ORIGINAL_ARTICLE
تحلیل آماری بحرانهای دمایی شهر قم در رابطه با مصارف انرژی
رخداد دماهای بحرانی کمینه و بیشینه، اثرات زیادی در افزایش هزینه مصرف انرژی و آب دارند. با هدف تحلیل آماری بحرانهای دمایی شهر قم، آمار روزانه دمای کمینه و بیشینه ایستگاه قم در طی دوره آماری 92-1386 از سازمان هواشناسی و همچنین آمار مصرف روزانه آب، برق و گاز در طول دوره آماری مذکور از سازمانهای مربوطه اخذ گردید. با استفاده از همبستگی، روابط دما با مصارف انرژی مشخص شد. برای این همبستگی از شاخص ضریب دما TI استفاده گردید. نتایج نشان میدهند، دما و مصرف گاز دارای یک رابطه معکوس هستند. ضریب دمای کمینه دارای بیشترین رابطه با مصرف گاز است. آستانه مصرف با توجه به دما دو میلیون مترمکعب در روز است. مصارف بالاتر از حد آستانه دارای بیشترین رابطه با دما بوده و براساس شاخص MSVI ماههای مصرف گاز در بالاتر از حد آستانه آبان تا اردیبهشت است. تغییرات دما با تغییرات مصرف آب و برق رابطه مستقیم دارد، ضریب دمای بیشینه دارای بیشترین رابطه با مصرف آب و برق است. آستانه مصرف آب با توجه به دما 250 هزار مترمکعب در روز و برای برق 8000 مگاوات در روز است. مصارف بالاتر از حد آستانه برای آب و برق، رابطه بالاتری با دما نسبت به مصارف کمتر از حد آستانه دارد. بر اساس شاخص MSVI ماههای مصرف آب و برق در حد بالاتر از آستانه، خرداد تا شهریور ماه است.
https://geoeh.um.ac.ir/article_30638_151b23089e12fd39c4585c84fe29f9e2.pdf
2017-03-21
1
17
10.22067/geo.v5i4.50853
دمای بیشینه
دمای کمینه
مصرف آب
مصرف برق
مصرف گاز
بهلول
علیجانی
bralijani@gmail.com
1
خوارزمی
AUTHOR
علی اکبر
شمسی پور
shamsipr@ut.ac.ir
2
دانشگاه تهران
AUTHOR
عطیه
مطمئن آرانی
atiyyehmotmaen@ymail.com
3
دانشگاه خوارزمی
LEAD_AUTHOR
احترامی، سعید؛ 1388. بررسی اثرات دمای هوای محیط بر مصرف انرژی الکتریکی و تغییرات بار شبکه برق خوزستان. بیست و چهارمین کنفرانس بینالمللی برق.
1
اسماعیلی، رضا؛ منتظری، مجید؛ 1392. تعیین محدودههای بیوکلیماتیک شهر مشهد بر مبنای دادههای ساعتی. جغرافیا و برنامهریزی محیطی. 49: 229- 215.
2
اسماعیل نژاد، مرتضی؛ 1391. شناسایی امواج گرمایی ایران و ارتباط آن با الگوهای همدیدی. پایاننامه دکتری تخصصی. استاد راهنما: بهلول علیجانی . محمود خسروی . دانشگاه سیستان و بلوچستان.
3
امامی میبدی، علی و دیگران؛ 1388. عوامل مؤثر بر قیمت گاز مصرفی در بخش خانگی کشور. پژوهشها و سیاستهای اقتصادی. 52: 92-69.
4
رحیم زاده، فاطمه و دیگران؛ 1388. روند نمایههای حدی اقلیمی دما در ایران طی دوره 2003_ 1951. فصلنامه تحقیقات جغرافیایی. 93: 199-144.
5
صادقی، سلیمان و دیگران؛ 1391. تحلیل همدیدی امواج سرمایی در شمال شرق ایران. جغرافیا و مخاطرات محیطی. 3: 123-107.
6
عالی جهان، مهدی؛ 1392. آشکارسازی اثر پدیده گرمایش جهانی بر روی دماهای ایران. پایاننامه کارشناسی ارشد. استاد راهنما: یوسف قویدل رحیمی. دانشگاه تربیت مدرس.
7
عساکره، حسین؛ 1388. الگوسازی ARIMA برای میانگین سالانه دمای شهر تبریز. فصلنامه تحقیقات جغرافیایی. 3:92 تا 24.
8
علیجانی، بهلول؛ براتی، غلامرضا؛ 1375. تحلیل سینوپتیک یخبندان فروردین 1366. فصلنامه تحقیقات جغرافیایی. 40: 121- 135.
9
علیجانی، بهلول؛ هشیار، محمود؛ 1386. شناسایی الگوهای سینوپتیکی سرماهای شدید شمال غرب ایران. پژوهشهای جغرافیای طبیعی. 65: 16-1.
10
علیجانی، بهلول؛ 1390. تحلیل فضایی دماها و بارشهای بحرانی روزانه در ایران، تحقیقات کاربردی علوم جغرافیایی، جلد 17، شماره 20 : 30- 9.
11
قویدل رحیمی، یوسف؛ 1390. تعیین آستانه آماری و تحلیل سینوپتیک دماهای ابر سرد مراغه. نشریه تحقیقات کاربردی علوم جغرافیایی، جلد 19، 22: 62- 45
12
کریمی، تورج و دیگران؛ 1389. بررسی اثر تغییرات دما بر مصرف گاز طبیعی در ایران. مطالعات اقتصاد انرژی. 24: 218-. 193
13
ناظم السادات، سید محمدجعفر؛ مجنونی هریس، ابوالفضل؛ 1387. بررسی میزان راحتی انسان در شرایط اقلیمی مختلف (مطالعه موردی: شهرهای شیراز، بندرعباس، بیرجند و اردبیل). محیطشناسی. 48: 80-71.
14
هژبرپور. قاسم؛ علیجانی، بهلول؛ 1386. تحلیل همدید یخبندانهای استان اردبیل. جغرافیا و توسعه. 10: 106-89. Adunola,O.A.,2014.Evaluation of urban residential thermal comfort in relation to indoorand outdoor air temperatures in Ibadan, Nigeria. Building and Environment75, 19-20
15
Aras,H.,Aras, N., 2004. Forecasting residential natural gas demand. Energy Sources26, 463-472
16
Bani-Domi, M., 2005. Trend analysis of temperatures and precipitation in Jordan. Social Sciences & Humanities17, 15-36.
17
Collins, D. A., Della-Marta, P. M., Plummer, N.,Trevin,B. C.,2000. Trends in annual frequencies of extreme temperature events in Australia. Australian Meteorological Magazine49,277-292
18
Gil, S.,Deferrari, J., 2004. Generalized model of predication of natural gas consumption. Journal of Energy Resources Technology126, 90-96
19
IPCC.,2001. Climate Change 2001.The Scientific Basis.Contribution of Working Group I to the third assessment reportof the Intergovernmental Panel on Climate Change.Cambridge University Press 83.
20
Kalkstein, L.S., Valimont,K.M., 1986. An evaluation of summer discomfort in the United States using a relative climatological index. Bulletin of the American Meteorological Society 7, 842-848
21
Martilli, A., 2014. An idealized study of city structure, urban climate, energy consumption, and air quality. Urban Climate2, 430-446
22
Sarak, H.,Satman, A.,2003. The method ofdegree-day for estimate the residential heating natural gas consumption in Turkey study. Energy25, 929-939
23
Perini,K., &Magliocco,A.,2014. Effects of vegetation, urban density, building height, and atmospheric conditions on local temperatures and thermal comfort. Urban Forestry & Urban Greening 3, 495-506
24
Takahashi,H., 1990. Migration of the cold air mass related to rain belt formation of the Chinese continent and atmospheric systems during the Baiu season (in Japanese). Geographical Review of Japan64, 10-24
25
ORIGINAL_ARTICLE
بررسی اثر عنصر بارش بر منابع آب زیرزمینی با استفاده از تحلیل سریهای زمانی- مکانی خشکسالی (مطالعه موردی: دشت مشهد در حوزه آبخیز کشف رود)
عوامل مختلف طبیعی و انسانی در چند دهه اخیر باعث ایجاد شرایط بحرانی و افت سطح آبهای زیرزمینی در بیشتر حوزههای آبخیز کشور از جمله استان خراسان رضوی شده است. در این تحقیق از تکنیکهای تحلیل سریهای زمانیمان-کندال و پتیت برای تحلیل روند شاخص خشکسالی هواشناسی SPI و شاخص خشکسالی آب زیرزمینی PSI در دوره آماری 30 ساله (1393-1363) حوزه آبریز دشت مشهد استفاده شده است. جهت تحلیل مکانی وقوع خشکسالی هواشناسی و ارتباط آن با خشکسالی آب زیرزمینی نیز از روشهای زمین آمار و تحلیل نقطه داغ استفاده گردید. نقشههای میان یابی شده شاخص SPI نشان داد که در سالهای 79-78 تا 80-79، 85-84، 87-86، 90-89 و 93-92 حوزه آبریز مطالعاتی عمدتاً در طبقات فروخشک و خیلی خشک قرار میگیرد؛ اما نتایج تحلیل سری زمانی شاخص SPI در تمامی ایستگاهها بهجز ایستگاه اندرخ نشان میدهد که تغییرات تدریجی موجود در سطح پنج درصد معنیدار نیست؛ بنابراین حوزه آبخیز مشهد – چناران حداقل در طی سه دهه اخیر تغییرات تدریجی محسوسی را در میزان بارش و خشکسالی هواشناسی در اکثر ایستگاههای مورد مطالعه تجربه نکرده است. تغییرات تدریجی سری زمانی شاخص PSI در چاههای مشاهداتی قاسمآباد، کلاته نادر، مسکران، نومهن و هاشمآباد غیرمعنیدار و در بقیه چاهها (35 چاه) معنیدار میباشند. شاخص PSI در همۀ چاهها بهجز بلوار تلویزیون دارای روند کاهشی است. نقشههای پهنهبندی نیز نشان میدهند که شاخص PSI در دشت مورد مطالعه از سالهای 64-1363 تا 79-1378 بیشتر در شرایط نرمال قرار گرفته و از سالهای 79-1378 هر چه به سمت حال حاضر پیش میرویم در طبقه شرایط خطرناک و حداقل تاریخی قرار میگیرد. نتایج تحلیل همبستگی بین دو شاخص SPI و PSI نشان میدهد که در اکثر موارد و سالها ارتباط ضعیفی بین خشکسالی هواشناسی و آب زیرزمینی وجود دارد و نمیتوان ارتباط معنیدار قوی بین این دو پدیده در دشت ارائه کرد. همچنین بر اساس تحلیل سریهای زمانی دبی سالیانه آب مهمترین رودخانههای تغذیه کننده (که نشان دهنده روندی غیر معنی دار در دوره مطالعاتی است) باز هم نمیتوان ارتباط معنیدار قوی بین خشکسالی هیدرولوژیکی و خشکسالی آب زیرزمینی در منطقه برقرار نمود. سطح آب زیرزمینی دشت مشهد-چناران از سال 1364 تا 1393 بیشتر از 25 متر افت را تجربه کرده که بیشترین آن در بین سالهای 1378 تا 1382 بوده که بالغ بر 6 متر افت مشاهده شده است. تعداد حفر چاه در طول این چهار سال 1054 حلقه است که بیشترین میزان حفر چاه را در طول دوره آماری نشان میدهد؛ بنابراین برداشت بیرویه از منابع آب زیرزمینی را میتوان عامل اصلی افت سطح سفره در دشت مشهد معرفی کرد.
https://geoeh.um.ac.ir/article_30682_cabb89e963a897b2d7df2718f7657076.pdf
2017-03-21
19
44
10.22067/geo.v6i3.60760
افت سطح آبخوان
تحلیل سری زمانی
خشکسالی، میان یابی
SPI
PSI
سمیرا
نورمحمدی
samiranoormohamadi70@gmail.com
1
دانشگاه بیرجند
LEAD_AUTHOR
سید محمد
تاجبخش
tajbakhsh.m@birjand.ac.ir
2
بیرجند
AUTHOR
هادی
معماریان
hadi_memarian@birjand.ac.ir
3
بیرجند
AUTHOR
ایمانی، مهناز؛ طالبی اسفندارانی، علی؛ 1390. بررسی آثار خشکسالی بر تغییرات سطح سفره آب زیرزمینی دشت بهاباد یزد با استفاده از شاخصهای SPI و GRI. چهارمین کنفرانس مدیریت منابع آب ایران.
1
بهنیافر، ابولفضل؛ قنبرزاده، هادی؛ اشراقی، علی؛ 1389. بررسی عوامل مؤثر در فرونشستهای دشت مشهد و پیامدهای ژئومورفیک آن. فصل نامه جفرفیا و برنامهریزی شهری چشم انداز زاگرس. سال دوم. شماره 5. پاییز 1389.
2
ترشیزیان، حبیب اله؛ آقابیگی، محمد؛ برزکار، اسماعیل؛ 1386. امکان استفاده از قنوات مترو که جهت تغذیه مصنوعی آبهای زیرزمینی در دشت مشهد.
3
جهانی، سمانه؛ دلبری، معصومه؛ 1388. ارزیابی و برآورد بیشترین بارش 24 ساعته در استان گلستان، همایش ملی مدیریت بحران آب. دانشگاه آزاد اسلامی واحد مرودشت، اسفندماه 1388.
4
حسنیپاک، علی اصغر؛ 1392. زمین آمار (ژئواستاتیستیک)، دانشگاه تهران.
5
دفتر مطالعات آبهای زیرزمینی، (1388. گزارش پیشنهاد تمدید ممنوعیت دشت مشهد.
6
رضوانیان، سمیه؛ اسدی، تورج؛ گودرزی، حسام الدین؛ 1392. بررسی تأثیر خشکسالی بر منابع آب زیرزمینی دشت مشهد. سومین همایش ملی سلامت محیط زیست توسعه پایدار، دانشگاه آزاد اسلامی واحد بندرعباس.
7
ارع ابیانه، حمید؛ بیات ورشکی، مریم. و معروفی، صفر؛ 1391. بررسی نوسانات عمق آب زیرزمینی در دشت ملایر، نشریه دانش آب و خاک، 22 (2):173-190.
8
طائی سمیرمی، مجید؛ فاتحیمرج، احمد؛ میرنیا، سید خلاق؛ 1391. بررسی اثرات تغذیه مصنوعی بر توزیع زمانی و مکانی خشکسالیهای هیدروژئولوژیک با استفاده از شاخص حالت پیزومتریک (مطالعه موردی: دشت گربایگان، استان فارس)"، مجله تحقیقات منابع آب ایران، سال هشتم، شماره 1، بهار و تابستان.
9
سبزیپرور، علی اکبر؛ کاظمی، آزاده؛ معروفی، صفر؛ غفوری، محمد؛ بذرافشان؛ 1389. ارزیابی تطبیقی هفت نمایه خشکسالی هواشناسی با استفاده از روش تحلیل خوشهای، مجله علوم و تکنولوژی محیطزیست، دوره دوازدهم، شماره یک، بهار.
10
سلاجقه، علی؛ نجفی حاجیپور، منصور؛ و فتح آبادی، ابوالحسن؛ 1388. تحلیل خشکسالی با استفاده از شاخص SPI و زنجیره مارکوف مطالعه موردی: استان چهار محال و بختیاری، پنجمین همایش ملی علوم و مهندسی آبخیزداری ایران، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
11
سربازی، محبوبه؛ مهدوی، محمد؛ فیض نیا، سادات؛ و قزل سوفلو، عباسعلی؛ 1388. پهنهبندی کیفیت آبهای زیرزمینی دشت مشهد، پایان نامه کارشناسی ارشد، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران.
12
سلیمانی، مهدی؛ قاسمیه، هدی؛ ساداتی نژاد، سیدجواد؛ میرزاوند، محمد؛ 1392. بررسی اثر خشکسالی هیدرولوژیک بر نوسانات آب زیرزمینی با استفاده از شاخص PSI، پنجمین کنفرانس مدیریت منابع آب ایران، دانشگاه شهید بهشتی - انجمن علوم و مهندسی منابع آب ایران.
13
شرکت سهامی آب منطقهای خراسان رضوی؛ 1389. گزارش تعیین وضعیت آب زیرزمینی دشت مشهد.
14
شکیبا، علیرضا؛ میرباقری، بابک؛ خیری، افسانه؛ 1389. خشکسالی و تأثیر آن بر منابع آب زیرزمینی در شرق استان کرمانشاه با استفاده از شاخص SPI، جغرافیا، فصلنامه علمی – پژوهشی انجمن جغرافیای ایران، 8 (25)، 20.
15
کریمی، ولیالله؛ حبیبنژاد روشن، محمود؛ آبکار، علی جان؛ 1390. بررسی شاخصهای خشکسالی هواشناسی در ایستگاههای سینوپتیک مازندران، فصلنامه علمی پژوهشی مهندسی آبیاری و آب، سال دومف شماره 5 پاییز
16
صفائی، حمید؛ اصغری، کیوان. و صفوی، حمیدرضا؛ 1392. مقایسۀ شاخص خشکسالی منابع آب زیرزمینی (GRI) با شاخص بارش استاندارد (SPI) مطالعه موردی: آبخوان کوهپایه- سگزی، هفتمین کمگره ملی مهندسی عمران، دانشکده مهندسی شهید نیکبخت، زاهدان 17 و 18 اردیبهشت ماه.
17
گرجستانی، کیان؛ اخترپور، علی؛ ابریشمی، سعید؛ 1394. مطالعه آزمایشگاهی و عددی تأثیر افزایش رطوبت ناشی از بالا آمدگی سطح آب زیرزمینی مشهد بر پایداری، یک گود پایدار سازی به روش Anchorage، پایان نامه کارشناسی ارشد، پردیس دانشگاهی، دانشگاه فردوسی مشهد.
18
لشگریپور، غلامرضا؛ سویزی، زینب؛ پیوندی، زکیه؛ 1384. افت سطح آب زیرزمینی و نشست زمین در دشت مشهد، مجموعه مقالات همایش انجمن زمین شناسی ایران، دانشگاه تربیت معلم تهران.
19
مقدم، علیرضا؛ قلعهبانتکمهداش، میلاد؛ اسماعیلی، کاظم؛ 1391. بررسی روند تغییرات زمانی و مکانی پارامترهای کیفی آب دشت مشهد با استفاده از سیستم اطلاعات جغرافیایی، مجله پژوهشهای حفاظت آب و خاک، جلد بیستم، شماره سوم، 1392.
20
مساعدی، ابوالفضل؛ کوهستانی؛ نسیرین؛ 1389. تحلیل روند تغییرات دبی رودخانههای استان گلستان با استفاده از روشهای پارامتری و ناپارامتری، چهارمین کنفرانس منطقهای تغییر اقلیم.
21
نادریانفر، محمد؛ انصاری، حسین؛ ضیایی، علیقلی؛ داوری، کامران؛ 1390. بررسی روند تغییرات و نوسانات سطح آب زیرمینی در حوزه آبریز نیشابور تحت شرایط اقلیمی مختلف، سال اول، شماره 3، بهار 1390.
22
نورمحمدی، سمیرا؛ معماریان، هادی؛ 1394. بحران آب دشت مشهد، عوامل، پیامدها و راهکارها، اولین همایش ملی بحران آب و مدیریت آن در مناطق خشک ایران.
23
یاسمنی، سمانه؛ محمدزاده، حسین؛ مساعدی، ابوالفضل؛ 1391. بررسی اثر خشکسالی بر تغییرات سطح آب زیرزمینی دشت تربت جام- فریمان با بکارگیری شاخصهای SPI و GRI.
24
وردی پورآزاد، آیلین؛ آذرخشی، مریم؛ مساعدی، ابولفضل؛ فرزادمهر، جلیل؛ 1393. " بررسی اثر خشکسالی هواشناسی بر تغییرات سطح آب زیرزمینی دشت مشهد با استفاده از شاخصهای SPI و GRI. کنفرانس بین المللی توسعه پایدار، راهکارها و چالشها، تبریز.
25
Adunola,O.A.,2014.Evaluation of urban residential thermal comfort in relation to indoorand outdoor air temperatures in Ibadan, Nigeria. Building and Environment75, 19-20
26
Aras,H.,Aras, N., 2004. Forecasting residential natural gas demand. Energy Sources26, 463-472
27
Bani-Domi, M., 2005. Trend analysis of temperatures and precipitation in Jordan. Social Sciences & Humanities17, 15-36.
28
Collins, D. A., Della-Marta, P. M., Plummer, N.,Trevin,B. C.,2000. Trends in annual frequencies of extreme temperature events in Australia. Australian Meteorological Magazine49,277-292
29
Gil, S.,Deferrari, J., 2004. Generalized model of predication of natural gas consumption. Journal of Energy Resources Technology126, 90-96
30
IPCC.,2001. Climate Change 2001.The Scientific Basis.Contribution of Working Group I to the third assessment reportof the Intergovernmental Panel on Climate Change.Cambridge University Press 83.
31
Kalkstein, L.S., Valimont,K.M., 1986. An evaluation of summer discomfort in the United States using a relative climatological index. Bulletin of the American Meteorological Society 7, 842-848
32
Martilli, A., 2014. An idealized study of city structure, urban climate, energy consumption, and air quality. Urban Climate2, 430-446
33
Sarak, H.,Satman, A.,2003. The method ofdegree-day for estimate the residential heating natural gas consumption in Turkey study. Energy25, 929-939
34
Perini,K., &Magliocco,A.,2014. Effects of vegetation, urban density, building height, and atmospheric conditions on local temperatures and thermal comfort. Urban Forestry & Urban Greening 3, 495-506
35
Takahashi,H., 1990. Migration of the cold air mass related to rain belt formation of the Chinese continent and atmospheric systems during the Baiu season (in Japanese). Geographical Review of Japan64, 10-24
36
ORIGINAL_ARTICLE
سنجش و اولویت بندی تاب آوری شهری در مقابل زلزله (نمونه موردی شهر اردبیل و مناطق چهارگانه آن)
امروزه یکی از مهمترین مخاطراتی که همواره شهرها را تهدید مینماید خطر وقوع زلزله است. ازاینرو، شهر اردبیل هم بمانند بسیاری از شهرها با توجه به قرارگرفتن بر روی چندین گسل فعال، ازجمله مناطق حساس و در معرض خطرات ناشی از وقوع زلزله است که دیر یا زود چنین چالشی را پیشرو خواهد داشت. لذا کاهش آسیب و مدیریت بحران و درنهایت تابآور نمودن شهرها در برابر مخاطراتی همچون زلزله لازم و ضروری است. هدف این تحقیق، سنجش تابآوری شهر اردبیل در برابر وقوع احتمالی زلزله و رتبهبندی مناطق چهارگانه آن میباشد. در این راستا برای تعداد 50 نفر از کارشناسان شهرداری مناطق چهارگانه شهر اردبیل به روش نمونهگیری ساده و هدفمند پرسشنامه توزیع و تکمیل شد، و با استفاده از نرمافزارهایExcel ،SPSS ،Expert Choice و GIS و با بهرهگیری از مدلهای تصمیمگیری چندمعیارهی وضعیت تابآوری شهر اردبیل و مناطق شهری آن مشخص شدند. با توجه به یافتههای پژوهش، میزان تابآوری شهر اردبیل در برابر احتمال وقوع زلزله در آزمون t تک نمونهای برابر با 33/3 به دست آمده است که پایینتر از حد متوسط میباشد. همچنین نتایج تحقیق در روش AHP نشان داد که از معیارهای چهاردهگانه مورد استفاده، معیار دوری از محیطهای خطرآفرین با 142/0، با ارزشترین معیار برای تابآوری شهر اردبیل در بحث مخاطره زلزله، شناخته شده است. یافتههای پژوهش، در چارچوب مدلها نشان نیز میدهند که به ترتیب منطقه دو، یک، سه و چهار در رتبههای اول تا چهارم تابآوری مناطق شهرداری شهر اردبیل قرار گرفتهاند. منطقه دو که بافت نو و برنامهریزی شده دارد، از تابآوری بالایی برخوردار است و در مقابل مناطق با بافت فرسوده و دارای اجتماعات با هسته روستایی همچون منطقه سه و چهار از آسیبپذیری بالایی برخوردارند. نهایتاً نتایج نشان میدهد شهر اردبیل در برابر خطر وقوع زلزله در وضعیت آسیبپذیری قرار دارد تا تابآوری.
https://geoeh.um.ac.ir/article_30719_85623efa0a654112319dec4af4303f27.pdf
2017-03-21
45
65
10.22067/geo.v6i1.48413
تابآوری شهری
مدیریت بحران
زلزله، آسیبپذیری
مدلهای تصمیمگیری چندمعیاره
شهر اردبیل
عطا
غفاری
atagafari@gmail.com
1
محقق اردبیلی
AUTHOR
اصغر
پاشازاده
asgharpasha65@gmail.com
2
محقق اردبیلی
LEAD_AUTHOR
واحد
آقائی
aghaei.vahed@gmail.com
3
دانشگاه خوارزمی
AUTHOR
احمدمعظم، احمد؛ کوهستانی، مهدی و شیخ کاظم برزگری، محمدرضا؛ 1393. مدیریت بافتهای فرسوده با رویکرد تابآوری شهر. پنجمین کنفرانس بینالمللی مدیریتجامع بحرانهای طبیعی (INDM-2014)، صص937-933
1
استوار ایزدخواه، یاسمین؛ 1391. مفاهیم و مدلهای تاب آوری در سوانح طبیعی، فصل نامه دانش پیشگیری و مدیریت بحران. دوره دوم. شماره دوم. صص 145-153.
2
اسکندری، محمدامین؛ شعیه، اسماعیل؛ حبیبی، کیومرث و Max، Wyss؛ 1393. مدل ارزیابی تاب آوری مراکز درمانی در برابر زلزله. پنجمین کنفرانس بین المللی مدیریت جامع بحرانهای طبیعی (INDM-2014)، ص 1117.
3
بیرودیان، نادر؛ 1385. مدیریت بحران و اصول ایمنی در حوادث غیر منتظره. انتشارات دانشگاه مشهد.
4
پورکرمانی، محسن و آرین، مهران؛ 1376. سایزموتکتونیک لرزه زمین ساخت. انتشارات شرکت مهندسین مشاور دز آب. چاپ اول.
5
حسین زاده، سیدرضا؛ 1383. برنامهریزی شهری همگام با مخاطرات طبیعی با تأکید بر ایران. مجله جغرافیا و توسعه ناحیهای. شماره سوم. صص 88-59.
6
حمیدی، ملیحه؛ 1385. نقش، فرم، الگو و اندازه سکونتگاهها در کاهش خطرات ناشی از وقوع زلزله. طرح بسیج توان فنی کشور برای مقابله با زلزله، مرکز مقابله با سوانح طبیعی ایران.
7
رضایی، محمدرضا؛ 1392. ارزیابی تابآوری اقتصادی و نهادی جوامع شهری در برابر سوانح طبیعی. مطالعه موردی: زلزلۀ محلههای شهر تهران. فصلنامه مدیریت بحران. شماره سوم. صص 38-27.
8
رفیعیان، مجتبی؛ رضایی، محمدرضا؛ عسگری، علی؛ پرهیزکار، اکبر و شایان، سیاوش؛ 1390. تبیین مفهومی تابآوری و شاخصسازی آن در مدیریت سوانح اجتماع محور (CBDM)، برنامهریزی و آمایش فضا. دوره پانزدهم. شماره چهارم. صص 41 - 19.
9
روستایی، شهرام؛ 1390. پهنهبندی خطر گسل تبریز برای کاربریهای مختلف اراضی شهری. جغرافیا و توسعه، شماره21. صص 41-27.
10
شیخ کاظم برزگری، محمدرضا و احمدمعظم، احمد؛ 1393. مطالعه آسیب پذیری محیطهای شهری در مقابل حریق مبتنی بر رویکرد شهر تاب آور. پنجمین کنفرانس بین المللی مدیریت جامع بحرانهای طبیعی (INDM-2014)، صص 837-825.
11
صالحی، اسماعیل؛ آقابابایی، محمدتقی؛ سرمدی، هاجر؛ و فرزادبهتاش، محمدرضا؛ 1390. بررسی میزان تابآوری محیطی با استفاده از مدل شبکه علیت. محیط شناسی، سال 37. شماره پنجاهونهم. صص 112-99.
12
طحارى مهرجردى، محمد حسین؛ میرغفورى، سید حبیب الله؛ شاکری، فاطمه و بابایى میبدى، حمید؛ 1391. ارائه راهکارهای ارتقای عملکرد در بخش دولتی با رویکردBSC ، ANP فازی و VIKOR (مطالعه موردی در اداره کل تعاون استان یزد). فصلنامه بهبود مدیریت. سال ششم، شماره 1. صص127-105.
13
عبدالهی، مجید؛ 1382. مدیریت بحران در نواحی شهری. انتشارات سازمان شهرداریها و دهیاریها.
14
فرجزادهاصل، منوچهر؛ احدنژاد، محسن و امینی، جمال؛ 1390. ارزیابی آسیبپذیری مساکن شهری در برابر زلزله (مطالعه موردی: منطقه 9 شهرداری تهران). مطالعات و پژوهشهای شهری و منطقهای. سال سوم. شماره نهم. صص 36-19.
15
فرجی سبکبار، حسنعلی؛ سید علی، بدری؛ مطیعی لنگرودی، سید حسن و شرفی، حجت اله؛ 1389. سنجش مقدار پایداری مناطق روستایی بر مبنای تحلیل شبکه با استفاده از تکنیک بردا، مطالعه موردی: مناطق روستایی شهرستان فسا. فصلنامه پژوهشهای جغرافیای انسانی. شماره 72. صص156-135.
16
فرزاد بهتاش، محمدرضا؛ کی نژاد، محمدعلی؛ پیربابایی، محمدتقی و عسگری، علی؛ 1392. ارزیابی و تحلیل ابعاد و مؤلفههای تابآوری کلان شهر تبریز. نشریه هنرهای زیبا - معماری و شهرسازی دوره 18. شماره سوم. صص 42-33.
17
فلاح، مسعود؛ مسعود، محمد و نوایی ، اسداله؛ 1393. نقش طراحی فضاهای شهری انعطاف پذیر و تابآور در مدیرت بحران. پنجمین کنفرانس بین المللی مدیریت جامع بحرانهای طبیعی (INDM-2014). صص1363-1354.
18
فلاحی، علیرضا و جلالی، تارا؛ 1392. بازسازی تاب آور از دیدگاه طراحی شهری، پس از زلزله 1382 بم. نشریه هنرهای زیبا - معماری و شهرسازی، دوره هجدهم. شماره سوم. صص16-5.
19
قنبری، ابوالفضل؛ سالکی ملکی، محمد علی و قاسمی، معصومه؛ 1395. ارزیابی میزان آسیبپذیری شبکه معابر شهری در برابر زمینلرزه (نمونه موردی: شهرک باغمیشه تبریز). مجله جغرافیا و مخاطرات محیطی. سال 5. شماره 18. صص 1-15.
20
قنواتی، عزتاله؛ قلمی، شبنم و عبدلی، اصغر؛ 1388. توانمندسازی مدیریت بحران شهری در جهت کاهش بلایای طبیعی (زلزله)، نمونه موردی: شهر خرمآباد. فصلنامه جغرافیای طبیعی. شماره 4. صص 24-15.
21
گیوهچی، سعید؛ 1388. تحلیل و ارائه الگوهای مدیریت در سوانح شهری ناشی از مخاطرات زیست محیطی. منطقه 6 تهران. رساله دکتری، استاد راهنما دکتر مهدی قرخلو. دانشگاه تهران، دانشکده جغرافیا.
22
لطفی، خداداد؛ 1391. مدل سازی ضریب آسیب پذیری شهرها در برابر زلزله با استفاده از GIS و GA مطالعه موردی: (شهر اردبیل). پایان نامه کارشناسی ارشد. به راهنمایی دکتر فریبا اسفندیاری. دانشگاه محقق اردبیلی، گروه جغرافیا.
23
وزیرپور، شب بو و رضایی، علیاکبر؛ 1393. توانمندسازی شهروندان و رابطه آن با افزایش تاب آوری شهری و مشارکت عمومی در مدیریت بحران زلزله در تهران. پنجمین کنفرانس بین المللی مدیریت جامع بحرانهای طبیعی (INDM-2014). صص 361-335.
24
Ainuddin, S., & Routray, J. K. (2012). Community resilience framework for an earthquake prone area in Baluchistan. International Journal of Disaster Risk Reduction, 2, 25-36.
25
Bruneau, M. (2004). Framework to quantitatively evaluate and enhance the seismic resilience of communities. 13th Word Conference on Earthquake Engineering, Vancouver, Canada, 733-752.
26
Cutter, S. L. (2008). A place-based model for understanding community resilience to natural disasters. Global Environmental Change, 18, 1-9.
27
Davis, I., & Izadkhah, Y. (2006). Building resilient urban communities. Article from OHI, 31(1), 11-21.
28
Mayunga, J. S. (2007). Understanding and applying the concept of community disaster resilience: A capital based approach. A draft working paper prepared for the summer academy for social vulnerability and resilience building, 22 - 28 July, Munich, Germani, 1, 1-16
29
Mitchell, T., & Harris, K. (2012). Resilience: A risk management approach. Overseas Development Institute, 1-7.
30
Ostovar Izadkhah, Y. (2012). Concepts and models of resilience in natural disasters. Journal of Crisis Management and Prevention, 2(2), 145-153.
31
Rattien, S. (1990). The role of media in hazard mitigation and disaster management. Paris: Disaster Press.
32
Rose, A. (2004). Defining and measuring economic resilience to disasters. Disaster Prevention and Management, 13, 307-314.
33
UN/ISDR. (2005). Hyogo framework for 2005-2015: Building the resilience of the nations and communities to disasters. World Conference on Disaster Reduction 18-22 January, Kobe, Hyogo, Japan. 1-25.
34
Weichselgartner, J., & Kelman, L. (2014). Geographies of resilience: Challenges and opportunities of a descriptive concept. Progress in Human Geography, 39(3) 1-19.
35
ORIGINAL_ARTICLE
مکانیابی محل دفن پسماند با استفاده از منطق فازی در GIS و مدل تحلیل فرایند شبکهای فازی (FANP) (مطالعه موردی: شهرستان علیآباد)
مکانیابی مناسب محل دفن پسماندهای شهری از به وجود آمدن معضلات زیستمحیطی در اطراف شهرها جلوگیری میکند. انتخاب مکان مناسب برای دفن پسماند نیازمند در نظر گرفتن عوامل متعددی است که با توجه به گستردگی و پیچیدگی عوامل مؤثر در مکانیابی، ضرورت استفاده از فناوریهای اطلاعات مکانی و تلفیق آن با سایر امور مدیریتی و برنامهریزی مطرح میشود. به این منظور، بهکارگیری سیستمی یکپارچه متشکل از سیستم اطلاعات جغرافیایی (GIS) و روشهای تصمیمگیری چند معیاره (MCDM) ابزار مناسبی برای مکانیابی دفن پسماند هستند. در این تحقیق برای تعیین مکانهای مناسب دفن پسماند شهرستان علیآباد از معیارهای فاصله از جاده، شیب، ارتفاع از سطح دریا، کاربری، میزان بارش، فاصله از گسل، فاصله از آبهای سطحی، فاصله از مناطق حفاظتشده، زمینشناسی، فاصله از شهر و فاصله از روستا استفاده شد. نقشههای مربوط به هر یک از لایهها در محیط Idrisi استانداردسازی و بهصورت فازی تهیه گردید، در ادامه برای وزن دهی و تلفیق لایهها از تحلیل فرایند شبکهای فازی (FANP) و GIS استفاده شد و نقشههای نهایی به پنج روش gamma، And، Or،Sum و Productتهیه شد. سپس نقشههای مناسب مکانیابی دفن پسماند انتخاب شدند و هرکدام از آنها به چهار طبقه مناسب، متوسط، ضعیف و خیلی ضعیف طبقهبندی گردید و طبقه مناسب روشهای انتخابی لکه بندی شدند. روشهایی که میزان مساحت لکههای آنها از میزان مساحت لازم برای دفن پسماند برای جمعیت تخمینی 20 سال آینده شهرستان علیآباد کمتر بود، حذف شد. درنهایت روشهای And و gamma با عدد 9/0 مکان مناسب دفن پسماند برای یک دور زمانی 20 ساله را مشخص کردند.
https://geoeh.um.ac.ir/article_30760_9f73c568b7d0447208fe7cc7aa863024.pdf
2017-03-21
67
87
10.22067/geo.v6i1.47944
مکان یابی
GIS
FANP
علی آباد
محل دفن پسماند
وحید
نیک زاد
vahid.nikzad@ut.ac.ir
1
دانشگاه تهران
LEAD_AUTHOR
محمد جواد
امیری
mamiri@ut.ac.ir
2
دانشگاه تهران
AUTHOR
یاسر
معرب
yassermoarab@ut.ac.ir
3
دانشگاه تهران
AUTHOR
نگار
فروغی
negar_foroughi@ut.ac.ir
4
دانشگاه تهران
AUTHOR
رزمی، ج، صادق عمل نیک، م، هاشمی،م؛ 1387. انتخاب تأمین کننده با استفاده از تکنیک فرایند تحلیل شبکهای فازی، نشریه دانشکده فنی(دانشگاه تهران)دوره 42، شماره 7، صص 935- 946.
1
زبردست، اسفندیار؛ 1389. کاربرد فرایند تحلیل شبکهای در برنامه ریزی شهری و منطقهای، نشریه هنرهای زیبا- معماری و شهرسازی، شماره 41، 79-80.
2
شکرریزفرد، مریم، ناصر طالب بیدختی و پویا شکرریزفرد؛ 1388. «روشی برای محاسبه همزمان بهترین مسیر حمل پسماندهای شهری و مکانیابی بهینهی ایستگاههای انتقال پسماند به روش Nonlinear Integer Programing»، دومین سمپوزیوم بین المللی مهندسی محیط زیست.
3
شهابی، همین، نیازی، چیا؛ 1388. بررسی فاکتورهای مؤثر در مکانیابی ایستگاهای امداد و نجات جاده سقز- سنندج با استفاده از مدل ترکیب خطی وزنی، همایش ژئوماتیک 88، تهران.
4
صدر موسوی، میر ستار؛ شهرام اباذرلو، کامران موسی خانی و سجاد اباذرلو؛ 1392. «مکان یابی بهینه دفن مواد زائد جامد شهری با استفاده از مدل تحلیل سلسله مراتبی)AHP نمونه موردی شهرستان زنجان(»، فصل نامه آمایش محیط، سال ششم، شماره 21، صص 98- 75.
5
عشورنژاد، غدیر؛ مرضیه طاهری و رحیم علی عباسپور؛ 1392. «به کارگیری فرایند تحلیل شبکهای فازی ( FUZZY ANP) در شناسایی مکان بهینة ایستگاههای انتقال پسماند شهرستان اصفهان»، مجله محیط شناسی، سال سی و نهم، شمارة 3، صص 177- 165.
6
قدسی پور، سید ح؛ 1385. فرایند تحلیل سلسله مراتبی (AHP)، انتشارات دانشگاه صنعتی امیر کبیر، چاپ هشتم، تهران.
7
کاظم پور، شهلا؛ 1383. «مبانی جمعیت شناسی»، چاپ دوم، مرکز مطالعات و پژوهشهای جمعیتی آسیا و اقیانوسیه، تهران.
8
کریمی، سعید؛ 1393. جزوه درس کاربرد GIS در برنامه ریزی محیط زیست، دانشگاه تهران، دانشکده محیط زیست.
9
مرکز ملی آمار ایران؛ 1390. نتایج سرشماری عمومی نفوس و مسکن، درگاه ملی مرکز آمار ایران.
10
Ahmed, S., &Ali, S.(2006). People as partners: Facilitating people’s participation in public private partnerships for solid waste management. Habitat International, 30(4), 781–796.
11
Al-hanbali, A., Alsaaideh, B., &Kiondoh, A.(2011). Using GIS-based weighted linear combination analysis and remote sensing techniques to select optimum solid waste disposal sites within Mafraqcity, Jordan. Journal of Geographic Information System, 3, 267–278.
12
Allanach, W.C.(1992). Regional landfill planning and siting. Public Works, December, 48–50.
13
Aragones-Beltran, P., Pastor-Ferrando, J.P., Garcia-Garcia, F., &Pascual-Agullo, A.(2010). An analytic network process approach for siting a municipal solid waste plant in the metropolitan area of Valencia (Spain). Journal of Environmental Management, 91(5), 1071–1086.
14
Bennet, J.(2005). City of Rome Annual Report. Solid Waste Collections Department, Rome.
15
Bolstad, P.(2012). GIS fundamentals: A first text on geographic information systems(4th ed.). Minnesota: University of Minnesota.
16
Boroushaki, S., &Malczewski, J.(2008). Implementing an extension of the analytical hierarchy process using ordered weighted averaging operators with fuzzy quantifiers in ArcGIS. Computers & Geosciences, 34(4), 399-410.
17
Burrough, P.A.(1990). Methods of spatial analysis in GIS. International Journal of Geographic Information Systems 4, 221-223.
18
Carver, S.J.(1991). Integrating multi-criteria evaluation with geographical information systems. International Journal of Geographical Information Systems, 5(3), 321-339.
19
Chang, N.B., Parvathinathan, G., &Breeden, J.(2008). Combining GIS with fuzzy multicriteria decision-making for landfill siting in a fast-growing urban region. Journal of Environmental Management, 87, 139–153.
20
Charnpratheep, K.,Zhou, Q., &Garner, B.(1997). Preliminary landfill site screening using fuzzy geographic information systems. Waste Management and Research, 15, 197–215.
21
Deng, H.(1999). Multicriteria analysis with fuzzy pairwise comparisons. International Journal of Approximate Reasoning, 21, 215-231.
22
Dombi, J.(1990). Membership function as an evaluation. Fuzzy sets and systems, 35(1), 1-21.
23
Eastman, J.R.(2012). IDRISI Selva manual. Clark University. (www.clarklabs.org).
24
Ekmekçioğlu, M., Kaya, T., &Kahraman, C.(2010). Fuzzy multi criteria disposal method and site selection for municipal solid waste. Waste Manage, 30(8-9), 1729–1736.
25
Eldrandaly, K.(2013). Developing a GIS-based MCE site selection tool in ArcGIS using COM technology. The International Arab Journal of Information Technology, 10(3), 276-282.
26
Garcia, J.L., Alvarado, A., Blanco, J., Jimenez, E., Maldonado, A.A., &Cortes, G.(2014). Multi-attribute evaluation and selection of sites for agricultural product warehouses based on an Analytic hierarchy process. Computers and Electronics in Agriculture,100, 60–69.
27
Gbanie, S.P., Tengbe, P.B., Momoh, J.S., Medo, J., &SimbayKabba, V.T.(2013). Modeling landfill location using geographic information systems (GIS) and multi-criteria decision analysis (MCDA): Case study Bo, Southern Sierra Leone. Geography, 36, 3-12.
28
Ghosh, J.K., Bhattacharya, D., &Sharma, S.K., (2012). Fuzzy knowledge based GIS for zonation of landslide susceptibility. Applications ofChaos and Nonlinear Dynamics in Science and Engineering,2, 21-37.
29
Gorsevski, P.V., Donevska, K.R., Mitrovski, C.D., &Frizado, J.P.(2012). Integrating multi- criteria evaluation techniques with geographic information systems for landfill site selection: Acase study using ordered weighted average. Waste Manage, 32, 287–296.
30
Hansen, H.S.(2005). GIS-based multi-criteria analysis of wind farm development. ScanGIS 2005: Scandinavian Research Conference on Geographical Information Science, Stockholm, 75-87.
31
Kabir, S., Edifor, E., Walker, M., &Gordon, N.(2014). Quantification of temporal fault trees based on fuzzy set theory. Proceedings of the Ninth International Conference on Dependability and Complex Systems DepCoS-RELCOMEX, Brunow, Poland, 255-264.
32
Kevin, K., &Joe, P.(1996). A planners guide to sustainable development. American Planning Association (APA), The University of Michigan.
33
Kharbanda, O., &Stallworthy, E. (1990). Waste management towards a sustainable society. Gower, England, 53- 62.
34
Ki Rahman, M.M., Sultana, K.R., &Hoque, M.A.(2008). Suitable sites for urban solid waste disposal using GIS approach in Khulna city, Bangladesh. Proceedings of Pakistan Academy of Sciences, 45(1), 11–22.
35
Ki, S.J., &Ray, C.(2014). Using fuzzy logic analysis for siting decisions of infiltration trenches for highway runoff control. Science of the Total Environment, 493, 44–53.
36
Lee, S.(2007). Application and verification of fuzzy algebraic operators to landslide susceptibility mapping. Environmental Geology, 52(4), 615-623.
37
Leung, L.C., &Cao, D.(2000). On consistency and ranking of alternatives in fuzzy AHP. European Journal of Operational Research, 124(1),102-113.
38
Lin, H., Kao, J., Li, K.,Hwang, H.,&National Chiao Tung University. (1996). Fuzzy GIS assisted landfill siting analysis. Proceeding of international conference on Solid Waste Technology and Management, 322_324.
39
Lin, L. Z., &Hsu, T.O.(2011). Designing a model of FANP in brand image decision- making. Applied Soft Computing, 11, 561–573.
40
Linkov, I., Satterstrom, F.K., Steevens, J., Ferguson, E., &Pleus, R.C.(2007). Multi-criteria decision analysis and environmental risk assessment for nanomaterials. Journal of Nanoparticle Research, 9, 543–554.
41
Liu, H.C., You, J.X., Fan, X.J.,& Chen, Y.Z. (2014). Site selection in waste management by the VIKOR method using linguistic assessment. Applied Soft Computing, 21, 453–461.
42
Malczewski, J.(1999). GIS and multicriteria decision analysis. New York: John Wiley and Sons.
43
Malczewski, J.(2006). Integrating multicriteria analysis and geographic information systems: The ordered weighted averaging (OWA) approach. International Journal of Environmental Technology and Management, 6(1-2), 7-19.
44
McBean, E.A., Rovers, F.A., &Farquhar, G.J.(1995). Solid waste landfill engineering and design. New Jersey: Prentice Hall PTR.
45
Moghaddas, N.H., &Namaghi, H.H.(2009). Hazardous waste landfill site selection in Khorasan Razavi province, Northeastern Iran. Arabian Journal of Geosciences, 4(1-2), 103–113.
46
Önüt, S., &Soner, S., (2008). Transshipment site selection using the AHP and TOPSIS approaches under fuzzy environment. Waste Management, 28(9), 1552–1559.
47
Rikalovic, A., Cosic, I., &Lazarevic, D.(2014). GIS based multi-criteria analysis for industrial site selection.Procedia Engineering, 69, 1054–1063.
48
Ronald Eastman, J., Jiang, H., &Toledano, J.(1998). Multi-criteria and multi-objective decision making for land allocation using GIS. Multicriteria Analysis for Land-Use Management Environment & Management, 9, 227–251.
49
Sener, S., Sener, E., Nas, B., &Karagüzel, R.(2010). Combining AHP with GIS for landfill site selection: Acase study in the Lake Beysehi catchment area (Konya, Turkey). Waste Management, 30, 2037–2046.
50
Sharifi, M., Hadidi, M., Vessali, E., Mosstafakhani, P., Taheri, K., Shahoie, S.,&KhodaMoradpour, M.(2009). Integrating multi-criteria decision analysis for a GIS based hazardous waste landfill sitting in
51
ORIGINAL_ARTICLE
توزیع زمانی و مکانی پدیده رعدوبرق در ایران با استفاده از دادههای سنجنده ثبت رعدوبرق (LIS)
صاعقه یا آذرخش یکی از مهمترین پدیدههای همراه با توفانهای تندری است که سالانه جان بیش از دو هزار نفر را در جهان میگیرد. فعالیتهای رعدوبرقی تا حدی به فعالیتهای همرفتی محلی بستگی دارند ازاینرو در مقیاسهای زمانی و مکانی خیلی متغیر هستند. از طرفی دادههای رعدوبرق در ایستگاههای زمینی ثبت نمیشوند و محاسبه دقیق فراوانی و پراکنش فعالیتهای رعدوبرقی با دادههای سینوپتیک امکانپذیر نیست. ازاینرو در این پژوهش برای تعیین توزیع زمانی و مکانی رعدوبرقها بر روی ایران از دادههای سنجنده LIS ماهواره TRMM در دوره 1998 تا 2013 استفادهشده است. ابتدا فراوانی ماهانه و ساعتی توزیع دادهها محاسبه و با استفاده از تابع تراکم کرنل در نرمافزارGIS مناطق دارای بیشینه تراکم رعدوبرقها برای مقیاسهای سالانه و ماهانه محاسبه شد. نتایج این پژوهش نشان داد که ماههای می و آوریل دارای بیشترین و ماههای ژانویه و سپتامبر دارای کمترین فراوانی رعدوبرقها هستند. همچنین بیشینه فراوانی رعدوبرقها بین ساعات 12:30 تا 20:30 و کمینه فراوانی آن بین ساعات 3:30 تا 9:30 رخ میدهد. تابع تراکم کرنل هم نشان داده که بیشینه تراکم دادههای سالانه رعدوبرق در شمال استان خوزستان و جنوب استان لرستان قرار دارد. دامنههای غربی رشتهکوههای زاگرس، البرز مرکزی، کوههای جنوب کرمان، ناهمواریهای جنوب سیستان و بلوچستان و بخشهایی از استانهای خراسان رضوی و خراسان جنوبی دارای فراوانی بیشتر رعدوبرقی هستند. مناطق مرکزی و عموماً هموار داخلی نیز دارای کمترین فراوانی پدیده رعدوبرق در ایران هستند.
https://geoeh.um.ac.ir/article_30797_ea9c29d091138f9ae359e67780c5c20c.pdf
2017-03-21
89
107
10.22067/geo.v6i1.53347
رعدوبرق
LIS
اقلیمشناسی
توفان تندری
ایران
علی محمد
خورشید دوست
khorshiddoust@gmail.com
1
دانشگاه تبریز
AUTHOR
علی اکبر
رسولی
aarasuly@yahoo.com
2
دانشگاه تبریز
AUTHOR
مجتبی
فخاری واحد
mojtaba.fakhari55@gmail.com
3
دانشگاه تبریز
LEAD_AUTHOR
بختیاری، ناصر؛ 1390. تحلیل آماری همدید توفانهای تندری در استان فارس. پایاننامه کارشناسی ارشد. دانشگاه پیام نور مرکز اصفهان. اصفهان.
1
جلالی، اروج، رسولی، علی اکبر، ساری صراف، بهروز؛ 1385. توفانهای تندری و بارشهای ناشی از آن را در محدوده شهر اهر. مجله جغرافیا و برنامهریزی. شماره 24. صص 33-18.
2
خالصی، فریده؛ 1393. واکاوی زمانی توفانهای تندری در ایران، آب و هواشناسی کاربردی. جلد 1. شماره 1. صص 47-60.
3
رسولی، علی اکبر؛ 1384. تحلیلی بر فناوری GIS. تبریز: انتشارات دانشگاه تبریز.
4
رسولی، علی اکبر؛ 1390. مقدمه ای بر هواشناسی و اقلیم شناسی ماهواره ای. تبریز: انتشارات دانشگاه تبریز.
5
رسولی، علی اکبر، بداق جمالی، جواد، جلالی، اروج؛ 1386. توزیع زمانی بارش های رعدوبرقی منطقه شمال غرب ایران، مجله پژوهشی علوم انسانی دانشگاه اصفهان، شماره 1، پیاپی 22، صص 170-155.
6
عسگری، احمد، محبی، فرشته؛ 1389. مطالعه آماری- همدیدی توفآنهای تندری در استان خوزستان، چهارمین کنفرانس منطقهای تغییر اقلیم، 29 آذر تا 1 دی، تهران، صص 111- 119.
7
علائی طالقانی، محمود؛ 1392. ژئومرفولوژی ایران، تهران، انتشارات قومس.
8
علیجانی، بهلول؛ 1389. آب و هوای ایران، چاپ دهم، تهران، انتشارات پیام نور.
9
قاسمی دستگردی، احمدرضا؛ 1391. مدلسازی تغییرات زمانی و مکانی پوشش ابری با تاکید بر روزهای بارش در ایران، پایان نامه دکتری، تبریز، دانشگاه تبریز.
10
قویدل رحیمی، یوسف، فرج زاده، منوچهر، باغبانان، پرستو؛ 1394. روند تغییرات زمانی توفانهای تندری در ایران، برنامه ریزی و آمایش فضا، دوره 19، شماره 2، صص 210-185.
11
لشکری، حسن (1381. مسیریابی سامانههای کم فشار سودانی ورودی به ایران، مجله مدرس، دوره 6، شماره 2، صص156- 133.
12
مسعودیان، ابوالفضل و کاویانی، محمدرضا؛ 1386. اقلیمشناسی ایران، اصفهان، انتشارات دانشگاه اصفهان.
13
Albrecht, R. I., Goodman, S. J., Petersen, W. A., Buechler, D. E., Bruning, E. C., Blakeslee, R. J., & Christian, H. J. (2011). The 13 years of TRMM lightning imaging sensor: From individual flash characteristics to decadal tendencies.XIV International Conference on Atmospheric Electricity, Rio de Janeiro, Brazil.
14
Buechler, D. E., Koshak, W. J., Christian, H. J., & Goodman, S. J. (2014). Assessing the performance of the lightning imaging sensor (LIS) using deep convective clouds. Atmospheric Research, 135, 397-403.
15
Cecil, D. J., Buechler, D. E., & Blakeslee, R. J. (2014). Gridded lightning climatology from TRMM-LIS and OTD: Dataset description. Atmospheric Research, 135, 404-414.
16
Christian, H. J., Blakeslee, R. J., Boccippio, D. J., Boeck, W. L., Buechler, D. E., Driscoll, K. T., ... & Stewart, M. F. (2003). Global frequency and distribution of lightning as observed from space by the optical transient detector. Journal of Geophysical Research: Atmospheres, 108(D1), 1-14.
17
Christian, H. J., Blakeslee, R. J., Goodman, S. J., & Mach, D. M. (2000). Algorithm theoretical basis document (ATBD) for the lightning imaging sensor (LIS). NASA/Marshall Space Flight Center, Alabama.
18
Haklander, A. J., & Van Delden, A. (2003). Thunderstorm predictors and their forecast skill for the Netherlands. Atmospheric Research, 67, 273-299.
19
Hodanish, S., &Wolyn, P. (2012, April). Lightning climatology for the state of Colorado.Paper presented at the 23rd International Lightning Detection Conference & 4th International Lightning Meteorology Conference,Broomfield, Colorado, USA.
20
Huffines, G. R., & Orville, R. E. (1999). Lightning ground flash density and thunderstorm duration in the continental United States: 1989-96. Journal of Applied Meteorology, 38(7), 1013-1019.
21
Kilinc, M., &Beringer, J. (2007). The spatial and temporal distribution of lightning strikes and their relationship with vegetation type, elevation, and fire scars in the Northern Territory. Journal of Climate, 20(7), 1161-1173.
22
Kodama, Y. M., Okabe, H., Tomisaka, Y., Kotono, K., Kondo, Y., &Kasuya, H. (2007). Lightning frequency and microphysical properties of precipitating clouds over the western North Pacific during winter as derived from TRMM multisensor observations. Monthly Weather Review, 135(6), 2226-2241.
23
Liu, C., &Zipser, E. J. (2008). Diurnal cycles of precipitation, clouds, and lightning in the tropics from 9 years of TRMM observations. Geophysical Research Letters, 35(4), 311-326.
24
Morales, C. A., Neves, J. R., Moimaz, E. A., &Camara, K. S. (2014). Series Timing and Ranging NETwork – STARNET: 8 years of measurements in South America. XV International Conference on Atmospheric Electricity, Norman, Oklahoma, U.S .A.
25
Morita, J., Takayabu, Y. N., Shige, S., & Kodama, Y. (2006). Analysis of rainfall characteristics of the Madden–Julian oscillation using TRMM satellite data. Dynamics of Atmospheres and Oceans, 42(1), 107-126.
26
Petersen, W. A., Christian, H. J., & Rutledge, S. A. (2005). TRMM observations of the global relationship between ice water content and lightning. Geophysical Research Letters, 32(14), 1-4.
27
Petersen, W. A., Nesbitt, S. W., Blakeslee, R. J., Cifelli, R., Hein, P., & Rutledge, S. A. (2002). TRMM observations of intraseasonal variability in convective regimes over the Amazon. Journal of Climate, 15(11), 1278-1294.
28
Qie, X., Zhou, Y., &Yuan, T. (2003). Global lightning activities and their regional differences observed from satellite. Chinese Journal of Geophysics, 46(6), 1068-1077.
29
Rasuoli, A. A.(1996). The temporal and spatial study of thunderstorm rainfall in the greater Sydney region(Unpublished doctoral dissertation).University of Wollongong, New South Wales, Australia.
30
Rudlosky, S. D. (2014). Evaluating Ground-based lightning detection networks using TRMM/LIS observations, 23rd International Lightning Detection Conference & 5th International Lightning Meteorology Conference, Tucson, Arizona, USA .
31
Shipley, S. T., Graffman, I. A., & Ingram, J. K. (2000). GIS applications in climate and meteorology. In Proc., ESRI International User Conference. San Diego, California .
32
Ushio, T., Yoshida, S., Sakurai, S., Kawasaki, Z. I., & Okamoto, K. I. On the relationship between radar reflectivity factor and thunderstorm flash rate.
33
ORIGINAL_ARTICLE
واکاوی توزیع مکانی کانونهای تمرکز ارتفاع برف اَبَر سنگین در جلگۀ گیلان با استفاده از مدل WRF (سامانههای برف سنگین سالهای 1383، 1386 و 1392)
جلگۀ مرکزی گیلان طی دهه اخیر تحت تأثیر سه سامانه بارشی با بارش فوق سنگین برف قرار گرفته است. شناسایی مناطق تحت مخاطره و تعیین عوامل آبوهوایی مقیاس منطقهای تاثیرگذار روی شکلگیری الگوی مکانی بیشینه عمق برف، نقش مهمی در مقوله مدیریت بحران و تسریع خدماترسانی به جوامع آسیبپذیر ایفا میکند. بدین منظور، سازوکار این سامانهها با استفاده از اجرای مدل عددی WRF با تفکیک افقی 7 و 21 کیلومتر شبیهسازی و بررسی شد. خروجی مدل دقت قابل قبولی در شبیهسازی مقادیر بارش و آشکارسازی دو هسته بیشینه ارتفاع برف یکی در جلگه مرکزی گیلان و دیگری حوالی تالاب انزلی دارد. منشأ این سه سامانه، توده هوای سرد و پرفشار قطبی از سمت شمال کشور روسیه و یا زبانه پرفشار نیمهدائمی سیبری و همراهی آن با ناوههای عمیق سطوح میانی جو است. گردش واچرخندی با هسته قوی روی شمال و شمالشرقی دریای کاسپین موجب فرارفت هوای سرد در لایههای زیرین وردسپهر میشود. واداشت سرمایشی ناشی از گسترش زبانه توده هوای سرد روی رشتهکوههای قفقاز و شارش جریانهای سرد کوه به دشت، موجب شکلگیری واچرخند ثانویه در مقیاس محلی روی جلگه کورا در غرب کاسپین میشود. تباین دمایی بین جلگه کورا و پهنه آبی کاسپین و همچنین شیو فشاری بین جلگه کورا و سواحل جنوبغربی کاسپین با سوی شرقی میدان باد از جانب پرفشار ثانویه کورا همراه است که در برخورد با جریانهای غربسو ناشی از گردش ساعتگرد واچرخندسرد روی کاسپین، موجب همگرایی جهت باد سطحی به صورت باند همگرایی در امتداد ساحل غربی پهنه کاسپین میشود. جریانهای همگرا شده، حامل شارهای رطوبت بوده و به پهنه کوچکی در جنوبغربی سواحل کاسپین وارد میشود که دقیقاً منطبق بر کانون بیشینۀ عمق برف در جلگۀ مرکزی گیلان است. در سامانه برف 1392 در ناحیه همگرایی جریان باد در تصویر سنجنده مودیس ماهواره ترا و همچنین تصویر شدت بارشِ خروجی رادار گیلان، باند ابری مشاهده میشود که نتایج حاصل از شبیهسازی مدل عددی و تحلیلهای همدید را تأیید میکند.
https://geoeh.um.ac.ir/article_30813_b9c89abeaf6900415a5d89845fcd1e3c.pdf
2017-03-21
109
126
10.22067/geo.v6i1.51672
جلگه گیلان
برف سنگین
مدل عددی WRF
واچرخند ثانویه کورا
ناحیه همگرایی
نیما
فریدمجتهدی
nima.fm@gmail.com
1
دانشگاه تهران
LEAD_AUTHOR
پروین
غفاریان
p_ghaffarian@hotmail.com
2
پژوهشگاه ملی اقیانوسشناسی و علوم جوی
AUTHOR
سمانه
نگاه
samaneh_negah@yahoo.com
3
کارشناس تحقیقات هواشناسی گیلان
AUTHOR
عساکره، حسین؛ خوشرفتار، رضا؛ ستوده، فاطمه؛ 1391. تحلیلی بر بارشهای سنگین روزانه سپتامبر در ارتباط با الگوهای همدید در استان گیلان (1976-2005. پژوهشهای جغرافیای طبیعی. سال 44. شمارۀ 80. صص: 66-51.
1
فهیمینژاد، الهام؛ حجازیزاده، زهرا؛ علیجانی، بهلول؛ ضیائیان، پرویز؛ 1391. تحلیل سینوپتیکی و فضایی توفان برف استان گیلان (فوریه 2005). مجلۀ جغرافیا و توسعۀ ناحیهای. شمارۀ نوزدهم. صص: 302-281.
2
فریدمجتهدی، نیما؛ خوشاخلاق، فرامرز؛ نیری، معصومه؛ افشارمنش، حمیده؛ 1385. واکاوی همدید رخداد بارش برف سنگین فوریه 2005 استان گیلان. علوم جغرافیایی. شماره 4. مشهد.
3
فریدمجتهدی، نیما؛ خوشاخلاق، سمانه؛ عزیزی، افشین؛ مومنپور، فروغ؛ هادینژادصبوری، شبنم؛ اسعدیاسکوئی، ابراهیم؛ عابد، حسین؛ غفاریان، پروین؛ 1393.: آبوهواشناسی مخاطره برف گیلان (بحران سفید، برف دلتا، برف دریاچهای). چاپ: رشت. نشر فرهنگ ایلیا.
4
مومنپور، فروغ؛ نگاه، سمانه؛ هادینژادصبوری، شبنم؛ فریدمجتهدی، نیما؛ اسعدیاسکوئی، ابراهیم؛ 1393. واکاوی سازوکار رخداد مخاطره برفهای سنگین جلگۀ گیلان در نیم سده اخیر. مجله جغرافیا و مخاطرات محیطی. شماره 9. صص 36-17.
5
مفیدی، عباس؛ زرین، آذر؛ جانبازقبادی، غلامرضا؛ 1386. تعیین الگوی همدید بارشهای شدیدی و حدی پائیزه در سواحل جنوبی دریای خزر. مجله فیزیک زمین و فضا. دوره 33. شماره 3. صص: 154-131.
6
مفیدی، عباس؛ زرین، آذر؛ جانبازقبادی، غلامرضا؛ 1391. تبیین علل کاهش یافتن مقدار و شدت بارشهای زمستانه در قیاس با بارشهای پاییزه در سواحل جنوبی دریای کاسپین. مجله فیزیک زمین و فضا. دوره 38. صص: 203-177.
7
مسعودیان، سید ابوالفضل؛ 1384. شناسایی رژیمهای ایران به روش تحلیل خوشهای. پژوهشهای جغرافیایی. دوره 37. شماره 52. صص: 59-47.
8
Leathers, D., Ellis, w., 1996. Synoptic Mechanisms Associated with Snowfall Increase to the Lee of Lakes Erie and Ontario, International Journal of Climatology; 16, (10), 1117-1135.
9
Ellis, A.W., Johnson, J., 2004. Hydroclimate Analysis of Snowfall Trends Associated with the North American Great Lakes, Journal of Hydrometeorology, 5, 471-486.
10
Skamarock, W. C., Klemp, J. B., 2008. A time-split Nonhydrostatic atmospheric model for weather research and forecasting applications. Journal of Computational. Physics, 227 , (7), 3465–3485.
11
Rutledge, G.K., J. Alpert, &. Ebuisaki, W., 2006. A Climate and Weather Model Archive at the National Oceanic and Atmospheric Administration. Bulletin of the American Meteorological, 87, 327-341.
12
National Oceanic and Atmospheric Administration.
13
13. National Aeronautics and Space Administration.
14
ORIGINAL_ARTICLE
آستانههای ژئومورفیک حوضه آبی قزلاوزن
یکی از موضوعات محوری در مطالعات ژئومورفیک، بررسی چگونگی روند تغییرات در اشکال سطح زمین است. امروزه ماهیت مطالعات ژئومورفولوژی را تبیین و تحلیل فرم و فرایندهای ژئومورفیک موجود در سطح زمین تشکیل میدهد. در دیدگاه سیستمی، تحلیلهای ژئومورفیک بر اساس رابطه میان فرم و فرایند صورت میگیرد. آستانههای ژئومورفیک به این علّت که شرایط مرزی در وقوع تغییرات را نشان میدهند و نیز بهمنظور درک تغییرات زمانی، یکی از مفاهیم اساسی در تئوری سیستمی است، از اهمیت قابلتوجهی برخوردار است. این پژوهش که مبتنی بر مطالعات کتابخانهای و میدانی در حیطۀ آستانهها و تعادل در راستای تحلیل سیستمی است تلاش دارد آستانهها و طبقهبندی آن را در حوضه قزلاوزن موردمطالعه قرار دهد. بر همین اساس در سه محور مختلف، درونی، بیرونی و ترکیبی،تجزیهوتحلیل مجازی فرم و فرایندهای حوضه با کمک نقشههای توپوگرافی، لیتولوژی، شیب، خشکسالی (با کمک شاخص SPIو Moran)، ژئونرونهای حوضه (با کمک نقشههای همدما و همبارش و استفاده از روش جاستین )، ردیابی دریاچههای قدیمی و سطوح فرسایشی، شواهد ژئومورفولوژیکی اسارت و انحرافانجامشده است.نتایج نشان داد که در قسمت جنوب حوضه نوعی تعادل ژئومورفیک حاصلشده و دلیل آن را میتوان تخلیه تدریجی چاله بیجار و شکلگیری سطوح فرسایشی آن دانست. با تخلیه این سطوح رودخانههای مهمی همچون انگوران-چای و سجاسرود تغییر مسیر داده و با انحرافی که به دست آوردهاند در شرایط کنونی در جای دیگری به قزلاوزن میریزند. بررسی ژئونرونهای منطقه نیز نشان داد که پایاب زنجانرود و میانه تحلیلبرنده بوده و مقدار آبی که دریافتی بسیار کمتر از آبی است که از آنها خارج میشود و اگر رودخانههایی همچون انگورانچای، قلعهچای و قرنقوچای در مسیر به قزلاوزن نمیپیوست، چهبسا رودخانه کاملاً خشک میشد. این در حالی است که اکثر زیرحوضههای منطقه (سرآب و پایاب) جزء تقویتکنندهها بوده و همین امر سبب شده رودخانه قزلاوزن در این مناطق به دلیل وارد شدن مادّه و انرژی از زیرحوضهها، همچنان پویا بماند و از تعادل ژئومورفیک خود دور شود.
https://geoeh.um.ac.ir/article_30847_5c18976be581eb1336b224f41b73b3f8.pdf
2017-03-21
127
152
10.22067/geo.v6i1.54134
آستانه
ژئونرون
سیستم
انحراف
اسارت
غلام حسن
جعفری
jafarihas@yahoo.com
1
دانشگاه زنجان
LEAD_AUTHOR
فاطمه
بختیاری
bakhtiari.f297@gmail.com
2
دانشگاه زنجان
AUTHOR
بیاتی خطیبی، مریم؛ 1384. انواع تعادل در شبکههای رودخانهای. آموزش جغرافیا. دوره بیستم. شماره 2. صص 36-30.
1
بیاتی خطیبی، مریم؛ 1386. مفهوم زمان و طیفها و مقیاسهای آن در پژوهشهای ژئومورفولوژی با نگاه تحلیلی بر مفهوم زمان در سیستمهای طبیعی. رشد آموزش جغرافیا. زمستان. شماره 81. صص16-3.
2
بیاتی خطیبی، مریم؛ رجبی، مریم؛ کریمی، فاطمه؛ 1390. بررسی آستانههای توپوگرافیکی و تحلیل نقش نوع سازندهای سطحی در توسعه خندقها در دامنه کوهستانهای نواحی نیمهخشک مطالعه موردی: حوضه شورچای. مجله جغرافیا و برنامهریزی محیطی. سال 22. شماره پیاپی 41. صص 34-15.
3
ثروتی، محمدرضا؛ قهرودیتالی، منیژه؛ گلکرمی، عابد؛ نجفی، اسماعیل؛ 1393. آستانههای ژئومورفولوژیکی آبکند زایی در حوضه آبریز کچیک، شمالشرق استان گلستان. نشریه تحقیقات کاربردی علوم جغرافیایی. سال چهاردهم. شماره 32. بهار. صص 249- 231.
4
جعفری، غلامحسن؛ اصغری سراسکانرود، صیاد؛ 1393. بررسی آثار یخچالی کواترنری زنجانرود. پژوهشهای ژئومورفولوژی کمّی. سال سوم. شماره 2. پاییز. صص 30-16.
5
حسینزاده، محمدمهدی ؛ رحیمی هرآبادی، سعید؛ 1393. مفهوم آستانهها در ژئومورفولوژی. رشد آموزش جغرافیا. دوره بیست و دوم. شماره هشتاد و هفتم/ 77. صص 80-77.
6
حیدری، اسدالله؛ مقیمی، ابراهیم؛ 1386. ژئومورفولوژی و مدیریت سیستمی رودخانه، مطالعه موردی: حوضه قرنقوچای تا سهند (هشترود). انجمن جغرافیایی ایران. سال پنجم. شمارههای 14 و 15. پاییز و زمستان. صص 137-119.
7
رامشت، محمدحسین ؛ توانگر، منوچهر؛ 1381. مفهوم تعادل در دیدگاههای فلسفی ژئومورفولوژی. تحقیقات جغرافیایی. تابستان و پاییز. شماره 65 و 66. صص 94-79.
8
رامشت، محمدحسین؛ 1392. نقشههای ژئومورفولوژی (نمادها و مجازها). چاپ ششم. انتشارات سمت. 190 ص.
9
رحیمی هرآبادی، سعید و هدائیآرانی، مجتبی؛ 1391. مفهوم تعادل و طبقهبندی آن در ژئومورفولوژی. چهارمین همایش علمی سراسری دانشجویی جغرافیا. صص 7-1.
10
رستمخانی، اصغر؛ 1393. پایش ساختار ژئوکلیماتیک مخروطافکنههای بستر قزلاوزن. غلامحسن جعفری. پایاننامه کارشناسی ارشد. دانشگاه زنجان.دانشکده علوم انسانی. زنجان.
11
رضایی مقدم، محمدحسین؛ ثروتی، محمدرضا،؛ اصغری سراسکانرود، صیاد؛ 1390. بررسی مقایسهای الگوی پیچان-رود با استفاده از تحلیل هندسه فراکتالی و شاخصهای زاویه مرکزی و ضریب خمیدگی (مطالعه موردی: رودخانه قزلاوزن). پژوهشنامه مدیریت حوضه آبخیز. سال دوم. شماره 3. صص 18-1.
12
رضایی مقدم، محمدحسین؛ ثروتی، محمدرضا؛ اصغری سراسکانرود، صیاد؛ 1391. بررسی الگوی پیچانرودی رودخانه قزلاوزن با استفاده از شاخصهای ضریب خمیدگی و زاویه مرکزی (محدوده بین 30 کیلومتری شهرستان میانه تا مرز سیاسی استان زنجان). فصلنامه علمی-پژوهشی انجمن جغرافیای ایران. دوره جدید. سال دهم. شماره 34. پاییز. صص 102-85.
13
سیف، عبدالله؛ محمدی، ملیحه؛ 1389. تفکیک و شناسایی شکلی واحدهای پلایای گاوخونی بهمنظور تهیه نقشههای ژئومورفولوژی. مطالعات جغرافیایی مناطق خشک. سال اول. شماره اول. پاییز. صص 34-17.
14
قدوسی، جمال؛ 1382. مدلسازی مورفولوژی فرسایش خندقی و پهنهبندی خطر آن (مطالعه موردی: آبخیز زنجان-رود). رساله دکتری آبخیزداری. دانشکده منابع طبیعی دانشگاه تهران. 366 ص.
15
قنبرزاده، هادی؛ بهنیانفر، ابوالفضل ؛ پزشکی، محمود؛ 1385. بررسی علل و عوامل ناپایداری دامنهها در حوضه آبریز تبارک آباد قوچان. مجله علوم جغرافیایی. شماره 2. زمستان. صص 121-102.
16
کرم، امیر؛ رحیمی هرآبادی، سعید؛ احمدی، مهدی ؛ هدائیآرانی، مجتبی؛ 1392. مفهوم تعادل، آستانههای بحرانی در سیستمهای ژئومورفولوژی و جایگاه آن در پایداری محیط. اولین همایش ملی جغرافیا و پایداری محیط. اسفند. دانشگاه رازی. صص 11-1.
17
کک، روژه؛ 1387. ژئومورفولوژی اقلیمی. ترجمه؛ محمودی، فرجالله. جلد دوم. چاپ پنجم. انتشارات دانشگاه تهران. 420 ص.
18
لشتهنشایی، میر احمد؛ مهرداد، میر عبدالحمید؛ عاطفیکتا، رضا ؛ مهرمطلق، محسن؛ 1390. بررسی روند آبدهی و رسوبدهی رودخانه سفیدرود. اولین کنفرانس بینالمللی و سومین کنفرانس ملّی سد و نیروگاههای برقآبی. صص 7-1.
19
لشتهنشایی، میر احمد ؛ مهرمطلق، محسن؛ 1381. بررسی روند آبدهی و رسوبدهی رودخانه قزلاوزن. ششمین سمینار بینالمللی مهندسی رودخانه دانشگاه شهید چمران اهواز. صص 145-139.
20
نظریپور، حمید؛ دوستکامیان، مهدی ؛ علیزاده، سارا؛ 1394. بررسی الگوهای توزیع فضایی دما. بارش و رطوبت با استفاده از تحلیل اکتشافی زمینآمار (بررسی موردی: نواحی مرکزی ایران). مجله فیزیک زمین و فضا. دوره 41. شماره 1. صص 117-99.
21
Chang, K.T. (2004). Introduction to geographic information system. 2nd edition, NewYork, Mcgrow Hill’s press.
22
Charlton, R. (2008). Fundamentals of Fluvial Geomorphology, Routledge’s press.
23
Elverfeldt, K.V. (2011). System Theory in Geomorphology.Zeitschrift fur Geomorphologic,55(3), 87-108.
24
Hack, I. T. (1975). Dynamic equilibrium and landscape evolution in: W.N.Melhom and R.c.Flemal(Edition), Theories of Landform Development. New York:St. Binghamton’s press.
25
Hammond, K. (2000).The geography and ecology of diversification in Neotropical freshwaters. Nature Education Knowledge, 1, 13-19.
26
Huggett, R. J. (2011). Fundamentals of Geomorphology. Second Edition,Routledge’s press.
27
Marzolff, I., &Poesen,J. (2009). The potential of 3D gully monitorin with GIS using high-resolution aerial photography and a digital photogrammetry system. Geomorphology111, 48-60.
28
Mckee, T. B., Doesken, N.Y., & Kleist J. (1993). The relationship of drought frequency and duration to time scales, Preprints. 8Th conference of Applied Climatology, 17-22 January Anaheim CA, 179-189.
29
Vitek, J.D., Giardino, J.R. (1993). Geomorphology: the research frontier and beyond, augustus. Ge6 p.
30
ORIGINAL_ARTICLE
شبیهسازی تغییرات دما و بارش ایستگاه سینوپتیک تبریز طی دوره (2100-2010) با استفاده از ریزمقیاس نمایی آماری (SDSM) و خروجی مدل CanESM2
مدلهای GCM بهطور وسیع برای ارزیابی تغییر اقلیم در یک مقیاس جهانی استفاده میشود؛ اما خروجی این مدلها برای ارزیابی تغییرات اقلیمی در سطح محلی و منطقهای کافی و دقیق نیست. در این مقاله با استفاده از مدل SDSM خروجی مدل تغییر اقلیم canESM2 را در منطقه مورد مطالعه بهوسیله دادههای مشاهداتی ایستگاه تبریز که دارای آمار بلندمدت اقلیمی است، ریزمقیاس نموده و با در نظر گرفتن سناریوهای تغییر اقلیم RCP2.6، RCP4.5 و RCP8.5برای دورههای آیندۀ 2039-2010، 2069-2040 و 2099-2070 تغییر اقلیم منطقه مورد نظر، مورد ارزیابی قرار گرفته است. مشاهدات روزانه حداقل و حداکثر دما، بارش برای دوره پایۀ 1990-1960 به عنوان ورودی وارد مدل شده است. نتایج خروجی مدل ریزمقیاس نشان میدهد که در دورههای آینده دما در ایستگاه تبریز بر اساس سه سناریوی مورد بررسی افزایش خواهد یافت. این افزایش برای دوره 2069-2040 و 2099-2070 محسوستر خواهد بود. در ایستگاه تبریز بهطورکلی بارش در سه سناریوی مورد بررسی برای دو دوره 2039-2010 و 2099-2070 کاهش و برای دوره 2069-2040 افزایش مییابد. همچنین بارش بهطورکلی در فصل زمستان افزایش و بقیه فصول با کاهش بارش مواجه خواهد بود. تغییرات میانگین حداقل دمای ایستگاه تبریز در کلیه ماهها بهغیراز ماه نوامبر و دسامبر در دورههای آینده افزایش داشته است. حداقل دما در سه سناریوی مورد بررسی برای سه دوره مورد مطالعه افزایش مییابد. همچنین حداقل دما بهطورکلی در تمام فصول افزایش مییابد که در فصل تابستان تا 8 درجه نیز افزایش دما مشاهده میگردد.
https://geoeh.um.ac.ir/article_30884_168325b3db688e3a48d2098ddc5ba4d7.pdf
2017-03-21
153
174
10.22067/geo.v6i1.54791
بارش
دما
تغییر اقلیم
تبریز
حسین
عساکره
asakereh1@yahoo.com
1
nhka'hi زنجان
AUTHOR
یونس
اکبرزاده
y.akbarzadeh@gmail.com
2
دانشگاه زنجان
LEAD_AUTHOR
خزانه داری، لیلی؛ کوهی، منصوره؛ قندهاری، شهزاد؛ آسیایی، مهدی؛ 1387. تغییر اقلیم، علل، اثرات و راه حلها. مشهد: انتشارات پاپلی. ترجمه. 364 صفحه.
1
دهقانی پور، امیر حسین؛ حسن زاده، محمد جواد؛ عطاری، جلال؛ عراقی نژاد، شهاب؛ 1390. ارزیاتی توانمندی مدل SDSM در ریز مقیاس نمایی بارش، دما و تبخیر )مطالعه موردی: ایستگاه سینوپتیک تبریز(. یازدهمین سمینار سراسری آبیاری و کاهش تبخیر، 20-18 بهمن ماه 1390. کرمان.
2
گل محمدی، مریم؛ مساح بوانی، علیرضا؛ 1390. بررسی تغییرات شدت و دوره بازگشت خشکسالی حوضه قره سو در دورههای آتی تحت تأثیر تغییر اقلیم. نشریه آب و خاک (علوم و صنایع کشاورزی). جلد 25. شماره 2. خرداد – تیر1390. 326-315.
3
محمدی، سولماز؛ مهدی نژاد، حسین؛ امیراصلانی، شاهرخ؛ 1389. بررسی اثرات تغییرات اقلیم بر روی پارامترهای هواشناسی و آبشناختی حوضه آبریز. اولین کنفرانس ملی پژوهشهای کاربردی منابع آب ایران. 23-21 اردیبهشت ماه 1389. کرمانشاه.
4
Chaumont, D. (2014). A guidebook on climate scenarios: Using climate information to guide adaptation research and decisions.
5
Cheema, S. B., Rasul, G., Ali, G., & Kazmi, D. H. (2011). A comparison of minimum temperature trends with model projections. Pakistan Journal of Meteorology, 8(15), 39-52.
6
Fowler, H. J., Blenkinsop, S., & Tebaldi, C. (2007). Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modelling. International journal of climatology, 27(12), 1547-1578.
7
Karamouz, M., Fallahi, M., Nazif, S., & Rahimi Farahani, M. (2009). Long lead rainfall prediction using statistical downscaling and artificial neural network modeling. Scintia Iranica, 16(1), 165-72.
8
Kazmi, D. H., Rasul, G., Li, J., & Cheema, S. B. (2014). Comparative study for ECHAM5 and SDSM in downscaling temperature for a geo-climatically diversified region, Pakistan. Applied Mathematics, 5(1), 137.
9
Giorgi F., B. Hewitson, J. Christensen, M. Hulme, H. Von Storch, P. Whetton, R. Jones, L. Mearns and C. Fu, (2001). Regional climate information – Evaluation and projections. In: Climate Change 2001: The Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change (J. T. Houghton, Y. Ding, D. J. Griggs, M. Noguer, P. J. van der Linden, X. Dai, K. Maskell and C. A. Johnson, Eds.). Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. 583-638.
10
Meenu, R., Rehana, S., & Mujumdar, P. P. (2013). Assessment of hydrologic impacts of climate change in Tunga–Bhadra river basin, India with HEC-HMS and SDSM. Hydrological Processes, 27(11), 1572-1589.
11
Nury, A. H., & Alam, M. J. B. (2013). Performance Study of Global Circulation Model HADCM3 Using SDSM for Temperature and Rainfall in North-Eastern Bangladesh. Journal of Scientific Research, 6(1), 87-96.
12
Rajabi, A., & Shabanlou, S. (2012). Climate index changes in future by using SDSM in Kermanshah, Iran. J. Environ. Res. Dev, 7(1).
13
Ramanathan, V. (1988). The greenhouse theory of climate change: A test by an inadvertent global experiment. Science, 240(4850), 293-299.
14
Rasco, P., Szeidl, L., & Semenov, M. A. (1991). A serial approach to local stochastic models. Journal of Ecological Modeling, 57, 27-41.
15
Khan, M. S., Coulibaly, P., & Dibike, Y. (2006). Uncertainty analysis of statistical downscaling methods. Journal of Hydrology, 319(1), 357-382.
16
King, L., Solaiman, T., & Simonovic, S. P. (2009). Assessment of climatic vulnerability in the Upper Thames River Basin. Department of Civil and Environmental Engineering, The University of Western Ontario.
17
King, L., Solaiman, T., & Simonovic, S. P. (2009). Assessment of climatic vulnerability in the Upper Thames River Basin. Department of Civil and Environmental Engineering, The University of Western Ontario.
18
Wilby, R. L., & Harris, I. (2006). A framework for assessing uncertainties in climate change impacts: Low-flow scenarios for the River Thames, UK. Water Resources Research, 42(2).
19
Liu, Z., Xu, Z., Charles, S. P., Fu, G., & Liu, L. (2011). Evaluation of two statistical downscaling models for daily precipitation over an arid basin in China. International Journal of Climatology, 31(13), 2006-2020.
20
ORIGINAL_ARTICLE
بررسی تغییرات زمانی بارشهای پوششی و فرا رفتی مبتنی بر کدهای دادههای همدیدی (مطالعه موردی: استان خراسان جنوبی)
بررسی نوع ابر و مقدار بارش ابرها از مواردی است که کمتر در کارهای پژوهشی به آن پرداخته میشود؛ لذا در این پژوهش با استفاده از فنّ دی کد کردن دادههای سینوپ شش ایستگاه هواشناسی استان خراسان جنوبی، ویژگیهای اقلیمی و روند بارشهای پوششی و فرا رفتی موردبررسی قرار گرفتند. نتایج نشان داد درصد بارشهای پوششی، فرا رفتی و مخلوط در استان خراسان جنوبی در دو فصل پاییز و زمستان مشابه یکدیگر و درصد بارشهای پوششی، فرا رفتی و مخلوط فصل تابستان تفاوت زیادی با دیگر فصول دارد. بیشینه بارشهای فرا رفتی در بیرجند در ماههای می تا اکتبر، در بشرویه در ماههای می تا جولای، در فردوس در ماههای می و ژوئن، در قاین در ماههای مارس تا نوامبر، در نهبندان در ماههای آوریل تا نوامبر و در طبس در ماههای می تا سپتامبر رخ میدهد و ایستگاههای بیرجند، قاین و نهبندان که ارتفاع بالاتری از سطح دریا نسبت به سه ایستگاه دیگر دارند بیشتر بارشهای تابستانه آنها از نوع فرا رفتی
است.
https://geoeh.um.ac.ir/article_30910_fa78976de4bceb845f230048fc416502.pdf
2017-03-21
175
190
10.22067/geo.v6i1.55123
بارشهای فرا رفتی
بارشهای پوششی
دادههای سینوپ
استان خراسان جنوبی
الهام
عابدینی
elhamabedini@gmail.com
1
دانشگاه فردوسی مشهد
LEAD_AUTHOR
محمد
موسوی بایگی
mousavib@um.ac.ir
2
دانشگاه فردوسی مشهد
AUTHOR
مجموعه دستورالعمل کدها و روشهای دیدهبانی سطح زمین؛ 1389. سازمان هواشناسی ایران.
1
Churchill, D., & Houze, R.A. (1984). Development and structure of winter monsoon cloud cluster on 10 December 1978. Atmos Bulletin, 41, 933–960.
2
Han,X., Xue,H., Zhao,C.,& Lu,D. (2016).The roles of convective and stratiform precipitation in the observed precipitation trends in Northwest China during 1961–2000.Atmospheric Bulletin, 169, 139-146.
3
Houze, R.A. (1995).Cloud dynamics. International Geophysics Series Bulletin, 53, 53-573.
4
Houze, R.A. (1997). Stratiform precipitation in regions of convection: A meteorological paradox? Bulletin of the American Meteorological Society, 78, 2179-2196.
5
Hu, L., Li, Y.D., &Song, Y. (2011). Seasonal variability in tropical and subtropical convective and stratiform precipitation of the East Asian monsoon. Science China-Earth Sciences, 54, 1595–1603.
6
Lam, H.Y., Luini, L., Din, J., Capsoni, C.,& Panagopoulos, A.D. (2010, December). Stratiform and convective rain discrimination for equatorial region. Paper presented at the Conference on Research and Development- Engineering: Innovation and Beyond.Kuala Lumpur, Malaysia, Malaysia.
7
Lang, S., Tao, W.K., Simpson, J., &Ferrier, B. (2003). Modeling of convectivestratiform precipitation processes: Sensitivity to partitioning methods. Meteor Bulletin, 42, 505-527.
8
Li, X., Zhai, G., Gao, S.,& Shen, X. (2014). A new convective–stratiform rainfall separation scheme. Atmospheric Science Letters, 15(4), 245-251.
9
Lin, J., Mapes, B., Zhang, M., &Newman, M. (2004). Stratiform precipitation, vertical rating profiles, and the Madden–Julian oscillation. AtmosphericScience, 61, 269–309.
10
Mapes, B.E.,& Houze, R.A. (1995). Diabatic divergence profiles in western. Journal of the Atmospheric Sciences, 52, 1807–1828.
11
Rondanelli, R., &Lindzen, R. S. (2008). Observed variations in convective precipitation fraction and stratiform area with sea surface temperature. Journal of Geophysical Research, 113, 1-17.
12
Rulfova, Z., &Kyselý, J. (2013). Disaggregating convective and stratiform precipitation from station weather data.Atmospheric Research, 134, 100–115.
13
Simpson, J., Adler, R. A., North, G. R.(1988). A proposed tropical rainfall measuring mission (TRMM) satellite. Bulletin of the American Meteorological Society, 69, 278-295.
14
Sokol, Z., &Bližňak, V. (2009). Areal distribution and precipitation–altitude relationship of heavy short-term precipitation in the Czech Republic in the warm part of the year. Atmospheric Research, 94, 652–662.
15
Steiner, M.R., Houze, R.A., &Yuter, S.E. (1995). Climatological characterization of threedimensional storm structure from operational radar and rain gauge data. Journal of Applied Meteorology and Climatology, 34, 1978- 2007.
16
Steiner, M., &Smith, J.A. (1998). Convective versus stratiform rainfall: A nicemicrophysical and kinematicconceptual model. Atmospheric Research, 34, 1978-2007.
17
Tanvir, I., Prashant, K., Srivastava, Q., Dai,M., Gupta, W., &Zurina, W. (2015). Stratiform/convective rain delineation for TRMM microwave imager. Journal of Atmospheric and Solar-Terrestrial Physics, 133, 25-35.
18
Thuraia, M., Gatlinb, P.N., & Bringia, V.N. (2016). Separating stratiform and convective rain types based on the drop size distribution characteristics using 2D video disdrometer data. Atmospheric Research, 169, 416-423.
19
Trenberth, K.E., Dai, A., Rasmussen, R.M.,& Pearson, D. (2003). The changing character of precipitation. Bulletin of the American Meteorological Society, 84, 1205-1217.
20
ORIGINAL_ARTICLE
بررسی توفان های همرفتی عمیق و سطوح جهیده مرتبط با آن ها در غرب ایران با استفاده از تصاویر SEVIRI
در این مطالعه سامانه همرفتی عمیق روز 27 مارس 2007 و سطوح جهیده (OT) مرتبط با آن که در برخی مناطق غرب و جنوبغرب ایران منجر به رخداد توفان و بارشهای شدید شد، با استفاده از تصاویر SEVIRI مورد بررسی قرار گرفت. توسعه و اضمحلال سامانه با کاربرد تصاویر RGB حاصل از باندهای مریی، فروسرخ میانی و پنجره فروسرخ پایش شد. همچنین با کاربرد تصویر باند مریی، پدیده-های OT شناسایی شدند و توانایی روشهای اختلاف دمای درخشندگی باندهای بخار آب، ازن و دیاکسیدکربن با IRW، برای شناسایی OT ارزیابی شد. درنهایت برای درک شرایط رخداد سامانه همرفتی مورد بررسی که با پدیده OT همراه بوده است، نقشههای انرژی پتانسیل همرفتی، روباد سطح پایین و جریان باد و همچنین نمودار هوفمولر رطوبت نسبی و رطوبت ویژه تفسیر شدند. نتایج نشان داد بیشتر پدیدههای OT سطوحی با دمای 208 تا 215 درجه کلوین دارند که با معیار بیشینه دمای OT مطابقت دارد؛ اما چند پدیده OT با سطوحی اندکی گرمتر از 215 درجه کلوین نیز مشاهده شدهاند. در هر سه روش اختلاف دمای درخشندگی باندهای فروسرخ، برخی پیکسلها به اشتباه به عنوان OT شناسایی شدند و برخی پدیدههای OT بر اساس آستانههای تعیین شده، شناسایی نشدند، که به دلیل قدرت تفکیک مکانی نسبتاً ضعیف تصاویر مورد استفاده است. با وجود اینکه با کاربرد این تصاویر و روشها تعداد و محل دقیق این پدیدهها را نمیتوان بهدرستی تعیین نمود، اما میتوان رخداد یا عدم رخداد آنها را بهطورکلی مورد بررسی قرار داد که میتواند برای تعیین ویژگیهای فضایی و زمانی و همچنین شرایط رخداد پدیده OT که اثرات اقلیمی و جوی مهمی دارند، مفید و پرکاربرد باشد. بررسی شرایط رخداد سامانه مورد مطالعه نشان داد در روز رخداد این سامانه و روز قبل آن روباد سطح پایین در منطقه حضور داشته و در تزریق هوای گرم و مرطوب به منطقه نقش مؤثری داشته است.
https://geoeh.um.ac.ir/article_30953_e7caf8150e37631ed0877aa0782cba66.pdf
2017-03-21
191
211
10.22067/geo.v6i1.58187
سامانه همرفتی
سطوح جهیده ابرهای همرفتی
دمای درخشندگی
تصاویر SEVIRI
سمیه
رفعتی
rafatisomayeh@gmail.com
1
دانشگاه سیدجمال الدین اسدآبادی
LEAD_AUTHOR
حجازی زاده، زهرا؛ کریمی، مصطفی؛ ضیائیان، پرویز؛ رفعتی، سمیه؛ 1393. بررسی سامانههای همرفتی میانمقیاس (MCSs) با استفاده از تصاویر دمای درخشندگی در جنوبغرب ایران. فصلنامه تحقیقات کاربردی علوم جغرافیایی، 32، 45-69.
1
رفعتی، سمیه؛ فتحنیا، اماناله؛ کریمی، مصطفی؛ 1395. تأثیر رودبادهای سطح پایین در شکلگیری سامانههای همرفتی میانمقیاس در جنوبغرب ایران، پژوهشهای جغرافیای طبیعی، 48، 69-82.
2
Adler, R.F., Markus, M.J., Fen, D.D., Szejwach, G.,& Shenk, W.E. (1983). Thunderstorm top structure observed by aircraft overflights with an infrared radiometer. Journal of Applied Meteorology, 22, 579–593.
3
Adler, R.F., Markus, M.J.,& Fen, D.D. (1985). Detection of severe Midwest thunderstorms using geosynchronous satellite data.Monthly Weather Review, 113, 769–781.
4
Ackerman, S.A. (1996). Global satellite observations of negative brightness temperature differences between 11 and 6.7 mm.Journal of theAtmospheric Sciences,53 , 2803–2812.
5
Bonner, W. D. (1968). Climatology of the low level jet. Monthly Weather Review, 96, 833-850.
6
Bedka, K.M., Brunner, J., Dworak, R., Feltz, W.,& Otkin, J. (2010). Objective satellite-based overshooting top detection using infrared window channel brightness temperature gradients. Journal of Applied Meteorology and Climatology, 49, 181–202.
7
Bedka, K.M. (2011). Overshooting cloud top detections using MSG SEVIRI Infrared brightness temperatures and their relationship to severe weather over Europe. Atmospheric Research, 99, 175-189.
8
Berendes, T.A., Mecikalski, J.R., MacKenzie, W.M., Bedka, K.M.,& Nair, U.S. (2008). Convective cloud identification and classification in daytime satellite imagery using standard deviation limited adaptive clustering. Journal of Geophysical Research, 113, 1-9.
9
Fritz, S.,& Laszlo, I. (1993). Detection of water vapor in the stratosphere over very high clouds in the tropics.Journal of Geophysical Research, 98(D12), 22959–22967.
10
Kwon, E.H., Sohn, B.J., Schmetz, J., &Watts, P. (2009, January). Use of ozone channel measurements for deep convective cloud height retrievals over the tropics.Paper presented at the 16th Conference on Satellite Meteorology and Oceanography, Phoenix, AZ, USA.
11
Kwon, E.H., Sohn, B.J., Schmetz, J.,& Watts, P. (2010). Intercomparison of height assignment methods for opaque clouds over the tropics. Asia Pac.Journal of theAtmospheric Sciences, 46(1), 11–19.
12
Llasat, M.C., Ramis, C.,& Lanza, L. (1999). Storm tracking and monitoring using objective synoptic diagnosis and cluster identification from infrared meteosat imagery.Meteorology and Atmospheric Physics, 71, 139-155.
13
Machado, L.A.T., Lima, W.F.A., Pinto, O.,& Morales, C. A. (2009). Relationship between cloud-to-ground discharge and penetrative clouds: Amulti-channel satellite application. Atmospheric Research, 93, 304–309.
14
Martin, D.W., Kohrs, R. A.F., Mosher, R.C., Medaglia, M.,& Adamo, C. (2008). Over-ocean validation of the global convective diagnostic. Journal of Applied Meteorology and Climatology, 47, 525–543.
15
Mikuš, P., & Mahović, S.N. (2013). Satellite-based overshooting top detection methods and an analysis of correlated weather conditions.Atmospheric Research ,123,268-280.
16
Negri, A.J. (1982). Cloud-top structure of tornado storms on 10 April 1979 from rapid scan and stereo satellite observations. Bulletin of the American Meteorological Society, 63,1851–1859.
17
Schmetz, J., Tjemkes, S.A., Gube, M.,& Berg, L. (1997). Monitoring deep convection and convective overshooting with METEOSAT. Advances in Space Research,19, 433–441.
18
Schmetz, J., Pili, P., Tjemkes, S., Just, D., Kerkmann, J., Rota, S.,& Ratier, A. (2002). An introduction to Meteosat Second Generation (MSG). Bulletin of the American Meteorological Society, 83, 977–992.
19
Setvak, M., Rabin, R.M.,& Wang, P. K. (2007). Contribution of the MODIS instrument to observations of deep convective storms and stratospheric moisture detection in GOES and MSG imagery.Atmospheric Research, 83 , 505–518.
20
Wiens, K.C., Rutledge, S.A.,& Tessendorf, S.A. (2005). The 29 June 2000 supercell observed during STEPS. Part II: Lightning and charge structure. Journal of theAtmospheric Sciences,62, 4151–4177.
21
Ziegler, C.L.,& MacGorman, D.R. (1994). Observed lightning morphology relative to modeled space charge and electric field distributions in a tornadic storm. Journal of theAtmospheric Sciences,51, 833–851.
22