تحلیل و پیش بینی اقلیم استان گیلان با استفاده از سری زمانی گاهشناسی درختی در مخاطرات تولید بذر گیاهان
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 235
This Paper With 15 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_JMS-8-2_004
تاریخ نمایه سازی: 22 فروردین 1401
Abstract:
آگاهی از چگونگی روند تغییر اقلیم، گرمایش جهان و پیشبینی این تغییرات در مقیاسهای مختلف، از مسائل بسیار مهمی است که مورد توجه دانشمندان حوزههای مختلف علوم قرار گرفته است. استان گیلان با شرایط اقلیمی و حاصلخیزی خوب اراضی از تولیدکنندههای مهم محصولات کشاورزی است. اقلیمشناسی درختی میتواند وقایع و رویدادهای گذشته آب هوایی را نشان دهد. اندازه قطری حلقههای رشد سالانه درختان سری زمانی را تشکیل میدهند. سری زمانی ۲۰۲ (۱۳۹۶-۱۱۹۵) ساله از گاهشناسی درختان راش تهیه شد. در این تحقیق از سریهای زمانی و بهرهگیری از مدلسازی به روش باکس – جنکینز با تاکید بر مدلهای ARIMAاستفاده گردید. برای انتخاب بهترین مدل پیشبینی از معیار آزمون خطای باقیمانده استفاده شد. نتایج نشان داد که، سری زمانی با مدل ARIMA (۱,۱,۱)بهترین برازش را داشته و بهعنوان مدلی مناسب برای پیشبینی تعیین و برای پیشبینی ۱۰ سال آینده استفاده شد. نتایج نشاندهنده کاهش روند رشد حلقههای سالانه برای ۱۰ سال آینده میباشد. عنصر اقلیمی بارش سالانه در ایستگاه منطقه مطالعاتی و ایستگاههای همجوار دارای روندی کاهشی و منفی، میانگین دماهای کمینه، متوسط و بیشینه افزایشی و برای فصل رویش گیاهان معنیدار بودند. تغییرات در عوامل اقلیمی میتواند علت کاهش رشد دوایر باشد و در صورت تداوم تهدیدی برای جنگلهای هیرکانی بوده و همچنین میتوانند محصولات باغی - زراعی استان و امنیت غذایی را نیز تحتالشعاع قرار داده و گواهی بر بروز تغییر اقلیم در استان گیلان باشد.
Keywords:
Authors
فرزاد شیرزاد
دانشجوی دکتری آب و هواشناسی سینوپتیک دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران
بهلول علیجانی
استاد دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران
مهری اکبری
دانشیار دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران
محمد سلیقه
دانشیار دانشکده جغرافیا دانشگاه خوارزمی، تهران، 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 :