پهنه بندی روزهای شرجی در نیمه جنوبی ایران
Publish Year: 1393
Type: Journal paper
Language: Persian
View: 334
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JSAEH-1-2_004
Index date: 9 October 2021
پهنه بندی روزهای شرجی در نیمه جنوبی ایران abstract
در حاشیه دریاهای گرم، بر اثر افزایش دما و رطوبت نسبی پدیده ی اقلیمی شرجی رخ می دهد که سبب سلب آسایش و بروز مشکلاتی در زندگی روزمره ی انسان می شود. در این مطالعه، طبقه بندی روزهای شرجی در نیمه ی جنوبی ایران بررسی شد و پهنه بندی ویژگی های آماری روزهای شرجی با استفاده از سامانه ی اطلاعات جغرافیایی صورت گرفت. برای دستیابی به این اهداف، داده های ساعتی و روزانه فشار جزئی بخار آب برای یک دوره ی ۱۵ ساله (۲۰۰۹ - ۱۹۹۵) مربوط به ۱۳ ایستگاه منتخب از سازمان هواشناسی کشور اخذ گردید. سپس، روزهای شرجی براساس آستانه ی فشار جزئی بخار آب ۸/۱۸ هکتوپاسکال استخراج و در قالب هشت طبقه ی جداگانه تقسیم شد و پهنه بندی ویژگی های آماری روزهای شرجی با روش میانیابی کریجینگ صورت گرفت. نتایج این مطالعه نشان داد که بیشترین روزهای شرجی در مقیاس ماهانه در دو ماه ژوئن و ژولای و کمترین آن در ماه ژانویه اتفاق می افتد. در مقیاس فصلی، نیز بیشترین تعداد روزهای شرجی متعلق به فصل تابستان و کمترین آن مربوط به فصل زمستان است. از لحاظ مکانی نیز جنوب شرق ایران در مقایسه با جنوب غرب بیشترین تعداد روزهای شرجی را دارد. طبقه بندی روزهای شرجی نیز نشان داد که ایستگاه چابهار با بیشترین تعداد روزهای شرجی طبقه ی هشت (کل ۲۴ ساعت شبانه روز دارای شرایط شرجی) حادترین ایستگاه در بین ایستگاه های مورد مطالعه بوده و ایستگاه هایی همچون کرمان، زاهدان و شیراز با داشتن کمترین روز شرجی طبقه ی هشت بهترین شرایط را دارا بوده اند.
پهنه بندی روزهای شرجی در نیمه جنوبی ایران Keywords:
Sultry , Vapour Pressure , Kriging , GIS , the southern half of Iran. , شرجی , فشار بخار آب , کریجینگ , GIS , جنوب ایران
پهنه بندی روزهای شرجی در نیمه جنوبی ایران authors
پیمان محمودی
دانشگاه سیستان و بلوچستان
تقی طاوسی
دانشگاه سیستان و بلوچستان
حجت اله دانشمند
دانشگاه سیستان و بلوچستان
عبدالمجید شباب مقدم
دانشگاه سیستان و بلوچستان
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 :