امکان سنجی پیش بینی بارش های ماهانه و فصلی با استفاده از مدل SDSM در ایستگاه هواشناسی خرم آباد
- سال انتشار: 1394
- محل انتشار: پنجمین کنفرانس منطقه ای تغییر اقلیم
- کد COI اختصاصی: RCCC05_096
- زبان مقاله: فارسی
- تعداد مشاهده: 4275
نویسندگان
اعضای هیات علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی
اعضای هیات علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی
اعضای هیات علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی
فارغ التحصیل مهندسی تکنولوژی نقشه برداری دانشگاه آزاد واحد بروجرد
چکیده
پیشبینی میزان بلند مدت بارش در برنامهریزی و مدیریت منابع آب، بهویژه در مناطق خشک و نیمه خشک، از اهمیت بالایی برخوردار است. لذا این پژوهش با هدف بررسی قابلیت مدل SDSM و پیش بینی بارش ایستگاه خرم آباد، در دوره آماری 1961-2032، با استفاده از سه نوع داده: 1-داده های مشاهداتی روزانه : در یک دوره آماری 40 ساله(2001؛1961 .(2-داده های واکاوی که در دوره مشابه با داده های مشاهداتی دانلود شده 3-داده های سناریوی اقلیمی برونداد مدل گردش عمومی(H3B2a (در یک دوره آماری 30 ساله (2032؛2002 (انجام گرفت. نتایج بدست آمده برای دوره 2032-2002 بصورت ماهانه، فصلی و سالانه به ترتیب نشان داد که: بارش بصورت ماهانه در غالبا ماه های سال(فوریه، مارس،آوریل، می، ژوئن، آگوست، سپتامبر اکتبر) روند کاهشی، و در ماه های ژانویه، جولای، نوامبر و دسامبر روند افزایشی حاکم خواهد شد.بصورت فصلی در فصول بهار و تابستان روند کاهشی، و در فصول پاییز روند افزایشی حاکم خواهد شد.بصورتسالانه نیز یک روند کاهشی ضعیف در دوره مذکور دیده می شود. نتایج مقایسه ای بین دوره 2001-1961 و 2032-2002 بصورت ماهانه و فصلی نشان داد، که بصورت ماهانه میزان بارش در سال های 2032-2002 نسب به سال های 2001-1961 در ما ههای ژانویه ، فوریه ، می و اکتبر افزایش، در ماه های مارس ، آوریل ، نوامبر و دسامبر کاهش داشته و میزان بارش در ماههای ژوئن ، جولای ،آگوست و سپتامبر در حد صفر می باشد. بیشترین افزایش بارش به صورت ماهانه در فوریه، و بیشترین کاهش ماهانه نیز در مارس رخ داده است.نتایج مقایسه ای به صورت فصلی نیز نشان می دهد که در فصل زمستان اختلاف چندانی بین داده ها مشاهده نمی شود و دادههای پیش بینیشده افت کمتری نسبت به دو سری داده دیگر نشان میدهد. در فصل بهار داده های ریز مقیاس شده دارای مقادیر بیشتری بوده و داده های دیده بانی کمترین مقدار را دارند. در فصل تابستان کلیه داده ها در حد صفر بوده و داده های پیش بینیشده نیز مقادیر نزدیک به صفر را پیش بینی می کنند. در فصل پاییز نیز داده های دیده بانی بیشترین مقدار و داده های پیش بینی شده کمترین مقدار را نشان می دهند.کلیدواژه ها
شهرستان خرم آباد،پیش بینی بارش،مدل های گردش عمومی جو،ریز مقیاس نمایی، مدل SDSMمقالات مرتبط جدید
- ارزیابی تغییرات عمق تالاب انزلی با استفاده از تصاویر ماهواره ای و داده های هواشناسی در بازه سی ساله
- مدل سازی مکانی رخداد بیماری لمپی اسکین در ایران مبتنی بر داده های اقلیمی
- پهنه بندی مناطق مستعد رخداد سیل با استفاده از الگوریتم جنگل تصادفی (منطقه مطالعاتی: حوزه های آبخیز گرگانرود و قره سو استان گلستان)
- پس پردازش دینامیکی تغییرات اقلیمی خراسان رضوی
- اثرات محتمل تغییر اقلیم بر دماهای حدی بیشینه ایران تحت سناریوهای RCP طی قرن بیست و یکم
اطلاعات 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.