فهرست مطالب

ژئوفیزیک ایران - سال سیزدهم شماره 3 (پیاپی 44، پاییز 1398)
  • سال سیزدهم شماره 3 (پیاپی 44، پاییز 1398)
  • تاریخ انتشار: 1398/07/01
  • تعداد عناوین: 6
|
  • نازنین محمدی، سیدهانی متولی عنبران*، وحید ابراهیم زاده اردستانی صفحات 1-17

    داده های گرانی سنجی برای بررسی ساختارهای زمین شناسی مانند توپوگرافی سنگ بستر در محیط های رسوبی مستعد منابع هیدروکربنی و آب های زیرزمینی به کار می روند. استفاده از الگوریتم های بهینه سازی تصادفی با توجه به وابستگی نداشتن شدید نتایج به مدل اولیه و نیز نیاز نداشتن به مشتقات در محاسبات، با استقبال زیادی روبه رو است. بااین حال، وارون سازی غیرخطی سه بعدی داده های گرانی سنجی با استفاده از الگوریتم های بهینه سازی سراسری تصادفی، فرایندی زمان بر است. در این پژوهش، در فرایند وارون سازی تصادفی داده های گرانی برای تصویر سازی سطح سنگ بستر در حوضه های رسوبی، از انتگرال نوع کوشی سه-بعدی به عنوان تابع پیشرو سریع استفاده شده است. در ابتدا، صحت وکارایی زمانی الگوریتم در مقایسه با روش های حجمی مرسوم (مجموعه بلوک های راست گوشه) روی مدل های مصنوعی آزمایش شده است. برای نشان دادن قابلیت های روش در فرایند وارون، الگوریتم ژنتیک با مقادیر بهینه پارامترها روی داده های گرانی مصنوعی و واقعی حوضه رسوبی با چگالی ثابت پیاده سازی شده است. نتایج مدل های شبیه سازی شده در بخش مدل های پیشرو نشان می دهد زمان لازم برای محاسبات انتگرال کوشی، در مقایسه با انتگرال های حجمی که با دو روش مختلف مدل سازی پیشرو انجام شده اند، به ترتیب 15 و 50 مرتبه کمتر است. مختصات کران های انتگرال در روش اول، رئوس مکعب و در روش دوم مرکز وجه ها است. روش به کاررفته برای وارون سازی داده های واقعی، عمق تقریبی سنگ بستر حوضه آبرفتی امان آباد (اراک) را حداکثر 150 متر برآورد کرده است. براساس نتایج داده های حفاری، بیشینه عمق سنگ بستر 140 متر است. مطالعات پیشین، عمق های کمتر از200 متر را گزارش کرده اند که با نتایج این تحقیق سازگار است.

    کلیدواژگان: انتگرال نوع کوشی سه بعدی، مدل سازی سه بعدی، الگوریتم ژنتیک، دشت امان آباد
  • امیر باقری مصلح آبادی، عباسعلی علی اکبری بیدختی*، مریم قرایلو صفحات 18-32

    ذرات آلاینده در هوای شهرها بر سلامت، محیط زیست، اقلیم و دیگر جنبه ها اثرگذار هستند. منابع متحرک علت اصلی انتشار هواویزهای اولیه در شهرهای بزرگ نظیر تهران هستند. هواویزهایی که خودروها (بنزینی و دیزلی) تولید می کنند، می توانند به عنوان هسته های میعان ابر و هسته های یخ بر بارش تاثیرگذار باشند. بارش می تواند علاوه بر تامین منابع آبی به بهبود کیفیت هوای شهرها نیز کمک کند. در ایران اکثر ابرها از نوع ابرهای سرد هستند و مطالعه این ابرها اهمیت ویژه ای دارد. در این مقاله با استفاده از روش های آزمایشگاهی، نقش این گونه هواویزها در توزیع اندازه قطرک های ابرسرد و بلورهای یخ و رشد گویچه های برف با به کارگیری سازوکار میله چرخان و گشتاور الکترواستاتیکی بلورها بررسی می شود. نتایج آزمایش ها نشان می دهند هواویزهای ناشی از خودروها اغلب دوده و خاکستر هستند و با وجود این ذرات، قطر میانگین قطرک های ابرسرد و بلورهای یخ کاهش می یابد. با کاهش قطر قطرک-های ابرسرد، رشد گویچه های برف نیز کاهش می یابد که می تواند بر برخی پدیده ها نظیر آذرخش اثرگذار باشد. براساس این نتایج، ذرات آلاینده تاثیر چندانی بر گشتاور الکترواستاتیکی بلورهای یخ ندارند. شکل بلورهای مشاهده شده در آزمایش ها شامل صفحه های شش ضلعی، ستاره ای، قطاعی، ستون های توپر و کلاهکی، منشورها، مثلثی شکل ها، سوزنک ها و دندریت شکل ها است. هنگامی که بلورهای یخ در معرض نور قرار می گیرند، به رنگ های متفاوتی دیده می شوند (همانند حباب صابون در معرض نور). با توجه به ضخامت قسمت های مختلف بلورهای یخ و طول موج های نور مرئی، رنگ های متفاوتی در میدان حرکت این بلورها ظاهر می شود.

    کلیدواژگان: بلورهای یخ، هواویزها، خودروها، ابر سرد، قطرک ها، گشتاور الکترواستاتیکی
  • فریده حبیبی* صفحات 33-52

    در این مقاله ابتدا با بررسی هوای حاضر گزارش های متار، بازه زمانی بیشترین وقوع ناپایداری ایجادکننده باد گاستی (جستی) شناسایی شد. سپس با استانداردسازی داده ها به بازه 1/0 تا 9/0، ویژگی های مرتبط با جهت و سرعت باد جستی انتخاب شد. روش های انتخاب ویژگی در این پژوهش، اطلاعات متقابل و جستجوی پی درپی پیشرو شناور با الگوریتم طبقه بندی k نزدیک ترین همسایگان هستند. ویژگی های انتخابی برای پیش بینی سرعت باد با روش اول، متغیرهای سرعت باد لحظه ای شامل کمینه، میانگین و بیشینه سرعت باد در دو دقیقه و میانگین و بیشینه سرعت باد در ده دقیقه در همان باند هستند. ویژگی های انتخابی برای جهت باد با روش اول، متغیرهای جهت باد لحظه ای یعنی کمینه، میانگین و بیشینه جهت باد در دو دقیقه و کمینه، میانگین و بیشینه جهت باد در ده دقیقه در همان باند هستند. ویژگی های انتخابی با روش دوم برای سرعت باد شامل انحراف جهت باد در ده دقیقه گذشته در باند میانی و فشار لحظه ای در هر سه باند است. انحراف جهت باد در ده دقیقه گذشته در باند 11، در باندهای 29 و میانی مشترک هستند. ویژگی چهارم در باندهای 29 و میانی، متغیر بیشینه سرعت باد در ده دقیقه مربوط به همان باند است. در باند 11 علاوه بر ویژگی های مشترک، متغیرهای بیشینه سرعت باد در ده دقیقه در باند 11 و انحراف جهت باد در ده دقیقه گذشته در باند 29 دیده می شود. ویژگی های انتخابی برای جهت باد از تنوع بیشتری برخوردار هستند. در مرحله نهایی، ویژگی های انتخابی به شبکه عصبی پرسپترون چندلایه در حالت های مختلف داده شد. نتایج خروجی مدل برای پیش بینی جهت و سرعت باد جستی مقایسه و بهترین مدل برای پیش بینی سرعت باد جستی، شبکه با همبندی 1-2-4-4، نرخ یادگیری 1/0 و آستانه آغازین 5/0 برای وزن هر نرون انتخاب شد. برای جهت باد، شبکه با همبندی 1-3-6-6، نرخ یادگیری 1/0 و آستانه آغازین 5/0 مناسب است. عملکرد شبکه عصبی پرسپترون چندلایه ای در پیش بینی سرعت باد بهتر است.

    کلیدواژگان: باد گاستی، انتخاب ویژگی، اطلاعات متقابل، جستجوی پی درپی پیشرو شناور، شبکه عصبی پرسپترون چند-لایه، ایستگاه خودکار فرودگاهی
  • سعید شکری کوچک*، علی محمد آخوند علی، محمد رضا شریفی صفحات 53-68

    تعیین دمای هوا در بسیاری از محاسبات ترازنامه آب و انرژی، مدل سازی هیدرولوژیکی و مطالعات هواشناسی و کشاورزی نقش مهمی دارد. پژوهش حاضر با هدف معرفی دو پایگاه بازتحلیل داده هواشناسی ECMWF و MERRA و ارزیابی عملکرد آنها در برآورد دمای هوای بیشینه، کمینه و میانگین روزانه انجام شد. به این منظور، اطلاعات روزانه دمای بیشینه، کمینه و میانگین دوازده ایستگاه اندازه گیری دما در سطح حوضه آبریز رودخانه حله واقع در جنوب ایران و کرانه های خلیج فارس برای دوره آماری 2003 تا 2016 به مدت 14 سال (5114) روز اخذ  و برای ارزیابی آنها از معیارهای آماری ضریب همبستگی (CC)، میانگین خطا (ME) و مجذور میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان می دهد میزان انطباق اطلاعات پایگاه های داده بازتحلیل در هر سه پارامتر دمایی بیشینه، کمینه و میانگین مناسب است، اما پایگاه داده ECMWF نسخه ERA-Interim نسبت به پایگاه داده MERRA نسخه 2 بسیار مناسب تر است به طوری که ضریب همبستگی برای همه مولفه های دمایی بیشینه، کمینه و میانگین بیشتر از 9/0 است. نتایج این تحقیق نشان می دهد عملکرد هر دو پایگاه داده در برآورد دمای میانگین نسبت به دمای بیشینه و کمینه بهتر است. همچنین هر دو پایگاه داده در برآورد داده های دمای بیشینه، کم برآورد و در برآورد داده های کمینه، بیش برآورد هستند. دمای هوای میانگین روزانه، ثبت شده در پایگاه داده ECMWF نسخه ERA-Interim مقداری گرم تر (4/0+ درجه سلسیوس) برآورد می شود درحالی که پایگاه داده MERRA نسخه 2 دمای هوای میانگین را سردتر (5/0- درجه سلسیوس) تخمین می زند. درنهایت، در مقیاس روزانه، استفاده از پارامترهای روزانه دمای هوا (بیشینه، کمینه و میانگین) پایگاه داده ECMWF نسخه ERA-Interim نسبت به پایگاه داده MERRA نسخه 2 در اولویت است. همچنین پیشنهاد می شود با توجه به عملکرد مناسب پایگاه های داده بازتحلیل و بهره مندی از مزایای آن، سایر متغیرهای هواشناسی نیز ارزیابی شوند.

    کلیدواژگان: دمای هوا، ارزیابی، پایگاه داده بازتحلیل، ECMWF، MERRA، حوضه آبریز رودخانه حله، ایران
  • شکوفه رزاقی، سید عباس حق شناس، سرمد قادر*، دانیل یازجی، ادریس دلخوش، عارف فرهنگ مهر صفحات 69-85
    در این تحقیق تلاش می شود یک سامانه پیش بینی جریان توسعه بیابد و راه اندازی شود. در این سامانه با درنظر گرفتن واداشت های اصلی شامل جزر و مد و میدان باد سطحی، تخمین مناسبی از جریان های خلیج فارس به دست می آید و عملکرد سامانه در آب های کم عمق و عمیق توامان بررسی می شود. در این راستا، نخست با به کارگیری مدل FVCOM، سامانه شبیه سازی راه اندازی شده است. سپس مدل برپا شده با اعمال تراز جزر و مدی و میدان باد سطحی در بازه ای که داده میدانی موجود بوده، برای تمام خلیج فارس اجرا شده است. در ادامه، با مقایسه تراز سطح آب و اندازه سرعت جریان در چند ایستگاه، مدل برای پارامترهای ضریب زبری بستر، اندازه شبکه، تعداد ترازهای سیگما در راستای قائم، واسنجی و صحت سنجی شده و اثر اعمال میدان باد سطحی نیز بررسی شده است. سرانجام، بهترین شرایط برای اجرای مدل انتخاب و نتایج ایستگاه های مختلف بررسی شده است.     مقایسه نتایج شبیه سازی جریان با داده های مشاهداتی، میزان موفقیت مدل را در شبیه سازی جریان نشان می دهد. داده های اندازه گیری و نتایج شبیه سازی سه بعدی جریان با مدل FVCOM در خلیج فارس برای اندازه سرعت جریان و تراز سطح آب، همخوانی خوبی با هم دارند. با انجام واسنجی، مناسب ترین اندازه شبکه برای مدل خلیج فارس تخمین زده شده و مقادیر مناسب ضریب زبری بستر برای آب کم عمق و عمیق به دست آمده است. نتایج این شبیه سازی نشان می دهد مدل حاضر در هر دو بخش آب کم عمق و عمیق از دقت مناسبی برخوردار است.
    کلیدواژگان: لیج فارس، جریان و تراز آب، شبیه سازی سه بعدی هیدرودینامیک، مدل FVCOM، جریان های آب عمیق
  • میر رضا غفاری رزین*، میلاد مردانه صفحات 86-98

    در این مقاله مقدار محتوای الکترون کلی (TEC) لایه یون سپهر با استفاده از سامانه استنتاج فازی (FIS) مدل سازی شده است. نوآوری اصلی این پژوهش، مدل سازی سری زمانی تغییرات TEC در ایران با استفاده از FIS است. برای آموزش شبکه فازی، از الگوریتم آموزش بهینه سازی انبوه ذرات هیبرید (BP-PSO) استفاده شده است. این الگوریتم آموزش، در مراحل اولیه جستجوی جواب از الگوریتم بهینه سازی انبوه ذرات (PSO) و در نزدیکی جواب بهینه از الگوریتم پس انتشار خطا (BP) بهره می برد. از مشاهدات سال 2015 ایستگاه GPS تهران، که یکی از ایستگاه های شبکه جهانی IGS است، جهت ارزیابی مدل پیشنهادی استفاده شده و نتایج کار با نتایج خروجی های شبکه جهانی IGS (GIM-TEC) و مدل شبکه عصبی مصنوعی (ANN) با ساختار 2-18-1 مقایسه شده است. جهت ارزیابی دقت و صحت مدل شبکه فازی ارائه شده در این مقاله، از هر فصل، پنج روز برای داده آزمون انتخاب شده و اعتبارسنجی مدل در این بیست روز صورت گرفته است. براساس نتایج، میانگین خطای نسبی محاسبه شده در بیست روز مورد آزمون برای مدل FIS، ANN و GIM در مقایسه با GPS به ترتیب برابر با 25/11%، 68/19% و 03/16% است. همچنین میانگین خطای مطلق محاسبه شده برای مدل FIS، ANN و GIM در مقایسه با GPS در بیست روز مورد آزمون به ترتیب برابر با TECU 32/1، TECU 33/3 و  TECU98/1 است. ضریب همبستگی محاسبه شده در بیست روز مورد آزمون برای FIS، ANN و GIM در مقایسه با GPS به ترتیب برابر با 9474/0، 6960/0 و 831/0 به دست آمده است. موقعیت ایستگاه GPS تهران براساس TEC حاصل از سه مدل FIS، ANN و GIM و با استفاده از تعیین موقعیت نقطه ای دقیق (PPP) محاسبه شده است؛. طبق این محاسبه، مدل شبکه فازی نسبت به دو مدل دیگر، خطای کمتری در تعیین موقعیت ایستگاه تهران دارد. نتایج تحلیل ها حاکی از برتری مدل FIS در مقایسه با مدل ANN و GIM است. با استفاده از مدل پیشنهادی این پژوهش می توان سری زمانی محتوای الکترونی کلی یون سپهر را با دقت و صحت زیاد مدل سازی و بررسی کرد. این مدل می تواند جایگزینی مناسب برای خروجی های شبکه جهانی IGS در منطقه ایران باشد.

    کلیدواژگان: منطق فازی، شبکه عصبی مصنوعی، GPS، یون سپهر، TEC
|
  • Nazanin Mohammadi, Seyed Hani Motavalli Anbaran *, Vahid Ebrahimzadeh Ardestani Pages 1-17

    Gravity surveying is applied for studying geological structures, for example, basement topography underneath the sediment loads. In potential areas for hydrocarbon and groundwater resources, depth of basement can be estimated using different optimization methods, including stochastic global optimization algorithms. These methods include many functions call of the forward function, so usual forward approaches that discrete the sediment volume into a set of right rectangular prisms need too much computational time. This can be controversial issue while implementing three-dimensional stochastic inversion. In this study, 3D Cauchy-type integral as a fast forward function is applied to accelerate the gravity inversion for 3D determination of the depth to basement. Cai and Zhdanov (2015a,b) introduced this effective approach for potential fields modeling. This method in modeling the sediment-basement interface not only replaces all prisms of conventional volume approach with a gridded basement, but also uses simple mathematical terms in comparison with customary prismatic methods which include trigonometric and logarithmic expressions. Synthetic forward modeling of both of our realistic basin models assesses the validity of the forward operator. Evaluation time for one of the model basins based on the Cauchy-type integral in comparison with the prismatic method which was carried out by two different techniques of forward modeling, is 15 and 50 order lower. Implementing genetic algorithm on the gravity data, the depth of the basement was recovered. The misfit of our data achieved by the algorithm with initial population equal to 10 times of total number of parameters and carrying 700 generations, was lower than 2 mGal. Optimal values were obtained as 80% and 20% for crossover and mutation, respectively. In addition, due to the non-uniqueness of the gravity problem, the genetic algorithm uses a smoothing constraint. By fixing the optimal parameters of genetic algorithm, the optimization process is repeated to find the optimal value for the smoothing factor yielding the most accurate model based on the RMS of the reconstructed model. Results show that a smoothing factor between 0.005-0.015, reconstructs stable solutions. Besides, applying a Gaussian filter, a smoothing filter with the kernel size equal to 11×11 to the calculated depths, achieves more stable evaluations. Noisy synthetic and noise-free gravity data were inverted for one symmetric basin and the algorithm has been able to successfully reconstruct the basement. The case study area is the Aman-Abad alluvial plain (Iran) which its main parts are located in the Sanandaj-Sirjan zone in the Zagros Mountains of Iran. The suitable parameters of the genetic algorithm are found by synthetic tests to invert real gravity data to image the interface of the impermeable layer groundwater. The most common polynomial regression, i.e., degree 1 is applied to calculate residual gravity anomaly. Reconstructed depths from residual gravity anomaly match properly with gravity anomaly trend. Deep parts of the basement (as impermeable surface) have been estimated about 150m which it looks promising for groundwater resources. According to the previous gravity studies, the calculated maximum thickness of sediment is lower than 200 m and the well data specified depth of the basement is 140 m.

    Keywords: 3D Cauchy-type integral, 3D modeling, Genetic Algorithm, Aman-Abad plain
  • Amir Bagheri Mosleh Abadi, Abbas Ali Aliakbari Bidokhti *, Maryam Gharaylou Pages 18-32

    Particulate pollutants in urban areas affect human health, environment clouds and climate. With rapid growth of the population and increase in the number of vehicles, in urban areas, air pollution also in large cities has increased substantially. Mobile sources of air pollution have a major contribution to the pollutant levels in urban areas. For example, motor vehicles (gasoline and diesel) play a major role in air pollution in large cities such as Tehran and in fact, they are the main sources of primary aerosols emissions. Aerosols can act as cloud condensation nuclei (CCN) and ice nuclei (IN) and impact on precipitation of different regions. Precipitation can also supply water resources and help to improve the air quality of cities. In Iran, most clouds are cold clouds and ice crystals play a major role in cold precipitation. Using field emission scanning electron microscopy and energy dispersive X-ray spectroscopy (FESEM/EDX) methods, morphology and elements composition of aerosols from the vehicle exhaust pipes were investigated. In this study, we injected such aerosols into a cold cloud chamber in laboratory to get a better understanding of microphysics processes on interaction of urban aerosols and clouds. The experimental simulations include growth of graupels through rotating rods mechanism in the presence of vehicles produced aerosols and supercooled droplets. In order to obtain size distribution of supercooled droplets we used replicas method. Also we focused on ice crystals and the impact of pollutant particles on the ice crystals in cloud microphysics. The size distribution of ice crystals was evaluated from images of fallen crystals on a lamella under a microscope. By creating an electric field inside the cloud, the effect of these particles on the electrostatic torque of the ice crystals has been tested. It can provide a better view of predicting the short term lightning. The results show that vehicles produced aerosols are mainly soot and ash and in the presence of these particles, the average diameter of supercooled droplets decreases. By decreasing diameter of supercooled droplets, the growth of the graupel also decreases. Besides, the average diameter of the ice crystals in the presence of vehicles produced aerosols was reduced. However, pollutant particles do not have much effect on the electrostatic torque of ice crystals. The shape of the observed crystals in the experiments included hexagonal, stellar and sectored plates, solid and capped columns, prisms, triangular shapes, needles and dendrites. Because of the different thickness of various parts of the ice crystal exposed to light, different wavelengths of dispersed visible light with different colors appear and then, it can be seen in different colors (like a soap bubble exposed to light). When the crystals are grown large enough, they appear white. With more sophisticated mentoring system, one may distinguish between the formed crystals in different aerosol types.

    Keywords: ice crystals, Aerosols, vehicles, cold cloud, droplets, electrostatic torque
  • Farideh Habibi * Pages 33-52

    In this paper, in the first step, the present weather of METAR reports of the year 2013 in Mehrabad synoptic station was studied and the period with most occurrences of the instability producing the Gusty wind was identified. This period is from January to June of every year. Then, all data of selected period, except the data of Gusty wind direction and speed, were normalized to interval 0.1–0.9. The considered data for training, testing and validation were 60%, 20% and 20%, respectively. The related features of Gusty wind direction and speed were selected from 58 features recorded by 3 sensors located on the runway. The Mehrabad runway direction is from the east to the west with 4000 meters long and 45 meters wide. The sensor No. 29 was on the east end of band, the sensor No. 11 was on the west edge of the band, and location of the mid sensor was on the middle of band which its distance from the band is 600 meters to the north direction. The feature selection methods in this study are mutual information (MI) with the Maximum-Relevance Minimum-Redundancy criterion (filter type) and Sequential Floating Forward Selection (SFFS) (wrapper type) with the k Nearest Neighbors (kNN) algorithm. Selected features for Gusty wind speed at each band are the maximum and mean wind speed in 2 and 10 minutes, and the momentary wind speed by the MI method. The selected feature by SFFS method is the wind direction deviation in past 10 minutes on band No. 11 and mid band, momentary pressure on mid band and maximum wind speed in 10 minutes on band No. 29. For Gusty wind direction by first method, the selected features are minimum, mean and maximum wind direction in 2 minutes, minimum and mean wind direction in 10 minutes and momentary wind direction on band No. 29. Selected features with second method are the wind direction deviations in past 10 minutes on the band No. 29 and mid band, and the mean sea level pressure and mean wind direction in 10 minutes on band No. 29. In the final step, these selected features were used as inputs of the multilayer perceptron neural network in different modes such as: layer number, neuron number, learning rate and threshold value for weight of neuron. The model output results were compared to predict the Gusty wind direction and speed and the best model was selected. The results show that to predict the wind speed, the best model is a multilayer perceptron neural network with four layers: input layer with 4 neurons, two hidden layers with 4 neurons in the first layer and 2 neurons in the second layer and 1 neuron in the output layer; learning rate of 0.1 and initial weight neurons of 0.5. For predicting the wind direction, the best model has four layers, 6 neurons in the first and second layers and 3 neurons at the third layer and one neuron at the fourth layer with the same learning rate and initial threshold. The MLP performance is better in predicting the Gusty wind speed.

    Keywords: Gusty wind, Feature selection, Mutual Information, Sequential Floating Forward Selection, multilayer perceptron neural network, the airport auto station
  • Saeed Shokri Koochak *, Ali Mohammad Akhond Ali, Mohammad Reza Sharifi Pages 53-68

    Estimating air temperature plays an important role in many water and energy balance calculations, hydrological modeling, meteorological and agricultural studies. Changes in air temperature influence on plant growth and many other components at the interface between earth surface and atmosphere. The most common sources for air temperature time series are meteorological stations. However, meteorological networks are sparse in complex terrains, such as mountains. This is mainly due to difficulties with the installation and maintenance of the stations. The air temperature can also be calculated using climate model and reanalysis datasets. The purpose of this study was to introduce two meteorological reanalysis databases: the European Center for Medium-Range Weather Forecasts (ECMWF) and Modern-Era Retrospective Analysis for Research and Applications (MERRA), and evaluation of their performance in estimating daily maximum, minimum and average air temperature. In this regard, maximum, minimum and average air temperature data at daily scale for a period of 14 years from 2003 to 2016 (5114 days) were obtained from 12 temperature measurement stations in Helleh river basin area in south of Iran and the Persian Gulf coasts. The elevation correction and downscaling temperature based on modeled lapse rate are used for correcting two meteorological reanalysis datasets. The correlation coefficient (CC), mean error (ME) and squared mean of errors (RMSE) were used to evaluate the presented datasets. The results showed that the compliance rate of reanalysis datasets in all parameters of maximum, minimum, and average air temperature are appropriate, but the ECMWF-ERA-Interim version dataset is much better than the MERRA version 2 dataset. The correlation coefficients for all parameters of maximum, minimum and average air temperature are more than 0.9. Also, the performance of both datasets in estimating the average air temperature at daily scale is better than the maximum and minimum air temperature at daily scale. Both databases are also underestimated in estimating maximum temperature data and overestimated in estimating minimum data. The average air temperature at daily scale is estimated slightly warmer (0.4°C) from the ECMWF-ERA-Interim version dataset, while the MERRA dataset of version 2 estimates the mean of air temperature colder (-0.5°C). Finally, the use of daily air temperature parameters (maximum, minimum and average) of the ECMWF ERA-Interim dataset is more preferable than MERRA version 2 dataset. Considering the proper performance of reanalysis datasets and using their advantages, we suggest evaluating other meteorological parameters.

    Keywords: Air Temperature, evaluation reanalysis datasets, ECMWF, MERRA, Helleh River basin, Iran
  • Shokufeh Razzaghi, Seyyed Abbas Haghshenas, Sarmad Ghader *, Daniel Yagi, Edris Delkhosh, Aref Farhangmehr Pages 69-85
    A 3D current and water level forecasting system is developed for the whole Persian Gulf in this study, in order to offer a reasonable response for the needs to provide a better understanding of coastal and gulf-scale hydrodynamic processes in this important body of water. There are a couple of research attempts published during the past decades on the hydrodynamics and circulation of the Persian Gulf; however, most of them were concentrated on the coastal and relatively shallow water areas and presented reasonable results. Hence, this study aims to improve model performance in deep water areas while the accuracy of tidal and wind-driven current parameters in shallow water results is acceptable. The most important driving forces, including tides and surface winds, are taken into consideration in simulations, in order to provide relatively accurate estimations of hydrodynamic parameters in the Persian Gulf.     For water level and current three-dimensional simulations, FVCOM numerical open-source model is applied and run for some time periods in which field observations are available for both current specifications and water levels in the Persian Gulf. The open boundary data are adopted from OTPS global model and the input wind field data are applied from WRF wind modeling over the whole body of water. The model results were calibrated for a number of parameters selected in an extensive sensitivity analysis program and optimum values are selected for the under-study parameters. A comprehensive set of field measurements is collected, whose main objective is to provide sufficient and reliable input data for current simulations in the Persian Gulf in both deep and shallow areas. The collected survey parameters are mainly focused on: vertical profiling of current speed and direction; mid‐depth current speed and direction measurements; tidal (water level) measurements; and wind measurements. The data covers a wide range of spatial distribution in the Persian Gulf, including near-shore and offshore areas as well as a wide range of water depth values.     In this study, the obtained water level and current model results are verified against collected field observations, both in shallow and deep water areas and near-shore and offshore regions. Consequently, the optimum settings for obtaining accurate model results in both shallow and deep water areas are reported. The results of this research are of great help to understand the hydrodynamics of the Persian Gulf and provide a basis for more accurate estimations of forecasted current and water level parameters over the study area.
    Keywords: Persian Gulf, Water Levels, Currents, 3D Hydrodynamic Simulations, FVCOM model, Deep Water Currents
  • Mir Reza Ghaffari Razin *, Milad Mardaneh Pages 86-98

    Ionosphere is a layer in the upper part of the atmosphere wide-ranging from 60 km to 2000 km. It has a very significant role in radio wave propagation because of its electromagnetic attributes. Ionosphere is mainly affected by solar zenith angle and solar activity. In the day-time, ionization in ionosphere is at the highest level and the ionospheric effects are stronger. In the night-time, ionization decreases and the effects of ionosphere gets weaker. One of the most important parameters that defines the physical structure of ionosphere is Total Electron Content (TEC). TEC is a line integral of electron density along signal path between satellite to the receiver on the ground. The unit of TEC is TECU and 1 TECU equals 1016 electrons/m2. The TEC values can be computed from dual frequency Global Positioning System (GPS) stations, which are the most available observations for studying the Earth’s ionosphere. However, because of scattered repartition of dual frequency of GPS stations, precise information on TEC over the favorable region is unknown. Fuzzy inference systems (FIS) take inputs and process them based on the pre-specified rules to produce the outputs. Both the inputs and outputs are real values, whereas the internal processing is based on fuzzy rules and fuzzy arithmetic. FIS is the key unit of a fuzzy logic system having decision making as its primary work. It uses the “IF…THEN” rules along with connectors “OR” or “AND” for drawing essential decision rules. A FIS is defined according to the following five main sections:• Rule Base − It contains fuzzy IF-THEN rules; • Database − It defines the membership functions of fuzzy sets used in fuzzy rules; • Decision-making Unit − It performs operation on rules; • Fuzzification Interface Unit − It converts the crisp quantities into fuzzy quantities; and • Defuzzification Interface Unit − It converts the fuzzy quantities into crisp quantities. In this paper, the TEC of the ionosphere is modeled using FIS. The fuzzy inference system uses the rules IF-THEN to recognize the characteristics of dynamic phenomena. This feature, along with the simplicity of computing, has made it possible for this model to study the temporal and spatial variations of the ionosphere. In fact, the main innovation of the paper is the time series modeling of TEC in Iran using FIS. Hybrid particle swarm optimization training (BP-PSO) algorithm is used to train fuzzy network. This algorithm uses the PSO in the early stages of searching for solution and uses the back propagation (BP) near the optimal solution. From the observations of 2015, the Tehran GPS station, which is one of the IGS global stations, was used for evaluation of the proposed model. Also, the results were compared with the results of the global ionosphere map (GIM) TEC as well as artificial neural network model (ANN). In order to evaluate the accuracy of the fuzzy model presented in this paper, 5 days of each season were selected as the test data and model validation was performed in these 20 days. Based on the results, the average relative error calculated in the 20 test days for FIS, ANN and GIM models compared to GPS were 11.25%, 19.68% and 16.03%, respectively. Besides, the average absolute error calculated for FIS, ANN and GIM models compared to GPS in the 20 test days was 1.32 TECU, 3.33 TECU and 1.98 TECU, respectively. The calculated correlation coefficients between TEC obtained from FIS, ANN and GIM compared to GPS were 0.9474, 0.6960 and 0.831, respectively. The results of the analysis show that the FIS model is superior to the ANN and GIM models. Using the proposed model of this research, the time series of the ionosphere TEC can be modeled and investigated with high accuracy. This model can also be a good alternative to the outputs of the IGS network in Iran.

    Keywords: Fuzzy logic, Artificial Neural Network, GPS, Ionosphere, TEC