ارزیابی بخار آب قابل بارش داده های ERA-Interim و NCEP-NCAR با رادیوسوند برای ایستگاه شیراز

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 558

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_AGRIMET-7-1_002

تاریخ نمایه سازی: 17 آذر 1398

Abstract:

بخار آب نقش مهمی در ترازمندی رطوبتی جو و نیز فرآیند بارش در لایه پایینی وردسپهر ایفا می کند. در این مطالعه، روند تغییرات بخار آب قابل بارش که جمع بخار آب در لایه های مختلف می باشد، با استفاده از داده های رادیوسوند برای ایستگاه همدیدی شیراز برای دوره 2017 - 1990 تحلیل شده است. همچنین داده های بازتحلیل پایگاه داده NCEP-NCAR و ERA- Interim از مرکز ECMWF دریافت و جهت مقایسه مورد استفاده قرار گرفتند. با استفاده از آماره آزمون من-کندال، روند معنی داری در بخار آب قابل بارش داده های رادیوسوند و ECMWF  برای تمامی ماه ها (به جز داده های رادیوسوند در ماه اوت) مشاهد نشد. روند بخار آب قابل بارش داده های رادیوسوند برای بیش تر ماه ها کاهشی و غیرمعنی دار می باشد. اما آزمون های شیب خط و من-کندال هر دو نشان دادند که روند سالانه داده های NCEP-NCAR  معنی دار و افزایشی است. نرخ کاهشی و افزایشی بخار آب قابل بارش داده های رادیوسوند و NCEP-NCAR به ترتیب 29/0 و 52/0 میلی متر در هر دهه است. برای تمامی ماه ها (به جز آوریل)، بین داده های رادیوسوند و ERA- Interim یک همبستگی مثبت در سطح معنی داری %5 وجود دارد. اما ضریب همبستگی پیرسون برای NCEP-NCAR برای هیچ یک از ماه ها معنی دار نیست. تفاوت میانگین داده های بخار آب قابل بارش ERA- Interim و NCEP-NCAR به ترتیب کم برآوردی و بیش برآوردی را نشان می دهند. جذر میانگین مربعات خطا میان داده های رادیوسوند و ERA- Interim به طور کلی کم تر از NCEP-NCAR است. در مجموع، داده های ERA- Interim  دقت بالاتری دارند و با داده های رادیوسوند سازگارتر می باشند.

Authors

امین شیروانی

دانشیار بخش مهندسی آب و مرکز پژوهش های جوی اقیانوسی، دانشکده کشاورزی، دانشگاه شیراز، ایران

حسن نوروزی

بخش آب دانشکده کشاورزی شیراز

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 :
  • Asakereh, H., Doostkamian, M. 2014. Tempo-spatial changes of perceptible water ...
  • Asakereh, H., Doustkamian, M., Qaemi, H. 2015. Analysis of anomalies ...
  • Chen, B., Liu, Z. 2016. Global water vapor variability and ...
  • Dee, D. P., Uppala, S. M., Simmons, A., Berrisford, P., ...
  • Ferrare, R., Brasseur, L., Clayton, M., Turner, D., Remer, L., ...
  • Jiang, J., Zhou, T., Zhang, W. 2019. Evaluation of satellite ...
  • Kalnay, E. Kanamitsu, M., Kistler, R., Collins, W., Deaven, D., ...
  • Kuo, Y. H., Schreiner, W., Wang, J., Rossiter, D., Zhang, ...
  • Liu, Z., Chen, B., Chan, S. T., Cao, Y., Gao, ...
  • Nilsson, T., Elgered, G. 2008. Long‐term trends in the atmospheric ...
  • Shirvani, A. 2015. Change point analysis of mean annual air ...
  • Shirvani, A. 2017. Change in annual precipitation in the northwest ...
  • Trenberth, K. E., Fasullo, J., Smith, L. 2005. Trends and ...
  • Trenberth, K. E., Fasullo, J. T., Kiehl, J. 2009. Earth ...
  • Uppala, Sakari M., P. W. Kållberg, A. J. Simmons, U. ...
  • Vey, S., Dietrich, R., Rülke, A., Fritsche, M., Steigenberger, P., ...
  • Wagner, T., Beirle, S., Grzegorski, M., Platt, U. 2006.  Global ...
  • Xie, B., Zhang, Q., Ying, Y. 2011. Trends in precipitable ...
  • نمایش کامل مراجع