ارزیابی عدم قطعیت بارش ماهانه با به کارگیری GCMها و روش های تصحیح اریبی نگاشت چندکی
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 52
This Paper With 24 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_JWIM-14-2_013
تاریخ نمایه سازی: 27 مهر 1403
Abstract:
با توجه به درهم تنیدگی سیستم اقلیمی و رابطه غیرخطی اقیانوس و جو در آن، شناخت منشا عدم قطعیت و لحاظ آن در پیش نگری متغیرهای اقلیمی، به منظور ارزیابی مناسب سیاست های سازگاری و کاهش گازهای گلخانه ای از اهمیت بسیاری برخوردار است. هدف از مطالعه حاضر، کمی سازی عدم قطعیت متوسط بارش ماهانه در دوره های تاریخی و آینده با توجه به مدل های گردش عمومی جو، روش های تصحیح اریبی، سناریوهای SSP و دوره های پیش نگری است. بر این اساس، خروجی ۱۰ مدل منتخب گردش عمومی جو با استفاده از روش های مختلف تصحیح اریبی نگاشت چندکی برای محدوده مطالعاتی رفسنجان اصلاح شد و جهت بررسی عدم قطعیت مرتبط با سناریوهای SSP و دوره های پیش نگری، روش تصحیح اریبی مناسب انتخاب گردید. به منظور کمی سازی عدم قطعیت موارد مذکور نیز از دو معیار آماری انحراف معیار و دامنه میان چارکی استفاده گردید. نتایج حاصل نشان دادند که در دوره تاریخی، انحراف معیار و دامنه میان چارکی میانگین بارش ماهانه براساس نوع روش تصحیح اریبی و GCM نسبت به دوره آتی کم تر است. هم چنین در دوره های تاریخی و آینده، انحراف معیار و دامنه میان چارکی میانگین بارش ماهانه براساس نوع روش تصحیح اریبی کم تر از انحراف معیار و دامنه میان چارکی محاسبه شده برحسب نوع مدل GCM است. به طور کلی برای دوره آتی، عدم قطعیت دوره های پیش نگری و انتخاب GCM نسبت به دو منشا دیگر عدم قطعیت (روش تصحیح اریبی و سناریوها) بیش تر بوده و نیازمند ارزیابی دقیق تری هستند. نتایج حاصل از این مطالعه می تواند به درک بهتری از منشا های مختلف عدم قطعیت های طبیعی در پیش نگری های تغییر اقلیم کمک کند.
Keywords:
Authors
نیما نعمتی شیشه گران
گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
فریبا بابائیان
گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
حجت میان آبادی
گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، 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 :
