پیش بینی وضعیت خشکسالی برای دوره های آتی با استفاده از مدل LARS-WG (مطالعه موردی: ایستگاه شیراز)
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 427
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-6-1_006
تاریخ نمایه سازی: 3 تیر 1399
Abstract:
در این پژوهش به منظور شبیهسازی اقلیم آینده سالهای )1443-1397) برای محاسبه شاخص خشک سالی در استان فارس، دادههای مورداستفاده شامل مقادیر روزانهی بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی ایستگاه شیراز در یک دورهی 46 ساله (1349-1395) و به عنوان ورودی برای مدل آماری LARS-WG بود. برای شبیهسازی پارامترهای اقلیمی در حوضه ایستگاه شیراز دادههای مدل HADCM3 با استفاده از مدل WG-LARS تحت دو سناریوی 2A و B1A ریزمقیاس شدند. نتایج نشان داد که میانگین بارش سالانه در دوره آتی نسبت به دوره پایه با در نظر گرفتن سناریوی 2A، 5/1 % و با در نظر گرفتن سناریوی B1A، 5/5 % در دوره 1399 تا 1445 افزایش خواهد یافت. همین طور میزان ساعتهای آفتابی در دوره بررسی و با در نظر گرفتن هر دو سناریو کاهش خواهد یافت. همچنین مدل با دقت بالایی قادر به شبیه سازی پارامترهای دمای حداکثر، دمای حداقل و تابش بود، اما در شبیه سازی پارامتر بارش نسبت به دیگر پارامترها خطای بیشتری را نشان داد. بیشترین افزایش با حدود 80%، متعلق به ماه سپتامبر تحت سناریو 2A بود که در دوره آتی نسبت به دوره مطالعاتی رخ داده است. در ادامه مطابق شاخص خشک سالی SPI شدیدترین خشک سالی ایستگاه مربوط به سال 1387 با مقدار شاخص 89/2- و حادترین ترسالی مربوط به سال 1374 با مقدار شاخص 92/1 بود.
Keywords:
Authors
محمدحسین جهانگیر
استادیار، گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
مریم جهان پناه
دانشجوی کارشناسی ارشد، گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
مهناز ابوالقاسمی
کارشناسی ارشد، گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :