پیش بینی روند بارش در کلانشهر تهران با استفاده از مدل های CMIP۶
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 10
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JVFC-6-3_010
تاریخ نمایه سازی: 19 بهمن 1404
چکیده مقاله:
این مقاله با هدف پیش نگری روند بارش با توجه به تغییر اقلیم در شهر تهران نوشته شد. در این مقاله وضعیت بارش تهران در ایستگاه های سینوپتیک چیتگر، دوشان تپه، ژئوفیزیک، شمیران و مهرآباد طی دوره (۱۹۹۲ تا ۲۰۱۸) بررسی و برای شناسایی وجود جهش و آشکارسازی سالهای رخداد جهش از آزمون ناپارامتریک من کندال و سن استفاده شد. همچنین داده های پنج ایستگاه سینوپتیکی تهران با استفاده از هفت مدل اقلیمی گزارش ششم تغییر اقلیم (CMIP۶) و طی دوره زمانی ۲۰۳۰ تا ۲۱۰۰ تحت دو سناریوی انتشار SSP۲_۴.۵ و SSP۵_۸.۵ تحلیل شد. نتایج نشان می دهد که سناریوی SSP۵_۸.۵ تغییرات شدیدتری در بارش نسبت به سناریوی SSP۲_۴.۵ پیش بینی می کند. همچنین بررسی روند بارش تحت سناریوهای SSP۲_۴.۵ و SSP۵_۸.۵ در ایستگاه های مختلف شهر تهران نشان دهنده تفاوت های معناداری است. هرچند هر دو سناریو افزایش هایی در میزان بارش را نشان می دهند، اما روند افزایشی در SSP۵_۸.۵ به ویژه در فصل های بهار و پاییز شدیدتر و معنادارتر است. این نتایج بر لزوم اتخاذ سیاست های اقلیمی مناسب تر و برنامه ریزی برای سازگاری با تغییرات اقلیمی تاکید دارد. همچنین، پیش بینی تغییرات شدیدتر در بارش تحت سناریوی SSP۵_۸.۵ بر اهمیت کاهش انتشار گازهای گلخانه ای و مدیریت منابع آب در برابر اثرات تغییرات اقلیمی افزوده است. این یافته ها بیانگر لزوم سیاست گذاری های اقلیمی دقیق تر و توسعه راهکارهای سازگاری در چارچوب شهر پایدار برای تهران است.
کلیدواژه ها:
نویسندگان
محمدرضا یوسفی
PhD Candidate, Department of Geography, Science and Research Branch, Islamic Azad University, Tehran, Iran
شهریار خالدی
Professor, Department of Geography, Science and Research Branch, Islamic Azad University, Tehran, Iran
فریده اسدیان
Associate Professor, Department of Geography, Science and Research Branch, Islamic Azad University, Tehran, Iran
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 :