پیش بینی وضعیت خشکسالی در دوره های آتی با استفاده از مدل LARS-WG (مطالعه موردی: شهرستان کرمانشاه)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 122

فایل این مقاله در 24 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_JTCP-13-2_014

تاریخ نمایه سازی: 11 مهر 1401

چکیده مقاله:

پیشبینی تغییرات اقلیمی به دلیل آثار مخرب بر منابع آبی، زیست محیطی، اقتصادی، و اجتماعی از اهمیتی ویژه برخوردار است. بنابراین، هدف از این تحقیق پیشبینی تغییرات اقلیمی شهرستان کرمانشاه با استفاده از مدلهای ریزمقیاس گردش عمومی جو قابل دسترس در مدل LARS-WG۶ (GFDL-CM۳, MPI-ESM-MR, MIROC۵) تحت سناریوهای RCP۴.۵ و RCP۸.۵ برای دوره ۲۰۲۰ تا ۲۱۰۰ با دوره پایه ۱۹۸۰ تا ۲۰۱۰ بود. برای ارزیابی دادههای پیشبینی شده در مدل LARS-WG به بررسی میزان خطای دادههای مشاهداتی و پیشبینی شده با استفاده از معیارهای R۲, RMSE, MSE, MAD پرداخته شد. نتایج نشان داد مدل LARS-WG قابلیت لازم را برای پیشبینی دادههای اقلیمی در آینده دارد و بین زیرمدلها مدل MPI-ESM-MR تحت سناریوی RCP۴.۵ از ضریب اطمینان بالاتری نسبت به سایر زیرمدلهای ارزیابی شده برخوردار است. همچنین، همه مدلها بیانگر افزایش متوسط دمای حداقل و حداکثر و تغییر الگوی بارش در دورههای زمانی آینده در منطقه مورد مطالعه بودند. در ادامه شاخصهای SPI و دو مارتن برای همه مدلها محاسبه شدند. بر اساس شاخص SPI همه مدلهای اقلیمی مورد ارزیابی نشان دادند تا سال ۲۱۰۰ سالهای با شاخص نرمال کاهش یافته در مقابل شرایط خشک افزایش خواهند یافت و همچنین بر اساس شاخص دو مارتن مدل GFDL تحت سناریوی RCP۸.۵ میزان تغییرات اقلیم بیشتر از سایر مدل ها برآورد شد و سال های خشک و نیمه خشک بیشتر از سالهای مرطوب خواهد بود. اما در مقابل مدل MIRO تحت سناریوی RCP۴۵ خوشبینانه تر عمل کرد و میزان تغییر اقلیم کمتری صورت خواهد گرفت.

کلیدواژه ها:

نویسندگان

سارا حشمتی

دانشجوی دکتری منابع آب، دانشکده کشاورزی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران

هادی رمضانی اعتدالی

دانشیار دانشکده کشاورزی، دانشگاه بین المللی امام خمینی(ره)، قزوین، 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 :
  • آقاشاهی، محسن؛ مجتبی اردستانی؛ محمدحسین نیک سخن؛ بهشته طهماسبی (۱۳۹۱). ...
  • بیگلی، زینب؛ مجید منتصری؛ یدالله بلیانی؛ اسماعیل جوکار؛ علی بیات ...
  • جعفری گدنه، میثم؛ علی سلاجقه؛ پارسا حقیقی (۱۳۹۹). «پیش بینی ...
  • جهانگیر، محمدحسین؛ مریم جهان پناه؛ مهناز ابوالقاسمی (۱۳۹۹). «پیش بینی ...
  • زهرهوندی، حسن؛ حسن خورشیددوست؛ بهروز ساری صراف (۱۳۹۹). «پیش بینی ...
  • شائمی، اکبر؛ مجید حبیبی نوخندان (۱۳۸۸). گرمایش جهانی و پیامدهای ...
  • قضاوی، رضا؛ میثم ندیمی؛ ابراهیم امیدوار؛ رسول ایمانی (۱۳۹۷). «بررسی ...
  • ReferencesAghashahi, M., Ardestani, M., Niksokhan, M.H., & Tahmasbi, B. (۲۰۱۴). ...
  • Gaitán, E., Monjo, R., & Pórtoles. J. (۲۰۱۹). “Pino-Otín MR ...
  • Ghazavi, R., Nadimi, M., Omidvar, E., & Imani, R. (۲۰۱۸). ...
  • (۲۰۰۷). Solomon, S., Qin, D., Manning, M., Chen, Marquis, M., ...
  • Jafary, G., Salajeghe, A., & Haghighi, P. (۲۰۲۰). “Forecast Comparative ...
  • Moss, RH., Edmonds, JA., Hibbard, KA., Manning, MR., Rose, SK., ...
  • Raddatz, TJ., Reick, CH., Knorr, W., Kattge, J., Roeckner, E., ...
  • Sarkar, J. & Chicholikar, JR. (۲۰۱۵). “Climate change scenario in ...
  • Semenov, M.A. & Barrow, E. M. (۲۰۰۸). A stochastic weather ...
  • Shagega, FP., Munishi, SE., Kongo, VM. (۲۰۱۹). “Prediction of future ...
  • Watanabe, M., Suzuki, T., O’ishi, R., Komuro, Y., Watanabe, S., ...
  • Won, J., Moradkhani, H., & Chang, H. (۲۰۱۲). “Uncertainty assessment ...
  • Zhang, H., Wang, B., Li Liu, D., Zhang, M., Feng, ...
  • Zohrevandi, H., Khorshiddost, H., & Sari saraf, B. (۲۰۱۹). “Predicting ...
  • نمایش کامل مراجع