فهرست مطالب
نشریه هواشناسی کشاورزی
سال ششم شماره 1 (بهار و تابستان 1397)
- تاریخ انتشار: 1397/06/31
- تعداد عناوین: 7
-
-
سخن نخستصفحه 0تهیه نقشه ها به عنوان بخشی از اسناد شناخت بشر از محیط زیست و پتانسیل های آن در تاریخ علم سابقه ای طولانی دارد و اولین مستند موجود و در دسترس آن سیمای جهان قدیم منسوب به بطلمیوس است که در سال های 150 میلادی تهیه شده و بدیهی است که آخرینی بر آن متصور نیست چه انبوهی از اطلس ها و نقشه ها با موضوعاتی متنوع با استناد به داده های فراوان موجود و تکنیک های پیشرفته تجزیه، تحلیل و ترسیم هر روز در حال زایش و باززایش اند.
اطلس ها طیف وسیعی از شاخص ها و وضعیت ها را دربر می گیرند ولی آنچه در این سخن کوتاه مورد نظر نگارنده است نقشه هایی است که دانستنی ها و پارامترهای لازم و پایه در زمینه هواشناسی کشاورزی کشور یعنی آب، خاک، هوا و گیاه را در اختیار می گذارند و همه را تحت عنوان "ترسیم پتانسیل اقلیم کشاورزی ایران" می توان خلاصه کرد وهدف این سخن نیز ارزیابی وضع موجود و واگویی سیر کوشش های آینده سازمان های ذیربط و پژوهشگران این عرصه است.
تشکیل پژوهشگاه های علم و فناوری اطلاعات و گسترش پایگاه های بایگانی مقالات و محصولات پژوهشی، هم زمان با گسترش فرهنگ رقومی سازی در سال های اخیر، امکان کندوکاو در موجودی نقشه های پایه اقلیم شناسی کشاورزی ایران را فراهم می سازد.
یک بررسی مقدماتی نشان می دهد که کوشش های مثبت و ارزنده ای به انجام رسیده است ولی هنوز راه های نرفته ای در پیش است و تدوین و طراحی یک نقشه راه دقیق و حمایت شده از طرف سازمان های ذیربط ضرورت دارد.
در بحث حاضر، اطلس اقلیمی ایران که به همت و نظارت روانشاد دکتر محمدحسن گنجی از انتشارات مشترک دانشگاه تهران و سازمان هواشناسی کشور در سال 1347 نشر یافته و در گروه انتشارات "اطلس ها- هواشناسی کشاورزی" دسته بندی شده است، جزو اولین ها به شمار می آید. این اطلس به رغم محدودیت های زمانی و مکانی داده ها و ایستگاه های هواشناسی در زمان تولید، هنوز هم قابلیت استنادی خود را حفظ کرده و از حیث تنوع پارامترها، شکل ظاهری و قالب ارائه اش اثری برجسته و تحسین برانگیز محسوب می گردد.
نقشه های تهیه شده در زمینه های مرتبط با هواشناسی کشاورزی ایران از نظر مقیاس، موضوع، قابلیت کاربرد و نحوه ارائه بسیار متنوع و با اهداف گوناگون تهیه شده اند. مقیاس نقشه ها از یک میلیونیم و تا قطع وزیری و موضوع آن ها از پارامترهای انتزاعی نظیر هم بارش و هم دما تا موضوعات تحلیلی نظیر نیاز آبی گیاهان، ریسک سرمازدگی محصولات، را در بر می گیرد. مستندات نقشه ها به خصوص در سال های اخیر از داده های پس پردازش شده و پردازش شده جهانی تا داده های ایستگاه های محلی، متفاوت است. در بین تولیدات نقشه های هواشناسی کشاورزی موارد بسیار کم شماری که بازخوانی اطلاعات آن ها رقومی (دیجیتالیزه) شده باشد نیز دیده می شود که نمونه آن دربرخی مقالات گذشته نشریه حاضر قابل بازیابی است
پراکندگی مطالعات و تولیدات پژوهش در زمینه مورد بحث این اندیشه را تقویت می کند که زمان آن رسیده است که همه امکانات در دسترس، برای تولید "اطلس پتانسیل های اقلیمی کشاورزی ایران" بسیج گردد تا هم تناقضات موجود بین نقشه ها به حداقل برسد و هم صحت نقشه ها از پشتوانه علمی مستحکم تری برخوردار شود. در حال حاضر امکانات تولید و تنظیم اطلاعات در زمینه مورد بحث بسیار زیادتر از پیش است و بدون ارائه رقم و عدد، به طور ملموس دیده می شود که: 1) شبکه ایستگاه های سازمان هواشناسی کشور و وزارت نیرو متراکم تر و به استانداردهای علمی نزدیک تر، 2) فرآیند داده پردازی به شکرانه کامپیوترهای موجود در پایگاه های پردازش داده ها امکان پذیر تر و ساده تر، 3) فناوری ترسیم نقشه ها علمی تر و دقیق تر و از همه مهم تر دسترسی به نیروی انسانی متخصص در مساله مورد بحث امکان پذیر تر شده اند و در مجموع توانایی زیادی برای تهیه اطلس اقلیمی کشاورزی ایران به وجود آمده است.
آنچه باید به آن برسیم تهیه نقشه هایی است که به صورت سخت افزاری سیمای کلی و به صورت نرم افزاری (دیجیتالی) سیمای خرد مقیاس را با دقت مکانی و زمانی قابل قبول ارایه دهد. دسترسی سریع برای پژوهشگران و سیاست گزاران هواشناسی کشاورزی را امکان پذیر سازد و از پشتوانه علمی مستحکم و تایید شده ای به عنوان "سند ملی اقلیم کشاورزی ایران" برخوردار باشد.
کوتاه سخن، اندیشه تهیه اطلس اقلیمی کشاورزی ایران فضایی بکر و پر از موضوعات کار نشده و ضروری در اختیار پژوهشگران می گذارد که در آن سر فصل های متعددی همانند پارامترهای انتزاعی اقلیمی، شاخص های ترکیبی هواشناسی کشاورزی، نقشه های ریسک پدیده های زیان بخش جوی با هدف بیمه محصولات، تقویم عملیات زراعی محصولات مختلف و بسیاری دیگر می تواند با نگاه کاربردی مورد تجزیه و تحلیل قرار گیرد. تهیه این اطلس ها نیاز مند یک اراده اجرایی است که درآن سازمان هواشناسی کشور، وزارت نیرو و بخش تحقیقات وزارت جهاد کشاورزی در قالب یک برنامه هماهنگ شده مشترکا به آن بپردازند.کلیدواژگان: نشریه هواشناسی کشاورزی -
صفحات 1-8تعیین تبخیرتعرق که یکی از بخش های اصلی چرخه هیدرولوژی می باشد. در مواردی همچون برنامه ریزی آبیاری، بیلان آب، طراحی و مدیریت سامانه های آبیاری و پیش بینی عملکرد محصول ضروری است. سنجش از دور بر خلاف روش های رایج نقطه ای، تبخیرتعرق را در مقیاس های مختلف مکانی برآورد می کند. بنابراین هدف از این پژوهش برآورد تبخیرتعرق واقعی در منطقه دشت ناز ساری با استفاده از تصاویر سنجنده OLI و به کارگیری الگوریتم تراز انرژی سطح خشکی (سبال) است. برای ارزیابی یافته ها، تبخیرتعرق برآورد شده از الگوریتم سبال با روش مرجع پنمن- مانتیث- فائو مقایسه شد. همبستگی نیرومند و معنی داری میان این دو روش (93/0 =R2) دیده شد. خطای کم برآورد الگوریتم سبال در مقایسه با روش مرجع (14/1 =RMSE) و کمی تفاضل مطلق بین مدل سبال و روش پنمن- مانتیث- فائو (96/0 =MAE) بیان گر این است که میان داده های برآوردی از روش الگوریتم سبال و روش پنمن- مانتیث- فائو همخوانی خوبی وجود دارد. از این رو، این پژوهش نشان داد که تصاویر سنجنده OLI و الگوریتم سبال توانایی این را دارند تا مقدار تبخیرتعرق واقعی را در منطقه دشت ناز ساری به خوبی برآورد کند.کلیدواژگان: الگوریتم سبال، پنمن- مانتیث- فائو، تبخیرتعرق، سنجش از دور- ایران
-
صفحات 9-18تخمین مقدار بارندگی به عنوان یک مولفه کلیدی در مطالعات کشاورزی و بیلان آب نیازمند یک شبکه باران سنجی با تراکم بهینه می باشد. روش های مختلفی مبتنی بر زمین آمار برای بهینه سازی شبکه ایستگاه های باران سنجی تاکنون ارائه شده اند که اکثرا دارای نقاط ضعف می باشند. هدف از این تحقیق کاربست یک روش نوین توسعه یافته بر پایه مفهوم احتمال پذیرش در زمین آمار، جهت طراحی بهینه شبکه باران سنجی استان خراسان جنوبی با کمترین خطا می باشد. پس از آزمون همگنی شبکه فعلی متشکل از 63 ایستگاه منطقه به روش گشتاورهای خطی، با کمک واریوگرام مناسب ایستگاه های منتخب، احتمال پذیرش در سطح منطقه محاسبه گردید. بر اساس الگوی مکانی تغییرات بارندگی سالانه در منطقه و الگوریتم روش آماری به کار رفته، احتمال پذیرش در نقاط مختلف استان محاسبه و سپس دقت پذیرش در سطوح احتمال مختلف مورد تحلیل قرار گرفت. نتایج تحقیق نشان داد، 20 ایستگاه از شبکه موجود تاثیر زیادی در تخمین بارندگی استان نداشته و جا به جایی آن ها در حصول به شبکه بهینه، پیشنهاد می شود. همچنین 43 ایستگاه باقی مانده نیز مانند شبکه اولیه (با 63 ایستگاه) می توانند 36 درصد از مساحت استان را با سطح احتمال پذیرش 80 درصد، پوشش دهند. در انتها مشخص شد با افزودن 27 باران سنج به مکان های مشخص شده در شبکه بهینه کارایی پوشش شبکه به حدود دو برابر حالت فعلی یعنی 65 درصد سطح منطقه می رسد.کلیدواژگان: واریوگرام اقلیمی، واریانس کریجینگ، دقت پذیرش، تراکم، باران سنج
-
صفحات 19-30هدف از این پژوهش، ارزیابی برونداد دمای سامانه های پیش بینی فصلی اقلیمی در پهنه کشور ایران است. این تحلیل ها بر اساس مدل های گردش کلی جفت شده جو-اقیانوس انجام شده است که در همادی مدل های آمریکای شمالی مورد استفاده قرار گرفته اند. مهارت هر یک از مدل های آمریکای شمالی با آغازگری های مختلف و در سه زمان انتظار صفر، یک و دو (ماه) برای سه فصل هدف (اکتبر-دسامبر) ، (دسامبر-فوریه) و (فوریه-آوریل) بررسی شده است. بدین منظور از محصول دمای پایگاه CRU (دو متری سطح زمین) در دوره (1982-2010) به عنوان داده مرجع مشاهداتی استفاده شد. معیارهای صحت سنجی قطعی شامل همبستگی پیرسون، میانگین خطا و ریشه مربعات خطا است که برای ارزیابی پیش بینی های فصلی محاسبه شده اند. نمره ROC نیز به عنوان یک شاخص طبقه بندی برای کلیه مدل ها در شرایط زیر نرمال و بیش از نرمال محاسبه شده است. نتایج نشان می دهد ضریب همبستگی بین سامانه های پیش بینی فصلی و پایگاه CRU در فصل FMA بیشتر از دو فصل DJF و OND است. مهارت مدل CFSv2 در جنوب کشور در OND قابل ملاحظه (همبستگی بالای 9/0 و ROC بیش از 7/0) می باشد. الگوی اریبی بر اساس موقعیت جغرافیایی در فصول هدف تقریبا مشابه است. کمترین تغییرات اریبی از لحاظ مقدار، مربوط به مدل GFDL-FLOR-B01 می باشد. با افزایش زمان انتظار، مهارت سامانه های پیش بینی فصلی در تعدادی از حوضه های آبریز کشور کاهش می یابد. با توجه به اریبی قابل ملاحظه تعدادی از مدل های همادی آمریکای شمالی، می توان از روش های پس پردازش مناسب برای حذف اریبی برونداد این مدل ها استفاده نمود. هم چنین می توان با توسعه سامانه های همادی چندمدلی در سطح حوضه های آبریز در فصول مهم از منظر بخش کشاورزی و منابع آب بهره گرفت.کلیدواژگان: پیش بینی فصلی دما، مدل های همادی آمریکای شمالی، حوضه های آبریز درجه 2، مدل های گردش کلی جفت شده-جو-اقیانوس، ایران
-
صفحات 31-40عموما شاخص های پایش خشکسالی مبتنی بر متغیر بارش است و در نظر نگرفتن تاثیر سایر متغیرها- نظیر دما- خطاهایی سامان مند به همراه دارد. بر این اساس، در کنار نمایه های متداولی نظیر SPI، روش های ترکیبی از جمله نمایه استاندارد شده بارش- تبخیرتعرق (SPEI) ارائه شده است. هدف از مطالعه حاضر، مقایسه تطبیقی دو نمایه SPEI و SPIجهت پایش خشکسالی در استان گلستان می باشد. مقایسات بر اساس میزان همبستگی و همچنین فراوانی طبقات خشکسالی در پنجره های زمانی 12 ماهه و در فصول مختلف تحلیل شدند. نتایج نشان داد که هر چه اقلیم منطقه مرطوب تر باشد، به دلیل کاهش نقش تبخیرتعرق، همبستگی بین دو نمایه بیشتر می باشد. در خشکسالی هایی با پنجره زمانی کوچک تر نیز قوت این همبستگی ، بیشتر است. همچنین، شاخص SPEI نسبت به SPI قادر است تعداد وقایع ترسالی و خشکسالی بیشتری را نشان دهد. همبستگی معنی داری بین دو شاخص با استفاده از آزمون پارامتری پیرسون در سطح اطمینان 95 درصد در ایستگاه رامیان در سری زمانی 3 و 6 ماهه مشاهده شد. تحلیل فراوانی طبقات خشکسالی در مقیاس فصلی هر دو شاخص بیشترین تغییرات را فصل تابستان نشان داد. بیشترین تعداد وقایع خشکسالی شدید و خیلی شدید توسط هر دو شاخص در ایستگاه غفارحاجی و در فصل تابستان مشاهده شد. همچنین، مقایسه نمودارهای سری های زمانی شاخص های خشکسالی SPI و SPEI نشان داد که شاخص SPEI دوره طولانی تری از خشکسالی و ترسالی و شاخص SPI وقایع حدی بزرگ تری را نسبت به SPEI نشان می دهد.کلیدواژگان: خشکسالی، سری زمانی، آزمون پارامتری پیرسون، استان گلستان
-
صفحات 41-49فقدان یا گسست در سری زمانی داده های بارش در بسیاری از ایستگاه های هواشناسی، یکی از محدودیت های اصلی در مطالعات اقلیم شناسی و منابع آب است. در پژوهش حاضر از دو رهیافت هوشمند برنامه ریزی ژنتیک و ماشین بردار پشتیبان به منظور بازسازی داده های بارش ماهانه چهار ایستگاه باران سنجی واقع در استان همدان، در دوره آماری 1370 تا 1389 استفاده شد. خلاء آماری ابتدا به کمک اطلاعات یک ایستگاه، سپس دو ایستگاه و در نهایت داده های سه ایستگاه، بازسازی گردید. نتایج نشان داد که با افزایش حافظه و تعداد ایستگاه های دخیل در مرحله آموزش، عملکرد مدل ها بهبود می یابد. همچنین رهیافت ماشین بردار پشتیبان در بازسازی داده های بارش ماهانه ایستگاه سرابی و مریانج به ترتیب با ریشه میانگین مربعات خطا 9/12 و 4/11 میلی متر و ضریب همبستگی 93/0 و 95/0 نسبت به روش برنامه ریزی ژنتیک با ریشه میانگین مربعات خطای 13 و 2/12 میلی متر و ضریب همبستگی 93/0 و 95/0 از عملکرد بهتری برخوردار بوده است.کلیدواژگان: بارش ماهانه، خلاء آماری، روش های هوشمند، همدان
-
صفحات 50-61هدف از انجام این تحقیق، مقایسه سه روش طبقه بندی اقلیمی کشاورزی فائو، پاپاداکیس و یونسکو جهت تعیین مناطق مناسب کشت گندم دیم در استان کرمانشاه است. به این منظور از داده های مشاهداتی 5 ایستگاه همدیدی استان استفاده شد. مطابق یافته های پژوهش، بر اساس هر سه روش منتخب، استان از مطلوبیت کشت دیم گندم برخوردار است، به طوری که بر اساس روش فائو، تمام ایستگاه های مورد مطالعه در از نظر کشت این محصول دارای پتانسیل اقلیمی مناسب بودند. همچنین در روش پاپاداکیس، ایستگاه سرپل ذهاب دارای اقلیم مدیترانه ای جنب حاره و چهار ایستگاه کرمانشاه، روانسر، کنگاور و اسلام آباد غرب دارای اقلیم مدیترانه ای بری هستند که مبین مطلوبیت جهت کشت دیم گندم می باشد. در روش یونسکو نیز تمام ایستگاه ها براساس شاخص خشکی و رژیم رطوبتی در گروه اقلیم نیمه خشک قرار گرفتند که از این نظر محدودیت خاصی برای دیمکاری ایجاد نمی کند. در مجموع، نتایج حاصل از هر سه روش موید مطلوبیت اقلیمی استان جهت دیم کاری گندم با عملکردی قابل قیاس با متوسط کشور (حدود 1000 کیلوگرم در هکتار). می باشد.کلیدواژگان: کرمانشاه، گندم، فائو، پاپاداکیس، یونسکو، ایران
-
Pages 1-8Estimation of evapotranspiration is,one of the main components of the hydrological cycle, and is essential for irrigation scheduling, water balance, irrigation system design and management and crop yields simulation. Unlike conventional methods remote sensing estimates evapotranspiration in different spatial scales. Therefore, the aim of this study is to estimate evapotranspiration using OLI sensor images and SEBAL algorithm in the Dasht-e-Naz area, Sari, Iran. To evaluate the results, evapotranspiration estimated by the reference method, Penman-Monteith-FAO, was compared with SEBAL algorithm. Strong and significant correlation was obtained between these two methods (R2=0.93), Low error of estimation by SEBAL compared with reference method (RMSE=1.14) and low absolute difference between the SEBAL and Penman-Monteith-FAO (MAE=0.96) indicates that there is a good match between estimated values by SEBAL algorithm and Penman-Monteith-FAO standard method. This study showed that OLI sensor images and SEBAL algorithm could satisfactorily estimate actual evapotranspiration in the Dasht-e-Naz area, Sari.Keywords: SEBAL Algorithm, Penman-Monteith-FAO, evapotranspiration, Remote Sensing, Iran
-
Pages 9-18For accurate estimation of rainfall, as a key element in agricultural and water balance studies, an optimum density of raingauges is required. Although many approaches based on geostatistic are developed to optimize raingauges network, but majority of them suffer from drawbacks. This study aimed to assess a newly developed method in geostatistic based on acceptance probability, for designing the raingauge network with least error in South Khorasan province. The linear moment method was used for testing the homogeneity of the study stations. Then, by choosing a suitable semi-variogram, the acceptance probability in the region was calculated. Based on the spatial pattern of annual rainfall, the acceptance probability was worked out for various parts of the province and the acceptance accuracy (AP) values were analyzed at different levels of probability. The results showed that 20 stations of existing network had no significant effect on estimating the rainfall and it can be recommended to shift their location in order to obtain an optimal network. Also, similar to the existing network of 63 stations, the remaining 43 stations could cover 36% of the province at the probability acceptance level of 80%. Besides, the results indicated that by adding 27 rain gauges to the locations specified in the optimal density, the performance of the optimized network will be approximately doubled comparing to previously existing one, which means 65% coverage of province.Keywords: Climatological variogram, Kriging variance, Acceptance accuracy, Density, Rain gauge
-
Pages 19-30The aim of this research is to evaluate the temperature outputs of climate forecasting systems over Iran. The analysis is provided based on Atmosphere-Ocean Coupled General Circulation Models from North America Multi Model Ensemble (NMME). The skill of NMME individual models are evaluated in different initializations, of lead times (0-month, 1-month and 2-month) for October-December (OND), December-February (DJF), and February-April (FMA) target seasons. Temperatures at 2m from Climate Research Unit (CRU) dataset are used as reference observation over 1982-2010. Pearson correlation, Mean Error and Root Mean Squared Error are calculated as deterministic verification criteria for seasonal forecast verification. In addition, Relative Operating Characteristic (ROC) score is calculated as a categorical measure for below-normal and above-normal conditions. The results suggest that correlation between NMME forecasts and CRU is higher in FMA (compared to DJF and OND). CFSv2 has a significant skill in the south of Iran in FMA (correlation ≥ 0.9, ROC≥ 0.7). Spatial pattern of NMME biases is similar in three target seasons. GFDL-FLOR-B01 bias is lowest among all evaluated NMME models. At longer lead times; skill of some models is dropped for forecasting temperature in some river basins in Iran. Given large temperature biases found in NMME individual models, applying Model Output Statistics is recommended. Developing Multi-model Ensemble (MME) can also help to improve seasonal forecasts in Iran’s river basins for agriculture and water resources management applications.Keywords: Seasonal Forecasting of Temperature, North American Multi-Model Ensemble (NMME), Iran’s river basins, Atmosphere-Ocean Coupled General Circulation Models, Iran
-
Pages 31-40Precipitation-based drought indices including the SPI generally neglect the effect of other variables such as temperature and evapotranspiration on drought intensity. However, some studies have confirmed the systematic errors involved. Therefore, alternate indices like Standardized Precipitation Evapotranspiration Index (SPEI) have been proposed. The current comparative study was aimed to evaluate the SPI and SPEI indices’ skill for drought monitoring in different climatic regions of Golestan province. The results were analyzed in different seasons based on the correlation between SPI and SPEI indices classes in a 12-month window. The results showed that in more humid regions, the correlation between the two indices is higher. Similarly, in smaller time scales, the correlation was higher. The SPEI detects greater number of wet and dry spells comparing to SPI. Significant correlation between the two indices was observed at Ramyan station using Pearson's parametric test at 95% confidence level for 3 and 6 months time series. Seasonal frequency analysis of drought classes showed that both indices have more inter-classes variations in summer. Maximum number of severe and extreme drought events was observed at Ghaffar Haji station during summer using both indices. Also the comparison of SPI and SPEI time series showed that SPEI index detects longer wet and dry periods, but SPI index revealed bigger extreme values.Keywords: Drought, Pearson’s parametric test, Golestan province, time series, Iran
-
Pages 41-49Incomplete rainfall datasets with missing gaps is a major challenge in climatology and water resource studies. In the present study, two intelligent models, namely Genetic Programing (GP) and Support Vector Machines (SVM) were used to reconstruct the monthly rainfall data of four rain-gauges located in Hamedan province, Iran during the period of 1992 to 2011. The incomplete rainfall data was reconstructed first by using the data of one, two and three stations respectively. The results showed that increasing the memory and the number of stations involved in the training phase, will improve the performance of the models. In reconstruction of monthly precipitation data of Sarabi and Maryanj stations, the Support Vector Machine method showed better performance with RMSE of 12.9 mm and 11.4 mm, and correlation coefficients (r) of 0.93 and 0.95, respectively. The corresponding values of RMSE for GP approach were 13 mm and 12.21 mm, which indicated the superior performance of SVM.Keywords: Rainfall, Missing data, intelligent methods, Hamedan
-
Pages 50-61The purpose of the current feasibility study was to compare three agroclimatic classification methods namely FAO, Papadakis and UNESCO for determination of suitable regions of rainfed wheat cultivation in Kermanshah province, west of Iran using observed data of five synoptic stations. Application of all three methods revealed that the most regions of the province are suitable for the crop cultivation. Based on FAO method, all study stations showed climatic suitability of wheat cultivation. Application of Papadakis method, on the other hand, showed that Sarpol Zahab weather station have a sub-tropical Mediterranean climate and, Kermanshah, Ravansar, Kangavar and Islamabad have continental Mediterranean climate, which are mainly suitable for rainfed wheat . In case of UNESCO climatic classification, the climate of all five study stations was recognized as semi-arid climate which indicates high climatic potential of the province for growing rainfed wheat. In general, all three method confirm the climatic suitability of the region with average yield of 1000 kg ha-1.Keywords: Kermanshah province, FAO, Papadakis, UNESCO, Wheat, Iran
©2000-2024 magiran.com All Rights Reserved.