مطالب مرتبط با کلیدواژه
۱.
۲.
۳.
۴.
۵.
۶.
۷.
۸.
۹.
۱۰.
۱۱.
۱۲.
۱۳.
۱۴.
۱۵.
۱۶.
۱۷.
۱۸.
۱۹.
۲۰.
SDSM
حوزه های تخصصی:
معتبرترین روش برای شبیه سازی متغیّرهای اقلیمی در دوره های آتی، تحت تأثیر تغییر اقلیم، استفاده از داده های مدل گردش عمومی جو و GCMs بوده که بزرگ مقیاس می باشند و لازم است تا ریزگردانی گردند. در این پژوهش، از داده های بارش و دمای روزانه ی ایستگاه سینوپتیک ارومیه واقع در شمال غرب ایران، طیّ دوره ی آماری 1971 الی 2000 جهت ورودی به نرم افزار اقلیمی ریز مقیاس نمایی SDSMاستفاده گردیده است. با در نظر گرفتن دو سناریو A2 و B2 برای دوره ی آماری 2099- 2000، در آینده دما به میزان 45/0 و 35/0 درجه ی سانتیگراد و بارندگی نیز تحت این دو سناریو به ترتیب 10 و 9 درصد افزایش می یابد.
در پایان این تحقیق با استفاده از داده های دما و بارش پیش بینی شده ازمدل اقلیمی و رواناب رودخانه ی نازلوچای دردوره ی پایه و همچنین با استفاده از شبکه ی عصبی مصنوعی پویا، میزان آورد دبی رودخانه نازلوچای تحت دوسناریویB2 و A2برای دوره ی آتی و همچنین وضعیت سیلاب ها در سطح حوضه برآورد گردیده است. برآوردها حاکی از افزایش رواناب رودخانه در دوره ی آتی تحت سناریوهای انتشار مذکور به میزان 48 و 49 درصد بوده است.
کارایی الگوهای ریزمقیاس نمایی آماری SDSM و LARS-WG در شبیه سازی متغیرهای هواشناسی در حوضه آبریز دریاچه ارومیه(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این پژوهش، نتایج دو الگوی ریزمقیاس نمایی SDSM و مولد آب و هوایی LARS-WG با درنظر گرفتن تحلیل عدم قطعیت روی بارش روزانه، کمینه و بیشینه دمای روزانه مقایسه می شود. منطقة این پژوهش شامل ایستگاه های هواشناسی تبریز و ارومیه به مثابة نمایندة حوضة آبریز دریاچة ارومیه است که آمار بلندمدت آنها موجود است. دورة پایه در این الگوها، داده های دما و بارش روزانة ایستگاه های تبریز و ارومیه در دورة بلندمدت 1990-1961 است. پس از بررسی اولیة داده های روزانه، تحلیل عدم قطعیت روی دو الگوی یادشده در دورة پایه انجام گرفت. در این مقاله، از روش های نموداری و آماری برای مقایسة عملکرد دو روش ریزمقیاس نمایی استفاده شد. در روش نموداری قدرمطلق اختلاف داده های الگوشده و مشاهده شده به صورت ماهانه برای هریک از مؤلفه های بررسی شده، روی نمودار آورده و تحلیل شد. نتایج کلی نشان داد الگوی SDSM در دو ایستگاه بررسی شده، برای کمینه و بیشینه دمای روزانه عملکرد بهتری نسبت به الگوی LARS-WG دارد؛ درحالی که برای بارش روزانه نتایج عملکرد دو الگو تاحدودی در دو ایستگاه مشابه بود.
بررسی خشکسالی سواحل جنوبی دریای خزر طی دوره پایه و آینده با استفاده از مدل های ریز مقیاس ساز LARS-WGو SDSM(مقاله علمی وزارت علوم)
حوزه های تخصصی:
خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به دلیل ویژگی خاص خود دستخوش تغییر می کند، این پدیده در سواحل خزر مورد بررسی قرار گرفته شد. هدف این پژوهش، بررسی خشکسالی طی دوره پایه 2010-1961 و آینده 2030-2011 در سواحل جنوبی خزر با استفاده از نمایه SPI(نمره (Zاست. داده های روزانه بارش 5 ایستگاه برای محاسبه مجموع بارش ماهانه و داده های مدلHADCM3 تحت سناریویB1 وA2دریافت شد. برای ریز مقیاس کردن داده هایHADCM3 از دو مدل ریزمقیاس ساز LARS-WGوSDSMاستفاده شد. نتایج نشان داد، مدل LARS_WG قابلیت بالاتری نسبت به مدلSDSMبرای ریزمقیاس کردن داده های بارش دارد. نتایج شبیه سازی مدل LARS-WG، افزایش بارش برای ماه های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه سازی با مدل LARS-WGبا ضریب تبیین 96 تا 99 درصد، خطای مطلق میانگین 3.6 تا 12.6 میلیمتر و نتایج آزمون های T وF که به ترتیب برای معنی داری میانگین و واریانس داده ها می باشد، معنی دار است. معنی داری 2 میانگین مشاهداتی و شبیه سازی 2 مدل و هم توزیع بودن با دو تست به ترتیب ویلکاکسون و کلموگروف اسمیرنوف ثابت شد. شدت خشکسالی با استفاده ازGISبه نقشه تبدیل شد. نتایج نمره Zسه ماهه با ریزمقیاس سازی مدل LARS-WGنشان داد، بیشترین فراوانی و شدت خشکسالی طی دوره مشاهداتی مربوط به ایستگاه انزلی و رشت است. طی دورهآینده ایستگاه رشت، گرگان و رامسر بالاترین شدت خشکسالی را خواهند داشت. نمره Z6 ماهه مشخص کرد، از نظر فراوانی؛ ایستگاه بابلسر،گرگان و رامسر و از نظر شدت؛ ایستگاه انزلی، رشت و رامسر بالاترین خشکسالی را تجربه کرده اند. درآینده رامسر و سپس رشت و گرگان درجات بالاتر خشکسالی را خواهند داشت. نمره Z12 ماهه نیز بیشترین شدت را برای ایستگاه رامسر و سپس انزلی و برای آینده در رشت، رامسر، بابلسر و انزلی نشان داد. نتایج مشخص کرد، دوره های نرمال بر اساس نمایه نمره Z، دوره های با فراوانی بیشتری نسبت به بقیه دوره ها در هر 5 ایستگاه بوده است.
مقایسه روش های ریزمقیاس نمایی آماری مدل های تغییر اقلیم در شبیه سازی عناصر اقلیمی در منطقه شمال غرب ایران(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در این پژوهش نتایج سه مدل ریزمقیاس نمایی SDSM، شبکة عصبی ANN، و مدل مولد آب وهوایی LARS-WG در شبیه سازی پارامترهای اقلیمی بارش روزانه، کمینه، و بیشینة دمای روزانه در منطقة شمال غرب ایران مقایسه شده است. منطقة مورد مطالعه شامل دوازده ایستگاه هواشناسی است که دارای آمار بلندمدت اند. از داده های دما و بارش روزانة ایستگاه ها در دورة 1961 1990 به عنوان دورة پایه در مدل و دورة 1991 2001 به عنوان دورة اعتبارسنجی استفاده شده است. در این بررسی از دو آزمون ناپارامتری و شاخص ریشة مجموع مربعات خطای مدل (RMSE) برای مقایسة دقت سه مدل استفاده شده است. نتایج نشان داد برای دماهای کمینه و بیشینه عملکرد مدل ANN بهتر از دو مدل دیگر است. برای داده های بارش، طبق شاخص RMSE، دقتِ مدل SDSM نسبت به دو مدل دیگر بیشتر است. بر اساس آزمون ناپارامتری من - ویتنی، عملکرد دو مدلِ SDSM و LARS-WG یکسان و بهتر از مدل ANN بود. تحلیل مکانی عملکرد سه مدل نشان می دهد که عملکرد مدل ها بسته به نوع اقلیم منطقه است؛ به طوری که منطقة جنوب غرب آذربایجان شرقی و کردستان، به سبب ناپایداری های بیشتر، عملکرد پایین تری دارند.
چشم انداز اقلیم حوضه جنوبی دریای خزر تحت شرایط گرمایش جهانی، مطالعه موردی: مدل گردش کلی HadCM3(مقاله علمی وزارت علوم)
حوزه های تخصصی:
در سال های اخیرحوضه جنوبی دریای خزردرگیر برخی مخاطرات اقلیمی مانند خشکسالی، سیل و بارش برف سنگین بوده است. شبیه سازی رفتار اقلیم آینده این حوضه نقش مهمی در شناخت وضعیت اقلیم و میزان آسیب پذیری احتمالی این مناطق از تغییر اقلیم دارد. در این مطالعه چشم انداز اقلیم آینده برخی ایستگاه های واقع در این حوضه شامل گرگان، بابلسر، رامسر، رشت، بندرانزلی تحت دو سناریوی انتشار A2 و B2 حاصل از برونداد ریزمقیاس شده مدل گردش کلی HadCM3 با روش آماری SDSM در دوره 2099-2011 شبیه سازی گردید. علاوه بر آن برونداد بارش مدل گردش کلی یاد شده به روش دینامیکی توسط مدل PRECIS برای دوره 2099-2070 ریزمقیاس گردید. در هر دو روش ریزمقیاس نمایی، مدل گردش کلی و سناریوهای انتشار یکسان در نظر گرفته شدند. بر اساس نتایج هر دو روش مذکور، میانگین بارش سالانه ایستگاه های منتخب در دهه های آینده کاهش نسبتا چشمگیری خواهند داشت. نتایج ریزمقیاس شده توسط مدل SDSM نشان می دهد که کمترین و بیشترین کاهش بارش سالانه به ترتیب در ایستگاههای گرگان و بابلسر رخ خواهد داد. کاهش یادشده بین 25 درصد در دوره 2039-2011 تحت سناریوی A2 تا 60 درصد در دوره 2099-2070 تحت سناریوی B2 خواهد بود. تعداد رخداد بارش های روزانه با شدت های 10، 20 و 30 میلیمتر در روز،بارش های با آستانه های صدک 95 و 99 در سه دهه 39-2010، 69-2040 و 99-2070 و همچنین تعداد روزهای داغ دوره های آتی در فصول پاییز، زمستان و بهار در تمامی ایستگاه ها (به استثنای فصل بهار گرگان) و تحت هر دو سناریوی A2 و B2 نسبت به دوره مشاهداتی 90-1961 افزایش خواهند یافت. نتایج نشان می دهد که دامنه تغییرات افزایش میانگین دمای حداکثر حوضه در سه دهه 2039-2010 ، 2069-2040 و 2099-2070 به ترتیب 8/1-1، 3/3-9/1 و 1/5-4/2 درجه سلسیوس خواهد بود.
ارزیابی کارایی مدل SDSM در شبیه سازی میانگین دمای شهر کرمانشاه(مقاله علمی وزارت علوم)
منبع:
سپهر دوره ۲۷ بهار ۱۳۹۷ شماره ۱۰۵
49 - 62
حوزه های تخصصی:
افزایش گرمایش جهانی به عنوان یکی از مسائل عمده جهانی در قرن حاضر مطرح است. به همین دلیل بررسی و ارزیابی روند آن برای انسان اهمیت دارد، از این رو شبیه سازی این متغیر اقلیمی برای درک آینده بشر می تواند راهگشا باشد. روش های مختلفی برای شبیه سازی و پیش بینی متغیرهای اقلیمی وجود دارد که معتبرترین آن ها استفاده از داده های مدل گردش عمومی جو یا GCM می باشد. از جمله پرکاربردترین مدل ها جهت ریز مقیاس کردن داده های GCM ، مدل آماری SDSM می باشد در تحقیق حاضر، میزان کارایی این مدل جهت ریزمقیاس نمایی میانگین دمای در ایستگاه شهر کرمانشاه مورد ارزیابی قرار گرفت . بدین منظور با استفاده از داده های دمای روزانه ایستگاه همدید شهر کرمانشاه و داده های مرکز ملی پیش بینی متغیرهای محیطی، انتخاب متغیرهای مستقل و کالیبره کردن مدل برای میانگین دما صورت گرفت . به منظور کالیبره کردن مدل داده های دیدبانی شده ایستگاه هواشناسی کرمانشاه و داده های مرکز ملی پیش بینی متغیرهای محیطی NCEP به دو دوره 15 ساله (1975- 1961) و (1990-1976) تقسیم شدند. از 15 سال اول برای کالیبره کردن مدل با استفاده از روش بهینه سازی حداقل مربعات خطا استفاده شد . این کار برای دوره 40 ساله از 1961 تا 2000 نیز انجام گرفت. سپس داده های دمای میانگین برای دوره ده ساله 2010 -2001 بر اساس 2 دوره پایه 15 ساله (1990-1961) و40 ساله (2000- 1961) تحت دو سناریوی A2 و B2 ، پیش بینی و با داده های مشاهداتی این دوره مقایسه شد تا میزان کارایی مدل برای پیش بینی ارزیابی گردد. نتایج نشان داد که با افزایش طول دوره پایه پیش بینی مدل بهتر خواهد شد و هرچه طول دوره کمتر باشد برآورد مدل چندان مناسب نخواهد بود.
ارزیابی کارایی مدل سری CMIP5 در شبیه سازی و پیش بینی پارامترهای اقلیمی بارندگی، دما و سرعت باد (مطالعه موردی: استان یزد)(مقاله علمی وزارت علوم)
منبع:
پژوهش های جغرافیای طبیعی دوره ۵۰ پاییز ۱۳۹۷ شماره ۳ (پیاپی ۱۰۵)
593 - 609
حوزه های تخصصی:
ایران جزو کشورهایی است که ضریب تأثیرپذیری آن از تغییرات اقلیمی بالاست. امروزه، تغییرات پارامترهای اقلیمی به وسیله مدل های گردش کلی جو بررسی می شود. نسخه های گوناگونی از این مدل ها منتشر شده است؛ آخرین نسخه آن مدل های سری CMIP5 است. مدل های CMIP5، که در گزارش پنجم ارزیابی تغییر اقلیم (AR5) استفاده شده اند، از عدم قطعیت پایین تر و وضوح بیشتری نسبت به مدل های قبل برخوردارند. در این مطالعه، تغییرات پارامترهای اقلیمی بارندگی، دمای متوسط، و سرعت باد حداکثر به وسیله مدل CanESM2 به عنوان یکی از مدل های مورداستفاده در تهیه گزارش پنجم ارزیابی تحت سه سناریوی RCP و براساس روش ریزمقیاس نمایی SDSM بررسی شد. نتایج نشان داد میانگین بارندگی طبق سناریوهای RCP2.6 و RCP 8.5 به ترتیب 28/62 و 69 میلی متر خواهد بود که نسبت به دوره مشاهداتی به ترتیب 18/9 و 2/17درصد افزایش و براساس سناریوی RCP 4.5، 39/58 میلی متر بوده است که نسبت به دوره مشاهداتی 81/0 درصد کاهش خواهد داشت. میانگین دمای متوسط طبق سناریوهای RCP2.6، RCP4.5، و RCP8.5 به ترتیب 59/20، 03/21، و 10/22 درجه سانتی گراد خواهد بود که نسبت به دوره مشاهداتی به ترتیب 5/4، 7/6، و 8/12 درصد افزایش دارد. همچنین، سرعت حداکثر باد تحت سناریوهای RCP2.6، RCP4.5، و RCP8.5 به ترتیب 9/4، 4/4، و 3/5 درصد نسبت به دوره مشاهداتی افزایش خواهد داشت.
پیش بینی اثرات تغییر اقلیم بر خصوصیات هیدروژئومورفولوژی حوضه آبریز کن بر اساس مدل ریز مقیاس نمایی آماری(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تغییر اقلیم یکی از مهم ترین چالش هایی است که بر اکوسیستم های طبیعی و جنبه های مختلف زندگی انسان تاثیر دارد. تاثیرات گرمایش جهانی بر بخش هیدرولوژی و چرخه آب در طبیعت بسیار جدی است و شناخت این اثرات بصورت کمی، آمادگی بیشتری برای مقابله با تبعات آن ایجاد می کند. در تحقیق حاضر بر اساس داده های وضع موجود ایستگاه های سینوپتیک کرج، مهرآباد و دوشان تپه با کمک مدل Statistic downscaling mode l ( SDSM ) به پیش بینی دوره آماری 2045-2016 پرداخته شد و در نهایت اثرات تغییر اقلیم بر شرایط هیدرولوژیک حوضه کن با استفاده از مد (SWAT) Soil and Water Assessment Tools شبیه سازی شد. کالیبراسیون مدل سوات بر اساس الگوریتم SUFI-2 انجام شده و مقدار CN مهم ترین پارامتر موثر در این زمینه شناسایی شده است. نتایج مطالعه ضمن تایید کارایی هردو مدل SDSM در پیش بینی اقلیمی و مدل SWAT در شبیه سازی های هیدرولوژیکی نشان داد که در شرایط اقلیمی آینده برای دوره زمانی 2016- 2045 کاهش بارندگی، افزایش دما و کاهش تبخیر و تعرق واقعی محتمل است. میزان جریانات و رواناب سطحی در سطح حوضه مورد مطالعه در دوره مشاهداتی موجود برابر با 59/10 میلی متر می باشد؛ اما این میزان برای دوره پیش بینی شده با توجه به افزایش روند شهرسازی و تغییرات کاربری ها برابر با 21/27 میلی متر برآورد شد. نتایج تحقیق ضمن بیان اهمیت تاثیرات تغیییر اقلیم، کاربرد آن ها را در بکارگیری مدیریت درست در جهت سازگاری با تغییرات اقلیمی در سیاست های آتی مدیریت حوضه کن لازم و ضروری می داند.
واکاوی تغییرات نیازهای درجه روز گرمایشی تحت شرایط تغییر اقلیم در استان خراسان جنوبی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
نیازهای گرمایشی یکی از موضوعات مهم بشر در زمینه های کشاورزی، گردشگری و مدیریت مصرف انرژی در زمان حال و آینده می باشد. اطلاع از میزان این تغییرات می تواند در تصمیم گیری مدیران بسیار کارساز واقع شود. هدف از این مطالعه واکاوی تغییرات نیازهای درجه روز گرمایشی تحت شرایط تغییر اقلیم در استان خراسان جنوبی می باشد. بدین منظور داده های روزانه ی دمای کمینه و بیشینه 11 ایستگاه همدید استان خراسان جنوبی در بازه ی زمانی 1990-2015 از سازمان هواشناسی کشور دریافت شد. همچنین جدیدترین سناریوهای موجود گزارش پنجم هیات بین الدول تغییر اقلیم ( AR5 2014 ) شامل سناریوهای RCP از تارنمای تغییر اقلیم کانادا بارگیری و با بکارگیری نرم افزار آماری ریزمقیاس نمایی SDSM داده ها برای دوره آتی(2016-2041) در منطقه مورد مطالعه ریزگردانی گردید. با استفاده از قابلیت برنامه نویسی نرم افزار Matlab نیازهای گرمایشی ماهانه و سالانه ایستگاه ها در دوره حال و آینده محاسبه شد. در نهایت با استفاده از روش درونیابی Kriging نقشه های پهنه بندی نیاز سرمایشی برای دوره حال و آینده در نرم افزار ArcGIS ترسیم گردید. با بررسی تاثیر ویژگی های جغرافیایی (طول و عرض جغرافیایی و ارتفاع ایستگاه ها) بر نیازهای گرمایشی در منطقه مشخص گردید که نقش ارتفاع بر تغییر نیازهای گرمایشی بسیار موثر می باشد. در ماه های سرد سال(آذر، دی و بهمن) مناطق مرتفع( قاین، ارسک، فتح آباد، آرین شهر، درمیان) به دلیل نیاز به گرمایش بیشتر میزان انرژی بالاتری را نیاز دارند. افزایش دما و گرم شدن هوا در دوره آینده، به ویژه در ماه های فروردین و مهر در بیشتر نقاط، نیازمند استفاده کمتر از وسایل گرمازا در آینده است.
چشم انداز تغییرات دماهای حداکثر ارومیه با استفاده از ریزگردانی آماری خروجی مدل CanESM2(مقاله علمی وزارت علوم)
منبع:
جغرافیا و برنامه ریزی سال ۲۲ بهار ۱۳۹۷ شماره ۶۳
305-325
حوزه های تخصصی:
افزایش دما و گرمایش جهانی از بزرگ ترین چالش هایی است که بشر در قرن بیست و یکم با آن مواجه است. تغییرات در پارامترهای اقلیمی به ویژه دما و بارش به عنوان مهم ترین پارامترهای اقلیمی می تواند فرایندهای هیدرولوژیکی، کشاورزی، محیط زیست، بهداشت، صنعت و اقتصاد را تحت تاثیر قرار دهد. بنابراین چشم انداز تغییرات آن، کمک فراوانی به چالش های مدیران و برنامه ریزان محیطی خواهد نمود. لذا در این پژوهش به منظور بررسی روند تغییرات دماهای حداکثر در طول دوره آماری پایه (2005-1961) و همچنین چشم انداز تغییرات آتی دماهای حداکثر در یک دوره ی 30 ساله (2051-2021) در ایستگاه سینوپتیک ارومیه با کاربست مدل ریزمقیاس گردانی SDSM پرداخته شد. بدین منظور ابتدا با استفاده آزمون ناپارامتری من- کندال و تخمین گر شیب سن، روند تغییرات این پارامتر بررسی شد. سپس میزان کار آیی مدل SDSM با استفاده از داده های مشاهداتی و مدل شده مرکز ملی پیش بینی محیطی (NCEP) و شاخص های MSE، RMSE، MAE و همچنین ضریب تعیین و همبستگی مورد ارزیابی قرار گرفت. بعد از اطمینان از دقت مدل، با استفاده از مدل گردش عمومی CanESM2 تحت سه سناریوی RCP2.6 و RCP4.5 و RCP8.5 چشم انداز آتی دماهای حداکثر و حدی در دوره (2051-2021) بررسی گردید. نتایج نشان داد که در طول دوره آماری پایه، دما دارای روند افزایشی است اما معنی داری روند مورد تأیید قرار نگرفت. نتایج حاصل ارزیابی مدل SDSM نیز نشان داد که مدل مذکور توانایی لازم جهت مدل سازی دمای حداکثر را دارد. بر اساس نتایج بدست آمده از داده های مدل CanESM2 میزان دماهای حداکثر افزایش خواهد یافت که این میزان برابر با 7/۰ درجه سلسیوس نسبت به دوره ی پایه می باشد. از نظر فصلی نیز بیشترین و کمترین تغییرات مربوط به تابستان با 6/1 درجه سلسیوس و فصل زمستان با 1/0 درجه سلسیوس می باشد.
ارزیابی توان مدل SDSM در همانندسازی میانگین دمای شهر ارومیه(مقاله علمی وزارت علوم)
حوزه های تخصصی:
الگوسازی اقلیمی، یکی از روش های بنیادین و کارا در ساده سازی پیچیدگی های دستگاه اقلیم است که درک ما را از چگونگی رفتار این سامانه افزایش می دهد؛ همچنین همانندسازی های اقلیمی با به کارگیری برون داد مدل های گردش عمومی جو برای آگاهی از ویژگی های اقلیم در سال های آینده لازم است. با این همه امکان به کارگیری دستاوردهای مدل های گردش عمومی جو به شکل مستقیم برای همانندسازی اقلیم در مقیاس های ناحیه ای و کوچک تر وجود ندارد. یکی از راهکار های متداول برای حل این مشکل، ریزمقیاس گردانی آماری برون دادهای مدل های گردش عمومی است. مدل SDSM، یکی از پرکاربردترین مدل ها درزمینه یادشده است. روش بنیادین این مدل برای ریزمقیاس گردانی داده ها، رگرسیون چند متغیری است. در این پژوهش تلاش شده است با به کارگیری داده های میانگین دمای ارومیه از ابتدای سال 1961 میلادی تا پایان سال 2010، داده های دوباره واکاوی شده مرکز ملی پیش بینی های محیطی (NCEP) و برون داد مدل HadCM3[1] با سناریوهای A2 و B2، توان SDSM در ریزمقیاس گردانی و همانندسازی داده های دمایی ارزیابی شود. برای سنجش شایستگی مدل های به دست آمده و توان SDSM در همانندسازی از بعضی آزمون های آماری همچون آماره چو، خطای استاندارد، شاخص سازگاری ویلموت و همچنین رسم نمودارهای ماهیانه و سالیانه داده ها استفاده شده است. دستاوردهای این پژوهش نشان داد هرچه بازه زمانی برای میانگین گیری بیشتر باشد، میانگین های دمایی همانندسازی شده پسندیده تر و به واقعیت نزدیک تر خواهد بود؛ با وجود این مدل SDSM در همانندسازی بیشینه ها و کمینه ها کارکرد چندان پسندیده ای نداشته است؛ از این رو دستاوردهای این مدل فقط برای رسیدن به شناختی کلی از ویژگی های اقلیم آینده مناسب است و امکان به کارگیری در پروژه های دقیق را ندارد.
شبیه سازی اثر گرمایش جهانی بر میانگین و رخدادهای حدی برخی متغیرهای هیدرواقلیمی در حوضه ی آبریز شاندیز(مقاله علمی وزارت علوم)
حوزه های تخصصی:
دو مشخصه بارز اقلیم آینده تغییر در میانگین و مقادیر حدی متغیرهای هیدرواقلیمی می باشد، از این رو شبیه سازی رفتار اقلیم حوضه آبریز شاندیز که یک منطقه گردشگری مهم در شمال شرق کشور است در دهه های آینده نقش مهمی در شناخت وضعیت اقلیم و آسیب پذیری احتمالی این مناطقه از تغییر اقلیم دارد. هدف از این پژوهش شناسایی مقادیر حدی دما، بارش و تغییرات رواناب حوضه آبریز شاندیز و مقایسه شرایط پایه و آینده است. برای نیل به این هدف از آمار روزانه دما و بارش روزانه 30 سال آماری (از 1990-1961) ایستگاه سینوپتیک مشهد استفاده شده است. همچنین برای پیش بینی بارش، دمای حداقل و حداکثر در آینده از داده های مدل گردش کلی CanESM2 تحت سه سناریوی انتشار RCP2 .6 ، RCP4.5 و RCP8.5 برای دوره 2100-2041 استفاده شده است. برای ریزگردانی خروجی مدل CanESM2 از روش آماری SDSM و برای استخراج مقادیر حدی بارش از نرم افزار RClimDex استفاده شده است. نتایج نشان داد که در دوره آینده نه تنها در مقدار بارش ایستگاه مشهد بلکه در الگوی بارش نیز تغییراتی رخ خواهد داد. بر اساس نتایج بدست آمده، بارش سالانه در دهه ی 2070-2041، بین 37 تا 54 درصد نسبت به دوره ی دیدبانی افزایش می یابد، و میزان افزایش بارش دهه ی 2100-2071 بین 52 تا 66 درصد افزایش می یابد. تعداد رخداد بارش های روزانه با شدت های 10، 20 و 30 میلیمتر در روز، بارش های با آستانه های صدک 95 و 99 دوره های آتی در تمامی فصول ایستگاه مشهد نسبت به دوره مشاهداتی (1990-1961) افزایش خواهند یافت. در دهه های آینده میانگین دمای حداکثر مشهد نسبت به دوره مشاهداتی بین 4/6 – 6/0 درجه سلسیوس و میانگین دمای حداقل بین 5/1 تا 2/4 درجه سلسیوس افزایش خواهد یافت. از مدل SWAT جهت ارزیابی اثرات تغییراقلیم بر میزان رواناب حوضه استفاده گردید. بدین منظور ابتدا این مدل با استفاده از دبی ایستگاه هیدرومتری شاندیز برای دوره 2012-2003، واسنجی و اعتبارسنجی شد که مقادیر R 2 به ترتیب 65/0 و 52/0 بدست آمد. در ادامه با بکارگیری داده های ریزمقیاس شده مدل CanESM2 در مدل SWAT ، تغییرات رواناب خروجی از حوضه طی دوره های 2070-2041 و 2100-2071 شبیه سازی گردید. اعمال نتایج تغییرات بارش و دمای حوضه در دهه های آینده بر مدل SWAT نشان داد که دبی حوضه شاندیز در دهه های آینده بین 2 تا 104 درصد افزایش خواهد یافت.
Impacts of global warming on extreme temperatures in west of Iran(مقاله علمی وزارت علوم)
منبع:
پژوهشهای تغییرات آب و هوایی سال اول زمستان ۱۳۹۹ شماره ۴
11 - 19
حوزه های تخصصی:
Studying global warming and assessing its impacts is very important due to economic and social consequences and financial losses. Changes in extreme temperatures can cause enhancement of demands for energy, increase mortality, reduce biodiversity and damage to crops, which makes it essential to be studied. The aim of this study is predicting the changes of extreme temperatures in west of Iran during 2015-2045 period under climate change conditions according to the RCP emission scenarios. To this purpose, the SDSM model under the RCP 8.5 scenario is used for statistical downscaling and data generation of future period, using the GCM models of the CanESM2 and Mann-Kendall nonparametric test is used to analyze trends. From 27 extreme indices of climate change which are defined by ETCCDI, 6 indices of extreme temperatures were selected including diurnal temperature range (DTR), warm and cold days, warm and cold nights, and number of summer days. The results showed that in the predicting period (2015-2045), except Shahr-e-Kord station, the DTR index has a decreasing trend. There was an increasing trend in number of summer days index in all stations, except Hamedan station. In cold night index a decreasing trend is observed in all stations except Shahr-e-Kord station. A significant decreasing trend is observed in number of cold days index in all stations except Sahr-e-Kord. In warm days index, a significant increasing trend is observed in all station. Generally it was found that the significant trend of cold extreme and warm extreme temperatures were decreasing and increasing respectively. Also in most of the studied indices the rate of changes were associated with latitude of the weather station.
ارزیابی و پیش بینی تغییرات اقلیم در دهه های آینده با استفاده از ریزمقیاس نمایی مدل های گردش عمومی جو(GCMs)
منبع:
جغرافیا و روابط انسانی دوره ۳ تابستان ۱۳۹۹ شماره ۹
252 - 268
حوزه های تخصصی:
این تحقیق به منظور پیش بینی مقادیر بارش و دما و تعیین اقلیم آینده با کاربرد مدل های گردش عمومی جو و شبیه سازی اقلیمی در دوره های 2099-2070 و 2049-2020 در ایستگاه های سینوپتیکی بابلسر، گرگان، رامسر، رشت، قزوین، تهران و زنجان انجام گردید. به منظور تهیه سناریو های اقلیمی در آینده از خروجی های مدل گردش عمومی HadCM3 تحت سناریوی انتشار A2 و B2 و روش ریزمقیاس نمایی آماری و به کارگیری مدل SDSM استفاده گردید و در ادامه با استفاده از روش دومارتن اقلیم آینده تعیین گردید. نتایج حاصل از پیش بینی پارامترهای اقلیمی نشان داد شبیه سازی پارامترهای اقلیمی توسط مدل با دقت بالایی انجام گرفته است. در همه ایستگاه های مورد مطالعه بارش در دوره 2049-2020 در مقایسه با دوره مشاهداتی 2008-1979 دارای یک روند افزایشی می باشد و در دوره 2099-2070 نسبت به دوره مشاهداتی(2008-1979) بارش افزایش یافته است ولی نسبت به دوره 2049-2020 دارای یک روند کاهشی می باشد. درجه حرارت حداکثر، حداقل و میانگین در دوره های 2099-2070 و 2049-2020 نسبت به دوره مشاهداتی 2008-1979 افزایش خواهد یافت. نتایج حاصل از تعیین اقلیم به روش دومارتن نشان داد که اقلیم در ایستگاه-های بابلسر، قزوین، رامسر و رشت نسبت به اقلیم مشاهداتی 2008-1979 در دوره های آتی تغییری نخواهد کرد. ولی در ایستگاه گرگان در دوره 2099-2070 تحت سناریو A2 اقلیم از مدیترانه ای به نیمه خشک تغییر خواهد کرد. در ایستگاه تهران در دوره 2049-2020 تحت سناریوA2 اقلیم از نیمه خشک به خشک تغییر خواهد کرد. در ایستگاه زنجان در دوره 2049-2020 تحت سناریو A2 اقلیم از نیمه خشک به مدیترانه ای و در دوره 2099-2070 از اقلیم مدیترانه ای دوباره به اقلیم نیمه خشک تغییر خواهد کرد.
بررسی خشکسالی هواشناسی در ایستگاه ارومیه با استفاده از شاخص SPI تحت سناریوهای تغییر اقلیم (RCP)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
تغییرات در فراوانی و شدت خشکسالی همراه با تغییر اقلیم، تأثیر قابل توجهی بر منابع آب و محیط زیست دارد که به نوبه خود در کشاورزی، جامعه و اقتصاد منعکس می شود. هدف از این تحقیق، بررسی تاثیر تغییر اقلیم بر روی خشکسالی هواشناسی در ایستگاه ارومیه می باشد. بدین منظور ابتدا با استفاده از داده های بارندگی، خشکسالی دوره پایه 2005-1986 و دو دوره آینده (2050-2031 و 2070-2051) در مقیاس های زمانی 3، 6، 12 و 24 ماهه در ایستگاه ارومیه محاسبه شد. داده های بارش دوره های آتی به کمک مدل گزارش پنجم CanESM2 و سناریوهای RCP2.6، RCP4.5 و RCP8.5 و با استفاده از مدل ریزمقیاس نمایی SDSM تعیین شدند. سپس روند مقادیر SPI در دوره پایه و آینده با استفاده از آزمون من-کندال بررسی شد. بررسی تغییرات بارش نشان داد که در دوره آینده اول (2031-2050)، بر اساس دو سناریو RCP2.6 و RCP8.5، میانگین بارش افزایش می یابد ولی در دوره دوم (2051-2070) کاهش بسیار کمی در میزان بارش دیده می شود. همچنین مقادیر SPI در مقیاس زمانی طولانی مدت، شدت خشکسالی بیشتری را نشان می دهند و در بین سناریوهای مورد بررسی، RCP8.5 نسبت به سایر سناریوها، شدت خشکسالی بیش تری را نسبت به دوره پایه نشان می دهد. نتایج آزمون من- کندال نیز نشان دهنده روند معنی دار SPI در دوره پایه و دوره های آینده بر اساس سناریو RCP8.5 است.
ارزیابی کاربرد مدل های شبکه عصبی مصنوعی و SDSM به منظورشبیه سازی دمای کمینه و بیشینه ایستگاه اصفهان(مقاله علمی وزارت علوم)
منبع:
پژوهشنامه کلام سال ششم پاییز و زمستان ۱۳۹۷ شماره ۲
133 - 158
حوزه های تخصصی:
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.
روند تغییرات نیاز سرمایی گیاه پسته و پیش بینی آن با استفاده از مدل SDSM (مطالعه موردی: یزد)(مقاله علمی وزارت علوم)
منبع:
جغرافیا و برنامه ریزی سال ۲۶ تابستان ۱۴۰۱ شماره ۸۰
45 - 60
حوزه های تخصصی:
پسته همانند بسیاری از درختان میوه مناطق نیمه گرمسیری در چرخه سالیانه خود به یک دوره سرما نیاز دارد تا بعد از مهیا شدن شرایط مناسب، شکوفایی طبیعی جوانه ها اتفاق افتد. مدل های مختلفی جهت محاسبه نیاز سرمایی پسته وجود دارد که مدل ساعت سرمایی ، یوتا و یوتا مثبت از مهم ترین این مدل ها می باشند. پهنه جغرافیایی مورد مطالعه دشت یزد- اردکان واقع در استان یزد می باشد. در این تحقیق با توجه به آزمون های آماری بر اساس متغیر های هواشناسی، مدل ساعت سرمایی جهت مدل سازی انتخاب گردید. برای انجام این تحقیق از داده های سه ساعته دمای ایستگاه سینوپتیک یزد طی دوره آماری 1396-1367 جهت مدل سازی و برآورد مجموع ساعات سرمایی ماهانه پسته استفاده گردید و از داده های روزانه دمای این ایستگاه طی دوره آماری 2005-1961 جهت مدل SDSM استفاده و از آمار ماهانه دمای سال های 1397- 1385 جهت ارزیابی داده های ریزمقیاس شده مدل CanESM2 تحت سناریوهای مختلف RCP استفاده به عمل آمد و در نهایت مدل سازی برای سال های 1429-1400 انجام پذیرفت. یافته های پژوهش حاکی از این است که بین ساعات تجمعی ماهانه دماهای بین صفر تا 2/7 درجه سانتی گراد و پارامترهای دمایی ماهانه نظیرمیانگین حداقل دما، میانگین حداکثر دما و میانگین دمای ماهانه ، همبستگی معنی داری وجود دارد که در شرایط عدم دسترسی به داده های ساعتی دما ، برای مدل سازی و تعیین ساعات تجمعی ماهانه می توان از آن استفاده کرد. یافته های پژوهش نشان می دهد که نیاز سرمایی ارقام کله قوچی،اوحدی و احمد آقایی در سال های آتی تامین و ارقام اکبری و فندقی تامین نمی گردد.
پیش بینی و تحلیل بارش های محتمل سنگین در استان خوزستان با استفاده از مدل هایHADCM3 وSDSM(مقاله علمی وزارت علوم)
حوزه های تخصصی:
با توجه به تغییرات اقلیمی، پیش بینی بارش و برآورد نزولات جوی، یکی از مهم ترین پارامترهای اقلیمی در حوزه مدیریت منابع آبی، از اهمیت ویژه ای برخوردار است. بنابراین در این پژوهش، کاربرد مدل SDSM در برآورد بارش مورد بررسی قرار گرفت. در این پژوهش ایستگاه های سینوپتیک اهواز، آبادان و دزفول که دارای آمار اقلیمی 41 ساله (2001-1961) و 45 ساله (2005-1961) میلادی بودند، انتخاب گردید. بازه زمانی پیش بینی برای دوره آینده (سناریوهای اقلیمی) نیز 30 ساله و بین سال های 2060-2031 می باشد. خروجی های مدل HadCM3، تحت سناریوهای A2 و B2 و مدل CanECM2، تحت سناریوهای RCP26، RCP45 و RCP85، با به کارگیری مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامتر بارش، ریزمقیاس گردید، همچنین با استفاده از روش های آماری و ترسیمی، داده های ریزمقیاس شده و داده های پایه را مورد تجزیه و تحلیل قرار داده و سپس واسنجی گردیدند. مدل سازی دوره پایه در داده های CanESM2 نسبت به داده های HadCM3 با دقت بالاتری انجام شد. نتایج بیانگر آن بود که در سالیان آتی بارش مجموع در هر سه ایستگاه افزایش و میزان بیشینه بارش در هر سه ایستگاه کاهش خواهد یافت. باتوجه به نتایج مدل سازی ها به نظر می رسد اقلیم زمستانه مرطوب تر و تابستان های خشک تر در آینده نزدیک پیکره اقلیم خوزستان را تشکیل خواهد داد.
واکاوی همدیدی امواج سرما یی شهر اردبیل و برآورد دوره های بازگشت و تغییرات آن در سال های آینده
منبع:
جغرافیا و روابط انسانی دوره ۶ بهار ۱۴۰۲ شماره ۲۰
352 - 369
حوزه های تخصصی:
برای بررسی همدیدی، داده های میانگین دما از اداره آب وهواشناسی استان اردبیل اخذ شد و روز های با دمای زیر 10- درجه سانتی گراد طی دوره آماری (1400-1355) به عنوان فرین انتخاب شدند سپس روند سری زمانی فراوانی روز های یخبندان با روش کم ترین مربعات خطا در الگوی رگرسیون خطی مشخص شد و نتایج آن روند کاهشی را از سال 1370 به بعد نشان داد. سر انجام برای تحلیل همدید عوامل جوی، روز 25 دی ماه 1386 به عنوان نماینده از طریق روش خوشه ای سلسله مراتبی ward انتخاب گردید. در ادامه داده های سطوح فوقانی جو از وب سایت (NCEP/NCAR) دریافت شد و نقشه های سینوپتیکی در گردس ترسیم شد. نتایج حاصل از تحلیل این نقشه ها نشان دادند سیستم پر فشار حرارتی سیبری نقش مؤثری در انتقال هوای سرد عرض های شمالی به سمت منطقه موردمطالعه داشته است. در کنار این پدیده قرارگیری منطقه مطالعاتی در جلوی پشته اروپا شرایط چرخندگی منفی هوا را در پی داشته است که نتیجه آن تقویت جریانات نزولی و کاهش دمای هوا بوده است. به منظور برآورد دوره های بازگشت امواج سرما از مدل آماری Hyfran-plus استفاده شد و نتیجه آن نشان داد آزمون ایستایی (wald-wolfowitz) و توزیع آماری Normal دقت بیش تری در تعیین دوره های بازگشت امواج سرما داشته است. و نتایج حاصل از آزمون Chi-Squared نیز نشان داد که می توان در سطح معنی دار 5 درصد به استخراج نتایج حاصل از آن اطمینان کرد. در وهله آخر به منظور پیش بینی تغییرات پارامتر دما با استفاده از مدل گردش عمومی CanESM2 تحت سه سناریوی RCP2.6 و RCP4.5 و RCP8.5 چشم انداز آتی دوره (2050-2020) بررسی گردید. نتایج آن نشان داد مدل توانایی لازم را در همانند سازی میانگین دما داشته است بر اساس نتایج بدست آمده از داده های مدل CanESM2 روند تغییرات سری زمانی متوسط دمای سالانه افزایش نسبی دما را طی دوره های آتی نسبت به دوره پایه در هر سناریو نشان داد.
تحلیل و پیش بینی تغییرات خشک سالی، تبخیر-تعرق و آب سبز در حوضه ی دریاچه ی ارومیه تحت شرایط تغییر اقلیم(مقاله علمی وزارت علوم)
منبع:
مطالعات جغرافیایی مناطق خشک دوره ۹ بهار ۱۳۹۸ شماره ۳۵
60 - 73
حوزه های تخصصی:
توسعه ی پایدار کشاورزی با چالش های زیادی ازجمله تغییر اقلیم روبه رو بوده که این تغییرات باعث تغییر در الگوی پارامترهای هواشناسی و نیز تغییر نیاز آبی گیاهان می شود. در این پژوهش، با توجه به اینکه حوضه ی دریاچه ی ارومیه نقش مهمی در تولید گندم به عنوان یکی از محصولات استراتژیک ایران دارد، امکان تأمین نیاز آبی این گیاه به وسیله ی آب سبز، میزان خشک سالی و تغییرات تبخیر-تعرق مرجع در شرایط تغییر اقلیم آینده برای این حوضه بررسی شد. با استفاده از مدل SDSM و داده های هواشناسی دوره ی پایه (2015- 1967) ایستگاه های ارومیه و تبریز، داده های هواشناسی دوره ی آتی (2100-2016) تحت سناریوهای RCP2.6 و RCP8.5 تولید شد. به منظور بررسی مقدار تبخیر-تعرق مرجع و همچنین شدت خشک سالی، به ترتیب از معادله ی فائو-پنمن-مانتیث و شاخص خشک سالی SPI استفاده شد. یافته های پژوهش ضمن تأیید کارایی مناسب مدل SDSM در برآورد بارندگی و تبخیر-تعرق منطقه ی موردمطالعه، نشان از احتمال افزایش 63 و 3 درصدی متوسط بارندگی سالانه دوره های آتی به ترتیب برای دو ایستگاه تبریز و ارومیه و نیز احتمال کاهش شدت خشک سالی نسبت به دوره ی پایه دارد. در شرایط تغییر اقلیم، امکان کاهش 3 و 5/1 درصدی متوسط تبخیر-تعرق سالانه به ترتیب برای دو ایستگاه تبریز و ارومیه نسبت به دوره ی پایه وجود دارد. همچنین میزان آب سبز با احتمال افزایش همراه خواهد بود. بااین وجود، افزایش آب سبز قادر به تأمین کل نیاز آبی گندم در منطقه ی موردمطالعه نخواهد بود.