پیشبینی نیاز آبی گیاه برنج در دورههای آینده با استفاده ازخروجی مدل اقلیمی HADCM3 ، مطالعه موردی: شهرستان آمل
Publish place: سومین کنفرانس بین المللی علوم جغرافیایی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 596
This Paper With 6 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:
GSCONFKH03_096
تاریخ نمایه سازی: 8 اردیبهشت 1396
Abstract:
امروزه تغییر اقلیم و اثرات آن ازمهمترین مواردی است که جامعه بشری با آن روبرو است لذا بررسی پارامترهای اقلیمی دردوره های زمانی مختلف میتواند راه کارمفیدی برای تصمیم گیری های مدیریتی مناسب تردراین زمینه باشد بخشی ازمطالعات دررابطه با تغییر اقلیم به ارزیابی اثار و پیامدهای این پدیده دراینده مربوط می گردد برای پیش بینی بلندمدت اقلیمی روشهای گوناگونی وجود دارند یکی ازاین روشها استفاده ازمدلهای گردش عمومی جو می باشد درمطالعه حاضر به بررسی اقلیم دردوره مشاهداتی و دوره 2016-2045 و تغییرات نیازآبی گیاه برنج درشهرستان امل دردوره مشاهداتی و دوره سه دهه اتی پرداخته شده است برای این کار ازداده های روزانه ایستگاه هواشناسی سینوپتیک شهرستان آمل دردوره 2001-2015 وهمچنین خروجی مدل Hadcm3دردوره پایه و دردوره 2045-2016 تحت سناریوی انتشارA2 استفاده شد نتایج نشان داد میانگین ماهانه دمای کمینه و بیشینه درشهرستان امل درسه دهه آتی نسبت به دوره اماری به ترتیب به اندازه 0/4و0/3 درجه سلسیوس افزایش خواهد داشت براساس برونداد مدل دردوره 4ماهه رشد گیاه برنج دردوره 2045-2016 میزان بارش به میزان 11/4میلی متر نسبت به دوره مشاهداتی افزایش می یابد دمای حداقل و حداکثر نیز دردوره مذکور نسبت به دوره مشاهداتی به ترتیب به میزان 0/5و0/3 درجه سلسیوس افزایش می یابد
Keywords:
Authors
غلامرضا جانبازقبادی
دکتری آب و هواشناسی و عضو هیات علمی دانشگاه آزاد اسلامی واحد نور
رحیم یوسفی زاده
دانشجوی دکتری اقلیم شناسی گرایش تغییرات اقلیمی ، دانشگاه زنجان
امان محمد کمالی
کارشناس ارشد هواشناسی کشاورزی اداره کل هواشناسی استان گلستان
بهرام قلی زاده
کارشناس ارشد هواشناسی کشاورزی اداره کل هواشناسی استان مازندران
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 :