Environmental Erosion Research

fa بررسی پیش‌بینی طوفان‌های گرد و غبار با استفاده از مدل تلفیقی سه‌گانه GRNN-AF-ARMA و راهکار فیلتر کالمن تجمعی (مطالعه موردی: استان خوزستان) The prediction of dust storm events using the integrated triple model GRNN-AF-ARMA and the Ensemble Kalman filter approach (Case Study: Khuzestan Province) مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی پژوهشي Research شناخت دقیق تغییرات زمانی و مکانی پدیده‌های اقلیمی مخرب، گامی اساسی در مدیریت یکپارچه این مخاطرات است. در سال‌های اخیر، استفاده از فرامدل‌های هیبریدی دوگانه به‌منظور شبیه‌سازی طوفان‌های گرد و غبار و مقابله با این پدیده و کاهش اثرات مخرب آن بر محیط زیست و سلامت انسان‌ها، مورد توجه گسترده‌ای قرار گرفته است. در این پژوهش، مدل‌سازی شاخص فراوانی روزهای همراه با طوفان گرد و غبار در استان خوزستان طی دوره آماری ۵۰ ساله (۱۹۷۱ تا ۲۰۲۰) انجام شد. عملکرد فرامدل هیبریدی سه‌گانه GRNN–AF–ARMA در پیش‌بینی این شاخص با مدل‌های منفرد GRNN  و ARMA و همچنین فرامدل‌های دوگانه GRNN–AF،ARMA–AF  و  GRNN–ARMAمقایسه گردید که نتایج بیان‌گر برتری قابل توجه فرامدل هیبریدی سه‌گانه بود. در مرحله بعد، به‌منظور افزایش دقت و پایداری پیش‌بینی‌ها، فیلتر کالمن تجمعی جهت تصحیح و بهینه‌سازی خروجی مدل هیبریدی مذکور به‌کار گرفته شد. نتایج نشان داد که ادغام این فیلتر با فرامدل سه‌گانه، موجب افزایش چشمگیر ضریب همبستگی و ضریب نش ساتکلیف شده است. به طوری که مقادیر بیشتر از 964/0 برای ضریب نش ساتکلیف و مقادیر بیشتر از 953/0 برای ضریب همبستگی به ثبت رسید. این افزایش دقت در پیش‌بینی دقیق‌تر این پدیده حدی اقلیمی و تلاش برای کاهش اثرات مخرب آن، تاثیر به‌سزایی دارد. بنابراین، مدل پیشنهادی توانمندی بالایی در پیش‌بینی الگوهای زمانی و مکانی طوفان‌های گرد و غبار در استان خوزستان دارد. از نتایج پژوهش حاضر میتوان بر سایر مناطق مشابه درگیر با پدیده گرد و غبار مانند استان‌های غربی کشور ایران بهره برد. یافته‌های این مطالعه تأکید می‌کند که بهره‌گیری از فیلتر کالمن تجمعی(EnKF) در بهبود پایداری و دقت پیش‌بینی مدل‌های هیبریدی، نقش مهمی ایفاء می‌کند. یافته‌های این پژوهش می‌تواند به‌عنوان ابزاری کارآمد در برنامه‌ریزی مدیریتی و اتخاذ تدابیر پیشگیرانه به‌منظور کاهش خسارات ناشی از طوفان‌های گرد و غبار مورد استفاده قرار گیرد.   Accurate understanding of the temporal and spatial variations of destructive climatic phenomena is a fundamental step toward integrated management of these hazards. In recent years, the use of dual hybrid models for simulating dust storms has attracted significant attention. This study models the frequency index of dust storm days in Khuzestan province over a 50-year period (1971–2020). The performance of the triple hybrid model GRNN–AF–ARMA in predicting this index was compared with single models GRNN and ARMA, as well as dual hybrid models GRNN–AF, ARMA–AF, and GRNN–ARMA. The results demonstrated the superior performance of the triple hybrid model. Subsequently, to enhance prediction accuracy and stability, the Ensemble Kalman Filter (EnKF) was employed to correct and optimize the outputs of the hybrid model. The findings indicated that integrating this filter with the triple hybrid model significantly improved the correlation coefficient and the Nash–Sutcliffe efficiency. Therefore, the proposed model exhibits high capability in predicting the temporal and spatial patterns of dust storms in Khuzestan province. The outcomes of this research can serve as an effective tool for management planning and the implementation of preventive measures to mitigate damages caused by dust storms.   شبکه عصبی مصنوعی, باکس جنکینز, شاخص FDSD, الگوریتم گیاهان مصنوعی,مدل‌سازی Artificial Neural Network, Box-Jenkins Method, FDSD Index, Artificial Plants Algorithm, Modeling. 0 0 http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-1064-1&slc_lang=fa&sid=1 Mohammad Ansari ghojghar محمد انصاری قوجقار ansari.ghojghar@ut.ac.ir 100319475328460010261 100319475328460010261 Yes Department of Reclamation of Arid and Mountainous regions Engineering, Faculty of Natural Resources, University of Tehran, Karaj, Iran. گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. Ramtin Tavoosi Rad رامتین طاوسی راد ramtintavosirad@ut.ac.ir 100319475328460010262 100319475328460010262 No Department of Reclamation of Arid and Mountainous regions Engineering, Faculty of Natural Resources, University of Tehran, Karaj, Iran. گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.