پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,096,045 |
| تعداد دریافت فایل اصل مقاله | 97,202,765 |
رویکردی متفاوت در ریز مقیاس نمایی و پیش یابی اقلیمی مولفه دما (مطالعه موردی استان گلستان) | ||
| فیزیک زمین و فضا | ||
| مقاله 17، دوره 42، شماره 1، خرداد 1395، صفحه 197-212 اصل مقاله (2.12 M) | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2016.54495 | ||
| نویسندگان | ||
| غلامرضا روشن* ؛ عبدالعظیم قانقرمه | ||
| استادیار اقلیم‌شناسی، گروه جغرافیا، دانشگاه گلستان، گرگان، ایران | ||
| چکیده | ||
| پیش یابی تغییرپذیری زمانی- مکانی متغیرهای اقلیمی در مقیاس محلی و منطقه ای جهت برنامه ریزی های آتی در سراسر جهان، ضرورتی اجتناب ناپذیر است. لذا پژوهش حاضر سعی دارد با استفاده از یک رویکرد جدید، به پیش یابی و سپس ریزمقیاس نمایی مقادیر مولفه دمایی ایستگاههای هواشناسی استان گلستان برای دوره آماری 1391 تا 1450 بپردازد. در روش پیشنهادی جهت پیش یابی و ریزمقیاس نمایی مولفه دما، از پیش بینی کننده 26 مولفه مدل گردش عمومی جو HadCM3 برای 15 پیکسل که ابعاد هر پیکسل به میزان 3.75×2.5 درجه می باشد استفاده گردید، که بر این اساس تعداد پیش گوکننده ها به 390 مولفه بسط داده شد. در ادامه این تحقیق جهت عملکرد مدل پیشنهادی از 5 ایستگاه شاهد با توجه به شرایط متفاوت توپوگرافی و اقلیمی در سطح استان استفاده شد که نتایج موید اعتبار و تطبیق بالای داده های شبیه سازی شده در مقایسه با داده های مشاهداتی سالهای 1350 تا 1390 می باشد. در نهایت خروجیها نشان داده است که با توجه به تغییرات اقلیمی دهه های آتی، افزایش دما برای اکثر ماههای سال انکارناپذیر بوده بگونه ای که در مقایسه بین ماههای مختلف سال نیز این نتیجه استنتاج شد که، پهنه های دمایی استان در ماههای اردیبهشت، مرداد، شهریور و بهمن بر اساس سناریوها و مولفه های مختلف دمایی، بیشینه مساحت را از لحاظ افزایش دما در مقایسه با سایر ماههای سال تجربه خواهند نمود. | ||
| کلیدواژه‌ها | ||
| ریز مقیاس نمایی آماری؛ شبیه سازی؛ تغییر اقلیم؛ مدلهای گردش عمومی جو | ||
| مراجع | ||
|
آذرانفر، آ.، ابریشمچی، ا. و تجریشی، م.، 1386، ارزیابی اثرات تغییر اقلیم بر بارش و دما در حوضۀ آبریز زاینده‌رود با استفاده از خروجی مدلهای چرخش عمومی، دومین همایش ملی منابع آب ایران، اصفهان. آشفته، پ. و مساح بوانی، ع.، 1389، تأثیر تغییر اقلیم بر دبی‌های حداکثر مطالعه موردی، حوضۀ آیدوغموش، آذربایجان شرقی، م. علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، 14(53)، 25-39 شمسی‌پور، ع.، 1392، مدل‌سازی آب و هوایی نظریه و روش، انتشارات دانشگاه تهران، ص 297. نصرتی، ک.، زهتابیان، غ. ر.، مرادی، ا. و شهبازی، ا.، 1386، ارزیابیروششبیه‌سازیتصادفیبرایتولیدداده‌های هواشناسی، پژوهش‌های جغرافیای طبیعی، 62، 1-9. Bürger, G., Murdock, T. Q., Werner, A. T., Sobie, S. R. and Cannon, A. J. 2012, Downscaling extremes - an intercomparison of multiple statistical methods for present climate, Journal of Climate, 25, 4366-4388.
Cannon, A. J. 2012, Regression-guided clustering: a semisupervised method for circulation-to-environment synoptic classification, Journal of Apply Meteorology and Climatology, 51, 185-190.
Dibike, Y. B. and Coulibaly, P., 2006, Temporal neural networks for downscaling climate variability and extremes, Neural Networks, 19, 135-144
Farajzadeh, M., Oji, R., Cannon, A. J., Ghavidel, Y. and Massah Bavani, A. R., 2014, An evaluation of single-site statistical downscaling techniques in terms of indices of climate extremes for the Midwest of Iran, Theoretical and Applied Climatology, 10.1007/s00704-014-1157-4.
Frost, A. J., Charles, S. P. and Timbal, B., 2011, A comparison of multi-site daily rainfall downscaling techniques under Australian conditions, Journal of Hydrology, 408, 1-18.
Furrer, E. M. and Katz, R. W., 2007, Generalized linear modeling approach to stochastic weather generators, Climate Research, 34, 129-144.
Ghanghermeh, A., Roshan, G. R., Orosa, J., Calvo-Rolle, L. and Costa Ángel, M., 2013, New climatic indicators for improving Urban Sprawl: a case study of Tehran city, Entropy, 15, 999-1013.
Roshan, G. R., Ghanghermeh, A., Nasrabadi, T. and Bahari Meimandi, J., 2013, Effect of global warming on intensity and frequency curves of precipitation, case study of Northwestern Iran, Water Resour Manage, doi: 10.1007/s11269-013-0258-7.
Roshan, G. R., Ghanghermeh, A. and Orosa, J., 2013, Thermal comfort and forecast of energy consumption in Northwest Iran, Arab J Geosci, doi: 10.1007/s12517-013-0973-7.
Michelangeli, P. A., Vrac, M. and Loukos, H., 2009, Probabilistic downscaling approaches: application to wind cumulative distribution functions, Geophys Res Lett, 36, L11708, doi: 10.1029/2009GL038401.
Moradi, I. and Nosrati, K., 2002, Evaluation of stoshastic simulation methods for generating meteorological data, Procceding of 3th International Iran and Russia Conference Agricalture and Natural Resources, Moscow, 246-251.
Soltani, A., Latifi, N. and Nasiri, M., 2000, Evaluation of WGEN for generation long term weather data for crop simulations, Agric. For. Meteorol., 102: 1-12.
Yarnal, B., 1993, Synoptic climatology in environmental analysis, Wiley Publisher. 256pp.
Wilby, R. L., Dawson, C. W. and Barrow, E. M., 2002, A decision support tool for the assessment of regional climate Impacts, Environmental Modeling & Software, http://dx.doi.org/10.1016/S1364-8152 (01)00060-3.
Wilby, R. L. and Dawson, C. W., 2012, The statistical downscaling model: insights from one decade of application, Int J Climatol., doi: 10.1002/joc.3544.
Wood, A., Maurer, E., Kumar, A. and Lettenmaier, D. P., 2002, Long-range experimental hydrologic forecasting for the eastern United States, J. Geophys. Res., 107. 4429, doi: 10.1029/2001JD000659.
| ||
|
آمار تعداد مشاهده مقاله: 2,709 تعداد دریافت فایل اصل مقاله: 1,342 |
||