تعداد نشریات | 49 |
تعداد شمارهها | 1,778 |
تعداد مقالات | 18,929 |
تعداد مشاهده مقاله | 7,808,076 |
تعداد دریافت فایل اصل مقاله | 5,105,343 |
چشم انداز تغییرات اقلیم به روش ریزمقیاسنمایی آماری چندمکانی (مطالعه موردی گیلان) | ||
آب و خاک | ||
مقاله 1، دوره 30، شماره 5 - شماره پیاپی 49، دی 1395، صفحه 1686-1699 اصل مقاله (852.81 K) | ||
نوع مقاله: مقالات پژوهشی | ||
شناسه دیجیتال (DOI): 10.22067/jsw.v0i0.47008 | ||
نویسندگان | ||
وستا افضلی* 1؛ مسعودرضا حسامی کرمانی2 | ||
1دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان | ||
2دانشگاه شهید باهنر کرمان | ||
چکیده | ||
به منظور تبدیل خروجیهای بزرگمقیاس مدلهای جهانی به ریزمقیاس، تحت تاثیر متغیرهای محلی مانند دما، به تکنیکهای ریزمقیاسنمایی قابل اعتماد نیاز است. روشهای کلاسیک ریزمقیاسنمایی آماری با در نظر گرفتن وابستگی زمانی، مدل را اجرا نموده و به شبیهسازی طرح اقلیمآینده میپردازند. در این تحقیقبا کمک مدلASD به ریزمقیاسنمایی چندمکانی پارامترهای دما و بارش با دادههای بروز شدهی CGCM3.1 با سناریوی A2 برایدو ایستگاهرشت و بندرانزلی به طور همزمان با در نظرگرفتن همبستگیهای چند مکان پرداخته و سپس برای سه دورهی سی ساله آینده، اقلیم شبیهسازی شد. هدف از استفاده این روش، نشان دادن اهمیت مدلهای چندمکانی و ایجاد زمینهی مناسب برای محاسبهی عدم قطعیتشبیهسازیهای اقلیم آینده است. به منظور انتخاب متغیرهای غالب برای مدلسازی چند مکانی از روش رگرسیون گام به گام استفاده شد؛ به طوری که متغیرهای ارتفاع ژئوپتانسیل سطح 850 هکتوپاسکال، رطوبت ویژه سطح 850 هکتوپاسکال،رطوبت ویژه سطح 1000هکتوپاسکال و دمای سطح در ارتفاع 2 متری مهمترین متغیرها برای مدلهای دما و بارش هستند. نتایجبهطور میانگین افزایش دما و کاهش بارندگی را برای سالهای آتینشان میدهد. در ناحیه مورد مطالعه، میزان کاهش در میانگین بارش مقدار 15/0 تا 3/0 میلیمتر در روز و کاهش شاخص اقلیمی درصد روزهای مرطوب 6 تا 25/7 درصد نسبت به دورهی مبنا (1990-1961) برآورد شده است؛ از طرفی افزایش شاخص میانگین دمای حداکثر، میانگین و حداقل به ترتیب 17/3، 5/2 و 1/2 درجه سانتیگراد نسبت به دوره مبنا دیده شده است. | ||
کلیدواژهها | ||
پیشبینیشونده؛ پیشبینیکننده؛ مدل ASD؛ مدلهای اقلیم جهانی | ||
مراجع | ||
1- Gaitan C.F., Hsieh W.W. and Cannon A.J. 2014. Comparison of statistically downscaled precipitation in terms of future climate indices and daily variability for southern Ontario and Quebec, Canada. Climate Dynamics, 43:3201-3217.
2- Gangopadhyay S., Clark M., Rajagopalan B. 2005. Statistical downscalingusing K-nearest neighbors. Water Resources Research, 41:W0202:1-23.
3- HarphamC. and Wilby R.L. 2005. Multi-site downscaling of heavy daily precipitation occurrence and amounts. Journal of Hydrology, 312:235-255.
4- Hessami M., Gachon P., Quard, T.B.M.J. and St-Hailaire A. 2008. Automated regression-based Statistical Downscaling tool. Environmental Modeling and Software, 23(6):813-834.
5- IPCC. 2007. IPCC Fourth Assessment Report, Cambridge University Press.
6- Jeong D.I., St-Hilaire A., Ouarda T.B.M.J. and P. Gachon. 2013. Projection of future daily precipitation series and extreme events by using a multi-site statistical downscaling model over the great Montreal area, Quebec, Canada. Hydrology Research, 44.1:147-168.
7- Khalili M., Nguyen V. and Gachon P. 2013. A statistical approach to multi-site multivariate downscaling of daily extreme temperature series. International Journal of Climatology, 33:15-32.
8- Kim J.W., Change J.T., Baker N.L., Wilks D.S. and Gates W.L.1984. The statistical problem of climate inversion: determination of the relationship between local and large-scale climate. Monthly Weather Review, 112:2069-77.
9- Mehrotra R., Sharma A., Nagesh Kumar D.and Reshmidevi T.V. 2013. Assessing future rainfall projections using multiple GCMs and a multi-site stochastic downscaling model. Journal of Hydrology, 488:84-100.
10- Murphy J. 1999. An evaluation of statistical and dynamical techniques for downscaling local climate. Journal of Climate, 12:2256-2284.
11- Richardson C. 1981. Stochastic simulation of daily precipitation, temperature, and solar radiation. Water Resources Research, 17:182-190.
12- Liu W., Fu G., Liu C. and Charles S.P. 2012.A comparison of three multi-site statistical downscaling models for daily rainfall in the North China Plain. Theoretical and Applied Climatology, 113(3):585-600.
13- Wigley T.M.L., Jones P.D., Briffa K.R. and Smith G. 1990. Obtaining sub-grid-scale information from coarseresolution general circulation model output. Journal of Geophysical Research, 95:1943-1953.
14- Wilby R.L., Hay L.E. and LeavesleyG.H. 1999. A comparison of downscaled and raw GCM output: implications for climate change scenarios in the San Juan River basin, Colorado. Journal of Hydrology, 225:67-91.
15- Wilby R.L., Dawson C.W. and Barrow E.M. 2002.SDSM A decision support tool for the assessment of regional climate change impacts. Environment Model Software, 17(2):145-57.
16- World Meteorological Organization (WMO). 1988. General Meteorological Standards and Recommended Practices, Technical Regulations Basic documents,WMO: 49.
17- Lu Y. and Qin X.S. 2014. Multisite rainfall downscaling and disaggregation in tropical urban area. Journal of Hydrology, 509: 55-65. | ||
آمار تعداد مشاهده مقاله: 254 تعداد دریافت فایل اصل مقاله: 188 |