تحلیل عدم قطعیت شبیه سازی منحنی های شدت مدت فراوانی در سناریوهای تغییر اقلیم با استفاده از مدل مولد آب و هوا (مطالعه موردی: تهران)
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 153
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-16-2_011
تاریخ نمایه سازی: 29 بهمن 1401
چکیده مقاله:
این پژوهش به ارزیابی تغییرات منحنی های شدت- مدت- فراوانی۱ در آینده با مدل منطقه ای PRECIS پرداخته و برای تعیین عدم قطعیت پیش بینی از مدل K-NN WG استفاده می نماید. از سناریوی تغییر اقلیم تاریخی که از تصویر شرایط کنونی در آینده بدست آمد برای تولید حد پایین و از سناریوی انتشار B۲ به عنوان سناریوی مرطوب برای تولید حد بالای باند اعتماد پیش بینی استفاده گردید. در مدل WG از دو مکانیزم برزدن۲ و ایجاد آشفتگی۳ برای تولید داده های تصادفی استفاده گردید. مطالعه موردی در بر روی ایستگاه مهرآباد تهران برای دوره تاریخی ۱۹۹۹ – ۱۹۵۹، دوره پیش بینی ۲۱۰۰-۲۰۷۰، برای زمان تداوم رگبار تا ۳ ساعت و دوره های بازگشت۲، ۵، ۱۰، ۲۰، ۵۰ و ۱۰۰ ساله صورت گرفت. مقایسه دو سناریوی تغییر اقلیم و شرایط پایه منحنی های شدت مدت فراوانی نشان دهنده ی افزایش مقادیر و همچنین شدت بارش های حدی بود به طوری که بیشینه بارش برای تداوم ۱۰ دقیقه تا ۳ ساعت در آینده تحت سناریوهای تاریخی و مرطوب به ترتیب ۲۶ و ۳۱ درصد نسبت به زمان فعلی افزایش یافت. مقایسه بین سناریوی مرطوب و تاریخی به طور میانگین نشان دهنده ی ۸/۴ درصد اختلاف بین این دو سناریو بود. اختلاف کم میان مقادیر حاصل از سناریوی تاریخی به عنوان حد پایین تغییرات و سناریوی مرطوب به عنوان حد بالای تغییرات رگبارهای حدی در آینده، اولا نشان دهنده دقت مناسب مدل PRECIS در شبیه سازی بارش برای منطقه مطالعاتی بوده و ثانیا نشان دهنده افزایش محتمل شدت رگبارهای طراحی مورد استفاده برای مقاصد مدیریت سیلاب شهری می باشد.
کلیدواژه ها:
نویسندگان
رویا حبیب نژاد
دانش آموخته کارشناسی ارشد منابع آب/دانشگاه بین المللی خمینی، قزوین، ایران.
علیرضا شکوهی
استاد /گروه علوم و مهندسی آب دانشگاه بین المللی خمینی ، 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 :