بررسی و پیش بینی تغییرات میانگین دمای روزانه ایستگاه تبریز براساس مدل ریزمقیاس نمایی آماری SDSM

  • سال انتشار: 1401
  • محل انتشار: هفتمین همایش بین المللی و سیزدهمین همایش ملی گردشگری جغرافیا ومحیط زیست پایدار
  • کد COI اختصاصی: TGES13_003
  • زبان مقاله: فارسی
  • تعداد مشاهده: 168
دانلود فایل این مقاله

نویسندگان

حامد جلیلی ترکمانی

دانش آموخته کارشناسی ارشد برنامه ریزی آمایش سرزمین؛ دانشگاه تهران، تهران، ایران

اباذر اسمعیلی محمودآبادی

دانشجوی دکتری آب و هواشناسی، دانشگاه تهران، تهران، ایران

مجید نصیری قیداری

رئیس اداره هواشناسی همدیدی، شهرستان خدابنده، قیدار، ایران و دانش آموخته کارشناسی ارشد آب و هواشناسی، دانشگاهزنجان، زنجان، ایران

چکیده

افزایش آگاهی کمی و کیفی از میزان تغییر پارامترهای اقلیمی در آینده و ارزیابی پیامدهای ناشی از آن، مهمترین انگیزه در مطالعه تغییر اقلیم است. دما، یکی از مهمترین شاخص های تغییر اقلیم در مقیاس جهانی و منطقه ای به شمار می رود. هدف از این پژوهش پیش بینی میانگین دمای ایستگاه تبریز می باشد. از بین ۲۶ پارامتر بزرگ مقیاس NCEP ، در نهایت ۴ پارامتر همبستگی بالایی با دمای ایستگاه داشته اند. به ترتیب دمای ۲ متری از سطح زمین، ارتفاع ژئوپتانسیل تراز ۵۰۰ هکتوپاسکال، میانگین فشار سطح دریا، رطوبت ویژه مجاور سطح زمین و رطوبت ویژه تراز ۸۵۰ هکتوپاسکال بالاترین همبستگی را با دمای ایستگاه داشت. نتایج فرایند الگوسازی نشان داد که بیشترین اندازه ضریب تبیین برای ماه اکتبر می باشد. به طوری که مدل برازنده ی این ماه بیش از ۸۶ درصد ۸۶,۲) درصد) از تغییرات میانگین دمای روزانه ایستگاه تبریز را توجیه می کند. هم چنین آماره ی چاو برای تمامی ماه های سال معنی دار می باشد. کمترین مقدار آماره ی چاو مربوط به ماه جولای می باشد. مقادیر مربوط به آماره دوربین واتسون نیز تصادفی بودن مانده های مدل را تایید می کند. پراکنش نگارها و بافت نگارها نشان دادند که مانده ها به صورت تصادفی توزیع شده و از الگوی خاصی پیروی نمی کنند. در نهایت بیشترین همسانی بین مشاهدات و داده های به دست آمده از مدل، ماه های ژوئن، ژولای، اکتبر و نوامبر و دسامبر می باشد. بیشترین ناهمگونی نیز در ماه های فوریه، مارس، آپریل و می دیده شد. تغییرات میانگین دمای روزانه ایستگاه تبریز در کلیه سناریوها و در کلیه ی ماه ها(به جز ماه اکتبر در سناریوهای مورد مطالعه) افزایشی را نشان می دهد. بیشینه افزایش دماها در کلیه ی سناریوها در ماه های فصول گرم می باشند.

کلیدواژه ها

تغییراقلیم/ ریزمقیاس گردانی آماری/ میانگین دمای روزانه / SDSM / ایستگاه هواشناسی تبریز

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.