انتخاب بهترین مدل تغییر اقلیم در برآورد متغیرهای هواشناسی ایستگاه سینوپتیک بیرجند
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 401
This Paper With 11 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_JARGS-10-37_005
تاریخ نمایه سازی: 3 اسفند 1399
Abstract:
امروزه تغییر آبوهوا یکی از دلایل اصلی نگرانیهای مرتبط به آب است. علت این امر آن است که امکان دارد این تغییر سبب خشکسالی یا سیلابهای شدید، کوتاه و طولانیمدت در آینده شود. در این تحقیق سعی شد بهترین مدل GCM از بین مدلهای تغییر اقلیم بهمنظور تعیین دمای کمینه، دمای بیشینه و بارش برای ایستگاه سینوپتیک بیرجند در دورههای آتی مشخص شود. بدین منظور تعداد 35 مدل GCM برای هریک از متغیرهای دمای کمینه، دمای بیشینه و بارش تعیین شد و با نتایج ایستگاه سینوپتیک بیرجند مقایسه گردید. نتایج نشان داد که مدل NorESM1-M به دلیل دارا بودن مقدار RMSE برابر 091/0 و مدل GISS-E2-R نیز با دارا بودن مقدار PBIAS پایین میتواند مدل انتخابی مناسب برای تحقیقات در مورد بارش باشد. در مورد دمای بیشینه و دمای کمینه نیز به ترتیب مدلGISS-E2-R با مقدار RMSE برابر 664/0 و مدل CSIROMKMK3.6با داشتن مقادیر RMSE برابر 778/0 بیشترین شباهت را به دادههای ایستگاه سینوپتیک بیرجند دارد. از مقایسهی دادههای مدل-ها با دادهی ایستگاه سینوپتیک، بیشترین درصد خطای نسبی مقادیر بارش، دمای کمینه و دمای بیشینه به ترتیب برای ماههای اول (ژانویه)، دوم (فوریه) و پنجم (می) مشخص شده است. همچنین در مقایسهی قطعیت مدلهای GCM، متغیرهای بارش، دمای بیشینه و دمای کمینه به ترتیب در ماههای پنجم (می)، سوم (مارس) و اول (ژانویه) نسبت به بقیهی ماهها کمترین قطعیت را دارند.
Keywords:
Authors
مصطفی یعقوب زاده
Department of science and water engineering, University of Birjand
عباس خاشعی سیوکی
Department of science and water engineering, University of Birjand
یوسف رمضانی
Department of science and water engineering, University of Birjand
سیده عاطفه حسینی
Plant Protection Department, Faculty of Agriculture, University of Birjand
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 :