واکاوی و پهنه‌بندی توان‌های اقلیمی استان خوزستان به منظور استفاده از انرژی خورشیدی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار آب و هواشناسی، دانشکده جغرافیا، دانشگاه تهران

2 دانشجوی دوره دکتری اقلیم‌شناسی سینوپتیک، دانشکده علوم‌زمین، دانشگاه شهید‌بهشتی

3 دانشجوی کارشناسی ارشد آب و هواشناسی کاربردی، دانشکده جغرافیا، دانشگاه تهران

چکیده

یکی از مهمترین چالش‌ها در دهه‌های اخیر مسئله انرژی و منابع تأمین پایدار آن بوده است. در حال حاضر اکثر قریب به اتفاق جهانیان پذیرفته‌اند تا پایان سده کنونی بیشتر منابع فسیلی به پایان خواهد رسید. با این توضیح بهترین گزینه انرژی‌های نو و پاک بویژه انرژی باد و خورشید خواهد بود. از سوی دیگر باید پذیرفت که مناطق مختلف جهان قابلیت تولید و استفاده متفاوتی از انرژی خورشیدی را دارند، از این رو لازم است این قابلیت‌های تولید انرژی خورشیدی مورد شناسایی قرار گیرد. در تحقیق حاضر جهت رتبه‌بندی شهرستان‌های استان خوزستان از نظر توان‌مندی اقلیمی در تولید برق خورشیدی از میانگین داده‌های (ابرناکی، نم نسبی، ساعات آفتابی، گرد و غبار و همچنین ارتفاع و عرض جغرافیایی) 13 ایستگاه استان خوزستان در دوره زمانی 1991-2005 استفاده شد و در ادامه با استفاده از روش Topsis کار رتبه‌بندی مناطق انجام گرفت و نهایتاً نقشه پهنه‌بندی استان از نظر توان‌مندی‌های تولید برق خورشیدی با استفاده از نرم‌افزار GIS ترسیم شد. بر اساس نتایج به دست آمده از واکاوی داده‌های محیطی و اقلیمی، مناطق شرقی استان خوزستان بهترین موقعیت برای ایجاد مزارع خورشیدی را دارا هستند. بر این اساس ایستگاه ایذه مناسب‌ترین و ایستگاه امیدیه نامطلوب‌ترین مکان برای ایجاد نیروگاه‌های خورشیدی است.

کلیدواژه‌ها

موضوعات


1- اکبری، نعمت­ا...، زاهدی­کیوان، مهدی، 1387، کاربرد روش­های رتبه بندی ­و ­تصمیم­گیری چندشاخصه، انتشارات موسسه فرهنگی اطلاع رسانی ­و مطبوعاتی،1387.

2- جوادی، شهرام و همکاران، 1389، برآورد پتانسیل تابش خورشیدی در شهر یزد، فصل‌نامه انرژی ایران، شماره33.

3- خوش­اخلاق، فرامرز ­و همکاران، 1385، مکان‌یابی­ نیروگاه ­خورشیدی ­با توجه ­به­پارامترهای ­اقلیمی، نشریه سپهر، دوره هفدهم، شماره 67.

4- خوش­اخلاق، فرامرز، حجازی‌زاده، زهرا، محمدی‌، حسین و‌ روشن، غلامرضا، 1385، رویکردی از روش TOPSIS در تعیین و رتبه‌بندی خشکسالی (مطالعه موردی استان خوزستان )،نشریه علوم جغرافیایی، ج 5، ش 6 و 7 .

5- سقفی، محمد، 1382، انرژی‌های نو، انتشارات دانشگاه تهران.

6- سلیمی، مهدی، حسینی، محمدسلطان، شعبانی بهار، غلامرضا،1391، مکان گزینی اماکن ورزشی با استفاده از مدل‌های پیوسته و گسسته فضایی مبتنی بر ترکیب دو مدلAHP و TOPSIS، مطالعات مدیریت ورزشی، شماره 13.

7- شریفی، علی مراد و همکاران، 1388، فصل‌نامه مطالعات انرژی، سال ششم، شماره 21.

8- صمیمی، جلال، 1373، برآورد تابش خورشیدی بر اساس ارتفاع و کاربرد آن در اقلیم خورشیدی ایران، مجله فیزیک، شماره 2، ص 18 تا 26.

9- فرج‌الله حسینی، سیدجمال و همکاران، 1391، مجله محیط‌شناسی، سال هشتم، شماره 62.

10- کاویانی، محمدرضا، 1381، تنگناهای انرژی و ارزیابی پتانسیل انرژی خورشیدی در ایران، مجله دانشکده ادبیات و علوم انسانی اصفهان (مطالعات و پژوهش‌های دانشکده ادبیات و علوم انسانی)، شماره30-31.

11- موسوی بایگی، محمد، اشرف، بتول،1390، شناسایی مناطق با کمترین میزان ابرناکی به منظور پهنه‌بندی نواحی پرتابش کشور، نشریه آب و خاک، جلد 25، شماره 3.

12- مومنی، منصور، جعفرنژاد، احمد، صادقی، شکوفه،1390، جایابی بهینه مراکز توزیع در فرآیند بازاریابی با استفاده از روش‌های ریاضی، مدیریت صنعتی، دوره3، شماره6.

13- مومنی، منصور، جهانبازی، افشین،1390، طراحی مدل تصمیم‌گیری چند شاخصه فازی برای انتخاب مدیران، دو ماهنامه دانشور رفتار دانشگاه شاهد، سال 14، شماره 26.

14- مهرگان، محمدرضا، دهقان نیری، محمود، 1387، رویکرد منسجم BSC-TOPSIS جهت ارزیابی دانشکده‌های مدیریت‌های برتر دانشگاه‌های استان تهران، نشریه مدیریت صنعتی، دوره 1، شماره2.

15- میرلطیفی، مجید، کامیار، بیات، 1388، تخمین تابش کل خورشیدی روزانه با استفاده از مدل‌های رگرسیونی و شبکه‌های عصبی مصنوعی، مجله علوم کشاورزی و منابع طبیعی، جلد شانزدهم، شماره سوم.

16- نسترن، مهین، ابوالحسنی، فرحناز، ایزدی، ملیحه، 1389، کاربرد تکنیک تاپسیس در تحلیل و اولویت‌بندی توسعة پایدار مناطق شهری (مطالعة موردی: مناطق شهری اصفهان) مجله جغرافیا و برنامه‌ریزی محیطی، سال 21، شماره پیاپی 38، شماره 2.

17- Aksakal A., and  Rehman S. 1999. Global solar radiation in Northeastern Saudi Arabia, Renewable Energy 17: 461472.

18- Reddy, K.S. , and Ranjan, M. 2003. Solar resource estimation using artificial neural networks and comparison with other correlation models. J. Energy Conversion and Management, 44: 2519-2530.

19- Togrul I .T., and Onat E. 1999. A study for estimating solar radiation in Elazig using geographical and meteorological data, Energy Conversion and Management 40:1577

20- Tymvios, F. S. , Jacovides, C. P., Michaelides, S. C., and Scouteli, C. 2005. Comparative study of Angstrom and artificial neural network methodologies in estimating global solar radiation . J. SolarEnergy, 78: 752-762.

21- Yang K., Koike T ., and Ye B. 2006. Improving estimation of hourly, daily, and monthly solar radiation by importing global data sets, Agricultural and Forest Meteorology 137:43–55.