ارزیابی روش های SDSM، LARS-WG و ANN در ریز مقیاس سازی دما و بارش برای دو اقلیم متفاوت در استان خراسان رضوی
- سال انتشار: 1402
- محل انتشار: مجله پژوهش های خشکسالی و تغییر اقلیم، دوره: 1، شماره: 4
- کد COI اختصاصی: JR_JDCR-1-4_007
- زبان مقاله: فارسی
- تعداد مشاهده: 46
نویسندگان
دانشجوی دکتری منابع آب، گروه علوم و مهندسی آب، دانشگاه بیرجند، بیرجند، ایران.
دانشجوی دکتری منابع آب، گروه علوم و مهندسی آب، دانشگاه بیرجند، بیرجند، ایران.
دانشیارگروه علوم و مهندسی آب و عضو گروه پژوهشی خشکسالی وتغییراقلیم،دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران.
دانشیارگروه علوم و مهندسی آب و عضو گروه پژوهشی خشکسالی وتغییراقلیم،دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران.
چکیده
مدل های گردش عمومی جو، یکی از مهم ترین و کاربردی ترین مدل ها در مطالعات تغییرات اقلیمی در مقیاس منطقه ای هستند. از آنجا که شبیه سازی پارامترهای اقلیمی در این مدل ها، در مقیاس بزرگ مکانی و زمانی انجام می شود، خروجی آن ها با استفاده از روش های مختلف، کوچک مقیاس می گردد. در این پژوهش، نتایج سه مدل ریزمقیاس نمایی SDSM، LARS-WG و ANN در شبیه سازی پارامترهای اقلیمی بارش روزانه و کمینه و بیشینه دمای روزانه در دو ایستگاه تایباد (با آب و هوای گرم و خشک) و قوچان (با آب و هوای سرد و معتدل) در استان خراسان رضوی مقایسه شده است. بدین منظور از دوره بیست ساله داده های بارش و کمینه و بیشینه دمای روزانه ایستگاه ها بین سال های ۲۰۰۵-۱۹۸۶ استفاده گردید. برای مقایسه ی دقت مدل ها، از شاخص های ضریب تبیین، ریشه ی مجموع مربعات خطا و میانگین مطلق خطا استفاده شد. نتایج نشان داد مدل های LARS-WG و SDSM کم ترین میزان خطا را در شبیه سازی کمینه و بیشینه دمای روزانه دارند. مقدار میانگین مطلق خطای مدل SDSM برای پارامتر کمینه دما در دو ایستگاه تایباد و قوچان به ترتیب ۰/۶۱ و ۰/۷۱ می باشد. مقدار خطای پارامتر مذکور در مدل LARS-WG در دو ایستگاه تایباد و قوچان به ترتیب ۰/۶۵ و ۰/۴۳ است. از سوی دیگر، در مدل ANN، میانگین مطلق خطای کمینه دما در ایستگاه تایباد ۱/۷۸ و در ایستگاه قوچان ۱/۷۳ بدست آمده است. در نهایت می توان بیان کرد؛ مدل های ریزمقیاس نمایی SDSM و LARS-WG از دقت بالاتری در شبیه سازی مقادیر پارامترهای اقلیمی دمای روزانه و بخصوص پارامتر کمینه دما در ایستگاه های تایباد و قوچان نسبت به مدل ANN برخوردار می باشند.کلیدواژه ها
تایباد, تغییر اقلیم, قوچان, مدل, هوش مصنوعیاطلاعات 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.