| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 3,019 |
| تعداد مقالات | 33,736 |
| تعداد مشاهده مقاله | 44,976,840 |
| تعداد دریافت فایل اصل مقاله | 46,603,236 |
تحلیلی بر گرانیگاه بارش در شبکة ایستگاه‌های باران‌سنجی استان اردبیل | ||
| پژوهش های آبخیزداری | ||
| مقاله 5، دوره 37، شماره 4 - شماره پیاپی 145، دی 1403، صفحه 54-70 اصل مقاله (2.49 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/wmrj.2024.364724.1570 | ||
| نویسندگان | ||
| زینب حزباوی* 1؛ وحیده مرادزاده2؛ مهین حنیفه پور3؛ نازیلا علائی4 | ||
| 1دانشیار، گروه مرتع و آبخیزداری، دانشکدة کشاورزی و منابع‌طبیعی، پژوهشکدة مدیریت آب، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| 2دانش‌آموختة کارشناسی ارشد، گروه مرتع و آبخیزداری، دانشکدة کشاورزی و منابع‌طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| 3دکترای بیابان‌زدایی، گروه احیای مناطق خشک و کوهستانی، دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران | ||
| 4دانشجوی دکتری، گروه مرتع و آبخیزداری، دانشکدة منابع‌طبیعی، دانشگاه ارومیه، ارومیه، ایران | ||
| چکیده | ||
| مقدمه و هدف روند کاهشی اندازة بارش در بسیاری از مناطق کشور از جمله استان‌های شمال‌غرب کشور سبب‌شده است تا بررسی روش‌های جدید به‌منظور تکمیل پایگاه‌های داده‌ای آبخیزهای کشور بیش از پیش ضروری شود. در این راستا، درک تغییرات گرانیگاه بارش به‌عنوان یک مفهوم نوظهور که نشان‌دهندة توزیع مکانی بلندمدت بارش منطقه‌ای است، برای مدیریت چالش‌های آبخیزداری از جمله کاهش اثرات خشک‌سالی، مهار سیلاب و حفاظت از منابع آب اهمیت دارد. به‌این‌منظور، این پژوهش با هدف تحلیل گرانیگاه بارش و ارتباط آن با توزیع مکانی شبکة باران‌سنجی در استان اردبیل انجام شد. مواد و روش‌ها برای محاسبة گرانیگاه بارش، از آمار بارش 49 ایستگاه هواشناسی در دورة آماری 45 ساله (1395-1350) استفاده شد. بر اساس اصل استخراج ایستگاه و با در نظر گرفتن منطقی بودن کمترین تراکم و یکنواختی، پنج ایستگاه به‌عنوان کمترین تعداد ممکن تعیین شد. سپس، تراکم 10، 20، 30 و 40 ایستگاه به‌شکل تصادفی استخراج شد تا توزیع گرانیگاه بارندگی با تراکم شبکة ایستگاه‌ها مقایسه شود. برای پیاده‌سازی مدل مرکز ثقل، محاسبة بیضی انحراف استاندارد در محیط نرم‌افزار ArcMap10.8 انجام شد و برای تحلیل همبستگی متعارف (CCA) از XLSTAT در مقیاس‌های زمانی ماهانه، فصلی و سالانه استفاده شد. نتایج و بحث نتایج نشان داد که در بهار (فروردین تا خرداد)، جهت حرکت گرانیگاه بارش به‌طور قابل‌توجهی متفاوت بود و فاصلة حرکت 18/17 کیلومتر برآورد شد. در تابستان (تیر تا شهریور)، حرکت گرانیگاه بارش عمدتاً 20/18 کیلومتر به سمت شمال بود. در پاییز (مهر تا آذر)، حرکت گرانیگاه بارش عمدتاً 20/48 کیلومتر به سمت جنوب بود و بیشترین فاصلة حرکت در مقایسه با دیگر فصل‌ها، در فصل پاییز بود. در زمستان (دی تا اسفند)، جهت حرکت گرانیگاه بارش در جهت‌های متفاوتی بود و کمترین فاصلة حرکت (8/35 کیلومتر) در مقایسه با دیگر فصل‌ها در فصل زمستان بود. جهت حرکت گرانیگاه بارش سالانه نیز عمدتاً به سمت جنوب‌شرقی بود. بیشترین فاصله حرکت گرانیگاه 111/78 کیلومتر به سمت شمال‌غربی در سال 1358 بود. همچنین، گرانیگاه بارش سالانه در استان اردبیل در سه دهه 1350 تا 1360 عمدتاً به‌سمت شمال‌غربی و در دیگر دهه‌ها به سمت جنوب‌شرقی حرکت کرد. همبستگی میان تراکم شبکة ایستگاه‌ها با تغییرات گرانیگاه بارش، مثبت (0/65=CCA در سطح معنی‌داری 5%) بود. نتیجه‌گیری و پیشنهادها از میان تراکم‌های گوناگون 5، 10، 20، 30 و 40، بیشترین ضریب همبستگی متعارف با اندازة 0/80 برای تراکم 40 ایستگاه به‌دست آمد و کمترین اندازة این ضریب برای کمترین تراکم 5 ایستگاه با اندازة 0/04 بود. بر اساس نتایج این پژوهش، تغییرات حرکت الگوهای بارش که در دوره‌های خشک‌سالی و ترسالی می‌تواند مؤثر باشد، مشخص شد. پیشنهاد می‌شود که ارتباط میان تغییر اقلیم و عامل‌های پستی‌بلندی با تغییرات مکانی-زمانی گرانیگاه بارش بررسی شود. | ||
| کلیدواژه‌ها | ||
| آبخیزهای کوهستانی؛ الگوی مکانی؛ تراکم ایستگاه‌ها؛ جهت حرکت بارش؛ خوشه‌بندی | ||
| عنوان مقاله [English] | ||
| An Analysis on the Precipitation Barycenter in the Network of Rain Gauge Stations of Ardabil Province | ||
| نویسندگان [English] | ||
| Zeinab Hazbavi1؛ Vahideh Moradzadeh2؛ Mahin Hanifepour3؛ Nazila Alaei4 | ||
| 1Associate Professor, Department of Range and Watershed Management, Faculty of Agriculture and Natural Resources, Water Management Research Center, University of Mohaghegh Ardabili, Ardabil, Iran | ||
| 2Former M.Sc. Student, Department of Range and Watershed Management, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran | ||
| 3Former Ph.D. Student, Department of Arid and Mountainous Regions Reclamation, Faculty of Natural Resources, University of Tehran, Karaj, Iran | ||
| 4Ph.D. Student, Department of Range and Watershed Management, Faculty of Natural Resources, Urmia University, Urmia, Iran | ||
| چکیده [English] | ||
| Introduction and Goal The decreasing trend of precipitation in many regions of the country, including the northwestern provinces, has made it more necessary to investigate new methodologies to complete the databases of the country's watersheds. In this regard, understanding the changes in precipitation barycenters, as an emerging concept, that indicates the long-term spatial distribution of regional precipitation is especially important for the administration of watershed management issues such as reducing drought effect, flood control, and water resource conservation. To this end, the present study analyzes the precipitation barycenter and its relationship with the spatial distribution of the rain gauge network in Ardabil Province. Materials and Methods To calculate the precipitation amount, the statistics of 49 meteorological stations during the statistical period of 45 years (1971-2016) were used. Based on the principle of station extraction and considering the rationality of the lowest density and uniformity, five stations were determined as the minimum possible number. Then, densities of 10, 20, 30, and 40 stations were extracted randomly to compare the distribution of precipitation centroids with the density of the station network. The statistics above were used to implement the gravity center model, calculate the standard deviation ellipse in the ArcMap 10.8 software environment, and conventional correlation analysis on monthly, seasonal, and annual time scales using XLSTAT. Results and Discussion The results showed that in spring (April to June), the direction of movement of the precipitation barycenter was significantly different and the movement distance was 18.17 km. In summer (July to September), the precipitation barycenter mainly moved 20.18 km to the north. In autumn (October to December), the precipitation barycenter mainly moves 20.49 km to the south and has the longest movement distance among the seasons. In winter (December to March), the precipitation barycenter moves in different directions and has the smallest movement distance (8.35). The annual precipitation barycenter migrated mostly in the southeast direction. The maximum migration of barycenter for 1979 was towards the northwest with 111.78 km. Besides, the annual precipitation barycenter in Ardabil Province in the three decades of 1971-1981 migrated mostly to the northwest and in the other decades to the southeast. The stational network density was positively correlated with changes in the precipitation barycenter (CCA = 0.65 at a significance level of 5%). Conclusion and Suggestion The highest conventional correlation coefficient of 0.80 was obtained for the density of 40 stations among different densities of 5, 10, 20, 30, 40, and 50, and the lowest coefficient of 0.04 was obtained for the minimum density of 5 stations. Based on the results of this study, changes in the movement of precipitation patterns that can be effective in drought and wet periods were identified. It is suggested that the relationship between climate change and elevation factors with spatial-temporal changes in the precipitation center of gravity be investigated. | ||
| کلیدواژه‌ها [English] | ||
| Clustering, Migration direction, Mountainaous watersheds, Spatial pattern, Stational density | ||
| مراجع | ||
|
Asakereh H, SeifiPour Z. 2013. Description of spatial structure of annual precipitation of Iran. Geographical Research, 28(4): 15-30. (In Persian). Audu MO, Ejembi E, Igbawua T. 2021. Assessment of spatial distribution and temporal trends of precipitation and its extremes over Nigeria, American Journal of Climate Change, 10(2021):331-352. https://doi.org/10.4236/ajcc.2021.103016 Balyani S, Salighe M. 2017. Exploratory spatial data analysis of monthly and seasonal precipitation changes in Mond and Helle basins. Scientific-Research Quarterly of Geographical Data (SEPEHR), 25(100): 111-127. (In Persian). https://doi.org/10.22131/sepehr.2017.24810 Barmpas G, Kopsacheilis A, Politis I. 2017. Small scale intervention in a major city center interchange: economic, environmental and sustainability analysis. Transportation Research Procedia, 24(2017): 41–49. https://doi.org/10.1016/j.trpro.2017.05.066 Burbidge R, Paling C, Dunk RM. 2024. A systematic review of adaption to climate change impacts in the aviation sector. Transport Reviews, 44(1): 8-33. https://doi.org/10.1080/01441647.2023.2220917 Cannarozzo M, Noto LV, Viola F. 2006. Spatial distribution of rainfall trends in Sicily. Physics and Chemistry of the Earth, 31(18): 1201–1211. https://doi.org/10.1016/j.pce.2006.03.022 Chai D, Du J, Yu Z, Zhang D. 2022. City network mining in China’s Yangtze River economic belt based on “two-way time distance” modified gravity model and social network analysis. Frontiers in Physics, 10(2022): 1-22. https://doi.org/10.3389/fphy.2022.1018993 Chen S, Li L, Li J, Liu J. 2017. Analysis of the temporal and spatial variation characteristics of precipitation in the Lancang River basin over the past 55 years. Journal of Geo-Information Science, 19(03): 365–373. https://doi.org/10.3724/SP.J.1047.2017.00365 Fallah Ghalhari G, Kadkhoda E. 2017. the evaluation of the spatial structure of Mashhad Plain precipitation in the last Half-Century. Hydrogeomorphology, 4(11): 39-57. (In Persian). https://doi.org/20.1001.1.23833254.1396.4.11.3.4 Farhadi N, Gandomkar A, Montazeri M. 2016. Analysis of the frequency and central distribution of average summer rainfall in Southern Zagros. Geographical Notion, 8(16): 21-41. (In Persian). Gong JX. 2002. Clarifying the standard deviational ellipse. Geographical Analysis, 34(2): 155–67. https://doi.org/10.1111/j.1538-4632.2002.tb01082.x. Jalota SK, Sood A, Chahal GBS, Choudhury BU. 2006. Crop water productivity of cotton (Gossypium hirsutum L.)-wheat (Triticum aestivum L.) system as influenced by deficit irrigation. soil texture and precipitation. Agricultural Water Management, 84 (1–2): 137–146. https://doi.org/10.1016/j.agwat.2006.02.003 Khorooshi S, Mostafazadeh R, Esmali Ouri A. 2017. Spatiotemporal assessment of the hydrologic river health index variations in Ardabil Province Watersheds. Iranian Journal of Ecohydrology, 4(2): 379-393. (In Persian). https://doi.org/10.22059/ije.2017.6147 Ling M, Han H, Yu L, Tang S. 2021. Precipitation barycenter and relationship to the spatial distribution of station networks on the Huang-Huai-Hai Plain, China. Journal of Water and Climate Change, 12(8): 3839-3850. https://doi.org/10.2166/wcc.2021.353 Liu B, Tao H, Song C, Guo B, Shi Z. 2012. Study on annual variation of rainfall erosivity in southwest China using gravity center model. Transactions of the Chinese Society of Agricultural Engineering, 28(21): 113–120. https://doi.org/10.3969/j.issn.1002-6819.2012.21.016 Ma W, Yu Y. Meng W, Fan J. 2020. Comparative analysis of city connection network based on gravity model and Baidu Index in Wuhan urban agglomeration. IOP Conference Series: Earth and Environmental Science, 446(2020): 1-5. IOP Publishing. https://doi.org/10.1088/1755-1315/446/2/022050 Mostafazadeh R, Mehri S. 2018. Trends in variability of flood coefficient in river gauge stations of Ardabil Province. Iran. Journal of Watershed Management Research, 9(17). 82-95. (In Persian). http://dx.doi.org/10.29252/jwmr.9.17.82 Mostafazadeh R, Moradzadeh V, Alaei N, Hazbavi Z. 2021. Determining long-term memory using Hurst index for precipitation and discharge time series of selected stations in Ardabil Province. Journal of Water and Soil Resources Conservation, 11 (2): 113-131. (In Persian). https://doi.org/10.30495/wsrcj.2021.19217 Mtibaa S, Tsunetaka H. 2023. Revealing the relation between spatial patterns of rainfall return levels and landslide density. Earth Surface Dynamics,11(2023): 461–474. https://doi.org/10.5194/esurf-11-461-2023 Narangifard M, Fatemi M, Kamaneh A, Talebi M.S. 2020. Detection of daily precipitation structure in Shiraz Synoptic Station. Geography and Planning, 24(72): 385-403. (In Persian). https://doi.org/10.22034/gp.2020.1085 Nazaripouya H. 2022. The effect of several climatic signals on rainfall features using factor analysis and multivariate regression methods (Case of Hamadan Province, Iran). Journal of Agricultural Meteorology, 10(1): 17-27.(In Persian). https://doi.org/10.22125/agmj.2022.140963.1021 Ren G, Ren Y, Zhan Y, Sun X, Liu Y, Chen Y, Wang T. 2015. Spatial and temporal patterns of precipitation variability over mainland China: II: recent trends. Advances in Water Science, 26(4): 451-465. https://doi.org/10.14042/j.cnki.32.1309.2015.04.001 Sun L, Hao Z, Wang J, Nistor I, Seidou O. 2014. Assessment and correction of TMPA products 3B42RT and 3B42V6. Journal of Hydraulic Engineering, 46(10): 1135–1146. https://doi.org/10.13243/j.cnki.slxb.2014.10.001 Sun Z, Lotz T. 2020. Linking meteorological patterns shift to hydrological extremes in a lake watershed across the mid-high latitude transition region. Stochastic Environmental Research and Risk Assessment, 34(2020): 1121-1134. https://doi.org/10.1007/s00477-020-01822-z Tan XH, Yong B. Ren LL. 2018. Error features of the hourly GSMaP multi-satellite precipitation estimates over nine major basins of China. Hydrology Research, 49(3): 761–779. https://doi.org/10.2166/nh.2017.263 Tang GQ, Clark MP, Papalexiou SM, Ma ZQ, Hong Y. 2020. Have satellite precipitation products improved over last two decades? A comprehensive comparison of GPM IMERG with nine satellite and reanalysis datasets. Remote Sensing of Environment (RSE), 240 p. https://doi.org/10.1016/j.rse.2020.111697 Tiwari Sh, Jha SK, Singh A. 2022. Quantification of node importance in rain gauge network: influence of temporal resolution and rain gauge density. Scientific Reports, 10(2020): 1-17. https://doi.org/10.1038/s41598-020-66363-5 Tong TH, Nguyen TTN, Nguyen QK. 2023. Development of method to optimize rain gauge station location in Darang river basin using spatial interpolation technique. Journal of Science and Technique-Section on Special Construction Engineering, 6(02):21-36. https://doi.org/10.56651/lqdtu.jst.v6.n02.736.sce Wang Y, Chen X, Yan F. 2015. Spatial and temporal variations of annual precipitation during. pp .1960–2010 in China. Quaternary International, 380(2015): 5-13. https://doi.org/10.1016/j.quaint.2014.12.047 Wanghe K, Guo X, Wang M, Zhuang H, Ahmad S, Khan TU, Li K. 2020. Gravity model toolbox: An automated and open-source ArcGIS tool to build and prioritize ecological corridors in urban landscapes. Global Ecology and Conservation, 22(2020): 1-14. https://doi.org/10.1016/j.gecco.2020.e01012 Yuan J, Bian Z, Yan Q, Gu Z, Yu H. 2020. An approach to the temporal and spatial characteristics of vegetation in the growing season in western China, Remote Sensing, 12 (6): 1-16. https://doi.org/10.3390/rs12060945 Zandkarimi A, Mokhtari D, Zandkarimi S. 2018. The spatial analysis and optimization of rain gauging station network in Kurdistan Province using the Kriging Error Variance. Journal of Geographical Data (SEPEHR), 27(105): 115-126. (In Persian). https://doi.org/10.22131/sepehr.2018.31479 Zhang L, Xin Z, Zhou H. 2020. Assessment of TMPA 3B42V7 and PERSIANN-CDR in driving hydrological modeling in a semi-humid watershed in northeastern China. Remote Sensing, 12 (19): 1-20. http://dx.doi.org/10.3390/rs12193133 Zhao Z, Luo Y, Yu J, Luo X, Yang Y. 2018. Analysis of precipitation variation characteristics and barycenter shift in Guizhou Plateau during 1960–2016, Journal of Geo-Information Science, 20 (10): 1432–1442. https://doi.org/10.12082/dqxxkx.2018.180215 Zhou W, Zhu, Z, Xie Y, Cai Y. 2021. Impacts of rainfall spatial and temporal variabilities on runoff quality and quantity at the watershed scale. Journal of Hydrology, 603 (2021): 1-19. https://doi.org/10.1016/j.jhydrol.2021.127057 | ||
|
آمار تعداد مشاهده مقاله: 385 تعداد دریافت فایل اصل مقاله: 126 |
||