| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 82 |
| تعداد شماره‌ها | 3,046 |
| تعداد مقالات | 34,069 |
| تعداد مشاهده مقاله | 46,487,424 |
| تعداد دریافت فایل اصل مقاله | 77,550,323 |
پیش‌بینی شاخص خشکسالی هواشناسی با استفاده از ترکیب مدل FCMR با الگوریتم‌های فراابتکاری بهینه‌سازی (مطالعه موردی: استان خوزستان) | ||
| مهندسی و مدیریت آبخیز | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 04 خرداد 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijwmse.2025.368955.2110 | ||
| نویسندگان | ||
| صدف پیری1؛ محمد انصاری قوجقار* 2 | ||
| 1گروه آموزشی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| 2استادیار، گروه مهندسی احیاءمناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| چکیده | ||
| خشکسالی هواشناسی یکی از بلایا و ناهنجاری‌های اساسی در کشور، خصوصا در مناطق خشک و نیمه‌خشک به‌شمار می‌آید.در چارچوب مدیریت جامع حوزه آبخیز، پیش‌بینی درست و به‌موقع خشکسالی اهمیت بسیار زیادی دارد. این موضوع به‌ویژه در مناطق حساس و آسیب‌پذیر مثل استان خوزستان، برای استفاده‌ی بهینه از منابع آب، مدیریت مصرف و افزایش تاب‌آوری اکوسیستم‌های طبیعی و انسانی، یک ضرورت است. از این رو پیش‌بینی خشکسالی می‌تواند مقاومت در برابر بحران‌های محتمل محیط‌زیستی را تا حد مطلوب افزایش دهد. در ﭘﮋوهش حاضر، ﺗﺠﺰﻳﻪ و ﺗﺤلیل و پیش‌بینی ﺧﺸﻜﺴﺎﻟﻲ هواشناسی در استان خوزستان با مدل انفرادی FCMR و مدل‌های دوگانه FCMR-GOW و FCMR-ACOR در طول دورة آﻣـﺎری 30 ساله (1989 ﺗـﺎ 2020) مورد بررسی قرار گرفت. ﺑﺮای ارزﻳﺎﺑﻲ ﺷﺮاﻳﻂ ﺧﺸﻜﺴﺎﻟﻲ، از ﺷﺎﺧﺺ اﺳﺘﺎﻧﺪارد ﺑﺎرﻧﺪﮔﻲ (SPI) ﺣﺎﺻـﻞ از دادهﻫـﺎی ﺑـﺎرش هشت اﻳﺴﺘﮕﺎه ﺳﻴﻨﻮﭘﺘﻴﻚ اﺳﺘﻔﺎده ﺷـﺪ. سپس نتایج مدل‌سازی با مدل‌های ذکر شده با استفاده از شاخص‌های نیکویی برازش با یکدیگر مقایسه شدند. نتایج حاصله بیانگر این بود که کاتالیزور GOW باعث بهبود مدل FCMR و کاتالیزور ACOR موجب کاهش دقت مدل FCMR شدند. در هر هشت ایستگاه، مدل هیبریدی دوگانه FCMR-GOW با بیشترین دقت در پیش‌بینی SPI در رتبه اول قرار گرفت. هم‌چنین پنجره‌های زمانی بلندمدت SPI از دقت بالاتری نسبت به پنجره‌های زمانی کوتاه مدت برخوردار بودند. به‌طور کلی می‌توان نتیجه گرفت که تلفیق مدل‌های انفرادی با الگوریتم‌های فراابتکاری لزوما به معنی افزایش دقت در مدل‌سازی SPI نیست. | ||
| کلیدواژه‌ها | ||
| تغییر اقلیم؛ شاخص بارش استاندارد؛ مدیریت حوزه آبخیز؛ الگوریتم فراکاوشی | ||
| عنوان مقاله [English] | ||
| Prediction of Meteorological Drought Index Using the Combination of FCMR Model with Metaheuristic Optimization Algorithms (Case Study: Khuzestan Province) | ||
| نویسندگان [English] | ||
| Sadaf Piri1؛ Mohamad ansarighojghar2 | ||
| 1Department of Arid and Mountainous Areas Restoration, Faculty of Natural Resources, University of Tehran, Karaj, Iran | ||
| 2Assistant professor, Department of reclamation of arid and mountainous regions Engineering, Faculty of Natural Resources, University of Tehran, Karaj, Iran. | ||
| چکیده [English] | ||
| Meteorological drought is one of the major hazards and anomalies in the country, especially in arid and semi-arid regions. In the context of comprehensive watershed management, accurate and timely drought forecasting is of great importance. This is a necessity, especially in sensitive and vulnerable areas such as Khuzestan Province, for the optimal use of water resources, consumption management, and increasing the resilience of natural and human ecosystems. Therefore, drought prediction can increase resistance to possible environmental crises to the desired extent. In the present study, the analysis and prediction of meteorological drought in Khuzestan Province was investigated with the individual FCMR model and the dual FCMR-GOW and FCMR-ACOR models during a 30-year statistical period (1989 to 2020). To assess drought conditions, the Standardized Precipitation Index (SPI) derived from rainfall data from eight synoptic stations was used. Then, the modeling results were compared with the aforementioned models using goodness-of-fit indices. The results indicated that the GOW catalyst improved the FCMR model and the ACOR catalyst reduced the accuracy of the FCMR model. At all eight stations, the dual hybrid FCMR-GOW model ranked first with the highest accuracy in predicting SPI. Also, long-term SPI time windows had higher accuracy than short-term time windows. In general, it can be concluded that combining individual models with meta-heuristic algorithms does not necessarily mean increasing accuracy in SPI modeling. | ||
| کلیدواژه‌ها [English] | ||
| Climate change, SPI, Watershed Management, Metasearch algorithm | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 127 |
||