تاثیر شرایط اقلیمی و توپوگرافیکی سطح زمین بر عملکرد محصولات بارشی خانواده PERSIANN در سطح ایران

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 150

فایل این مقاله در 16 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_IWRR-16-1_007

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

پژوهش حاضر با هدف ارزیابی کارائی محصولات بارشی خانواده PERSIANN در مقیاس ماهانه (در بازه زمانی ۲۰۰۰ تا ۲۰۱۹) و با استفاده از ۳۵۵ ایستگاه سینوپتیک واقع در سطح کشور ایران به انجام رسیده است. همچنین بررسی عملکرد منابع بارشی مذکور در اقلیم ها و شرایط توپوگرافیکی مختلف ایران از دیگر اهداف این تحقیق می باشد. نتایج حاکی از آن است که منبع PERSIANN-CDR به علت استفاده از داده های جهانی GPCP جهت حذف اریب از داده ها از همبستگی بسیار زیادی با داده های مشاهداتی برخوردار می باشد و این در حالیست که متوسط شاخص CC در سطح کشور برای دو منبع PERSIANN و PERSIANN-CCs به ترتیب در حدود ۴۹/۰ و ۵۱/۰ است. تمامی منابع مذکور در مناطق شمال و شمال غربی کشور مقدار بارش را کم‎ برآورد می نمایند و این در حالیست که با حرکت به سمت جنوب و جنوب شرق کشور، مقدار بیش ‎برآوردی بارش با نرخ بیشتری افزایش صورت می گیرد. بررسی تاثیر ارتفاع بر عملکرد محصولات بارشی خانواده PERSIANN نیز نشان داد که در مناطق مرتفع (مناطق با ارتفاع ۶۰۰ تا ۲۶۰۰ متر) و کم ارتفاع (کمتر از ۶۰۰ متر)، بارش ماهواره ای و داده های زمینی به ترتیب از همبستگی بالا و پائینی برخوردار هستند. از نظر اقلیمی هم نتایج نشان داد که در اقلیم های مدیترانه ای، نیمه مرطوب و مرطوب عملکرد منابع بارشی مذکور در تخمین بارش نسبت به اقلیم های دیگر به مراتب بهتر می باشد. همچنین در اقلیم های خیلی مرطوب نوع A و B و خیلی خشک میزان خطا در برآورد بارش بالا بوده و میزان شاخص CC نیز پائین می باشد.

نویسندگان

اصغر عزیزیان

عضو هئیت علمی گروه مهندسی آب /دانشگاه بین المللی امام خمینی (ره)، قزوین

ستاره امینی

دانشجوی کارشناسی ارشد/ مهندسی منابع آب، دانشگاه بین المللی امام خمینی (ره)، قزوین

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 :