ارزیابی توان مدل SDSM در همانندسازی میانگین دمای شهر ارومیه

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 274

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GEP-29-4_006

تاریخ نمایه سازی: 20 اردیبهشت 1400

چکیده مقاله:

الگوسازی اقلیمی، یکی از روشهای بنیادین و کارا در سادهسازی پیچیدگیهای دستگاه اقلیم است که درک ما را از چگونگی رفتار این سامانه افزایش میدهد؛ همچنین همانندسازیهای اقلیمی با بهکارگیری برونداد مدلهای گردش عمومی جو برای آگاهی از ویژگیهای اقلیم در سالهای آینده لازم است. با این همه امکان بهکارگیری دستاوردهای مدلهای گردش عمومی جو به شکل مستقیم برای همانندسازی اقلیم در مقیاسهای ناحیهای و کوچکتر وجود ندارد. یکی از راهکارهای متداول برای حل این مشکل، ریزمقیاسگردانی آماری بروندادهای مدلهای گردش عمومی است. مدل SDSM، یکی از پرکاربردترین مدلها درزمینه یادشده است. روش بنیادین این مدل برای ریزمقیاسگردانی دادهها، رگرسیون چند متغیری است. در این پژوهش تلاش شده است با بهکارگیری دادههای میانگین دمای ارومیه از ابتدای سال ۱۹۶۱ میلادی تا پایان سال ۲۰۱۰، دادههای دوباره واکاویشده مرکز ملی پیشبینیهای محیطی (NCEP) و برونداد مدل HadCM۳[۱] با سناریوهای A۲ و B۲، توان SDSM در ریزمقیاسگردانی و همانندسازی دادههای دمایی ارزیابی شود. برای سنجش شایستگی مدلهای بهدستآمده و توان SDSM در همانندسازی از بعضی آزمونهای آماری همچون آماره چو، خطای استاندارد، شاخص سازگاری ویلموت و همچنین رسم نمودارهای ماهیانه و سالیانه دادهها استفاده شده است. دستاوردهای این پژوهش نشان داد هرچه بازه زمانی برای میانگینگیری بیشتر باشد، میانگینهای دمایی همانندسازیشده پسندیدهتر و به واقعیت نزدیکتر خواهد بود؛ با وجود این مدل SDSM در همانندسازی بیشینهها و کمینهها کارکرد چندان پسندیدهای نداشته است؛ از این رو دستاوردهای این مدل فقط برای رسیدن به شناختی کلی از ویژگیهای اقلیم آینده مناسب است و امکان بهکارگیری در پروژههای دقیق را ندارد.  

نویسندگان

حسین عساکره

استاد اقلیمشناسی، گروه جغرافیا، دانشگاه زنجان، زنجان، ایران

حسن شادمان

دانشجوی دکتری اقلیمشناسی، دانشگاه زنجان، زنجان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • بررسی میزان کارایی مدل SDSM در شبیه سازی شاخص های دمایی در مناطق خشک و نیمه خشک [مقاله ژورنالی]
  • رضایی، عبدالمجید و سلطانی، افشین، (1387). مقدمه‌ای بر تحلیل رگرسیون ...
  • رضایی، مریم، نهتانی، محمد، آبکار، علیجان، رضایی، معصومه و میرکازهی ...
  • صمدی نقاب، سینا، خورشیددوست، علی‌محمد، حبیبی نوخندان، مجید و زابل ...
  • عساکره، حسین، (1386). تغییر اقلیم، تک‌جلد، چاپ اول، زنجان، انتشارات ...
  • عساکره، حسین، (1383). مدل‌سازی مکانی تغییرات عناصر اقلیمی (مطالعة موردی: ...
  • فلاح قالهری، غلامعباس، (1393). ریزمقیاس‌نمایی آماری داده‌های اقلیمی، تک‌جلد، چاپ ...
  • مک گوفی، کی و سلرز، ای هندرسون، (1380). نخستین گام ...
  • یارنال، برنت، (1385). اقلیم‌شناسی همدید و کاربرد آن در مطالعات ...
  • Ehret, U.E., Zehe, V., Wulfmeyer, K.,Warrach-Sagi, and Liebert, J. ,(2012). ...
  • Haward, E., Doran, (1989). Applied Regression Analysis in Econometrics, CRC ...
  • http://www.ipcc.ch/ipccreports/sres/emission/index.php?idp=98http://www.ipcc.ch/ipccreports/sres/emissionhttp://www.ipcc-data.org/guidelines/pages/gcm_guide.htmlhttp://www.ipcc-data.org/sres/hadcm3_info.htmlKanji, Gopal k. 100 statistical test, third edition, (2006). SAGE ...
  • Kazmi, Dildar Hussain, Ghulam Rasul, Jianping Li, Suhail Babar Cheema, ...
  • Mahmood, Rashid, Mukand, S., Babel, (2014). Future changes in extreme ...
  • Pervez, Md., Shahriar, Geoffrey, M., Henebry, (2014). Projections of the ...
  • Samadi, S., Ehteramian, K., Sari Sarraf, B ...
  • )2011). SDSM ability in simulate predictors for climate detecting over ...
  • Wilby, R.L., Dawson, C.W., Barrow, E.M., (2002). SDSM- A decision ...
  • نمایش کامل مراجع