ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر)
تغییرات اقلیمی و به دنبال آن رخداد وقایع حدی نظیر طوفانهای گردوغبار علاوه بر اختلال در محیطزیست، تأثیر مستقیم بر سلامت انسان و روند طبیعی زندگی داشته و طی سالهای اخیر در بخش کشاورزی پیامدهای نامطلوبی را بر جای گذاشته است. در این پژوهش برای پیشنگری و مدلسازی طوفانهای گردوغبار، دادههای ساعتی گر...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Ferdowsi University of Mashhad
2025-06-01
|
| Series: | جغرافیا و مخاطرات محیطی |
| Subjects: | |
| Online Access: | https://geoeh.um.ac.ir/article_46556_3d4d6a6d20e0efaad35e5a4e5d8cbc3c.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850168703514050560 |
|---|---|
| author | فاطمه وطن پرست قلعهجوق برومند صلاحی |
| author_facet | فاطمه وطن پرست قلعهجوق برومند صلاحی |
| author_sort | فاطمه وطن پرست قلعهجوق |
| collection | DOAJ |
| description | تغییرات اقلیمی و به دنبال آن رخداد وقایع حدی نظیر طوفانهای گردوغبار علاوه بر اختلال در محیطزیست، تأثیر مستقیم بر سلامت انسان و روند طبیعی زندگی داشته و طی سالهای اخیر در بخش کشاورزی پیامدهای نامطلوبی را بر جای گذاشته است. در این پژوهش برای پیشنگری و مدلسازی طوفانهای گردوغبار، دادههای ساعتی گردوغبار، میانگین دما، رطوبت نسبی، سرعت و جهت باد در برخی از ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) با طول دوره آماری ۳۷ سال (۲۰۲۳-۱۹۸۷) گردآوری شد. پیشنگری تعداد روزهای همراه با طوفانهای گردوغبار در مقیاس فصلی با استفاده از مدل شبکه عصبی پرسپترون چندلایه و مدل فصلی SARIMA انجام شد. براساس نتایج حاصل از شبکه عصبی پرسپترون چندلایه، ضریب همبستگی بین مقادیر مشاهداتی و پیشنگری شده برای سه ایستگاه همدیدی آبادان، اهواز و بوشهر به ترتیب برابر با ۴۳/۰، ۵۰/۰ و ۹۰/۰ و مقدار RMSE برابر با ۹۶/۶، ۹۷/۱ و ۱۶/۰ بوده و نسبت به مدل SARIMA خطای کمتر، همبستگی بیشتر و عملکرد بهتری در پیشنگری داشته است. پیشنگری با شبکه عصبی برای ۱۶ سال آینده (۲۰۴۰-۲۰۲۴) بیشترین احتمال رخداد گردوغبار را در فصل بهار و کمترین مقدار را برای پاییز نشان داد. شدت گردوغبار نیز طی دورههای مشاهداتی و آینده در آبادان بیشتر از بقیه ایستگاهها بوده است. مسیریابی ذرات گردوغبار با مدل HYSPLIT و بهروش پسگرد در سه ارتفاع ۲۰۰، ۱۰۰۰ و ۱۵۰۰ متری، ایجاد ذرات گردوغبار در عراق، قسمتهایی از سوریه و عربستان و حرکت آن به سمت غرب و جنوب غرب ایران را برای تاریخهای مشترک در سه ایستگاه تصدیق میکند و نتایج آن مطابقت خوبی را با عمق اپتیکی گردوغبار، تراکم گردوغبار سطحی و نحوه حرکت توده غلظت بر اساس مدلهای NAAPS و COAMPS نمایش میدهد. نتایج این مطالعه میتواند در مدیریت پیامدهای ناشی از طوفان گردوغبار و برنامههای مقابله با بیابانزایی در مناطق تحت مطالعه مؤثر باشد. |
| format | Article |
| id | doaj-art-79d69a5acd364c598048ec100af4d68c |
| institution | OA Journals |
| issn | 2322-1682 2383-3076 |
| language | English |
| publishDate | 2025-06-01 |
| publisher | Ferdowsi University of Mashhad |
| record_format | Article |
| series | جغرافیا و مخاطرات محیطی |
| spelling | doaj-art-79d69a5acd364c598048ec100af4d68c2025-08-20T02:20:55ZengFerdowsi University of Mashhadجغرافیا و مخاطرات محیطی2322-16822383-30762025-06-01142214410.22067/geoeh.2025.91013.153146556ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر)فاطمه وطن پرست قلعهجوق0برومند صلاحی1دانشجوی دکتری آب و هواشناسی، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران،استاد آب و هواشناسی، گروه جغرافیای طبیعی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران.تغییرات اقلیمی و به دنبال آن رخداد وقایع حدی نظیر طوفانهای گردوغبار علاوه بر اختلال در محیطزیست، تأثیر مستقیم بر سلامت انسان و روند طبیعی زندگی داشته و طی سالهای اخیر در بخش کشاورزی پیامدهای نامطلوبی را بر جای گذاشته است. در این پژوهش برای پیشنگری و مدلسازی طوفانهای گردوغبار، دادههای ساعتی گردوغبار، میانگین دما، رطوبت نسبی، سرعت و جهت باد در برخی از ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) با طول دوره آماری ۳۷ سال (۲۰۲۳-۱۹۸۷) گردآوری شد. پیشنگری تعداد روزهای همراه با طوفانهای گردوغبار در مقیاس فصلی با استفاده از مدل شبکه عصبی پرسپترون چندلایه و مدل فصلی SARIMA انجام شد. براساس نتایج حاصل از شبکه عصبی پرسپترون چندلایه، ضریب همبستگی بین مقادیر مشاهداتی و پیشنگری شده برای سه ایستگاه همدیدی آبادان، اهواز و بوشهر به ترتیب برابر با ۴۳/۰، ۵۰/۰ و ۹۰/۰ و مقدار RMSE برابر با ۹۶/۶، ۹۷/۱ و ۱۶/۰ بوده و نسبت به مدل SARIMA خطای کمتر، همبستگی بیشتر و عملکرد بهتری در پیشنگری داشته است. پیشنگری با شبکه عصبی برای ۱۶ سال آینده (۲۰۴۰-۲۰۲۴) بیشترین احتمال رخداد گردوغبار را در فصل بهار و کمترین مقدار را برای پاییز نشان داد. شدت گردوغبار نیز طی دورههای مشاهداتی و آینده در آبادان بیشتر از بقیه ایستگاهها بوده است. مسیریابی ذرات گردوغبار با مدل HYSPLIT و بهروش پسگرد در سه ارتفاع ۲۰۰، ۱۰۰۰ و ۱۵۰۰ متری، ایجاد ذرات گردوغبار در عراق، قسمتهایی از سوریه و عربستان و حرکت آن به سمت غرب و جنوب غرب ایران را برای تاریخهای مشترک در سه ایستگاه تصدیق میکند و نتایج آن مطابقت خوبی را با عمق اپتیکی گردوغبار، تراکم گردوغبار سطحی و نحوه حرکت توده غلظت بر اساس مدلهای NAAPS و COAMPS نمایش میدهد. نتایج این مطالعه میتواند در مدیریت پیامدهای ناشی از طوفان گردوغبار و برنامههای مقابله با بیابانزایی در مناطق تحت مطالعه مؤثر باشد.https://geoeh.um.ac.ir/article_46556_3d4d6a6d20e0efaad35e5a4e5d8cbc3c.pdfپیشبینی طوفان گردوغبارشبکه عصبی پرسپترون چندلایهمدل sarimaمدل مسیریابی hysplitاقلیم سواحل خلیج فارس |
| spellingShingle | فاطمه وطن پرست قلعهجوق برومند صلاحی ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) جغرافیا و مخاطرات محیطی پیشبینی طوفان گردوغبار شبکه عصبی پرسپترون چندلایه مدل sarima مدل مسیریابی hysplit اقلیم سواحل خلیج فارس |
| title | ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) |
| title_full | ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) |
| title_fullStr | ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) |
| title_full_unstemmed | ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) |
| title_short | ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس (آبادان، اهواز و بوشهر) |
| title_sort | ارزیابی کارایی شبکه عصبی پرسپترونی چندلایه در پیشنگری طوفانهای گردوغبار برخی ایستگاههای سواحل خلیج فارس آبادان، اهواز و بوشهر |
| topic | پیشبینی طوفان گردوغبار شبکه عصبی پرسپترون چندلایه مدل sarima مدل مسیریابی hysplit اقلیم سواحل خلیج فارس |
| url | https://geoeh.um.ac.ir/article_46556_3d4d6a6d20e0efaad35e5a4e5d8cbc3c.pdf |
| work_keys_str_mv | AT fạṭmhwṭnprstqlʿhjwq ạrzyạbyḵạrạyysẖbḵhʿṣbyprsptrwnycẖndlạyhdrpysẖngryṭwfạnhạygrdwgẖbạrbrkẖyạystgạhhạyswạḥlkẖlyjfạrsậbạdạnạhwạzwbwsẖhr AT brwmndṣlạḥy ạrzyạbyḵạrạyysẖbḵhʿṣbyprsptrwnycẖndlạyhdrpysẖngryṭwfạnhạygrdwgẖbạrbrkẖyạystgạhhạyswạḥlkẖlyjfạrsậbạdạnạhwạzwbwsẖhr |