فهرست نشریات علمی دسترسی آزاد ایران

پدیده­ی گرد و غبار یکی از زیان‌بارترین بلایای طبیعی است که مشکلات محیطی عدیده­ای را در مناطق مختلف جهان به وجود می­آورد. در ایران، منطقه­ی زابل به شدت تحت تأثیر این پدیده قرار دارد. مطالعه­ی حاضر، با هدف شناخت ویژگی­های زمانی و بررسی امکان پیش­بینی پدیده­ی گرد و غبار در ایستگاه زابل، به عنوان گردوغباری­ترین ایستگاه کشور صورت گرفته است. در این راستا ابتدا به تجزیه و تحلیل ویژگی­های آماری داده­­های مربوط به فراوانی ماهانه، فصلی و سالانه­ی روزهای توأم با گرد و غبار ایستگاه زابل با آمار 41 ساله پرداخته شد. از روش تجزیه­ی روند سری­های زمانی برای تبیین نوسانات زمانی عنصر مورد مطالعه استفاده شده و طبقه­بندی ماهانه­ی روزهای توأم با گرد و غبار با استفاده از روش آماری چند متغیّره­ی تحلیل خوشه­ای انجام گرفت. پیش­بینی گرد و غبار با استفاده از روش سیستم استنتاج فازی- عصبی تطبیقی یا انفیس (ANFIS) با اختصاص70 درصد داده­ها به آموزش و30 درصد آن­ها به تعیین اعتبار مدل انجام شد. نتایج نشان داد در طول دوره‌ی آماری مورد مطالعه‌ی ماه جولای و آگوست گرد و غباری‌ترین ماه‌های سال می‌باشند. بر اساس تحلیل خوشه­ای انجام شده، ماه­های جولای و آگوست با بیشترین روزهای گرد و غباری در یک خوشه‌ی مجزا قرار گرفته­اند. روند سری ماهانه، فصلی و سالانه­ی گرد و غبار در این ایستگاه، افزایشی می­باشد. نتایج پیش­بینی گرد و غبار با مدل انفیس، نشان از قابلیت بالای آن در پیش­بینی گرد و غبار در این ایستگاه می­باشد. ساختار سیستم استنتاج فازی (FIS) تعیین شده با چهار تابع عضویت به شکل قوسی با روش آموزش هیبرید، با اطمینان حدود 93 درصد گرد و غبار ایستگاه زابل را پیش­بینی می­کند