ارزیابی کارایی مولدهای وضع هواCLIMGEN و LARSWG در شبیه سازی اقلیمی (مطالعه موردی: مناطق سه گانه اقلیمی استان خوزستان)
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 148
فایل این مقاله در 16 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_JAMST-2-3_004
تاریخ نمایه سازی: 21 خرداد 1403
چکیده مقاله:
امروزه مدل های شبیهسازی تصادفی وضع هوا (مولدهای وضع هوا) در مطالعات مختلفی از قبیل ارزیابی ریسک، پدیدههای حدی اقلیمی، مدیریت ریسک منابع آب و کشاورزی مورد استفاده قرار می گیرند. هدف از طراحی مولدهای وضع هوا، تولید داده هایی است که به لحاظ آماری مشابه دادههای مشاهده شده باشند. هدف از این مطالعه ارزیابی عملکرد مولدهای وضع هوا CLIMGEN و LARSWG، در شبیه سازی وضعیت اقلیمی در اقلیم های نیمه خشک، خشک و فراخشک استان خوزستان می باشد. از مدل های سه بعدی جفت شده اقیانوسی-اتمسفری AOGCM با نام HadCM۳، برای شبیه سازی متغیرهای اقلیمی دما و بارش در دوره آینده استفاده شد. نتایج نشان دادند، داده های شبیه سازی شده هر دو مدل، نسبت به دادههای مشاهده شده، در مقایسه با میانگین طولانی مدت دوره پایه، معنی دار و از همبستگی بالایی با ضریب تبیین بالا برای کلیه پارامترها از ۷۸/۰ تا ۹۸/۰، برخوردار هستند. در نهایت با تایید کارایی دو مدل در شبیه سازی داده های هواشناسی مناطق سه گانه اقلیمی، مدل LARSWG به دلیل استفاده مستقیم از مدلهای HadCM۳ و همچنین ساختار ترکیبی در ریزمقیاس گردانی دادهها با میانگین درازمدت RMSE، MAE و ME به ترتیب ۲۷/۲، ۸/۱ و ۲۱/۰؛ از دقت و صحت بالاتری نسبت به مدل CLIMGEN در شبیهسازی داده های اقلیمی در استان خوزستان برخوردار است. همچنین در مدل LARSWG شبیه سازی داده های دمایی روزانه نسبت به دادههای بارشی موفقتر عمل نموده و صحت بالاتری نشان داد.
کلیدواژه ها:
نویسندگان
امین ذرتی پور
استادیار گروه مهندسی طبیعت، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
میترا چراغی
گروه مهندسی طبیعت، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
راضیه قائم نژاد
دانشجوی کارشناسی ارشد اکوهیدرلوژی دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
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 :