کاربرد مدل ARMA در کاهش مقیاس و ارزیابی آثار تغییر اقلیم در مقیاس سالانه

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 272

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_CEEJ-51-104_004

تاریخ نمایه سازی: 26 دی 1400

Abstract:

با وجود قابلیت ­های ویژه مدل ARMA (Autoregressive Moving Average) برای ارزیابی اثر تغییر اقلیم در مقیاس سالانه، این مدل در مطالعات پیشین تغییر اقلیم، به­ندرت مورد توجه قرار گرفته است. علت اصلی آن، مشخص نبودن روش کاهش مقیاس برای سری­ های غیر نرمال است. سری­ های بارش در مقیاس­ه ای روزانه و ماهانه اغلب غیرنرمال است، اما بارش سالانه در بسیاری از مناطق از توزیع نرمال تبعیت می ­کند. در این مقاله عملکرد مدل سالانه ARMA با عملکرد مدل پرکاربرد روزانه LARS-WG (Long Ashton Research Station Weather Generator) برای تولید سری­ های سالانه بارش و دما مقایسه شده است. نتایج نشان می­ دهد مدل ARMA آماره­ های مختلف بارش و دمای سالانه و توزیع فراوانی این متغیرها را در سری­ های مصنوعی به خوبی بازتولید می­ کند. اما مدل LARS-WG که عملکرد مناسبی در بازتولید آماره ­های روزانه دارد، عملکرد مناسبی در بازتولید توزیع فراوانی دمای سالانه ندارد. علت این امر ناتوانی LARS-WG در بازتولید نوسانات بین سالی (به طور خاص انحراف معیار سالانه) است. اثر تغییر اقلیم بر بارش و دمای سالانه ایستگاه هواشناسی زنجان با استفاده از مدل ARMA تحت سناریوی مدل HADGEM۲ (Hadley Centre Global Environment Model version ۲) تحت سناریوی انتشار RCP۴.۵ (Representative Concentration Pathway ۴.۵) ارزیابی شد. نتایج حاکی از کاهش بارش و افزایش دما در دوره بازگشت ­های مختلف است. بر این مبنا با در نظر گرفتن اثر تغییر و در حدود ۹۰% نوسانات اقلیم، بارش ۲ ساله بین ۷ تا ۲۳ درصد نسبت به مقادیر مشاهداتی کاهش می­ یابد و دمای ۲ ساله بین ۲/۲ تا ۸/۳ درجه نسبت به مقادیر مشاهداتی افزایش می ­یابد.

Authors

محمد رضا خزائی

استادیار دانشکده مهندسی عمران، دانشگاه پیام نور

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 :
  • خزائی م ر، تحسین­ زاده ن، شرافتی ا، "تحلیل عدم ...
  • رضائی م، نهتانی م، مقدم ­نیا ع، آبکار، ع، رضائی، ...
  • صلاحی ب، گودرزی م، حسینی س ا، "پیش ­بینی تغییرات ...
  • مالمیر م، محمدرضاپور ا، آذری س ش، "ارزیابی تاثیر تغییرات ...
  • Chapman T, “Stochastic modelling of daily rainfall: the impact of ...
  • Dubrovsky M, Buchtele J, Zalud Z, “High-frequency and low-frequency variability ...
  • Fowler HJ, Blenkinsop S, Tebaldi C, “Linking climate change modelling ...
  • Holman IP, Tascone D, Hess TM, “A comparison of stochastic ...
  • IPCC, “Climate change ۲۰۰۱. Impacts, Adaptation and Vulnerability. Contribution of ...
  • IPCC, “Summary for Policymakers. In: Climate Change ۲۰۱۳: The Physical ...
  • Kay AL, DaviesHN, Bell VA, Jones RG, “Comparison of uncertainty ...
  • Khazaei MR, Ahmadi S, Saghafian B, Zahabiyoun B, “A new ...
  • Khazaei MR, Zahabiyoun B, Saghafian B, “Assessment of climate change ...
  • Khazaei, MR, Zahabiyoun B, Hasirchian, M, “Comparison of IWG and ...
  • Liu Y, Wu J, Liu Y, Hu BX, Hao Y, ...
  • Mavromatis T, Hansen JW, “Interannual variability characteristics and simulated crop ...
  • Ng JL, Aziz SA, Huang YF, Wayayok, A, Rowshon, MK, ...
  • Rana A, Foster K, Bosshard T, Olsson J, Bengtsson L, ...
  • Salas JD, Delleur JW, Yevjevich V, Lane WL, “Applied modeling ...
  • Semenov MA, Brooks RJ, Barrow EM, Richardson CW, “Comparison of ...
  • Semenov, MA, Stratonovitch, P, “Use of multi-model ensembles from global ...
  • Wilby RL, Dawson CW, Barrow EM, “SDSM- a decision support ...
  • نمایش کامل مراجع