مدل سازی و تحلیل دو متغیره خشکسالی هواشناسی با استفاده از داده های تولیدی با رویکرد تغییر اقلیم (مطالعه موردی: دریاچه ارومیه)

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 238

This Paper With 20 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WSRCJ-11-2_004

تاریخ نمایه سازی: 23 دی 1400

Abstract:

زمینه و هدف: تغییر اقلیم یکی از عوامل مهمی است که بخش های مختلف زندگی انسان روی کره­ی زمین را تحت تاثیر قرار خواهد داد و تاثیرات زیانباری بر منابع زیست محیطی، اقتصادی اجتماعی و به ویژه منابع آب خواهد داشت. آگاهی از تغییرات اقلیمی در زمینه خشکسالی می تواند برنامه ای جامع در حوزه های مختلف مدیریتی در خصوص پایش خشکسالی ها و خطرات احتمالی ناشی از آنها ارائه دهد. پدیده خشکسالی در هر منطقه ای حتی مناطق مرطوب ممکن است اتفاق بیافتد. این پدیده به عوامل و پارامترهای مختلفی وابسته بوده و یکی از مهم ترین نمادهای این پدیده یعنی وقوع خشکسالی کاهش میزان بارندگی است و در نتیجه تجزیه وتحلیل داده های بارش برای بررسی خشکسالی از اهمیت ویژه ای برخوردار است. هدف از مطالعه حاضر تحلیل دو متغیره خشکسالی با استفاده از دو شاخص SPI و SPImod و توابع مفصل می­ باشد روش پژوهش: در این تحقیق به منظور مدل سازی تحلیل چند متغیره خشکسالی در حوضه دریاچه ارومیه با بکارگیری سناریوهای انتشار RCP۸.۵ و RCP۴.۵ و نیز با بکارگیری مدل های گردش عمومی جو با استفاده از داده های تاریخی (۲۰۱۰-۱۹۹۱)، برای سه افق نزدیک (۲۰۳۰-۲۰۱۱)، متوسط (۲۰۶۵-۲۰۴۶) و دور (۲۰۹۹-۲۰۸۰) شبیه سازی و تولید داده گردید سپس با استفاده از داده های تولیدی، توسط شاخص SPImod و توابع مفصل، تحلیل چند متغیره خشکسالی در محیط نرم افزار متلب صورت گرفت. در بیان کلی تر، در ابتدا با استفاده از شاخص­های مذکور (دو شاخص SPI و SPImod) مشخصات شدت و مدت خشکسالی استخراج، سپس با استفاده از کد نویسی در محیط نرم افزار متلب از هشت خانواده توابع مفصل ارشمیدسی استفاده گردید یافته ها: نتایج حاصل از تحلیل چند متغیره نشان داد که تابع مفصل جوئی به عنوان تابع مفصل برتر جهت تحلیل چند متغیره خشکسالی (برای تحلیل توام شدت و مدت خشکسالی برای منطقه مورد مطالعه) می باشد. همچنین نتایج حاصل از احتمال و دوره بازگشت توام نشان داد که در دوره های آتی حداقل خشکسالی های هم سطح خشکسالی های تاریخی و حتی شدیدتر رخ خواهد داد. بدین صورت که بامطالعه ی دوره بازگشت­های توام و شرطی و کندال، نتایج نشان داد که در یک سطح احتمال بحرانی معین، مقدار دوره بازگشت کندال خیلی بیشتر از دوره بازگشت استاندارد می­باشد، بطوریکه این تفاوت با افزایش آن مقدار معین، افزایش می­یابد نتایج: در نهایت نتایج حاصل از تحقیق با رویکرد تغییر اقلیم بر روی خشکسالی هواشناسی دریاچه ارومیه نشان داد که در دوره های آتی شاهد افزایش دما خواهیم بود که این موضوع بر میزان بارندگی های منطقه و منابع آب تاثیر خواهد گذاشت، از طرفی چون که داده های هواشناسی و هیدرولوژیک جهت محاسبات انواع خشکسالی ها بکار می روند بنابراین خشکسالی ها متاثر از تغییرات اقلیم بوده بگونه ای که در دوره های آتی ۴۶ تا ۴۸ درصد ماه ها در افق های مختلف خشک خواهند بود؛ و در آخر، نتایج حاصل از سری زمانی شاخص­ها نشان داد که در طی دوره آماری حداقل ۴۰ درصد ماه­ها خشک بوده و این شدت خشکسالی­ها در ایستگاه ارومیه به مراتب بیشتر از سایرین می باشد و در زمینه عملکرد شاخص­ها به­منظور تحلیل خشکسالی نتایج نشان داد که استفاده از شاخص SPI اصلاح شده تا حدود زیادی معایب SPI متداول را برطرف می کند و تغییرات فصلی بارش را در محاسبه شاخص SPI لحاظ می نماید.

Authors

فرزاد خضری

دانشجوی دکتری گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران.

محسن ایراندوست

استادیار گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، ایران.

نوید جلال کمالی

استادیار گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، ایران.

نجمه یزدان پناه

دانشیار گروه مهندسی آب، واحد کرمان، دانشگاه آزاد اسلامی،کرمان، 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 :
  • Reference:Ayantobo, O.O., Li, Y. and Song, S. ۲۰۱۹ Multivariate Drought ...
  • Bahri, M. Command, M.T. and Goodarzi, M. ۲۰۱۵. Study of ...
  • Danandeh Mehr, A., Sorman, A. U., Kahya, E., and Hesami ...
  • Durante, F.and Salvadori, G., ۲۰۱۰. On the construction of multivariate ...
  • Golmohammadi,,M. and Masah Bovani, A. ۲۰۱۱. Investigation of changes in ...
  • Hesami Afshar.M, Unal Sorman.A and Tugrul Yilmaz. M, ۲۰۱۶. Conditional ...
  • Ildermi, A., Nouri, H. and Karami, M. ۲۰۱۶. Assessment of ...
  • Khani Tamaleh, Z. Rezaei, H. and Mir Abbasi Najafabadi, R. ...
  • Moafi Madani, S., Mousavi Baigi, S., and Ansari, H. ۲۰۱۲. ...
  • McKee, T.B., Doesken, N.J., and Kleist, J. ۱۹۹۳. The relationship ...
  • Mesbahzadeh, T., and Sardoo, F. S. ۲۰۱۹. Assessment and Prediction ...
  • Mousavi, S-F. ۲۰۰۵. Agricultural drought management in Iran. Proc. Water ...
  • Nodeh Farahani, M. Rasekhi, A. Permas, B and Keshvari, A. ...
  • Nelsen, R. B., ۲۰۰۶, An Introduction to Copulas, Springer, New ...
  • Salvadori, G., De Michele C.and Durante, F. ۲۰۱۱. On the ...
  • Schwarz, G .۱۹۷۸. Estimating the dimension of a model. The ...
  • Semonov, M. A., and Stratonovitch, P. ۲۰۱۰. Use of multi-model ...
  • Shiau JT, ۲۰۰۶. Fitting drought duration and severity with two-dimensional ...
  • Shiau JT, Feng S and Nadarajah S, ۲۰۰۷. Assessment of ...
  • Sklar, A., ۱۹۵۹. Fonctions de répartition à n dimensions et ...
  • Wilby R.L., Dawson C.W.,and Barrow, E.M. ۲۰۰۲. SDSM- a decision ...
  • Zhao, P., Lü, H., Yang, H., Wang, W. and Fu, ...
  • نمایش کامل مراجع