تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,112,370 |
تعداد دریافت فایل اصل مقاله | 97,216,144 |
شبیهسازی پارامترهای اقلیمی با استفاده از مدلهای ریزمقیاس نمایی آماری SDSM و LARS در استان آذربایجان غربی | ||
اکوهیدرولوژی | ||
مقاله 5، دوره 11، شماره 3، مهر 1403، صفحه 374-394 اصل مقاله (604.37 K) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2024.373803.1805 | ||
نویسندگان | ||
محمدحسین جهانگیر* 1؛ فاطمه روزبهانی2 | ||
1دانشیار دانشکده مهندسی انرژی و منابع پایدار، دانشکدگان علوم و فناوریهای میان رشتهای، دانشگاه تهران، تهران | ||
2دانش آموخته کارشناسی ارشد دانشکده مهندسی انرژی و منابع پایدار، دانشکدگان علوم و فناوریهای میان رشتهای، دانشگاه تهران، تهران | ||
چکیده | ||
موضوع: تغییرات آبوهوایی جهانی تأثیرات زیادی بر فرایندهای هیدرولوژیکی و منابع آب دارد. بهدلیل مقیاس بزرگ مدلهای گردش عمومی (GCM)، این مدلها دقت مکانی و زمانی مناسبی ندارند و نیاز به ریزمقیاسنمایی آماری و دینامیکی وجود دارد. هدف: بررسی عملکرد مدلهای آماری SDSM و LARS-WG در شبیهسازی دمای حداقل، حداکثر و بارش در چهار ایستگاه ارومیه، ماکو، تکاب و مهاباد در استان آذربایجان غربی. روش تحقیق: در این پژوهش، دادههای تاریخی برای دورۀ 1987-2010 و دادههای پیشبینیشده برای دورۀ 2020-2065 با استفاده از مدلهای SDSM و LARS-WG مورد مقایسه قرار گرفتند. همچنین، بهمنظور اعتبارسنجی SDSM، پارامترهای شبیهسازیشده با متغیرهای NCEP و دادههای واقعی مقایسه شدند. یافتهها: یافتهنتایج نشان داد که هر دو مدل در شبیهسازی دما دقیقتر از بارش عمل میکنند. مدل SDSM در شبیهسازی دمای روزانه عملکرد بهتری نسبت به LARS-WG دارد، درحالیکه نتایج بارش در مدل LARS-WG کمی دقیقتر از مدل SDSM بود. همچنین، متوسط شاخص RMSE برای مدلهای SDSM و LARS-WG برای بارش بهترتیب 2/84 و 3/4 میلیمتر و برای دمای حداکثر بهترتیب 0/02 و 0/29 درجه سانتیگراد بود. نتیجهگیری: با توجه به نتایج، مدل SDSM دقت بالاتری در شبیهسازی بارش و دما نسبت به مدل LARS-WG نشان داد. این مدل میتواند بهعنوان ابزاری معتبر برای پیشبینی تغییرات دما و بارش در آینده استفاده شود. | ||
کلیدواژهها | ||
تغییراقلیم؛ ریزمقیاسنمایی؛ مدل ریز مقیاس نمایی LARS_WG؛ مدل ریز مقیاس نمایی SDSM؛ پارامترهای اقلیمی | ||
مراجع | ||
Alfieri, L. & Thielen, J. A. (2015). European precipitation index for extreme rain-storm and flash flood early warning. Meteorological Application, 22(1), 3–13. Asakare, H. & Motalebizad, S. (2017). Comparing the performance of the SDSM models and those based on artificial neural networks in predicting the changes in minimum temperatures (station in case: urmia). The Journal of Spatial Planning and Geomatics, 21(4),140–60. (in Persian) Baghanam, A. H., Eslahi, M., Sheikhbabaei, A. & Seifi, A. J. (2020). Assessing the impact of climate change over the northwest of Iran: an overview of statistical downscaling methods. Theoretical and Applied Climatology, 141(3), 1135–50. (in Persian) Bayatvarkeshi, M., Zhang, B., Fasihi, R., Adnan, R. M., Kisi, O. & Yuan, X. (2020). Investigation into the Effects of Climate Change on Reference Evapotranspiration Using the HadCM3 and LARS-WG. Water, 12(3), 666. Dagnenet, M. & Disse, M. (2016). Analyzing the future climate change of Upper Blue Nile River Basin (UBNRB) using statistical down scaling techniques. Hydrology and Earth System Sciences Discussions, DOI: https://dx.doi.org/10.5194/hess-2016-543 Eingrüber, N. & Korres, W. (2022). Climate change simulation and trend analysis of extreme precipitation and floods in the mesoscale Rur catchment in western Germany until 2099 using Statistical Downscaling Model (SDSM) and the Soil & Water Assessment Tool (SWAT model). Science of The Total Environment, 838(1), 155775. Habibzadeh, Y., Evazi, A. & Abdi, S. (2020). Evaluation of relevant areas of wheat cultivation with priority of reduction in water use in West Azerbaijan Province. Iranian Journal of Field Crop Science., 51(3), 205–20. (in Persian) Hadi Ahmad, M., Abubakar, A., Ishak, Y. M., Shehu Danhassan, S., Jiahua, Z. & Alatalo, J. M. (2023). Modeling the influence of daily temperature and precipitation extreme indices on vegetation dynamics in Katsina State using statistical downscaling model (SDM). Ecological Indicators, 155, 110979. Hassan, Z., Shamsudin, S. & Harun S. (2014). Application of SDSM and LARS-WG for simulating and downscaling of rainfall and temperature. Theoretical and Applied Climatology, 116(1), 243–57. https://doi.org/10.1007/s00704-013-0951-8 Hashmi, M. Z., Shamseldin, A. Y. & Melville, B. W. (2011). Comparison of SDSM and LARS-WG for simulation and downscaling of extreme precipitation events in a watershed. Stochastic Environmental Research and Risk Assessment, 25(4), 475–84. Hasirchian, M., Zahabiyoun, B. & Khazaei, M. R. (2019). Assessment of SDSM model performance to investigate the effect of climate change on precipitation and temperature. Irrigation and Water Engineering, 9(2), 108–20. (in Persian) Li, J., Li, Y., Zhang, T. & Feng, P. (2023). Research on the future climate change and runoff response in the mountainous area of Yongding watershed. Journal of Hydrology, 625, 130108. Lotfi, M., Kamali, G. & Meshkatee, A. (2022). Varshavian V. Performance analysis of LARS-WG and SDSM downscaling models in simulating temperature and precipitation changes in the West of Iran. Modeling Earth Systems and Environment, 8, 1–11. Phuong, D., Duong, N., Liem, T. & Nguen, D. (2020). Projections of Future Climate Change in the Vu Gia Thu Bon River Basin, Vietnam by Using Statistical DownScaling Model (SDSM), Water, 12(3), 755. Roushangar, K. & Abdelzad, S. (2023). River Flow Modeling in Semi-Arid and Humid Regions Using an Integrated Method Based on LARS-WG and LSTM Models. The Journal of Spatial Planning and Geomatics, 37(10), 3813–31. https://doi.org/10.1007/s11269-023-03527-8 Solomon, S. & Qin, D. (2007). Manning M, Chen Z, Marquis M, Averyt K, et al. IPCC fourth assessment report (AR4). Climate Change, 374. Wilby, R. L., Dawson, C. W. & Barrow, E. M. (2002). sdsm — a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17(2), 145–57. Wubneh, M. A., Worku, T. A., Fikadie, F. T., Aman, T. F. & Kifelew, M. S. (2022). Climate change impact on lake tana water storage, upper blue nile basin, Ethiopia. Geocarto International, 37(25), 10278–300. Zhai, X., Li, Y., Wang, H., Huang, G. & Li, Y. (2023). Assessment of the potential impacts of climate changes on Syr Darya watershed: A hybrid ensemble analysis method. Jurnal of Hydrolology, Regional Studies, 47, 101415.
| ||
آمار تعداد مشاهده مقاله: 69 تعداد دریافت فایل اصل مقاله: 59 |