ارزیابی عملکرد مدل های CMIP۶ جهت برآورد دما و بارش در حوضه آبریز سفیدرود
محل انتشار: فصلنامه مدیریت آب و آبیاری، دوره: 14، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 120
فایل این مقاله در 13 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_JWIM-14-2_003
تاریخ نمایه سازی: 27 مهر 1403
چکیده مقاله:
استفاده از دقیق ترین روش ها و مدل ها برای شبیه سازی اثر تغییر اقلیم بر متغیرهای آب و هواشناسی در نقاط مختلف جهان اهمیت بسیار زیادی دارد. در این مطالعه، دقت ۱۰ مدل AOGCM مربوط به ششمین گزارش ارزیابی IPCC (CMIP۶) برای شبیه سازی دما و بارش در حوضه آبریز سفیدرود، موردبررسی قرار گرفت. بدین منظور داده های مشاهداتی دما و بارش در ۱۶ ایستگاه هواشناسی واقع در حوضه طی دوره زمانی سال های ۱۹۸۰ تا ۲۰۱۴ با خروجی مدل های AOGCM مقایسه شدند. جهت انجام این مقایسه از شاخص ترکیبی کلینگ- گوپتا (KGE) استفاده شد. این مقایسه در مقیاس های زمانی سالانه و ماهانه انجام و مدل های دقیق تر در هر دوره زمانی مشخص شدند. نتایج نشان دادند که دقت مدل های AOGCM برای برآورد دما در منطقه موردمطالعه از دقت آن ها در برآورد بارش بیش تر بوده است. هم چنین مدل های مختلف، دارای توانایی متفاوتی در شبیه سازی این متغیرها در ماه های مختلف بودند. براساس نتایج به دست آمده، مدل های MIROC۶ و MRI-EMS۲-۰ عملکرد بهتری نسبت به سایر مدل ها در برآورد دمای ماه های مختلف داشته اند. هم چنین مدل HadGEM۳-GC۳۱-LL در بیش تر ماه های سال عملکرد مطلوب تری نسبت به سایر مدل ها در برآورد بارش دوره تاریخی دارا بوده است. براساس نتایج به دست آمده، لازم است تا قبل از انجام مطالعات شبیه سازی تغییر اقلیم در منطقه موردمطالعه، بهترین مدل های AOGCM در هر ماه انتخاب و مورداستفاده قرار گیرند.
کلیدواژه ها:
نویسندگان
رضا سراج ابراهیمی
گروه مهندسی عمران، دانشگاه آزاد اسلامی، نجف آباد، ایران.
محمد جواد زارعیان
پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب، تهران، ایران.
حسین دهبان
پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب، تهران، ایران.
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 :