مطالعه الگوهای بارشی در ایستگاه­های مختلف از دیدگاه هیدرولوژیکی از اهمیت بسزایی برخوردار است. در مطالعه حاضر، با استفاده از 564 رگبار ثبت شده در سه ایستگاه باران­سنجی استان­ مازندران (ساری، عباس­آباد و فیروزجاه،) منحنی‌های هاف در سه کلاس بارشی 1) کمتر از 6، 2) 12-6 و 3) بیش از 12 ساعت رسم شدند. با استفاده از منحنی­های هاف 50 درصد، رگبارها از دیدگاه چارکی مورد بررسی قرار گرفتند سپس، هیتوگراف بارش طرح برای ایستگاه­های منتخب در کلاس­های بارشی مختلف رسم شد. در ادامه، به منظور بررسی میزان تغییر پذیری رگبارها، از یک روش نوین که بر پایه فواصل قائم منحنی­های هاف 80 و 20 درصد ( که با V نشان داده شد) و نیز مقادیر منحنی هاف 50 درصد (d50) در مقاطع زمانی 25، 50 و 75 درصد است، استفاده گردید. نتایج نشان داد که تیپ اغلب رگبارها در کلاس­­های بارشی مختلف، از نوع چارک دومی بود. همچنین، نتایج حاکی از آن بود که در اغلب کلاس­ها، درصد قابل توجهی از تمامی مقدار بارش (بیش از 80 درصد)، تا دهک هفتم مدت دوام بارش نازل­ می­شود. با حرکت به سمت دهک­های آخر، میزان درصد بارش نازل شده کاهش می­یابد. با توجه به نتایج مشخص شد که بیشترین میزان تغییرپذیری رگبارها در کلاس­های بارشی 6-0، 12-6 و بیش از 12 ساعت به­ترتیب، مربوط به ایستگاه‌های ساری، عباس­آباد و فیروزجاه می­باشد.

مقدمه در سال‌ها و دهه‌های اخیر به‌دلیل تغییرات اقلیمی و مشکلات ایجاد شده در دسترسی به منابع آب کافی و با کیفیت، مسأله تأمین منابع آب پایدار مورد توجه محققان و پژوهشگران مختلف قرار گرفته است. کمبود منابع آب سالم و با کیفیت مانعی بزرگ در جهت توسعه پایدار محسوب می‌شود. به‌همین علت شناخت فرایندهای چرخه آب بسیار مهم بوده و نیازمند اطلاعات دقیق از پدیده‌های هیدرولوژیکی است. رواناب‌های حاصل از بارش یکی از منابع اصلی تأمین نیازهای آبی مختلف ازجمله کشاورزی، صنعت و مصارف خانگی هستند. تخصیص منابع آب به این بخش‌ها با استفاده از داده‌های مربوط به رواناب در زمان‌های مختلف، برنامه‌ریزی می‌شود. برآورد و پیش‌بینی دقیق رواناب، اصلی‌ترین مسأله در استحصال منابع آب‌های سطحی و استفاده بهینه از پتانسیل حوضه‌های مختلف آبخیز است. حوزه آبخیز دریاچه ارومیه، به‌عنوان یکی از مهم‌ترین حوضه‌های آبی ایران، در سال‌های اخیر رو به خشکی نهاده است. با توجه به این موضوع، اطلاع و آگاهی در زمینه منابع آبی این حوضه و زیرحوضه‌های آن و نیز شبیه‌سازی و پیش‌بینی منابع مختلف ورودی به آن ازجمله رواناب‌ها بسیار مهم است. مواد و روش‌‌ها حوزه آبخیز آجی‌چای، یکی از زیرحوضه‌های دریاچه ارومیه است. این حوضه در ناحیه شمال‌غربی ایران و در استان آذربایجان شرقی قرار دارد. در این پژوهش از داده‌های بارش ایستگاه همدیدی تبریز و رواناب ایستگاه هیدرومتری نهند واقع در این حوضه از سال آبی 77-1376 تا 97-1396 استفاده شد. جهت مدل‌سازی بارش-رواناب از روش‌های شبکه عصبی مصنوعی (ANN)، برنامه‌نویسی بیان ژن (GEP)، ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) استفاده شد. 70 درصد از داده‌ها برای آموزش و 30 درصد از داده‌ها برای صحت‌سنجی مدل‌ها استفاده شد. برای ارزیابی عملکرد مدل‌ها از معیارهای آماری ضریب تعیین (R2)، ریشه میانگین مربعات خطا (RMSE)، ضریب نش-ساتکلیف (NSE) و شاخص ویلموت (WI) استفاده شد. نتایج و بحث نتایج این پژوهش نشان داد که تمامی مدل‌های مورد بررسی در این پژوهش عملکرد بسیار خوبی در شبیه‌سازی بارش-رواناب روزانه در حوضه آجی‌چای دارند. بر اساس نمودارهای پراکنش و سری‌های زمانی، مدل GEP در مدل‌سازی مقادیر بارش-رواناب این حوضه با همبستگی بالا نسبت به سایر مدل‌ها بیشترین دقت را داشت. با توجه به نتایج و معیارهای آماری، مدل GEP با مقادیر R2، RMSE، NSE و WI به‌ترتیب برابر 0.84، 0.024، 0.864 و 0.968، دقیق‌ترین مدل در شبیه‌سازی فرایند بارش-رواناب روزانه حوضه آجی‌چای بود. مدل‌های مورد بررسی در شبیه‌سازی رواناب‌های بیشینه خطا داشته و این مقادیر را کمتر برآورد کرده‌اند. این نکته می‌تواند به‌دلیل خاصیت مدل‌های هوشمند باشد که به داده‌های آموزش حساسیت بسیار زیادی دارند. از عوامل مؤثر در عملکرد مدل‌ها در برآورد رواناب‌های بیشینه می‌توان تعیین نوع و ساختار مدل‌ها را نام ‌برد. نتیجه‌‌گیری به‌طورکلی نتایج این پژوهش نشان ‌داد که مدل GEP نسبت به سایر مدل‌های مورد بررسی، در شبیه‌سازی بارش-رواناب دقت بیشتر و عملکرد بهتری دارد. نتایج این پژوهش نشان‌دهنده عملکرد مناسب مدل‌های یادگیری ماشین در شبیه‌سازی فرایند بارش-رواناب است. به‌طورکلی با توجه به دقت بالای مدل‌های هوشمند به‌ویژه مدل GEP در پیش‌بینی فرایند بارش-رواناب روزانه، استفاده از این روش‌ها در مسائل هیدرولوژیک توصیه می‌شود. همچنین، پیشنهاد می‎شود، در تحقیقات آینده از روش‌های هوشمند و داده‌کاوی در مدل‌سازی فرایند بارش-رواناب در حوضه‌های مختلف به‌طور جداگانه برای سال‌‌های درگیر خشکسالی و ترسالی استفاده شود.

در این مطالعه، روند تغییرات تبخیر-تعرق پتانسیل گیاه ET0 و اهمیت تأثیر نسبی متغیر­های هواشناسی بر آن در سه ایستگاه­ خرمدره، قیدار و آببر تحلیل شد. روش فائو-پنمن-مانتیث برای تخمین ET0 و روش تجزیه به عامل­ها (FA) برای مطالعه­ اثر متغیرهای اقلیمی بر ET0 استفاده شد. متغیرهای مورداستفاده شامل بارش، بیشینه و کمینه دمای هوا، سرعت باد، رطوبت‌نسبی و ساعات آفتابی بود. در هر ایستگاه، روند تغییرات ET0 با روش­های­ اسپیرمن (SP) و مان-کندال (MK) تحلیل شد. نتایج نشان داد که در آببر، روند تغییرات ET0 با هر دو روش در سطح 05/0 نزولی و معنی­دار بود. در قیدار، روند با روش MK در سطح 05/0 نزولی و معنی­دار، اما با روش SP نزولی و غیر­معنی­دار بود. این روند درخرمدره با روش SP صعودی اما غیر­معنی­دار بود. ماتریس همبستگی بین متغیرهای اقلیمی تشکیل شد. معنی‌داری ضرایب همبستگی آزمایش شد. نتایج نشان داد که در خرمدره کلیه ضرایب همبستگی در سطح 05/0 معنی­دار بودند. نتایج FA نشان داد که در همه ایستگاه­ها، دو عامل اول دارای مقدار ویژه­ بیش از یک بودند. در این ایستگاه­ها، دو عامل نخست، در کل بین 49/83 و 14/86 درصد واریانس را در ‌بر داشتند. پس از چرخش وریماکس ضرایب عامل­ها محاسبه شد. نتایج نشان داد که در ایستگاه خرمدره، Tmax و Tminحساس‌ترین متغیرهای مؤثر بر ET0 بودند. در قیدار و آببر تنها Tmax حساس­ترین متغیر مؤثر بر ET0 بود. با توجه به ضرایب عامل دوم، سرعت باد در ایستگاه­های خرمدره و قیدار و بارش در آببر به‌عنوان دومین متغیر حساس و مؤثر بر ET0 بود.

در این پژوهش از آمار بارش و رواناب ایستگاه‏های منتخب حوضه مرزی ارس جهت تحلیل نوسانات بارش و رواناب و پیش‏نمایی آن برای افق 2050 استفاده شد. با اعمال آزمون پتیت نقطه شکست در سری زمانی بارش و رواناب مورد بررسی قرار گرفت. همچنین از آزمون مان- کندال مرسوم و اصلاح شده، روند بارش و رواناب محاسبه گردید. با روش سن شیب خط روند نیز محاسبه شد. با به کارگیری چهار مدل GCM تحت دو سناریوی انتشار RCP4.5 (انتشار پایین) و RCP8.5 (انتشار بالا) پیش‏نمایی برای دوره آتی انجام شد. از ابزار Eureqa Formulize (EF) برای شبیه‏سازی فرآیند بارش- رواناب استفاده گردید. نتایج نشان داد اکثر جهش‏های ناگهانی در نیمه دوم دهه 1990 رخ داده است. 83 درصد از جهش‏های فصلی مربوط به رواناب بوده است. همچنین 67 درصد از تغییرات ناگهانی در فصول زمستان و بهار روی داده است. بیشترین افزایش بارش سالانه (طبق سناریوی RCP4.5) در ایستگاه نیر به مقدار 9 درصد و بیشترین کاهش بارش سالانه (طبق سناریوی RCP8.5) در ایستگاه خوی به مقدار 11 درصد انتظار می‏رود. همچنین در مقیاس زمانی فصلی بیشترین کاهش بارش در تابستان خواهد بود. مدل EF با ارائه NRMSE کمتر از 5/0 درصد در همه ایستگاه‏ها عملکرد بسیار بالایی را از خود نشان داد. نتایج نشان داد، کمترین میزان شیب خط روند رواناب (فصلی) دوره پایه به مقدار 3/1- میلیون مترمکعب در تابستان و مربوط به ایستگاه بدلان بوده است. براساس نتایج این پژوهش، تغییر معنی‏داری در رواناب سالانه حوضه در دوره آتی روی نخواهد داد.

یکی از مدل‌های تخمین ET0 که مورد قبول همه‌ی هیدرولوژیست‌ها و اقلیم شناسان می‌باشد، مدل فائو پنمن‌ـ‌‌‌‌ مانتیس‌ (FAO56PM) است. این مدل، علیرغم تخمین دقیق ET0 در اقلیم‌های مختلف، محدودیت‌هایی دارد. از جمله این محدودیت‌ها نیاز به داده‌های متنوع هواشناسی از جمله تابش آفتاب، ساعات آفتابی، دمای هوا، رطوبت نسبی، دمای نقطه شبنم، سرعت باد و فشار بخار واقعی است. متاسفانه همه‌ی این پارامترهای در جمیع موارد در دسترس نیستند. بنابراین، هدف اصلی این مطالعه یافتن روشی ساده جهت تخمین ET0 با داده‌های کم هواشناسی و دقت کافی در حوضه‌ی دریاچه‌ی ارومیه می‌باشد. برای این کار از مدل‌های هارگریوز، کیمبرلی پنمن، پریستلی تایلور و مدل‌های رگرسیونی خطی و غیرخطی استفاده شد. ارزیابی مدل‌ها با سه معیار ضریب تعیین (R2)،جذر میانگین مربعات خطا) (RMSE و میانگین خطای مطلق ) MAE ( به انجام رسید. نتایج نشان داد که میانه مقادیر R2 مدل کیمبرلی- پنمن بیش از 986/0 به دست آمده است. در حالی که میانه‌‌های مقادیر R2 برای مدل‌های PT و HG بترتیب معادل 902/0 و 4/0 به‌دست آمد. در مدل HGمیانه مقادیر RMSE حدود 9/0 (میلیمتر بر روز) بود این رقم برای مدل‌های KPM و PT به ترتیب، حدود3/1 و 1/2 (میلیمتر بر روز) بود. میانه آماره MAE ایستگاه‌های منتخب، برای مدل KPM از 1 (میلی‌متر بر روز) نیز کمتر بود. این رقم در مورد مدل HG حدود 7/0 (میلی‌متر بر روز) و برای مدل PT بیشتر از 5/1 (میلی‌متر بر روز) بود. بنابراین، با توجه به معیار MAE نیز مدل HG مناسبتر از مدل‌های دیگر تشخیص داده شد. مدل رگرسیون خطی با 2 متغیر (Tmax, Wind) دارای میانه مقادیر R2 معادل 84/0 در بین سایر مدل‌ها مناسب‌تر و دقیق‌تر می‌باشد.

هدف این مطالعه، پهنه‌بندی چاههای مشاهداتی موجود در آبخوان دشت خوی با استفاده از روش‌ K-Meansاست. داده‌های مورد استفاده از چهارده پارامتر کیفی آب زیرزمینی شامل مجموع کاتیون‌ها، مجموع آنیون‌ها، هدایت الکتریکی (EC)، خاصیت اسیدی (pH)، مقدار کل مواد جامد حل شده (TDS)، نسبت جذب سدیم (SAR)، سختی کل (TH)، درصد سدیم (Na%)، منیزیم (Mg2+)، کلسیم (Ca2+)، سدیم (Na+)، سولفات ((SO42-، کلر (Cl-) و بی‌کربنات ((HCO3- تشکیل شده‌اند. نمونه‌های آب از 26 چاه مشاهداتی برداشت و تحلیل شده است. بهینه تعداد خوشه‌ها با روش خوشه‌بندی K-Means با نرم افزار Excelstat مشخص کردید تعیین تعداد بهینه خوشه‌ها بین 2 و 5 مورد آزمون قرار گرفت و جهت تعیین کیفیت آب‌ زیرزمینی مورد استفاده در کشاورزی و شرب از شاخص ویلکوکس استفاده شد. نتایج نشان داد که تعداد بهینه خوشه‌ها چهار است و بنابراین، آبخوان دشت خوی را از نظر کیفیت آب می‌توان به چهار ناحیه متمایز تقسیم شد. وسعت ناحیه اول معادل 3/214 کیلومتر مربع (14/51 درصد مساحت کل دشت) می‌باشد که دارای آب بسیار مطلوب برای کشاورزی و شرب است. ناحیه دوم 1/50 کیلومتر مربع (95/11 درصد) و ناحیه سوم 7/52 کیلومتر مربع (57/12 درصد) از دشت را شامل می‌شوند که به‌ترتیب دارای آب با کیفیت متوسط و بسیار نامطلوب هستند. ناحیه چهارم دارای آب با کیفیت ضعیف می‌باشد که مساحت این ناحیه معادل 9/101 کیلومتر مربع (31/24 درصد) است. بالا بودن مقدار EC و SAR در خوشه سوم علت نامطلوب بودن آب این خوشه است. در حالت کلی، می‌توان نتیجه گرفت که بیش از پنجاه درصد آب‌خوان دشت خوی دارای آب زیرزمینی با کیفیت شیمیایی مطلوب می‌باشد. محافظت از آب زیرزمینی دشت خوی از خطر آلودگی آب و بهره برداری منطقی از آب دشت برای دوام کشاورزی پایدار در این منطقه از اهمیت زیادی برخوردار بوده و قویا توصیه می‌شود.

یکی از مؤلفه­های مهم در برنامه­ریزی و بهره­برداری از مخازن آب و طراحی سامانه­های آبیاری، تبخیر می­باشد. تخمین دقیق تبخیر از یک سو و پیچیدگی رابطه علت و معلولی این پدیده از سوی دیگر، استفاده از روش­های جدید داده­کاوی را اجتناب­ناپذیر می­سازد. تخمین دقیق تبخیر در هرمنطقه به­ویژه در نواحی خشک و نیمه­خشک از اهمیت به­سزایی برخورداراست. در این مطالعه امکان شبیه­سازی تبخیر از تشت در شش ایستگاه­ سینوپتیک آذربایجان شرقی (تبریز، جلفا، مراغه، میانه، مرند و اهر) با استفاده از مدل شبکه بیزین بررسی شد. داده­های هواشناسی مورد استفاده شامل حداکثر و حداقل دمای هوا، دمای نقطه شبنم، حداکثر و حداقل رطوبت نسبی، تعداد ساعات آفتابی و سرعت روزانه باد در خلال سال­های 1391-1371 بودند. مدل­ها­ برای یکایک ایستگاه­های مذکور بسط داده شدند. آماره­های R2، RMSE، MAE و D برای ارزیابی عملکرد مدل­ها به­کار برده شد. نتایج نشان داد که در مرحله آزمون میانه مقادیرR2معادل 75/0 و میانه نظیر RMSEمعادل 4/2بوده است. هم­چنین میانه مقادیر MAEو D به­ترتیب 91/1 و 57/1 بود. در حالت کلی نتایج نشان­دهنده­ی قابل قبول بودن کاربرد مدل­های بسط داده­شده برای تبخیر از تشت در منطقه مورد مطالعه می­باشد.

سابقه و هدف: یکی از مهم‌ترین مشکلات مسائل بدطرح معکوس در بیش‌برازش مدل با داده‌های مشاهداتی، در بهینه‌سازی پارامترها است که با این عمل، پارامترهایی که برازش کمتری با داده‌های مشاهداتی دارند و ممکن بود با داده‌های غیر از صحت‌سنجی، نتیجه‌ای حتی بهتر از جواب بهینه نشان می‌دادند، حذف می‌شوند. این پارامترها، نباید حذف شوند بلکه باید به نحوی در نظر گرفته شوند. درروش برآورد عدم‌قطعیت درست‌نمایی تعمیم‌یافته (GLUE) این دیدگاه، به‌کار رفته است.مواد و روش‌ها: در این مطالعه، از روش GLUE در مدل‌سازی بارش- رواناب استفاده شد که در آن، با استفاده از یک تابع درست‌نمایی نامرسوم و فرض یک مقدار آستانه‌ای از آن، مجموعه‌ای از پارامترهای رفتاری برای تولید باندهای عدم‌قطعیت پیش‌بینی در نظر گرفته شده‌اند. روش GLUE، جهت برآورد عدم‌قطعیت در مدل‌سازی بارش- رواناب حوضه آبریز چهل‌چای در استان گلستان مورد استفاده واقع ‌شد. برای این کار، از دو مدل یکپارچه HyMod و HBV و شش تابع درست‌نمایی شامل واریانس معکوس، نش-ساتکلیف، کلینگ-گوپتا، ویتل ، نرمال، نرمال با واریانس ناهمسان بهره گرفته شد.یافته‌ها: برای ارزیابی روش GLUE، مناسب‌ترین توابع درست‌نمایی انتخاب ‌شده و تأثیر عوامل مؤثر بر آن مورد تحلیل قرار گرفت. برای حوضه موردمطالعه، از بین شش تابع درست‌نمایی ارزیابی‌شده، توابع واریانس معکوس، کلینگ گوپتا و نرمال به‌دلیل نتیجه بهتر انتخاب شدند. آستانه جداسازی پارامترها نیز مورد تحلیل حساسیت قرار گرفت و 5 درصد تعداد کل شبیه‌سازی‌ها مناسب تشخیص داده شد. نتایج نشان داد که با افزایش پارامتر شکل، وزن بیشتر به جواب‌هایی تعلق می‌گیرد که دارای برازش بهتری هستند؛ بنابراین روش GLUE مشابه یک روش بهینه‌سازی عمل می‌کند. بررسی عدم‌قطعیت پارامترهای دو مدل نشان داد اکثر پارامترها همبستگی کمی با یکدیگر دارند که می‌توان نتیجه گرفت که پارامترها خوب تعریف‌شده‌اند، اما به خاطر ضریب تغییرات نسبتاً بالای آن‌ها، تشخیص‌‌پذیری آن‌ها پایین است. باندهای عدم‌قطعیت در مدل HyMod حدود 62 درصد و در مدل HBV حدود 55 درصد از داده‌های مشاهداتی را (در دوره‌های صحت‌سنجی و واسنجی) پوشش دادند بازه‌‌‌های پیش‌بینی، در جریان‌های پایه بیشترین عرض را داشتند.نتیجه‌گیری: با توجه به نتایج، روش GLUE، نسبت به تابع درست‌نمایی مورداستفاده، آستانه جداسازی پارامترهای قابل‌قبول و نوع مدل، حساس بود. برای حوضه چهل‌چای، بهترین تابع درست‌نمایی، تابع کلینگ-گوپتا، بهترین آستانه جداسازی، برابر 5 درصد تعداد کل شبیه‌سازی‌ها بوده و از بین دو مدل مورد بررسی، مدل HyMod نسبت به مدل HBV، نتایج نسبتاً بهتری داشت. همچنین عدم‌قطعیت پارامترها در این روش، به این دلیل که کل عدم‌قطعیت را در پارامترها خلاصه می‌کند، بالاست. از مزایای روش می‌توان به اجتناب نسبی آن از بیش‌برازش و سادگی آن اشاره کرد.

سابقه و هدف: یکی از مهم‌ترین مشکلات مسائل بدطرح معکوس در بیش‌برازش مدل با داده‌های مشاهداتی، در بهینه‌سازی پارامترها است که با این عمل، پارامترهایی که برازش کمتری با داده‌های مشاهداتی دارند و ممکن بود با داده‌های غیر از صحت‌سنجی، نتیجه‌ای حتی بهتر از جواب بهینه نشان می‌دادند، حذف می‌شوند. این پارامترها، نباید حذف شوند بلکه باید به نحوی در نظر گرفته شوند. درروش برآورد عدم‌قطعیت درست‌نمایی تعمیم‌یافته (GLUE) این دیدگاه، به‌کار رفته است. مواد و روش‌ها: در این مطالعه، از روش GLUE در مدل‌سازی بارش- رواناب استفاده شد که در آن، با استفاده از یک تابع درست‌نمایی نامرسوم و فرض یک مقدار آستانه‌ای از آن، مجموعه‌ای از پارامترهای رفتاری برای تولید باندهای عدم‌قطعیت پیش‌بینی در نظر گرفته شده‌اند. روش GLUE، جهت برآورد عدم‌قطعیت در مدل‌سازی بارش- رواناب حوضه آبریز چهل‌چای در استان گلستان مورد استفاده واقع ‌شد. برای این کار، از دو مدل یکپارچه HyMod و HBV و شش تابع درست‌نمایی شامل واریانس معکوس، نش-ساتکلیف، کلینگ-گوپتا، ویتل ، نرمال، نرمال با واریانس ناهمسان بهره گرفته شد. یافته‌ها: برای ارزیابی روش GLUE، مناسب‌ترین توابع درست‌نمایی انتخاب ‌شده و تأثیر عوامل مؤثر بر آن مورد تحلیل قرار گرفت. برای حوضه موردمطالعه، از بین شش تابع درست‌نمایی ارزیابی‌شده، توابع واریانس معکوس، کلینگ گوپتا و نرمال به‌دلیل نتیجه بهتر انتخاب شدند. آستانه جداسازی پارامترها نیز مورد تحلیل حساسیت قرار گرفت و 5 درصد تعداد کل شبیه‌سازی‌ها مناسب تشخیص داده شد. نتایج نشان داد که با افزایش پارامتر شکل، وزن بیشتر به جواب‌هایی تعلق می‌گیرد که دارای برازش بهتری هستند؛ بنابراین روش GLUE مشابه یک روش بهینه‌سازی عمل می‌کند. بررسی عدم‌قطعیت پارامترهای دو مدل نشان داد اکثر پارامترها همبستگی کمی با یکدیگر دارند که می‌توان نتیجه گرفت که پارامترها خوب تعریف‌شده‌اند، اما به خاطر ضریب تغییرات نسبتا بالای آن‌ها، تشخیص‌‌پذیری آن‌ها پایین است. باندهای عدم‌قطعیت در مدل HyMod حدود 62 درصد و در مدل HBV حدود 55 درصد از داده‌های مشاهداتی را (در دوره‌های صحت‌سنجی و واسنجی) پوشش دادند بازه‌‌‌های پیش‌بینی، در جریان‌های پایه بیشترین عرض را داشتند. نتیجه‌گیری: با توجه به نتایج، روش GLUE، نسبت به تابع درست‌نمایی مورداستفاده، آستانه جداسازی پارامترهای قابل‌قبول و نوع مدل، حساس بود. برای حوضه چهل‌چای، بهترین تابع درست‌نمایی، تابع کلینگ-گوپتا، بهترین آستانه جداسازی، برابر 5 درصد تعداد کل شبیه‌سازی‌ها بوده و از بین دو مدل مورد بررسی، مدل HyMod نسبت به مدل HBV، نتایج نسبتا بهتری داشت. همچنین عدم‌قطعیت پارامترها در این روش، به این دلیل که کل عدم‌قطعیت را در پارامترها خلاصه می‌کند، بالاست. از مزایای روش می‌توان به اجتناب نسبی آن از بیش‌برازش و سادگی آن اشاره کرد.

در این تحقیق، تحلیل روند تغییرات تدریجی و سریع متغیرهای هیدرواقلیمی حوضه آبریز لیقوان و نیز تعیین دوره­های طبیعی (ایستا) و تغییریافته صورت گرفته است. برای این منظور، از روش من­کندال مرسوم (MK1) و اصلاح شده (MK3) و پتیت و برای تعیین شیب خط روند از روش تخمین­گر سن استفاده شد. نتایج نشان داد مقادیر جریان رودخانه لیقوان­چای (در ایستگاه هروی) در همه مقیاس­های زمانی مورد بررسی دارای روند نزولی می­باشد. در فصل بهار، تمام متغیر­های مرتبط با بارش روند کاهشی نشان دادند. در مورد متغیرهای دمای هوا (میانگین، حداکثر و حداقل)، نتایج نشان داد که در اکثر مقیاس­های زمانی روند افزایشی وجود دارد که این روند در ماه­های دی تا اردیبهشت بسیار معنی­دار بود. همچنین، اختلاف دمای حداکثر و حداقل نیز روند افزایشی نشان داد. از طرفی، روند سری زمانی نم نسبی هوا نزولی (به­ویژه در زمستان) بود. می­توان نتیجه گرفت که ترکیب همه این تغییرات اثر معنی­داری در کاهش رواناب خروجی حوضه داشته است. نتایج آزمون پتیت نیز نشان داد که آبدهی لیقوان­چای (در ایستگاه هروی) دارای نقطه تغییر و شکست می­باشد که متوسط آبدهی در دوره اخیر کاهش 35 درصدی نسبت به دوره اول دارد. اغلب متغیرهای اقلیمی مورد مطالعه (مانند دما و نم­نسبی) تغییر ناگهانی داشتند که زمان تغییر این متغیرها و نیز آبدهی حوضه در ایستگاه هروی در اواسط دهه1370 می­باشد. در رابطه با آبدهی ایستگاه لیقوان در بالادست حوضه­، فرض صفر مبتنی بر وجود نقطه تغییر ناگهانی رد ­شد. بنابراین، در کنار عوامل اقلیمی، تاثیر عوامل انسانی نیز در کاهش رواناب حوضه (در ایستگاه هروی) موثر بوده­اند.

حوضه قزل‌اوزن یکی از حوضه‏های مهم ایران در تأمین غلات مورد نیاز مردم می‏باشد. مقدار تبخیر- تعرق پتانسیل گیاه مرجع (ET0) در افق‏های 2030، 2050 و 2070 با دو سناریوی RCP4.5 (انتشار پایین) و RCP8.5 (انتشار بالا) ارزیابی شد. از خروجی چهار مدل GCM موجود در CMIP5 و ریزمقیاس نمایی آماری LARS-WG6 استفاده گردید. در این مطالعه، از آمار روزانه 2016-1989 شش ایستگاه همدید (زنجان، میانه، خلخال، زرینه، قروه و بیجار) استفاده شد. معنی‏داری اختلاف میانگین‏های‏ ET0 در دوره پایه با مقادیر نظیر هر یک از افق‏های آتی با آزمون تی استیودنت در سه مقیاس ماهانه، فصلی و سالانه در سطح 5 درصد آزمایش شد. روند تغییرات ET0 در سه مقیاس زمانی مذکور در دو دوره پایه و دوره آتی 2080-2021 (با هر دو سناریوی RCP) با روش مان- کندال (MK) در سطح 5 درصد تحلیل گردید. اثر ضرایب خودهمبستگی معنی‏دار در روش MK حذف شد. شیب خط روند با روش سن تخمین زده شد. نتایج نشان داد که در کل حوضه، براساس سناریوی RCP4.5 مقدار ET0 در افق‏های 2030، 2050 و 2070 به ترتیب 8/1، 7/3 و 7/5 درصد افزایش خواهد یافت. این رقم برای سناریوی RCP8.5 به ترتیب، 7/1، 4/5 و 1/9 درصد به‏دست آمد. بیشترین افزایش ET0 در ماه ژوئیه انتظار می‏رود. میزان ET0 سالانه در همه ایستگاه‏ها در آینده افزایش خواهد یافت. اختلاف میانگین‏های ET0 در ماه‏های ژوئن، ژوئیه، اوت، فصل تابستان و مقادیر سالانه آن در تمام دوره- سناریوها نسبت به دوره پایه معنی‏دار بودند. در دوره آتی، طبق هر دو سناریو در همه ایستگاه‏ها، روند ET0 سالانه صعودی بود.

در بین عوامل اقلیمی مؤثر برای کشت دیم، بارندگی مهم­ترین عامل محسوب می­شود. تعیین اراضی مستعد دیم در کشور به­ویژه حوضه آبریز دریاچه ارومیه امری ضروری می­باشد. به­منظور پهنه­بندی منطقه شرق دریاچه ارومیه براساس عملکرد دیم و بارش برای بررسی قابلیت کشت دیم، آمار بارش روزانه ۲6 ایستگاه باران­سنجی برای دوره آماری 1370 تا 1392 به­کار گرفته شد. در این مطالعه گیاه گندم، به­عنوان یک محصول استراتژیک، انتخاب شد و و از آمار عملکرد گندم دیم طی دوره مذکور استفاده گردید. سپس با به­کارگیری روش­های تجزیه به مؤلفه­های اصلی،K- Means و وارد خوشه­بندی انجام گرفت. همگنی خوشه­های به­دست آمده با آزمون­های آماری H و S بررسی شد و خوشه­های همگن در محیط GIS رسم گردید. نتایج نشان داد که ضرایب عامل­های تجزیه به مؤلفه­های اصلی با خوشه­بندی K- Means از نظر درصد مساحت و درصد میانگین خوشه­های حاصل­شده بارش و عملکرد دیم همخوانی بیشتری باهم دارند و نتایج به هم نزدیک است. از طرفی دیگر، از نقطه نظر تغییرات مکانی، خطوط هم­عملکرد توام با خطوط هم­بارش رسم شد. نتایج افزایشی هم­سو برای عملکرد محصول و بارش در شمال­غرب و مرکز منطقه مورد مطالعه را نشان داد که با ماهیت فیزیکی روند عملکرد دیم همخوانی دارد؛ اما در بخش­های دیگر منطقه برخی مناطق ناهمگن مشاهده شد. مناطق همگن 47/24 درصد و مناطق ناهمگن 53/75 درصد مساحت منطقه مورد مطالعه را در برگرفت.

نخستین گام در مدیریت علمی منابع آب، شناخت دقیق جنبه‌های مختلف بارش است. یکی از جنبه‌های اصلی مطالعات مربوط به بارندگی، تهیة منحنی هاف در هر منطقه، به‌ویژه در مناطق خشک و نیمه‌خشک است. این کار به تصمیم‌گیرندگان در مدیریت مؤثر منابع آب کمک می‌کند که به‌نوبة خود به مدیریت مؤثر منابع آب شیرین منتهی می‌شود. هدف پژوهش حاضر، رسم منحنی‌های هاف و هیتوگراف رگبار در استان خوزستان است. بدین منظور از داده‌های باران‌نگار ثبات در ایستگاه‌های ایذه، ایدنک، عبدالخان و اهواز استفاده شد. در کل تعداد 1811 رگبار ثبت‌شده در بازة زمانی 1345 تا 1395 در فصول مختلف در 5 کلاس زمانی دسته‌بندی شدند. برای هر دسته، در هر فصل، منحنی‌های هاف با استفاده از تجمیع رگبارها رسم شد. نتایج نشان داد دسته‌بندی در فصول و در کلاس‌های زمانی، معنا‌دار است. ‌منظور مقایسة الگوی ریزش رگبارهای ایستگاه‌ها، سه شاخص S، I و Q تعریف شدند که نسبت بارش تجمعی را (به‌ترتیب در 25، 50 و 75 درصد مدت دوام رگبار) از منحنی احتمال 1/0 به مقدار نظیر احتمال 5/0 در نظر می‌گیرند. نتایج نشان داد شاخص S بیش از I و هر دو بیش از شاخص Q بوده است. بازة تغییرات شاخص S، از 63/9 (برای مدت دوام کمتر از 2 ساعت در بهار و ایستگاه عبدالخان) تا 47/1 (برای بارش‌های 12 تا 24 ساعت فصل بهار در ایستگاه ایدنک) بود؛ در حالی که شاخص Q از 44/1 (برای بارش‌های 6 تا 12 ساعت در بهار و ایستگاه عبدالخان) تا 03/1 (برای بارش‌های با مدت دوام کمتر از 2 ساعت در بهار و زمستان در ایستگاه اهواز و بهار در ایدنک) تغییر می‌کند. تغییرات مقدار شاخص I در بازة 12/2 (0 تا 2 ساعت در زمستان و در عبدالخان) تا 07/1 (2 تا 6 ساعت بهار اهواز) بود. برای هر منحنی هاف، هیتوگراف رگبار طرح با استفاده از منحنی احتمال 50% استخراج و ارائه شد.

دریاچه ارومیه به عنوان یکی از مهم­ترین دریاچه­های کشور به علت مصرف بیش از حد آب و تغییر اقلیم دارای وضعیت نامناسب زیست­محیطی شده است. بررسی تغییرات اقلیمی و نحوه توزیع بارش در این منطقه می­تواند در جهت مدیریت بهتر این حوضه آبریز به کار رود. در این مطالعه، برای پهنه­بندی نواحی بارش حوضه دریاچه ارومیه از اطلاعات 65 ایستگاه هواشناسی در دوره آماری 1395-1376 استفاده شد. برای این منظور، داده­های هر ماه استاندارد شده است و در ماتریس با ابعاد (n*m) که در آن n تعداد ایستگاه­ها (65) و m تعداد ما­ه­ها (12) است، نوشته شدند. تجزیه مؤلفه‌های اصلی (PCA) روی ماتریس داده­ها انجام شد و با توجه به معیار دارا بودن مقدار ویژه بالای یک، مؤلفه‌های اصلی انتخاب شدند. آنگاه مقادیر امتیازات مؤلفه‌های اصلی (PCS) برای مؤلفه‌های منتخب محاسبه شد. این مقادیر به­عنوان ورودی روش تجزیه خوشه­ای با روش وارد استفاده شدند. سپس جهت تعیین ایستگاه­های شاخص از روش پروکراستس استفاده شد. نتایج نشان داد که دو مؤلفه اصلی اول، 87 درصد واریانس کل داده­ها را توجیه می­کنند. براساس مؤلفه‌های منتخب، در کل حوضه، شش ناحیه بارشی متمایز تشخیص داده شد. همچنین معلوم شد که چهار ایستگاه واقع در نقاط مختلف حوضه آبریز دریاچه ارومیه شامل مهماندار، سراب، بابارود و سنته می­توانند به­عنوان ایستگاه­های شاخص در نظر گرفته شوند. این ایستگاه­ها بیش از %84 واریانس کل داده­های ایستگاه­های حوضه را در بر داشتند. آزمون روند من-کندال نشان داد که بارش در فصل پاییز دارای روند افزایشی معنی­دار می­باشد، درحالی­که بارش سالانه فقط در یکی از خوشه­ها دارای روند افزایشی معنی­دار می­باشد.

در این مطالعه، با استفاده از آمار رگبارهای ثبت شده برای 517 رویداد در 5 ایستگاه عجب­شیر، آذرشهر، بناب، بستان­آباد و لیقوان (واقع درشرق دریاچه ارومیه)، منحنی­های­ هاف بسط داده شد. کل رویدادهای منتخب براساس مدت دوام رگبار در چهار کلاس متمایز به­شرح 1- صفر تا دو ، 2- دو تا شش، 3- شش تا دوازده و 4- بیش از دوازده ساعت دسته­بندی شدند. سپس منحنی­های هاف برای هر دسته به­ازای درصد احتمالات 10 درصد، 20 درصد، ... و 90 درصد رسم گردید. ضمنا منحنی­های هاف برای کل رویدادها (بدون دسته­بندی) در هر ایستگاه نیز تهیه شد. در این مطالعه، از توزیع‌های آماری رایج در هیدرولوژی استفاده شد. همچنین، سه شاخص جدید که نشان­دهنده نسبت درصد عمق بارش از آغاز بارندگی تا پایان 25 درصد، 50 درصد و 75 درصد زمان بارندگی منحنی هاف 50 درصد به منحنی هاف 90 درصد می­باشند، به­صورت S، I و Q تعریف شد. هیتوگراف رگبار طرح در هر ایستگاه برای کل رویدادها (بدون کلاس­بندی) برای منحنی هاف 50 درصد به­دست آمد. مدل ریاضی منحنی­های هاف در فرم مدل لاجستیک بسط و پارامترهای آن تخمین زده شدند. نتایج حاکی از آن است که برای کلاس­های با مدت دوام کمتر از 6 ساعت بخش قابل توجهی از بارش در چارک­های اول یا دوم زمانی رخ می­دهد. درحالیکه در بارش­های با مدت دوام بیش از 6 ساعت بارش­ها با شدت کم آغاز شده و به­تدریج تا آخر بارندگی بر شدت آن­ها افزوده می­شود. همچنین نتایج نشان داد که روند تغییرات مقادیر شاخص­های S، I و Q به­صورت S>I>Q می­باشد. بر اساس نتایج حاصله، مدل لاجستیک قادر به برازش خیلی خوب رگبارها در ایستگاه­های منتخب می­باشد، طوریکه ضریب همبستگی بین مشاهدات و مدل بین 978/0 و 998/0 است که از نظر آماری در سطح 5 درصد معنی­دار بودند.

در این مطالعه، با استفاده از چهار مدل GCM و دو سناریوی RCP4.5 و RCP8.5 اقدام به تولید داده برای افق 2050 شد. سپس، پارامترهای دمای هوا، بارش، تبخیر- تعرق (ET0) و کمبود بارش (PD) در طول فصل رشد ارزیابی گردید و مقادیر کمیت‌های شدت خشکی و طول دوره خشکی تخمین زده شدند. ET0 با دو روش پریستلی- تیلور (PT) و پنمن مانتیث (PM) محاسبه شد. ET0 محاسبه شده با روش PT با استفاده از چهار مدل‏ هوشمند )شامل Eureqa Formulize، ANN، ANFIS و (SVM با روش PM برای هرایستگاه واسنجی گردید. برای پهنه‏بندی شاخص‏های مذکور، از سه روش زمین آمار‏ IDW، کریجینگ و کوکریجنگ بهره گرفته شد. نتایج نشان داد که در ایستگاه‌های منتخب، میانگین دمای هوا و بارش (در طول فصل رشد) به‏ترتیب، بین 9/0 تا 2 درجه سلسیوس و 27 تا 49 میلی‏متر افزایش خواهد یافت. همچنین، پارامترهای ET0 و شدت خشکی در همه ایستگاه‏ها افزایش خواهد یافت. میانگین افزایش PD در کل حوضه در حدود 6 تا 9 درصد خواهد بود. به‏طور متوسط، شدت افزایش شاخص‏های اگروکلیماتیک در سناریوی RCP8.5 حدود چهار درصد بیشتر از سناریوی RCP4.5 می‏باشد. در بین روش‌های میان‏یابی، روش کوکریجینگ با استفاده از داده کمکی مدل رقومی ارتفاع (DEM) کارایی بهتری را نشان داد. در افق مورد نظر، طول فصل رشد بین 15 تا 35 روز افزایش خواهد یافت، با این حال، طول دوره خشکی تغییر محسوسی نخواهد داشت. نتایج نشان داد که در آینده، تغییرات مکانی متغیرهای اقلیمی کم و بیش مشابه با تغییرات نظیر دوره پایه خواهد بود.

در این مطالعه، مشخصات خشکسالی ایستگاه­های تبریز، بندرانزلی و زاهدان طی دوره­ی آماری از سال آبی 31-1330 تا 91-1390 با استفاده از شاخص خشکسالی مؤثر (EDI) مورد بررسی قرار گرفت. در این مطالعه شاخص بارش مؤثر روزانه، با محاسبه­ی شاخص­های دیگر از قبیل میانگین بارش مؤثر روزانه (MEP) برای هر روز سال، مقدار تفاضل بارش مؤثر روزانه از میانگین بارش مؤثر (DEP)، مقادیر استاندارد شده­ی DEP (که با SEP نشان داده می­شود) و بارندگی مورد نیاز برای برگشت به شرایط نرمال (که با PRN نمایش داده می­شود)، به­دست آمد و در نهایت شاخص خشکسالی مؤثر (EDI) برای ایستگاه مورد مطالعه در کل دوره­ی آماری به­دست آمد. همچنین نمودار سری زمانی مربوط به پارامترهای محاسبه شده نیز رسم گردید.طبق نتایج به­دست آمده معلوم شد که سال­های آبی 87-1386، 87-1386 و 81-1380 به­ترتیب برای ایستگاه­های تبریز، بندر انزلی و زاهدان خشک­ترین سال آبی در طول دوره­ی آماری 60 ساله می­باشد. براساس تعداد روزهایی که در هر ایستگاه خشکسالی رخ داده است، می­توان نتیجه گرفت که ایستگاه­های بندرانزلی، تبریز و زاهدان به­ترتیب با 2407، 1517 و 1338روز خشک از کل دوره­ی آماری به­ترتیب تعداد در رتبه­های اول تا سوم جای گرفته­اند.