بررسی تغییر اقلیم با استفاده از مدلLARS-WG حوزه آبخیز قره سو-استان اردبیل
Publish place: 2nd National conference on climate change and engineering sustainable agriculture and natural resources
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,001
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CCASD02_079
Index date: 6 March 2016
بررسی تغییر اقلیم با استفاده از مدلLARS-WG حوزه آبخیز قره سو-استان اردبیل abstract
امروزه پیش بینی بلند مدت متغیرهای اقلیمی برای اطلاع از میزان تغییرات و در نتیجه در نطر گرفتن تمهیدات لازم برای تعدیل اثرات سوء ناشی از تغیر اقلیم مورد توجه اقلیمشناسان و پژوهشگران قرار گرفته است. بر همین اساس مدلهای گردشLARS-WG توسعه یافته اند که میتوانند پارامترهای اقلیمی را در ریزمقیاس پیشبینی نمایند. مدل (GCM) عمومی جو را ریزمقیاس میکند و در این پژوهش برای تولید مقادیر بارش روزانه و درجه (GCM)مدلی ااست که خروجی مدلهای حرارتهای حداکثر و حداقل روزانه در یک ایستگاه تحت شرایط اقلیمی حاضر و آینده بهکار گرفته شده است. در این مقاله توانایی مدل در شبیهسازی دادههای مشاهده شده در ایستگاه سینوپتیک اردبیل برلی دوره پایه 1981- 2010 و آینده مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل با دقت بالایی قادر به شبیه سازی پارامترهای دمای حداکثر دمای حداقل و بارش میباشد. در این تحقیق نتایج نشان داد که با شبیه سازی دوره پایه مقادیر بارش ماهانه، دمای حداقل ماهانه و حداکثر ماهانه برآورد شده و مشاهداتی بسیار نزدیک به هم بوده است.
بررسی تغییر اقلیم با استفاده از مدلLARS-WG حوزه آبخیز قره سو-استان اردبیل Keywords:
بررسی تغییر اقلیم با استفاده از مدلLARS-WG حوزه آبخیز قره سو-استان اردبیل authors
بهزاد شهبازی
دانشجوی کارشناسی ارشد آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
کاکا شاهدی
استادیار آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
کریم سلیمانی
استاد آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
بهرام چوبین
دانشجوی دکتری آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :