پیش بینی دمای کمینه و بیشینه، تابش و بارش در ایستگاه سینوپتیک رشت تحت سناریوهای مختلف تغییر اقلیم
Publish place: Geography and Planning، Vol: 20، Issue: 55
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 211
This Paper With 16 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_GEOP-20-55_002
تاریخ نمایه سازی: 23 آبان 1400
Abstract:
چکیده پیشبینی و ارزیابی میزان تغییرات پارامترهای هواشناسی در اثر تغییر اقلیم بهویژه از منظر مدیریت منابع آب از اهمیت بالایی برخوردار است. مدل LARS یک مدل تولیدکننده دادههای هواشناسی است که با ریزمقیاس نمایی مدلهای گردش عمومی جو (GCM) اقدام به پیشبینی پارامترهای هواشناسی مینماید. در این مطالعه، ابتدا برای ارزیابی عملکرد ۱۵ مدل مختلف گردش عمومی جو در شبیهسازی دادههای بارش، تابش، دمای کمینه و دمای بیشینه ایستگاه سینوپتیک رشت در دوره (۲۰۱۲-۲۰۱۱)، ریزمقیاس آماری هر کدام از مدلهای GCM توسط مدل LARS انجام پذیرفت. سپس پیشبینی پارامترهای مذکور بر پایه مدلهای GCM منتخب برای دو دوره ۳۰ ساله ۲۰۴۲-۲۰۱۳ و ۲۰۷۲- ۲۰۴۳ انجام شد. نتایج پیشبینی نشان داد در مورد پارامترهای دمای کمینه و بیشینه بیشترین تغییرات میانگین بلندمدت سالانه نسبت به دوره پایه، در دوره ۳۰ ساله دوم و به ترتیب تحت سناریویهای A۲و A۱B و به میزان ۳/۱ و ۰/۲ درجه سانتیگراد رخ خواهد داد. روند تغییرات تابش در دورههای آینده و برای تمام فصول سال کاهشی خواهد بود. بیشترین کاهش تحت سناریوی A۲ و در دوره دوم ۳۰ ساله به میزان ۴/۱۴۳ مگاژول بر مترمربع و در فصل زمستان رخ خواهد داد. میزان بارش، در اکثر فصول سال در دورههای آتی افزایش خواهدداشت. بر این اساس، بیشترین افزایش در دوره ۳۰ ساله دوم تحت سناریوی B۱ به مقدار ۵/۵۵ میلیمتر و در فصل پاییز خواهد بود.
Keywords:
Authors
نادر پیرمرادیان
استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان
حسین هادی نیا
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده علوم کشاورزی، دانشگاه گیلان
افشین اشرف زاده
استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان
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 :