چشم انداز تغییرات اقلیمی در بندرانزلی با استفاده از دو مدل ریزمقیاس نمایی SDSM و شبکه عصبی مصنوعی
- سال انتشار: 1401
- محل انتشار: اولین همایش بین المللی و دومین همایش ملی مدل سازی و فناوری های جدید در مدیریت آب
- کد COI اختصاصی: MIWM02_014
- زبان مقاله: فارسی
- تعداد مشاهده: 153
نویسندگان
دانشجوی دکترا منابع آب، دانشکده کشاورزی، دانشگاه بیرجند
استادیار، عضو گروه پژوهشی خشکسالی و تغییر اقلیم دانشگاه بیرجند، بیرجند، ایران
دانشیار، عضو گروه پژوهشی خشکسالی و تغییر اقلیم دانشگاه بیرجند، بیرجند، ایران
دانشجوی دکترا منابع آب، دانشکده کشاورزی، دانشگاه بیرجند
چکیده
باتوجه به روند فعلی افزایش انتشار گازهای گلخانه ای، تشدید گرمایش جهانی برای دهه های آینده غیرقابل انکار است؛ به طوری که تاثیر بسزایی بر روی منابع و پدیده های طبیعی و به همان نسبت بر روی فعالیت های انسانی می گذارند. تغییر اقلیم و گرم شدن کره زمین پیامدهای زیانباری بر منابع مختلف از جمله آب، پوشش گیاهی و سرانجام زندگی انسان دارد. اولین اثر تغییر اقلیم روی عناصر اتمسفری خصوصا دما و بارش می باشدو تقریبا بیشتر نمود تغییرات اقلیمی در سطح کره زمین بر روی این دو پارامتر متمرکز شده است. هدف از انجام پژوهش حاضر نیز پیش بینی دمای حداقل و حداکثر در ایستگاه سینوپتیک بندرانزلی تحت سناریو RCP۴/۵ توسط دو مدل شبکه عصبی مصنوعی و SDSM و مقایسه داده های حاصل از دو مدل بری دوره آتی( ۲۰۲۵-۲۰۴۴) با یکدیگر و با دوره پایه(۱۹۸۶-۲۰۰۵) و همچنین بررسی کارایی این دو مدل می باشد. براساس نتایج به دست آمده بهترین عملکرد برای ریزمقیاس نمایی داده های حداقل و حداکثر دما مربوط به مدل SDSM با همبستگی برابر با ۱ و میزان خطای ۵/۰ درجه سانتی گراد می باشد. همچنین تغییرات میانگین حداقل و حداکثر دمای ماهانه در ایستگاه سینوپتیک بندرانزلی در مدل ریزمقیاس نمایی SDSM برای میانگین حداقل دمای ماهانه نشان دهنده کاهش و برای میانگین حداکثر دمای ماهانه جز در در ماه های پنجم تا نهم نیز در دوره ۲۰۲۵-۲۰۴۴ نسبت به دوره پایه۱۹۸۶-۲۰۰۵ نشان دهنده کاهش می باشد. در مدل ANN، برای تمامی سال برای پارامتر میانگین حداقل دما ماهانه و برای میانگین حداکثر دما ماهانه در سه ماه ابتدایی و پایانی سال، نسبت به دوره پایه روند کاهشی نشان داده شده است.کلیدواژه ها
ریزمقیاس نمایی، SDSM، ANN.مقالات مرتبط جدید
- پیشرفت های کلیدی در مهندسی مکانیک: شبیه سازی تولید، فناوری های نوین و آینده پژوهی
- نقش مدیریت تقاضا و یادگیری ماشین در بهینه سازی سیستم سلامت
- The Impact of Safety Training Programs on Reducing Accidents and Improving Working Conditions in Industrial Environments
- Study and Necessity of Using Intelligent Transportation Systems (ITS) and Their Impact on Transportation Management in Tehran
- بررسی تاثیر مدیریت فراموشی سازمانی بر مدیریت دانش در سازمان های دولتی
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.