طیبه مصباح زاده؛ علی سلاجقه؛ فرشاد سلیمانی ساردو؛ غلامرضا زهتابیان؛ عباس رنجبر؛ Mario Marcello Miglietta
چکیده
امروزه پدیدۀ گردوغبار بهعنوان یکی از مهمترین بلایای طبیعی در مناطق خشک و نیمهخشک شناخته میشود. به دلیل تأثیرات طولانیمدت این پدیده بر روی شاخص سلامت انسانها از آن بهعنوان یک بیماری مزمن یاد میکنند. به همین منظور مطالعه و شناسایی الگوها و کانونهای پدیدۀ گردوغبار امری ضروری در مناطق خشک و نیمهخشک است. در این مطالعه ...
بیشتر
امروزه پدیدۀ گردوغبار بهعنوان یکی از مهمترین بلایای طبیعی در مناطق خشک و نیمهخشک شناخته میشود. به دلیل تأثیرات طولانیمدت این پدیده بر روی شاخص سلامت انسانها از آن بهعنوان یک بیماری مزمن یاد میکنند. به همین منظور مطالعه و شناسایی الگوها و کانونهای پدیدۀ گردوغبار امری ضروری در مناطق خشک و نیمهخشک است. در این مطالعه بهمنظور شبیهسازی شار گسیل گردوغبار برای تعیین کانونهای بحرانی داخلی و خارجی در فلات مرکزی ایران از مدل WRF-Chem، طرحوارۀ فرسایش بادی GOCART و طوفان 29 الی 31 تیرماه 1394 استفاده گردید. نتایج نشان داد بیابانهای عربی در عربستان سعودی، بیابانهای کشور عراق و همچنین بیابان قرقوم در ترکمنستان و حوزۀ هیرمند در کشور افغانستان از مهمترین کانونهای بحرانی خارجی بوده که اتمسفر فلات مرکزی ایران را تحت تأثیر قرار میدهند. همچنین بیابان مرکزی (دشت کویر) بهعنوان چشمه اصلی گردوغبار و قسمتهای جنوبی حوزۀ لوت مرکزی و حوزۀ جازموریان بهعنوان چشمههای داخلی گردوغبار شناسایی شدهاند. همچنین نتایج نشان داد در حوزۀ لوت مرکزی به دلیل شرایط فرسایشپذیری مقدار شار گسیل گردوغبار µg/m2.s6900 افزایش مییابد.
طیبه مصباح زاده؛ زهرا ایازی؛ فرشاد سلیمانی ساردو
چکیده
شناخت مناطق برداشت رسوبات بادی از اصول اولیۀ کنترل و مبارزه با فرسایش بادی محسوب میشود. زیرا با شناساییمناطق برداشت میتوان به جای معلول، علل را شناسایی کرد و فعالیتهای اجرایی را در مناطق برداشت متمرکز کرد، و برای این کار شناخت رسوبات حائز اهمیت خاص است. در این مقاله باهدف شناخت هرچه بهتر و تفسیر نمونههای رسوبی، به بررسی و ...
بیشتر
شناخت مناطق برداشت رسوبات بادی از اصول اولیۀ کنترل و مبارزه با فرسایش بادی محسوب میشود. زیرا با شناساییمناطق برداشت میتوان به جای معلول، علل را شناسایی کرد و فعالیتهای اجرایی را در مناطق برداشت متمرکز کرد، و برای این کار شناخت رسوبات حائز اهمیت خاص است. در این مقاله باهدف شناخت هرچه بهتر و تفسیر نمونههای رسوبی، به بررسی و تحلیل توزیع رسوبات در رخسارههای منطقۀ مورد مطالعه پرداخته شده است. بدین منظور پس از نمونهبرداری از خاک سطحی و آمادهسازی نمونهها، عملیات دانهبندی به روش الک خشک و بر اساس استاندارد A.S.T.M در8 طبقه شامل کوچکتر از 64 میکرون تا بزرگتر از 4000 میکرون انجام شد. با ورود دادهها به نرم افزار Gradistat پارامترهای آماری همانند قطر میانه، چولگی و جورشدگی نمونهها بر اساس روش جامع ترسیمی فولک محاسبه گردید. نتایج تحقیق نشان داد جورشدگی ذرات بین 8/0 – 3/0 که به نوعی تأییدکنندۀ فاصلۀ حمل نزدیک تا متوسط ذرات از منطقۀ برداشت خود تا محل تجمع رسوبات میباشد. نتایج حاصل از شاخص کج شدگی ذرات در رخسارههای رگ متوسطدانه، اراضی کشاورزی-رسی، کشاورزی و پهنههای ماسهایی با پوشش سنگریزهایی متقارن میباشد. در بقیۀ رخسارهها شاخص کجشدگی به سمت ذرات ریزدانه میباشد. در رخسارههای دشت ریگی، اراضی پفی و پوستههای شلجمی طبقات ضریب سایش بین200-0 میباشد، در اینصورت کاملاً زاویهدار میباشد و ذرات از فاصلهای نزدیک حمل شده است. در بقیۀ رخسارهها طبقات ضریب سایش بین400 - 200 قرار گرفته که در اینصورت ذرات نیمه زاویهدار بوده و ذرات از فاصلهای نسبتاً نزدیک حمل شده است.
طیبه مصباح زاده؛ فرشاد سلیمانی ساردو؛ الهام رفیعی ساردویی؛ فاطمه فرزانه پی
چکیده
دمای خاک یکی از مهمترین پارامترهای تأثیرگذار بر روی فرایندهای هیدرولوژیکی میباشد و یکی از عوامل مؤثر در استقرار پوشش گیاهی در مناطق خشک است. بررسیها نشان داده است دمای خاک تحت تأثیر پارامترهایی از قبیل متوسط دمای هوای روزانه، حداقل و حداکثر دمای روزانه، تبخیر، تابش خورشیدی، تعداد ساعات آفتابی و بارش میباشد؛ شناخت از ...
بیشتر
دمای خاک یکی از مهمترین پارامترهای تأثیرگذار بر روی فرایندهای هیدرولوژیکی میباشد و یکی از عوامل مؤثر در استقرار پوشش گیاهی در مناطق خشک است. بررسیها نشان داده است دمای خاک تحت تأثیر پارامترهایی از قبیل متوسط دمای هوای روزانه، حداقل و حداکثر دمای روزانه، تبخیر، تابش خورشیدی، تعداد ساعات آفتابی و بارش میباشد؛ شناخت از مدل تغییرات دما در اعماق مختلف خاک میتواند در تعیین نیاز آبی گیاهان و فعالیتهای بیولوزیکی بسیار مؤثر باشد. با توجه به اهمیت موضوع، در این مطالعه از دادههای سینوپتیکی اصفهان بهمنظور مدلسازی دمای خاک در عمق 5 تا 100 سانتی متری خاک با استفاده از شبکۀ عصبی– مصنوعی استفاده شد. نتایج نشان داد که خطای مدل با افزایش عمق افزایش پیدا میکند بهطوریکه بیشترین خطای مدل در عمق 100 سانتیمتری و کمترین خطای مدلها در عمق 10 سانتیمتر از سطح میباشد. همچنین نتایج نشان داد افزایش خطای مدلهای شبکۀ عصبی مصنوعی در شبیهسازی تغییرات دمای خاک در لایههای عمقی میباشد و علت اصلی افزایش کارایی مدلهای هوش مصنوعی در شبیهسازی دمای خاک در لایههای سطحی نسبت به لایههای تحتانی عمدتاً مربوط به کاهش همبستگی بین پارامترهای اقلیمی و تغییرات دمای خاک در لایههای تحتانی نسبت به لایههای فوقانی است. به طوری که ضریب تغییرپذیری دمای خاک با افزایش عمق نسبت به لایههای سطحی کمتر است و کمتر تحت تأثیر متغیرهای اقلیمی از جمله دمای خاک قرار میگیرد.