نرگس حسامی

نرگس حسامی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

وردایی دهه ای تبخیر در ارتباط با تغییرپذیری برخی عناصر اقلیمی در حوضۀ زاینده رود(مقاله علمی وزارت علوم)

کلید واژه ها: تغییراقلیم حوضه زاینده رود رگرسیون چندمتغیره فرایند تبخیر وردایی

حوزه های تخصصی:
تعداد بازدید : ۱۱۹ تعداد دانلود : ۹۳
تبخیر فرایند انتقال رطوبت از سطح زمین - منابع رطوبتی به جو می باشد. شناخت و ارزیابی تبخیر، یک بخش مهم در محاسبه بیلان آب و مدیریت صحیح منابع آب می باشد. از منظر اقلیمی، عوامل متعددی در فرایند تبخیر دخالت دارند که از مهم ترین آنها می توان به تابش و دمای هوا، سرعت باد و رطوبت نسبی اشاره کرد. تغییرپذیری تبخیر در مقیاس های زمانی مختلف به ویژه طی فرایند و روند گرمایش زمین، از جمله مظاهر در خور توجه تغییرات اقلیمی است. بررسی تغییرات دهه-ای تبخیر و فراسنج های موثر بر آن، نقش موثری در برنامه ریزی میان مدت و مدیریت منابع آب ایفا می کند. هدف از پژوهش حاضر واکاوی تغییرات دهه ای تبخیر در ارتباط با فراسنج های موثر (دما، خشکی و حرکت هوا) بر این فراسنج می-باشد. بدین منظور از پایگاه داده های روزانه تبخیر، دما، رطوبت نسبی و باد، حاصل میان یابی ایستگاه های همدید، اقلیم شناسی هواشناسی و باران سنجی وزارت نیرو طی بازه زمانی 2018-1969 با تفکیک مکانی 4 × 4 کیلومتر استفاده شد. نتایج نشان داد فراسنج دما نسبت به سایر فراسنج ها نقش مهم تر و موثرتری بر فرایند تبخیر دارد، ولی میزان سهم این فراسنج از دهه اول (1978- 1969) به سمت دهه های انتهایی رو به کاهش است. رطوبت از میان عناصر جوی جایگاه دوم را به لحاظ تاثیر بر فرایند تبخیر دارد که بالعکس دما نقش آن از دهه های ابتدایی به سمت دهه انتهایی (2018-2009) رو به افزایش است. همین روند در مورد فرایند باد نیز تکرار شده و نقش آن از دهه اول (1978- 1969) به سمت دهه انتهایی (2018- 2009) رو به افزایش است.
۲.

ارزیابی کاربرد مدل های شبکه عصبی مصنوعی و SDSM به منظورشبیه سازی دمای کمینه و بیشینه ایستگاه اصفهان(مقاله علمی وزارت علوم)

کلید واژه ها: مدلسازی SDSM شبکه عصبی مصنوعی دما اصفهان

حوزه های تخصصی:
تعداد بازدید : ۸۰ تعداد دانلود : ۷۹
با توجه به تغییرات اقلیمی و گرمایش جهانی، پیش بینی دمای بیشینه و کمینه که از مهم ترین پارمترهای اقلیمی است، فرصت مناسبی را برای برنامه ریزی و ارائه تمهیدات لازم در اختیار برنامه ریزان قرار می دهد. در این پژوهش با استفاده از مدل ریزگردانی آماری دینامیک (SDSM) و مدل ریزگردانی براساس شبکه عصبی مصنوعی (ANN) بیشینه و کمینه دمای ایستگاه اصفهان شبیه سازی شد. در این راستا از داده های مرکز ملی پیش بینی محیطی (NCEP) به عنوان متغیرهای پیش بین جهت واسنجی و ارزیابی مدل استفاده شد و از داده های HadCM3 تحت دو سناریوی A2 و B2 جهت شبیه سازی دمای کمینه و بیشینه ایستگاه اصفهان طی سه دوره زمانی 2016-2040، 2041-2070 و 2071-2099 استفاده شد. نتایج نشان داد که دمای بیشینه و کمینه طی دوره های یاد شده افزایش چشم گیری خواهند داشت. به گونه ای که بر اساس سناریوی B2 و در هر دو مدل شبکه عصبی و SDSM تا سال 2099 نسبت به دوره پایه، میانگین سالانه دمای کمینه 38/2 و 22/3 درجه و دمای بیشینه 43/3 و 22/4 درجه سلسیوس افزایش خواهد یافت. بر اساس این پژوهش، مدل شبکه عصبی مصنوعی نتایج قابل قبول تری را نشان داد.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان