تحلیل تغییرات بلند مدت ماهانه دماهای کشنده بالای ۵۰ درجه ی سانتی گراد نیم کره شمالی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 107

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HSMSP-27-2_005

تاریخ نمایه سازی: 17 دی 1403

چکیده مقاله:

هدف این پژوهش شناسایی و تحلیل آماری تغییرات زمانی فراوانی ماهانه وقوع دماهای کشنده­ بالای ۵۰ درجه­ی سانتی­گراد ( TU۵۰c[۱]) در نیم کره­ی شمالی است. به این منظور از داده­های باز تحلیل شده مربوط به بیشینه­ دمای دو متری سطح زمین در بازه زمانی ۷۳ ساله ۱۹۴۸ تا ۲۰۲۰ استفاده شده و پس از تنظیم، به صورت سری زمانی ماهانه مورد تحلیل قرار گرفت. در این مطالعه از روش­های تحلیل آمار توصیفی، تحلیل روند خطی و آزمون ناپارامتری من کندال به منظور بررسی تغییرات زمانی فراوانی وقوع استفاده شده است. در طول دوره ۷۳ ساله مطالعاتی تعداد ۹۵۵۳ روز با دمای حداقل ۵۰ درجه سانتی­گراد و بیشتر شناسایی و مختصات آنها استخراج شد. بررسی توزیع فراوانی روزانه وقوع TU۵۰c نیمکره شمالی نشان داد که ماه­های می و ژانویه به ترتیب دارای بیشترین فراوانی وقوع هستند. همچنین بیشترین روند افزایشی در فراوانی وقوع دماهای کشنده در ماه­های مارس،آوریل، جولای و آگوست مشاهده شدند. از لحاظ توزیع مکانی، منطقه­ای که بیشترین فراوانی و شدیدترین TU۵۰c در آن به ثبت رسیده مربوط به محدوده­ای واقع در آفریقا خصوصا سودان، غرب آسیا (بین عراق، جنوب غرب ایران، کویت و عربستان) و هندوستان در شبه قاره هند هستند و در آمریکا نیز وقوع این دماها نادر نیست. بالاترین و شدیدترین دماهای ثبت شده در دهه پنجم و در فاصله زمانی ۱۹۸۸ تا ۱۹۹۸ به وقوع پیوسته است.   [۱] معادل Temperatures Above ۵۰ C به معنای دمای بالای ۵۰ درجه سانتیگراد، به سبب جلوگیری از تکرار در این پژوهش از اختصار  TU۵۰c استفاده گردید.   [۱] Temperatures Above ۵۰ C=دمای بالای ۵۰ درجه سانتیگراد، به سبب جلوگیری از تکرار در این پژوهش از اختصار  TU۵۰c استفاده گردید.

نویسندگان

یوسف قویدل

Tarbiat Modares University

مرضیه کارزانی

Tarbiat Modares University

منوچهر فرج زاده

Tarbiat Moares University

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 :
  • Aksu, H. (۲۰۲۱). Nonstationary analysis of the extreme temperatures in ...
  • Domonkos, P., Kyselý, J., Piotrowicz, K., Petrovic, P., & Likso, ...
  • Gershunov, A., Cayan, D.R., & Iacobellis, S.F. (۲۰۰۹). The Great ...
  • Ghavidel, Y., & Ahmadi, M. (۲۰۱۵). Statistical analysis and temporal ...
  • Liu, Z., Yang, M., Wan, G., & Wang, X. (۲۰۱۷). ...
  • Marshall, A. G., Hudson, D., Wheeler, M. C., Alves, O., ...
  • Rohini, P., Rajeevan, M., & Srivastava, A. K. (۲۰۱۶). On ...
  • Sanderson, M., Economou, T., Salmon, K., & Jones, S. (۲۰۱۷). ...
  • Xie, W., Zhou, B., You, Q., Zhang, Y., & Ullah, ...
  • Zaitchik, B. F., Macalady, A. K., Bonneau, L. R., & ...
  • Zerafati, H., Ghavidel, Y., & Farajzadeh, M. (۲۰۲۱). Historical reconstruction ...
  • نمایش کامل مراجع