ارزیابی خشکسالی هواشناسی در دورههای آتی به کمک دادههای گزارش پنجم تغییر اقلیم (مطالعهی موردی: شهرستانهای زابل و شیراز)
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 450
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JARGS-10-40_005
Index date: 20 February 2021
ارزیابی خشکسالی هواشناسی در دورههای آتی به کمک دادههای گزارش پنجم تغییر اقلیم (مطالعهی موردی: شهرستانهای زابل و شیراز) abstract
یکی از مهمترین مشکلاتی که بشر در سالهای اخیر با آن مواجه شده است، بحران آب و وقوع خشکسالی است؛ به همین دلیل، بررسی وضعیت خشکسالی در مدیریت بهینهی منابع آب حائز اهمیت خواهد بود. در مطالعه حاضر سعی شده است با استفاده از خروجی پنج مدل گردش عمومی جو (Csiromk3.6، Gfdlcm2، GISS-E2-R، Ipsl و MIROC-ESM) و چهار سناریوی (RCP 2.6، RCP 4.5، RCP 6.0 و RCP 8.5) دادههای بارش برای دو دورهی آتی (2045-2025) و (2085-2065) تولید گردد و سپس با استفاده از مدل LARS-WG ریزمقیاسنمایی شود. با استفاده از دادههای بارش، شدت خشکسالی به کمک شاخص خشکسالی بارش استاندارد (SPI) با مقیاسهای زمانی مختلف (3، 12 و 48 ماهه) برای دو منطقهی زابل و شیراز تعیین گردید. نتایج نشان داد که مقادیر شاخص SPI در مقیاس زمانی 12 و 48 ماهه نسبت به 3 ماهه شدت خشکسالی را بیشتر نشان میدهند. همچنین نتایج نشان داد که مدل MIROC-ESM نسبت به مدلهای دیگر و سناریو RCP 8.5 نسبت به سناریوهای دیگر برای دو شهرستان زابل و شیراز خشکسالی را با شدت بیشتری نشان داده است. مقایسهی سناریوها نیز نشان میدهد که در هر دو منطقهی موردمطالعه، سناریوی RCP 8.5 در هر دو دورهی آتی، خشکسالی را در محدودهی متوسط نسبت به دورهی پایه نشان میدهند.
ارزیابی خشکسالی هواشناسی در دورههای آتی به کمک دادههای گزارش پنجم تغییر اقلیم (مطالعهی موردی: شهرستانهای زابل و شیراز) Keywords:
Drought intensity , GCM model , SPI Index , WG-LARS model. , شاخص SPI , شدت خشکسالی , مدل گردش عمومی جو , مدل LARS-WG.
ارزیابی خشکسالی هواشناسی در دورههای آتی به کمک دادههای گزارش پنجم تغییر اقلیم (مطالعهی موردی: شهرستانهای زابل و شیراز) authors
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 :