پیش‌بینی تغییرات اقلیمی با استفاده از روش کاهش مقیاس آماری در شمال کشور

  • سال انتشار: 1386
  • محل انتشار: سومین کنگره ملی مهندسی عمران
  • کد COI اختصاصی: NCCE03_265
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1590
دانلود فایل این مقاله

نویسندگان

روح اله احمدی

دانشجوی کارشناسی ارشد دانشکده مهندسی عمران دانشگاه صنعتی اصفهان

مسعودرضا حسامی کرمانی

استادیار دانشگاه مهندسی عمران دانشگاه شهید باهنر کرمان

چکیده

یکی از روشهای پیش بینی تغییرات اقلیمی استفاده از داده های بدست آمده از خروجی مدلهای جهانی اقلیمGCM (Global Climate Models( است. مدلهای GCM یا شبکه بندی جو زمین و استفاده از روش های عددی، معادلات حاکم بر جو را حل کرده و پارامترهای جوی از قبیل درجه حرارت، فشار، رطوبت نسبی و ... را در کره های شبکه محاسبه می کنند. قدرت تفکیک مدلهای GCM به حدود 40000 کیلومتر مربع می رسد. فاصله زیاد گره های شبکه از یکدیگر استفاده از این مئل را برای مطالعات هیدرولوژیکی ناممکن می سازد. امروزه از روش هایی موسوم به کاهش مقیاس آماری و دینامیکی (Statistical and Dynamical Downscaling)برای حل این مشکل استفاده می شود. روش کاهش مقیاس ماری، رابطه ای بین خروجی های GCM به عنوان متغیر مستقل و پارامتری که می خواهیم پیش بینی کنیم ( بارندگیع درجه حرارت حداکثر و حداقل) به عنوان متغیر وابسطه، برقرار می کند. این متغیرها در مقیاس روزانه برای یک دوره طولانی مدت ( حداقل 15 سال) برای محاسبه ضرایب مدل استفاده می شوند. در این تحقیق عملکرد روش کاهش مقیاس آماری در شمال ایران مورد ارزیابی قرار گرفته است. نتایج نشان دهنده موفقیت این روش در مدل کردن درجه حرارت است، اما مدل بارندگی دارای دقت کمتری است.

کلیدواژه ها

کاهش مقیاس آماری ، GCM ، تغییرات اقلیمی

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.