احمد پهلوانروی

ویژگی های دشت سیستان از قبیل رسوبگذاری رودخانه ها، وزش باد های فرساینده به ویژه باد های 120 روزه و خشکسالی های 20 سال اخیر، زمینه فرسایش بادی را فراهم کرده است. یکی از نماد های عینی فرسایش بادی، جابجایی ماسه هاست. به دلیل مسکونی بودن محدوده جابجایی ماسه ها، تحلیل مورفومتریک و میزان جابجایی تپه های ماسه ای در ایجاد مخاطرات از اهداف این پژوهش است. جهت بررسی نقش پارامترهای مورفومتریک برخان ها در میزان جابجایی شان، از 10 برخان تشکیل شده در دو کانون فرسایش بادی، 7 برخان انتخاب شد و در مدت وزش باد های 120 روزه، میزان جابجایی شان رصد شده و ثبت گردید. سپس با تحلیل رگرسیونی بین طول، عرض، ارتفاع و مساحت برخان ها و میزان جابجایی شان توسط نرم افزار SPSS مشخص شد که فقط بین طول برخان ها با میزان جابجایی شان، رابطه معکوس برقرار بوده و بین سایر پارامتر ها و جابجایی برخان ها رابطه معنی داری وجود ندارد. که دلیل آن می تواند شکل گیری برخان ها در محدوده اراضی روستایی و نقش عوارض سطح زمین در میزان سرعت باد، مقدار تولید ماسه و در پی آن در میزان جابجایی برخان ها باشد.

امروزه خشکسالی یک معضل جدّی و گریبانگیر دربسیاری از کشور های جهان است؛بنابراین پیش بینیِ آن از اهمیت به سزایی برخوردار می باشد. در این تحقیق، کارایی شبکة عصبی مصنوعی و سیستم استنتاج عصبی - فازیتطبیقی به عنوان روش هایی مؤثر برای پیش بینی شدت خشکسالی حوزة ""مُند"" استان فارس مورد بررسی قرار گرفت. برای این منظور از داده های بارندگی ماهانة ایستگاه باران سنجی تنگاب استان فارس با دورة آماری 32 ساله استفاده گردید. شدت خشکسالی در دورة ماهانه با استفاده از شاخص بارندگی استاندارد شده (SPI) تعیین شد؛ سپس به وسیلة مدل های ANN وANFIS و با استفاده از شاخص SPI پیش بینی شدت خشکسالی انجام گردید. از بین داده های موجود، 70 درصد به عنوان داده های آموزش و مابقی به عنوان داده های اعتبارسنجی و داده های آزمون انتخاب شد؛ سپس از طریق معیار های آماری شامل ضریب همبستگی، میانگین مجذور مربعات خطا و ضریب ناش به کارایی عملکرد مدل ها پرداخته شد. نتایج نشان دادد که دقت روش شبکه های عصبی مصنوعی از روش سیستم استنتاج عصبی - فازیتطبیقی بیشتر می باشد؛ همچنین یافته های حاصل از این بررسی نشان می دهد که هرچه پراکندگی داده های ورودی مدل بیشتر باشد مدل استنتاج عصبی - فازی تطبیقی دارای توانایی بیشتری در شبیه سازی این نوع از داده ها می باشد.

تاکنون روش های زیادی جهت برآورد میزان شدت بیابان زایی در نقاط مختلف دنیا ارائه شده است. در همین راستا به دلیل منطبق نبودن مدل های ارائه شده توسط کارشناسان در سایر کشورها با شرایط اقلیمی کشورمان در سال 1375 مدل تجربی IRIFR.E.A توسط محققان کشورمان تدوین و ارائه گشته است. در این تحقیق سعی شده تا با استفاده از مدل نام برده شده میزان تخریب اراضی در سطحی برابر با 48219 هکتار برآورد و نقشه ی خطر بیابان زایی منطقه ترسیم شود، برای این کار ابتدا با بررسی شرایط منطقه بر اساس بازدید های میدانی، عوامل مؤثر بر روند تخریب اراضی شناسایی شده است. این عوامل شامل سازند زمین شناسی منطقه، شکل اراضی و پستی و بلندی، وضعیت باد و شرایط خاص اقلیمی، خاک و پوشش سطحی، پوشش گیاهی، فرسایش بادی، رطوبت خاک، نهشته های بادی و عملیات مدیریتی می باشد. با استفاده از جداول ارزیابی مدل مورد استفاده، میزان تأثیر هر عامل بر روند بیابان شدن منطقه مورد ارزیابی قرار گرفت. در همین راستا نتایج به دست آمده از این تحقیق نشان می دهد منطقه ی مورد مطالعه در طبقه های بیابان زایی متوسط، شدید و خیلی شدید قرار گرفته است. همچنین نتایج نشان می دهند از کل منطقه ی مورد مطالعه 4/59 درصد معادل 28642 هکتار در طبقه بیابان زایی شدید، 6/40 درصد 19577 هکتار در طبقه بیابان زایی خیلی شدید قرار دارد. همچنین بر اساس نتایج به دست آمده مشخص شد از میان عوامل مؤثر بر فرآیند بیابان زایی مدیریت کاربری اراضی و اقلیم با کسب بیشترین میزان امتیاز به عنوان مهمترین عوامل مؤثر بر فرآیند بیابان زایی شناخته شدند.