2024-03-28T17:41:14Z
https://jphgr.ut.ac.ir/?_action=export&rf=summon&issue=2141
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
انواع جریانهای سیلابی رخداده در رودخانه مادرسو
(در اثنای سیلابهای کاتاستروفیک مردادماه سالهای 1380 و 1381)
مجتبی
یمانی
جمشید
جداری عیوضی
مهناز
جهادی طرقی
سیلابهای شدید مردادماه سالهای 1380 و 1381 حوضة رودخانه مادرسو از نظر نوع جریان با سیلابهای عادی تفاوتهای زیادی داشته است، به طوری که تغییرات عمدهای را در ریختشناسی (مورفولوژی) حوضه ایجاد کرده است. این پژوهش با استفاده از روشهای توصیفیـ تحلیلی و ابزارهایی چون عکسهای هوایی، تصاویر ماهوارهای، نقشههای توپوگرافی و زمینشناسی منطقه و اندازهگیریهای حاصل از برداشتهای میدانی و عکسهای زمینی به بررسی و تقسیمبندی انواع جریانهای سیلابی وقوعیافته در رودخانة مادرسو (جنگل گلستان) پرداخته است. تجزیه و تحلیل در قالب روش حوضهای و دادههای ایستگاه هیدرومتری با استفاده از مدلهای هیدرولوژیک و سرانجام تطبیق آنها با یافتههای روی زمین انجام پذیرفته است. نتایج نشان میدهد که از تعداد 75 زیرحوضة واقع در حوضههای تنگراه و جنگل گلستان، قیزقلعه و دشت، حدود 42 زیرحوضه دچار جریانهای سیلابی معمولی شده است، در حالی که 3 زیرحوضه با جریانهای بسیار غلیظ و 30 زیرحوضه نیز با جریانهای مواد مواجه بودهاند. مسئلة مهمی که مورد تأکید قرار گرفته، این است که حجم جریانهای بسیار غلیظ، جریانهای مواد، جریانهای چوبی و دبیهای آنها، بسیار بزرگتر از جریانهای سیلابی معمولی است. بدیهی است که در برنامهریزیهای آتی برای طراحی هر سازهای در مسیر رودخانه، باید این مسئله پیشبینی شود.
Catastrophic floods
debris flow
floods
Golestan forest
Madarsoo River
2010
11
22
https://jphgr.ut.ac.ir/article_21575_4e7b07709b053e10bf73d079801bc268.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
مدلسازی مراحل نمو یک رقم گلرنگ بهاره، با استفاده از درجه حرارت و طول روز
جواد
خوشحال
عبدالمجید
رضایی
طلعت
یساری
برای ارزیابی تأثیرپذیری طول مراحل مختلف نمو گلرنگ رقم اراک، از تغییرات طول روز و دما و مدلسازی سرعت نمو در دورههای مختلف نمو، آزمایشهایی با بهرهگیری از تاریخهای مختلف کاشت طی سالهای 86-1385 و 87-1386 در مزرعه تحقیقات کشاورزی کبوترآباد اصفهان انجام گردید. برای تخمین سرعت نمو طی هر مرحله، عکس طول هر مرحله به عنوان متغیر تابع و متغیرهای حرارتی، طول روز و حاصلضرب متغیرهای حرارتی با متغیرهای طول روز به عنوان متغیر مستقل در رگرسیون مرحلهای مورد استفاده قرار گرفتند. مرحلهای از رگرسیون به عنوان مدل مناسب انتخاب گردید که ضریب رگرسیون و ضریب تشخیص آخرین جزء آن حداقل در سطح احتمال 10 درصد معنیدار باشد و حداکثر ضریب تشخیص کل را داشته باشد. تعداد روز از کاشت تا سبز شدن، سبز شدن تا رویت طبق، سبز شدن تا رسیدگی و گلدهی تا رسیدگی از تاریخهای کاشت تأثیر پذیرفت. با افزایش دما، طول مراحل نمو کاهش یافت. طول دوره سبز شدن تا رؤیت طبق بیشترین تأثیر را از طول روز پذیرفت و با افزایش آن کاهش یافت. درجه حرارت حداقل تنها متغیری بود که وارد مدل شد و به تنهایی حدود 76 درصد تغییرات سرعت سبز شدن رقم اراک را توضیح داد. حدود 84 درصد تغییرات سرعت نمو در طول دوران سبز شدن تا رویت طبق بهوسیله حاصلضرب درجه حرارت حداکثر در طول روز، توجیه گردید. بخش عمده واریانس سرعت نمو این رقم طی دوران سبز شدن تا رسیدگی بهوسیله حاصلضرب مربع میانگین حرارت در مربع طول روز و به میزان حدود 66 درصد توضیح داده شد. حاصلضرب میانگین دما در طول روز، توان چهارم، دوم و اول درجه حرارت حداقل متغیرهای بعدی بودند که وارد مدل شدند و روی هم حدود 80 درصد تغییرات سرعت این دوره را بیان کردند. توان چهارم درجه حرارت حداقل تنها متغیری بود که سرعت نمو مرحله گلدهی تا رسیدگی را به میزان حدود 55 درصد توضیح داد.
Day length
Developmental Stages
modeling
Safflower
temperature
2010
11
22
https://jphgr.ut.ac.ir/article_21576_03bf95b9f0d926266dbbab1b0ec5a33f.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
مدل تغییرات مکانی بارش در زاگرس میانی
قاسم
عزیزی
حسنعلی
فرجی سبکبار
رحیمعلی
عباسپور
طاهر
صفرراد
ارتباط بارش و ارتفاع بهمنظور برآورد میزان و نحوة تغییرپذیری بارش در مناطق کوهستانی، همواره از موضوعات مورد توجه اقلیمشناسان بوده است. در این تحقیق سعی شده است از طریق مدل رگرسیونی، بارش منطقة زاگرس میانی مدلسازی گردد. تمام دادههای موجود بارندگی منطقة مورد مطالعه ـ اعم از سازمان هواشناسی (سینوپتیک، کلیماتولوژی و بارانسنجی) و وزارت نیرو ـ گردآوری شد، که پس از تبدیل دادههای وزارت نیرو به تاریخ میلادی، کل ایستگاههایی که دارای دادة کامل بین سالهای 1995 تا 2004 بودند انتخاب شدند. بدینمنظور بارندگی به عنوان متغیر وابسته و ارتفاع، شیب، جهت شیب، طول و عرض جغرافیایی، فاصله از خط مبنای غربی، فاصله از خطالرأس به عنوان متغیرهای مستقل در نظر گرفته شدند. دو متغیر فاصله از خط مبنای غربی و فاصله از خطالرأسها تاکنون مورد استفاده قرار نگرفتهاند. مدلسازی از طریق متغیرهای مستقل معنادار انجام پذیرفت و با تقسیم منطقه به دو بخش رو به باد و پشت به باد و همچنین ترسیم نیمرخهای طولی بارش و ارتفاع، عمود بر خطالرأسها، نحوة تغییرپذیری مکانی بارندگی بررسی گردید. بدین ترتیب مشخص شد که با وجود هماهنگی نسبی بین بارندگی و ناهمواری، هستة بیشینة بارندگی بر محور مرتفعِ ناهمواریها منطبق نیست. نتایج تحقیق نشان میدهد که رابطة معناداری بین فاصله از خطالرأس و بارش وجود دارد و این موضوع در تحقیق مورد بررسی قرار گرفته است. با توجه به معنیداری این متغیر (در سطح 99 درصد)، پیشنهاد میگردد در پژوهشهای آتی برای مدلسازی تغییرات مکانی بارش در زاگرس و بهویژه زاگرس میانی، از این متغیر استفاده شود. همچنین بهدلیل معنیدار نبودن متغیر مستقل فاصله از خط مبنای غربی، استفاده از آن در سایر پژوهشهای مرتبط با مدلسازی تغییرات مکانی بارش در زاگرس میانی پیشنهاد نمیشود.
Central Zagros.
Digital Elevation Model
modeling
Multivariation regression
Special analysis
2010
11
22
https://jphgr.ut.ac.ir/article_21577_7064caa89dafc03050cc637338c93706.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
تحلیلی بر تأثیرات اقلیمی سیکلون حارهای گونو (خرداد 1386) بر جنوب شرق ایران
محمود
خسروی
محمدرضا
پودینه
در خرداد ماه 1386 طی فعالیت گونو از تولید تا اضمحلال، برخی تغییرات معنیدار در سطح زمین و سطوح پایینی و میانی جوّ منطقه رخ داد. هدف این مقاله ارزیابی تأثیرات اقلیمی سیکلون حارهای گونو بر نواحی جنوب شرق ایران بهخصوص سیستان و بلوچستان است. برای این منظور دادههای اقلیمی ایستگاههای هواشناسی اصلی منطقه و همچنین دادههای آنالیز مجدد مراکز NCAR/NCEP وابسته به مرکز ملی هوا و اقیانوسشناسی امریکا (NOAA) مورد تحلیل قرار گرفت. تصاویر سنجندههای ماهواره متئوست 7 و ماهوارههای ترا و اگوا (سنجنده مودیس) در باندهای مرئی، مادون قرمز و ترکیبی طی دوره حیات سیکلون گونو دریافت گردید و بهمنظور دستیابی به نتایج و تأیید آنها مورد تفسیر قرار گرفت. نتایج حاصل از نقشههای ترکیبی نشان داد که با افزایش قدرت گونو، محور مراکز پُرفشار جنب حارهای در سطوح پایینی جو به سمت شرق، و در سطوح میانی به سمت شمال جابهجا شده است. این جابهجایی شرایط را برای همرفت شدید و بارش سنگین مهیا ساخته است. حداکثر بارش در نیکشهر (144 میلیمتر) گزارش شده است. نقشههای اُمگا حرکات صعودی شدید را بر فراز جوّ منطقه طی روزهای 14 تا 17 خرداد تأیید کرد. افزایش حرکات قائم شدید در سطح 500 هکتوپاسکال همرفت شدید و عمیقی را بر روی منطقه نشان داد. ناهنجاریهای منفی درجه حرارت در سطح زمین (به دلیل ابر آلودگی شدید) و در سطح 850 هکتوپاسکال به علت چگالیدگی قوی ناشی از همرفت بسیار شدید هوای مرطوب، اهمیت فراوان دارد. بسیاری از ایستگاههای منطقه ناهنجاری دمایی در حدود 10- درجه سلسیوس را ثبت کردهاند و در سطح 850 هکتوپاسکال هم در حدود 8- درجه سلسیوس در مقایسه با شرایط نرمال اقلیمی ناهنجاری وجود داشته است؛ اما در سطح 500 هکتوپاسکال به علت آزاد شدن انرژی نهان ناشی از بخار آب، ناهنجاریهای مثبت در حدود 10 درجه سلسیوس به وقوع پیوسته است. تغییرات در سمت و سرعت بادهای با تداوم، همزمان با فعالیت گونو بر روی منطقه باعث تغییرات معنیداری در آنها در مقایسه با شرایط نرمال اقلیمی گردید.
Convection.
Gonu
Gulf of Oman
Sistan & Baluchestan
Tropical cyclone
2010
11
22
https://jphgr.ut.ac.ir/article_21578_90a1288aade5f1937402db71bff64676.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
پهنهبندی پتانسیل سیلخیزی حوضه آبریز کنجانچم
کمال
امیدوار
آمنه
کیانفر
شمسالله
عسکری
ویژگی هندسی آبخیزها در مطالعات و برآوردهای سیلاب بسیار مورد توجه است. این مشخصه در حوضههای فاقد آمار مهمترین نقش را در برآوردهای هیدرولوژی دارد. تنوع آبخیزهای کشور به لحاظ شرایط اقلیمی، پوشش گیاهی، خاک و زمینشناسی و نبود ایستگاههای هیدرومتری، مسئله اساسی در عدم برآورد صحیح پیشبینیهای سیلاب است. در این تحقیق، حوضه آبریز کنجانچم در استان ایلام به 29 زیرحوضه تقسیم شده و برای هر زیرحوضه 28 پارامتر ژئومتری، فیزیوگرافی، نفوذپذیری و اقلیمی
ـ مانند مساحت، محیط، طول و شیب آبراهه اصلی، طول و شیب حوضه، زمان تمرکز، ضریب شکل و متغیر بارش، تاج پوشش گیاهی، CN، دبیـ با استفاده از نرمافزار ArcGIS محاسبه شده است. برای تعیین پتانسیل سیلخیزی زیرحوضههای حوضه آبریز کنجانچم از روشهای آماری تحلیل عاملی و تحلیل خوشهای استفاده شد، به گونهای که دادههای 28 متغیر زیرحوضهها بهوسیله نرمافزار SPSS پردازش گردیدند و در قالب 5 عامل اصلی (شکل، آبراهه، شیب، زهکشی و رواناب) خلاصهسازی شدند. نتایج بهدست آمده بیانگر این است که عامل شکل با مقدار ویژه 75/9 مهمترین عامل در سیلخیزی حوضه مورد مطالعه بهشمار میآید. عوامل آبراهه، شیب، زهکشی و رواناب به ترتیب با مقدار ویژه 55/6، 45/3، 51/2، 26/2 به ترتیب اولویت در رتبههای بعدی قرار میگیرند. سپس براساس امتیاز عاملی منطقه مورد مطالعه به 5 دسته سیلخیزی زیاد، نسبتاً زیاد، متوسط، نسبتاً کم و کم تقسیم گردید و سرانجام نقشه پهنهبندی پتانسیل سیلخیزی زیرحوضهها در محیط GIS ترسیم شد.
Cluster Analysis
factor analysis
Flood producing
Konjancham
Watershed
zoning
2010
11
22
https://jphgr.ut.ac.ir/article_21579_ec570133e0f29271900f9dcd188f850e.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
ارزیابی تأثیر تغییر اقلیم بر دما و بارش ایران در دهههای آینده
با کمک مدل MAGICC-SCENGEN
فاطمه
عباسی
ایمان
بابائیان
لیلا
گلی مختاری
شراره
ملبوسی
در این مقاله شرایط اقلیم ایران در دهههای 2000، 2025، 2050، 2075 و 2100 با استفاده از خروجی دو مدل گردش عمومی جو HadCM2 و ECHAM4 و با در نظر گیری 18 سناریوی انتشار IPCC، مدلسازی شده است. از مدل MAGICC-SCENGEN برای ریزمقیاسنمایی دادههای با قدرت تفکیک کم خروجی مدلهای گردش عمومی استفاده شد. در این تحقیق به بررسی و مقایسه نتایج دو مدل HadCM2 و ECHAM4 پرداخته شده است. بر این اساس، نتایج مدل HadCM2 حاکی از کاهش بارشهای ایران تا دهه 2100 به میزان 5/2 درصد است، در حالیکه برای دوره مشابه در مدل ECHAM4 بارشهای کشورمان به میزان 8/19 درصد افزایش یافته است. تحلیل منطقهای نتایج مدل HadCM2 نشان میدهد که در دهههای آینده استانهای مازندران، گلستان، خراسان شمالی، شمال خراسان رضوی و سمنان، تهران و بخشهایی از گیلان و قزوین با افزایش بارش مواجه خواهد شد، در حالیکه مدل ECHAM4 برای مناطق مذکور کاهش بارش را پیشبینی کرده است. همچنین مدل HadCM2 برای نواحی جنوب شرق کشورمان شامل استانهای هرمزگان، کرمان، بوشهر، جنوب فارس و بخشهایی از سیستان و بلوچستان کاهش بارش را پیشبینی کرده است، اما در مدل ECHAM4 مناطق مذکور در دوره مشابه با افزایش بارش مواجه خواهند بود. براساس بررسیهای به عمل آمده، نتایج هر دو مدل بیانگر افزایش دمای تمامی استانهای کشورمان در دهههای آینده است. این دو مدل تا دهه 2100 بهطور میانگین افزایش دمای 3 تا 6/3 درجه سانتیگراد را برای کشورمان پیشبینی میکنند، که در این دو مدل توزیع مکانی افزایش دما با هم مطابقت دارند.
climate change
General Circulation Mode ECHAM4
HadCM2
Iran
Magicc-Scengen
2010
11
22
https://jphgr.ut.ac.ir/article_21580_72ea64e8680c5a1e05a22b7e86aad6ab.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
مطالعه میانگین الگوهای همدیدی براساس رخداد غلظتهای مختلف آلاینده CO
در فصول تابستان و پاییز در تهران
عباس
رنجبر سعادتآبادی
لیلا
محمدیان محمدی
تهران یکی از شهرهای آلوده جهان است. تردد بسیار زیاد خودرو در کلانشهر تهران، همراه با وجود کارخانجات متعدد و موقعیت خاص جغرافیایی آن، سبب شده است که آلودگی هوا از چالشهای جدی زیستمحیطی و شهرنشینی در تهران محسوب شود. مهمترین آلاینده گازیشکل در تهران، گاز خطرناک منواکسید کربن (CO) است. در این مقاله، ابتدا غلظت آلاینده گاز CO طی دوره آماری 2006-2001، برای ماههای تابستان و پاییز به پنج گروه مختلف طبقهبندی شد. سپس با استفاده از دادههای روزانه تحلیل مجدد مرکز محیطی (NCEP) در ساعت 00UTC و بهصورت روزانه برای ششماه از سال، میدانهای فشار سطح دریا و ارتفاع ژئوپتانسیل 500 میلیباری در نقاط شبکهای برای هر گروه تهیه گردید. آنگاه نقشههای میانگین هر یک از پنج گروه مورد بررسی قرار گرفت. نتایج حاصل از بررسی این الگوها نشان دادند که میانگین الگوهای همدیدی در زمانی که شاخص استاندارد آلودگی هوای تهران در شرایط پاک و سالم است، تفاوت عمدهای با شرایط ناسالم و بسیار ناسالم دارد. استقرار سامانه پرفشار بر روی خزر، عبور ناوهها و یا استقرار جریانهای مداری تراز میانی جو سبب کاهش آلایندههای هوای تهران میگردد، در حالیکه استقرار کمفشار حرارتی در بخشهای جنوب شرقی دریای خزر و زبانه پرفشار در جنوب رشته کوه البرز همراه با تقویت پشته ارتفاعی تراز میانی جو شرایط لازم را برای افزایش پتانسیل آلودگی هوای تهران فراهم میآورد. این شرایط برای الگوهای تابستانی و پاییزی در حالت کلی مشابه است، هرچند که الگوهای همدیدی روی ایران در تابستان و پاییز تفاوتهای اساسی دارند.
Air pollution
CO pollutant concentration
Mean synoptic patterns
Tehran.
2010
11
22
https://jphgr.ut.ac.ir/article_21581_548034fed37782aa40e8fdf71817a3f2.pdf
Physical Geography Research
Phys Geog Res
2008-630X
2008-630X
1389
42
72
بررسی ویژگیهای آماری و همدیدی طوفانهای تندری استان اردبیل
برومند
صلاحی
طوفانهای تندری از مهمترین بلایای طبیعیاند که همهساله علاوه بر نابود کردن مقدار زیادی از محصولات کشاورزی، سبب تلفات انسانی زیادی در سراسر دنیا میشوند. در این مقاله، از دادههای روزهای وقوع طوفانهای تندری ایستگاههای سینوپتیک اردبیل، مشکینشهر، خلخال و پارسآباد ـ که به ترتیب دارای آمار 29، 11، 19 و 21 ساله بودند ـ استفاده شده است. پس از اطمینان از صحت دادههای مورد استفاده، اقدام به تجزیه و تحلیل ویژگیهای آماری دادهها و تعیین نوع توزیع آماری ماهانه و فصلی روزهای دارای طوفانهای تندری گردید. از روش تجزیه مؤلفه روند سریهای زمانی (روند خطی یا پلینومیال درجه شش) برای تبیین نوسانهای زمانی طوفانهای تندری استفاده شده است. برای تبیین و توجیه همدیدی رگبارها و طوفانهای تندری، شرایط همفشاری سطح زمین، همارتفاع سطح 500 هکتوپاسکال و ستون آب قابل بارش روز 26 مه 1985 به عنوان نمونه، مورد تجزیه و تحلیل قرار گرفته است. نتایج بررسیها نشان دادند که در ایستگاههای سینوپتیک اردبیل، مشکینشهر و خلخال، بیشترین فراوانی وقوع طوفانهای تندری متعلق به ماه مه و در ایستگاه سینوپتیک پارسآباد، متعلق به ماه ژوئن است. درخت خوشهبندی طوفانهای تندری ماهانه در ایستگاههای مورد مطالعه، نشان داد که این طوفانها در تمامی ایستگاهها سه خوشه مشابه را تشکیل میدهند. مدلهای نوسانی زمانی و روند خطی و پلینومیال درجه شش طوفانهای تندری فصل بهار و سالانه نشان دادند که در ایستگاههای اردبیل، خلخال و مشکینشهر، وقوع طوفانهای تندری دارای روندی افزایشی است و در ایستگاه پارسآباد روندی کاهشی دارد. همخوانی نسبتاً خوب روند خطی و پلینومیال درجه شش بهاری و سالانه وقوع طوفانهای تندری، مبین بیشتر بودن سهم فصل بهار از طوفانهای تندری نسبت به میزان سالانه است. فراوانی وقوع طوفانهای تندری ایستگاه سینوپتیک اردبیل با تابع توزیع احتمال ویبول سه پارامتری در سطح اطمینان 95 درصد تطابق دارد. بررسی نقشههای همدیدی روز نماینده نشان دادند که در این روز، شرایط سطح زمین و سطوح بالای اتمسفر برای وقوع پدیده طوفان تندری مناسب است.
Ardabil Province
Cluster Analysis
Linear and polynomial trend
synoptic analysis
Thunderstorms
2010
11
22
https://jphgr.ut.ac.ir/article_21582_e4a5dc90865059cf1e47f9dc9a4275dc.pdf