بررسی تاثیر تغییر اقلیم بر روی بارشهای روزانه در دوره ی آتی با ارائه مدل ریزمقیاس نمایی داده های اقلیمی براساس روش ناپارامتریک نزدیکترین همسایگی (K-NN)
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 501
This Paper With 12 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:
NCUIMWR03_165
تاریخ نمایه سازی: 15 اسفند 1393
Abstract:
پدیده گرمایش جهانی میتواند روند تغییرات بارش روزانه را در دوره ی آتی دگرگون کند. بنابراین پیش بینی بارش روزانه در دوره آتی با درنظرگرفتن پدیده تغییر اقلیم ضروری به نظر میرسد. مدل های گردش عمومی (General Circulation Models - GCMs) مناسبترین ابزار برای مطالعه پدیده تغییر اقلیم شناخته شده اند. اما این مدلها به شبیه سازی پارامترهای اقلیمی در مقیاس مکانی- زمانی بزرگ میپردازند که برای شبیه سازی فرایندهایی مختلف هیدرولوژیکی قابل کاربرد نمیباشد. ازاینرو روشهای مختلف ریزمقیاس نمایی ایجاد و توسعه یافتند. در این پژوهش مدل ریزمقیاس نمایی، براساس روش ناپارامتریک نزدیکترین همسایگی (K-Nearest Neighbor - K-NN) ارائه شده است. داده های بارش روزانه برای دوره آتی (2044-2015) در ایستگاه هواشناسی اهواز تحت سه سناریوی تغییر اقلیم بر اساس خروجی سه مدل HadCM3 و NCARPCM و CSIROMK3.5 تحت سناریوی انتشار A2 توسط مدل ارائه شده شبیه سازی میشوند. نتایج نشان میدهد کهمدل ارائه شده توانایی بالایی در ریزمقایس نمایی داده های اقلیمی دارد. همچنین برای ایستگاه اهواز احتمال وقوع رگبارها با شدت بیشتر در دوره آتی افزایش یافته در حالیکه طول دوره های خشک نیز طولانیتر خواهد شد.
Keywords:
بارش روزانه , تغییر اقلیم , روش نزدیکترین همسایگی (K-NN) , ریزمقیاس نمایی , مدلهای گردش عمومی (GCMs)
Authors
حسام سیدکابلی
دانشجوی دکتری و استاتید گروه هیدرولوژی و منابع آب دانشگاه شهید چمران اهواز
علی محمد آخوندعلی
دانشجوی دکتری و استاتید گروه هیدرولوژی و منابع آب دانشگاه شهید چمران اهواز
علیرضا مساح بوانی
استادیار گروه مهندسی آبیاری پردیس ابوریحان دانشگاه تهران
فریدون رادمنش
دانشجوی دکتری و استاتید گروه هیدرولوژی و منابع آب دانشگاه شهید چمران اهواز
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 :