ فرض «دریای مدیترانه به عنوان مهم ترین خاستگاه تامین کننده نم این بارش ها» آزمون شد. برای انجام این آزمون در مرحله نخست، مقادیر بارش روزانه 9 ایستگاه داده سنجی جوی داخل و پیرامون استان برای ماه های فروردین، اردیبهشت و خرداد از سامانه داده های محیطی سازمان هواشناسی تهیه شد. تنظیم جداول روزانه بارش ها بر مبنای آستانه 30 میلی متر در روز، امکان استخراج 13 مورد بارش سنگین را فراهم کرد. بررسی ها، گویای رخداد بیشترین فراوانی ها در فروردین ماه بود. در مرحله دوم بر پایه معیارهای دوام روزانه بارندگی، جمع مقادیر ایستگاه ها طی روز اوج و نیز فراوانی ایستگاه های درگیر، 8 موج بارندگی به عنوان بارندگی های شاخص تعیین شد. آخرین مرحله تحقیق تهیه داده های فشار تراز دریا، ارتفاع، دما، نم نسبی و ویژه و بادهای مداری و نصف النهاری از مرکز جهانی داده کاوی و نهایتا رسم الگوهای روزانه این داده ها بود. نتایج تحلیل نقشه های وضع هوا طی روزهای بارندگی سنگین، گویای سمت یابی شار رطوبت در لایه زیرین پوش سپهر از خاور دریای مدیترانه روی استان بود. همچنین نتایج گویای تشکیل هسته های نم نسبی 80 درصدی روی سرزمین طی روزهای بارندگی بود. واکاوی فرضیه تحقیق، مشخص نمود که بیشترین فراوانی بارندگی های سنگین استان زنجان طی بهار در فروردین ماه رخ داده اند و دریای مدیترانه در میان پهنه های آبی پیرامون ایران، مهم ترین نقش را در شار رطوبت برای بارش های سنگین شاخص استان داشته است.

وقوع ناپایداری های دامنه ای در محورها و راه های ارتباطی به خصوص در مناطق کوهستانی، از جمله مواردی است که هر ساله خسارات زیادی را به راههای مواصلاتی کشور وارد می سازد. در برخی موارد، وقوع این نوع از مخاطرات طبیعی در گردنه ها و تنگه هایی با شیب تند تر و جاده هایی با انحنای بیشتر، نظیر تنگه دره دیز وگردنه ننم وار استان اذربایجان شرقی، منجر به مرگ مسافران می گردد، بنابراین شناسایی ویژگی های طبیعی مناطقی که جهت اجرای پروژه های عمرانی اعم از احداث جاده و سایر راه های ارتباطی ئظیر خطوط راه آهن، سدهای آبی و ...... گزینش می گردند و تعیین میزان استعداد آنها جهت وقوع ناپایداری های دامنه ای بسیار با اهمیت می باشد. در این مقاله با استفاده از روش رگرسیون لجستیک به پهنه بندی و شناسایی مناطق مستعد وقوع این نوع از حرکات دامنه ای در محدوده مورد مطالعه اقدام شد. جهت این مطالعه از تصویر، ماهواره لندست 8 سنجنده oLI-TIRS استفاده شد و فاکتورهای موثردر وقوع ناپایداری های دامنه ای (شیب، جهت شیب، لیتولوژی، کاربری زمین، فاصله از گسل، فاصله از رودخانه، فاصله از جاده، طبقات ارتفاعی) در محیط GIS بررسی و از میان آنها مهم ترین فاکتور مشخص گردید. سپس بر لایه پراکنش ناپایداری های دامنه ای انطباق داده شد، به این ترتیب نقشه پهنه بندی خطر وقوع ناپایداری های دامنه ای در نرم افزار ادریسی تولید گردید؛ پس از آن نقشه پیش بینی احتمال وقوع ناپایداری های محدوده به پنج گروه با درجه حساسیت بسیار پایین، پایین، متوسط، بالا، بسیار بالا تقسیم شد.

امروزه آسیب پذیری شهرها در برابر زلزله به عنوان یک مساله اساسی جهان پیش روی متخصصان رشته های گوناگون قرار دارد. مطالعات تکنیکی و تاریخی زلزله در ایران نشان می دهد که زلزله های ویرانگر در راستای گسل درونه، در موارد بسیاری سبب خرابی و کشته شدن صدها و گاهی هزاران نفر شده است. شهر بردسکن به دلیل وجود چندین گسل فعال در اطراف و درون آن، ریسک بالایی در برابر خطر زلزله دارد. هدف از این پژوهش شناسایی میزان آسیب پذیری اجزا و عناصر شهری با استفاده از مدل ها و روش های موجود در کاهش آسیب پذیری در برابر زلزله می باشد. برای رسیدن به این هدف 16 شاخص کالبدی- فضایی موثر بر آسیب پذیری شهرها در سطح جهانی شناسایی شد؛ سپس در قالب مدل های برنامه ریزی و تلفیقی چون فازی و تحلیل سلسله مراتبی وارون، برآورد مناسبی از آسیب پذیری شهر در برابر زلزله با استفاده از داده های مکانی و توصیفی اجزا، عناصر اصلی و رفتاری ساختمانی و تعیین تاثیر هر کدام از معیارهای به کار رفته در میزان آسیب پذیری ارائه گردید. همچنین با ارائه سناریوهای زلزله در شدت های مختلف به مدل سازی و ریز پهنه بندی آسیب وارده به ساختمان ها در برابر زلزله پرداخته شده است. نتایج این پژوهش نشان می دهد که با حرکت از سمت جنوب به طرف شمال شهر بردسکن بر میزان آسیب پذیری قطعات ساختمانی افزوده می شود. همچنین مدل سازی سناریوهای زلزله در شدت 6 و 8 مرکالی نشان می دهد که میزان آسیب پذیری بر اساس تعداد ساختمان ها به ترتیب در محلات 3، 1، 6، 5، 4 و 2 می باشد. مهمترین دلایل این وضعیت نزدیکی به گسل، بالا بودن شتاب افقی زمین (PGA)، بالا بودن تراکم ساختمانی بنا و پایین بودن کیفیت و مصالح ساختمانی است.