شماره مدرك
21329
شماره راهنما
18258
پديد آورنده
كرمي، يگانه
عنوان
توسعه يك سيستم توصيه‌گر براي انتخاب شاخص خشكسالي مناسب در حوضه آبريز زاينده‌رود
مقطع تحصيلي
كارشناسي ارشد
گرايش تحصيلي
مدريت منابع آب
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع
1405
صفحه شمار
يازده، 108ص.
توصيفگر ها
شاخص‌هاي خشكسالي , سامانه توصيه‌گر شاخص خشكسالي , پردازش زبان طبيعي , رگرسيون بردار پشتيبان , شاخص سطح برگ
تاريخ ورود اطلاعات
1405/07/25
كتابنامه
كتابنامه
رشته تحصيلي
مهندسي آب
دانشكده
مهندسي كشاورزي
تاريخ ويرايش اطلاعات
1405/07/26
كد ايرانداك
23250758
چكيده فارسي
تشخيص دقيق و به‌موقع خشكسالي، به‌ويژه در حوضه‌هاي آبريز داراي محدوديت منابع آب، براي كاهش خسارت‌هاي زيست‌محيطي، كشاورزي و اقتصادي و نيز پشتيباني از تصميم‌گيري در مديريت منابع آب ضروري است. با اين حال، انتخاب شاخص خشكسالي مناسب براي يك حوضه مشخص همواره چالش‌برانگيز است؛ زيرا شاخص‌ها از نظر مبناي فيزيكي، داده‌هاي موردنياز، مقياس زماني و توانايي بازنمايي اثرات خشكسالي تفاوت دارند. پژوهش حاضر با هدف توسعه يك سامانه توصيه‌گر شاخص خشكسالي (DIRS) براي حوضه آبريز زاينده‌رود در ايران مركزي انجام شد. اين سامانه، ارزيابي مبتني بر ادبيات علمي از ويژگي‌هاي ذاتي شاخص‌ها را با ارزيابي تجربي عملكرد آن‌ها تلفيق مي‌كند.
در اين مطالعه، شش شاخص خشكسالي شامل شاخص استانداردشده بارش (SPI)، شاخص استانداردشده بارش–تبخير و تعرق (SPEI)، شاخص استانداردشده رواناب (SRI) ، شاخص استانداردشده رطوبت خاك (SSI) ، شاخص استانداردشده ذوب برف و بارش (SMRI) و شاخص تجميعي هيدرو‌اقليمي خشكسالي (HADI) مقايسه شدند. به‌منظور تعيين معيارهاي ارزيابي و وزن نسبي آن‌ها، يك فرايند پردازش زبان طبيعي بر روي چكيده‌هاي علمي مرتبط اجرا شد. سپس وزن معيارها با امتيازهاي ذاتي اختصاص‌يافته به شاخص‌ها تركيب گرديد. در بخش ارزيابي عملكردي، يك مجموعه‌داده پيوسته از شاخص سطح برگ (LAI) با استفاده از مشاهدات لندست و سنتينل-2 تهيه و به‌عنوان مرجع اثرمحور خشكسالي به كار گرفته شد. معيارهاي دقت، عدم‌پوشاندن و ابهام از طريق مقايسه شاخص‌ها با LAI استانداردشده در مناطق نماينده بالادست ارزيابي شدند. همچنين، قابليت پيشبيني پذيري شاخص‌ها با استفاده از مدل رگرسيون بردار پشتيبان و داده‌هاي ماهانه هيدرو‌اقليمي هشت ايستگاه بررسي شد.
نتايج نشان داد هيچ‌يك از شاخص‌ها در همه معيارها عملكرد برتر نداشتند و انتخاب شاخص مناسب بايد بر مبناي شرايط و هدف مطالعه انجام شود. با تلفيق ارزيابي‌هاي ذاتي و عملكردي، SPEIبالاترين توصيه كلي را دريافت كرد و پس از آن به‌ترتيب SPI، SRI، SSI، SMRIو HADI قرار گرفتند. سامانه DIRS يك چارچوب زمينه‌محور و پيشبيني پذير براي انتخاب شاخص خشكسالي فراهم مي‌كند و مي‌تواند در پايش خشكسالي و مديريت منابع آب حوضه زاينده‌رود به كار گرفته شود
اين رتبه‌بندي نشان مي‌دهد كه برتري يك شاخص لزوماً مطلق نيست، بلكه به تركيب ويژگي‌هاي ذاتي آن، توانايي بازنمايي اثرات خشكسالي و قابليت عملكرد آن در شرايط واقعي حوضه وابسته است. بنابراين، DIRSامكان انتخاب آگاهانه‌تر شاخص خشكسالي متناسب با هدف پايش و ويژگي‌هاي منطقه را فراهم مي‌سازد. اين چارچوب همچنين قابليت به‌كارگيري و توسعه براي ساير حوضه‌هاي آبريز و شاخص‌هاي خشكسالي را دارد.
چكيده انگليسي
selecting a drought index for a specific basin is difficult because the indices differ in their physical basis, data requirements, and ability to represent the drought impacts. This study develops a Drought Index Recommender System (DIRS) for the Zayandeh-Rud Basin in central Iran. The system combines literature-based assessment of intrinsic properties with empirical evaluation of functional performance. Six drought indices—SPI (Standardized Precipitation Index), SPEI (Standardized Precipitation–Evapotranspiration Index), SRI (Standardized Runoff Index), SSI (Standardized Soil Moisture Index), SMRI (Standardized Melt and Rain Index), and HADI (Hydroclimatic Aggregate Drought Index)—were compared in terms of their intrinsic properties and functional performance. A natural language processing pipeline was applied to the scientific abstracts to identify the assessment criteria and determine their relative importance. These weights were combined with intrinsic scores assigned to the indices. For the functional assessment, a continuous leaf area index dataset was developed from Landsat and Sentinel-2 observations and used as an impact-based reference. Accuracy, eclipsing, and ambiguity were evaluated by comparing the indices with standardized leaf area index (LAI) in representative upstream areas. Out-of-sample reproducibility was assessed using support vector regression (SVR) and monthly meteorological and hydrometric data from eight gauging stations. The results show that no index performed the best across all criteria. After combining the intrinsic and functional assessments, SPEI received the highest overall recommendation, followed by SPI, SRI, SSI, SMRI, and HADI. DIRS provides a context-based and reproducible framework for selecting the drought indices and can support drought monitoring and water-resource management in the Zayandeh-Rud Basin.
استاد راهنما
سعيد اسلاميان
استاد مشاور
محمدهادي بذركار
استاد داور
الهام فاضل , پرويز احسان زاده