شبیه سازی پارامترهای اقلیمی بارش و دبی استان تهران تحت مدل CanESM۲ (براساس تطبیق دوشاخص خشکسالی SPI و SSI)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 202

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ESRJ-11-3_009

تاریخ نمایه سازی: 21 شهریور 1400

چکیده مقاله:

بررسی خشکسالی به عنوان یکی از  مخاطرات طبیعی، که زندگی اکثر مردم به آن گره خورده است، بسیار حائز اهمیت است. جهت آماده سازی در مقابله با خشکسالی و کاهش خسارات ناشی از آن از روش های شبیه سازی، مدل سازی و تهیه مقدمات احتمال وقوع خشکسالی، استفاده می شود. در این مطالعه برای فراهم آوردن یک دید کلی از شرایط خشکسالی آینده از دو شاخص خشکسالی SSI و SPI استفاده گردید. در گام اول داده های مربوط به دبی و بارش با استفاده از مدل CanESM۲ تحت سناریو انتشار RCP۴.۵ و مدل ریزمقیاس SDSM برای دوره ۲۰۵۰-۲۰۲۰ پیش بینی شد سپس با توجه به موقعیت جغرافیایی هر ایستگاه مناسب ترین تابع توزیع تجمعی برای هر شاخص در هر ایستگاه انتخاب گردید و امکان محاسبه شاخص های خشکسالی SSI و SPI فراهم گردید. نتایج نشان داد در دوره آتی براساس شاخص SSI، ایستگاه شریف آباد بیشترین مقدار خشکسالی (۷۴/۲-) را داراست و همچنین براساس شاخص  SPIبیشترین مقدار شاخص خشکسالی (۱۷/۲-) مربوط به ایستگاه لتیان است. لازم به ذکر است که تطابق دو شاخص در ایستگاه های نمرود و لتیان نیز با ترسیم متناظر منحنی تغییرات در طی دوره مطالعاتی نشان داد که اختلاف مقادیر عددی این دو کمیت، تنها برای ۵ سال از انطباق مناسبی برخوردار نیست.

کلیدواژه ها:

نویسندگان

محمد حسین جهانگیر

گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

سیده مهسا موسوی رینه

گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

مهناز ابواقاسمی

گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، 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 :
  • -احمدآبادی، ع. و صدیقی فر، ز.، ۱۳۹۷. پیش بینی اثرات ...
  • پیرنیا، ع.، گلشن، م. بیگنه، س. و سلیمان، ک.، ۱۳۹۷. ...
  • جهانگیر، م.، خوش مشربان، م. و یوسفی، ح.، ۱۳۹۴. پایش ...
  • دهقان، ز.، فتحیان، ف. و اسلامیان، س.، ۱۳۹۴. ارزیابی مقایسه ...
  • رحیمی، ر. و رحیمی، م.، ۱۳۹۷. تحلیل مکانی و زمانی ...
  • رسولی، ع.، جهانبخش، س. و قاسمی، ا.، ۱۳۹۳. بررسی ارتباط ...
  • رضایی، م.، نهتانی، م.، رضایی، م. و میرکازهی ریگی، م.، ...
  • زارعی، ع.، مقیمی، م. و محمودی، م.، ۱۳۹۵. مدل سازی ...
  • سلاجقه، ع.، رفیعی ساردویی، ا.، مقدم نیا، ع.، ملکیان، آ.، ...
  • علیزاده، ا.، ۱۳۹۴. اصول هیدرولوژی کاربردی، انتشارات دانشگاه امام رضا، ...
  • عینی، م.، جوادی، س.، دلاور، م. و دارند، م.، ۱۳۹۷. ...
  • کریمی، م.، ستوده، ف. و رفعتی، س.، ۱۳۹۷. تحلیل روند ...
  • یوسفی، م.، نوحه گر، ا.، خسروی، ز. و عزیز آبادی ...
  • نوروزی، ا.، رستمی، ن. و جهانگیر، م.، ۱۳۹۷. پیشبینی وضعیت ...
  • Abramowitz, M. and Stegun, I.A., ۱۹۶۵. Handbook of mathematical functions ...
  • Arora, V.K., Scinocca, J.F., Boer, G.J., Christian, J.R., Denman, K.L., ...
  • Bazrafshan, J. and Khalili, A., ۲۰۱۳. Spatial Analysis of Meteorological ...
  • Fowler, H.J., Blenkinsop, S. and Tebaldi, C., ۲۰۰۷. Linking climate ...
  • Jain, V.K., Pandey, R.P., Jain, M.K. and Byun, H.R., ۲۰۱۵. ...
  • Kabiri, R., Kanani, V. and Andrew, C., ۲۰۱۲. Climate Change ...
  • Lee, K., Ahn, J., Kim, B., Jung, T., Lee, S., ...
  • Liu, X., Xu, X., Yu, M. and Lu, J., ۲۰۱۶. ...
  • Lopes, P.M.D.A.G.G., ۲۰۰۸. Assessment of climate change statistical downscaling methods: ...
  • Lorenzo-Lacruz, J., Moran-Tejeda, E., Vicente-Serrano, S.M. and Lopez-Moreno, J.I., ۲۰۱۳. ...
  • Madadgar, S. and Moradkhani, H., ۲۰۱۳. A Bayesian framework for ...
  • M McKee, T.B., Doesken, N.J. and Kleist, J., ۱۹۹۳. January. ...
  • Fenta Mekonnen, D. and Disse, M., ۲۰۱۸. Analyzing the future ...
  • Oguntunde, P.G., Abiodun, B.J. and Lischeid, G., ۲۰۱۷. Impacts of ...
  • Prediction of Climate Change Induced Hydrogeomorphology by using SDSM in ...
  • Samadi, S., Ehteramian, K. and Sarraf, B.S., ۲۰۱۱. SDSM ability ...
  • Shi, J., Wang, H., Xu, J., Wu, J., Liu, X., ...
  • Uml, M.J., Kim, Y., Park, D. and Kim, J., ۲۰۱۷. ...
  • Vicente-Serrano, S.M., Begueria, S. and Lopez-Moreno, J.I., ۲۰۱۰. A multiscalar ...
  • Vicente-Serrano, S.M., Lopez-Moreno, J.I., Beguer’ia, S., Lorenzo-Lacruz, J., Azorin-Molina, C. ...
  • Vlček, O. and Huth, R., ۲۰۰۹. Is daily precipitation Gamma-distributed?: ...
  • Wilby, R.L. and Dawson, C.W., ۲۰۰۷. SDSM ۴.۲-A decision support ...
  • Wilby, R.L., Dawson, C.W. and Barrow, E.M., ۲۰۰۲. SDSM—a decision ...
  • Zheng, B., Lei, K., Liu, R., Song, S. and An, ...
  • نمایش کامل مراجع