کاهش خطرپذیری خشکسالی از طریق پیش بینی فصلی بارش استان خراسان رضوی بااستفاده از پس پردازش خروجی مدل اقلیمی

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 651

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • 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:

INDM06_222

تاریخ نمایه سازی: 17 اسفند 1393

Abstract:

یکی از مهمترین پیامدهای تغییر اقلیم، اثر آن بر روی الگوهای مکانی و زمانی بارش می باشد که در عملکرد بخش های اقتصادی نظیر کشاورزی و آب تاثیرات بسزایی خواهد داشت. مطالعات نشان می دهند که در اثر پدیده تغییر اقلیم الگوهای مکانی و زمانیبارش تغییر می کنند، لذا به منظور برنامه ریزی های بلند مدت نیاز به پیش بینی های فصلی در بخش های مختلف رو به فزونی یافته است. استان خراسان رضوی بدلیل موقعیت پایتخت و قطب گردشگری مذهبی و فرهنگی کشور دارای اهمیت بسیاری میباشد که در سالهای اخیر بدلیل وقوع خشکسالیهای پی در پی و افت سطح آبهای زیر زمینی با مشکلات زیادی در تامین آب موردنیاز بخش کشاورزی ، صنعت و شرب مواجه شده است. بنابراین یکی از مهمترین چالش های محققین و برنامه ریزان، پیش بینی بارش استان در مقیاس ماهانه تا فصلی است. پیش بینی فصلی و مهمتر از آن ارتقاء صحت آن، یکی از مهمترین ابزارهایی است کهمی توان در مدیریت خطر پذیری منابع آبی به کار گرفته شود. بر این اساس با بکارگیری برونداد متغیرهای مختلف مدل دینامیکی پیش بینی فصلی MRI-CGCMبارش ماهانه ایستگاههای استان خراسان رضوی در دوره2007-1981 میلادی با استفاده از داده های دیدبانی هفت ایستگاه هواشناسی استان خراسان رضوی و همچنین سایر متغیر های مدل مذکور در مقیاس زمانی ماهانهدر مقیاس نقطه ای پس پردازش شدند؛ بطوریکه میانگیناریبیمدلپسازفرآیندپس پردازشاز ٩۴.٣ میلیمتر در استان به ٣.۵ میلیمترکاهش یافت. در این مطالعه مشخص شد که کمترین مربع خطاها در ماههای پربارش رخ می دهد و بیشترین ضعف مدل در پیش بینی بارش ماههای گرم سال می باشد. همچنین در صورت حذف پیش بینی های ماههای گرم سال، توانمندی پیش بینی طبقه ای این مدل در سه طبقه نرمال، نرمال تا کمتر از نرمال و نرمال تا بیشتر از نرمال بیش به ٧٠ درصد افزایش می یابد.

Authors

مریم کریمیان

گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی(مرکز ملی اقلیم شناسی)، سازمان هواشناسی کشور، مشهد

ایمان بابائیان

گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی(مرکز ملی اقلیم شناسی)، سازمان هواشناسی کشور، مشهد

راهله مدیریان

گروه پژوهشی تغییر اقلیم، پژوهشکده اقلیم شناسی(مرکز ملی اقلیم شناسی)، سازمان هواشناسی کشور، مشهد