بررسی کارایی مدل ریز مقیاس نمایی آماری (sdsm) در پیش بینی پارامترهای دمایی در دو اقلیم خشک و فراخشک (مطالعه موردی: کرمان و بم)
نویسندگان
چکیده
روشهای ریز مقیاس نمایی آماری، بهمنظور پیش بینی متغیرهای اقلیمی مانند دما، به دلیل اهمیت این فاکتورها، در برنامه ریزی و مدیریت محیطی کاربرد وسیعی دارند. در این پژوهش کارایی مدل ریز مقیاس نمایی آماری ( sdsm ) در پیش بینی پارامتر های دمایی مورد بررسی قرار گرفته است. داده های مورد استفاده در این پژوهش شامل داده های دمای کمینه، بیشینه و میانگین ایستگاه های سینوپتیک کرمان و بم، داده های ncep و داده های مدل hadcm3 ) داده های نسل سوم مدل جهانی اقلیم تحت سناریو ی a2 و b2 ) برای دوره پایه (2001-1971 میلادی) می باشد. از 15 سال اول داده ها (1985-1971) برای واسنجی و از 15 سال دوم (2001-1986) برای ارزیابی نحوه عملکرد مدل استفاده شده است. به کمک داده های hadcm3(a2) و hadcm3(b2) ، دما برای سه دوره (2039-2010)، (2069-2040) و (2099-2070) پیش بینی و با دوره پایه مقایسه شده است. معیارهای آماری ارزیابی کارایی مدل مانند میانگین خطای مطلق، مجذور میانگین مربعات خطا، ضریب ناش- ساتکلیف و تحلیل نتایج خروجی مدل hadcm3 ، نشان داد که این مدل در منطقه خشک نسبت به منطقه فراخشک از کارایی بالاتر و دقت قابل قبولی برای پیش بینی دما برخوردار است. همچنین نتایج بیانگر افزایش دما در تمام ماه های سال برای هر دو ایستگاه می باشد.
منابع مشابه
بررسی کارایی مدل ریز مقیاس نمایی آماری (SDSM) در پیشبینی پارامترهای دمایی در دو اقلیم خشک و فراخشک (مطالعه موردی: کرمان و بم)
متن کامل
کارایی الگوهای مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامترهای دمایی درحوضه آبریز میناب
امروزه تغییر اقلیم از چالش‌های جدی جوامع بشری و محیط‌زیست تلقی شده و سببایجادیکناهنجاریدرسیستماقلیمکرهزمین گردیدهاست. بر اساس ارزیابی دانشمندان افزایش میانگین دمای جهانی امری اجتناب ناپذیر است. بنابراین شناخت و ارزیابی اقلیم در دهه‌های آینده می‌تواند افق روشنی را برای برنامه ریزان در جهت سازگاری و مقابله با اثرات آن فراهم نماید. هدف این مطالعه پیشبینی ...
متن کاملارزیابی دو روش ریز مقیاس نمایی آماری LARS-WG و SDSM در برآورد تغییرات پارامترهای اقلیمی (مطالعه موردی:دشت بیرجند)
سابقه و هدف: در حال حاضر معتبرترین ابزار جهت تولید سناریوهای اقلیمی، مدل‌های سه بعدی جفت شده جوی-اقیانوسی گردش عمومی هوا می‌باشند که به طور مخفف از آن به عنوان AOGCM یاد می‌شود. یکی از مشکلات عمده در استفاده از خروجی مدل‌های AOGCM، بزرگ بودن مقیاس مکانی سلول محاسباتی آن‌ها، نسبت به منطقه مورد مطالعه است و باید نتایج خروجی این مدل‌ها کوچک مقیاس شوند. روشهای آماری متعددی جهت ریزمقیاس نمودن خروجی...
متن کاملبررسی ناهنجاری‌های اقلیم با استفاده از مدل ریز مقیاس نمایی SDSM در شهرستان طبس
در این پژوهش بهمنظور روشن شدن اثرات تغییر اقلیم در شهرستان طبس با استفاده از نرمافزار SDSM و آمار درازمدت (30 ساله) ایستگاه سینوپتیک اقدام به پیشبینی پارامترهای دما و بارش با استفاده از دادههای مدل HADCM3 برای دورههای آتی (2039-2010، 2069-2040 و 2070-2099 ) تحت دو سناریو A2 و B2 شد. همچنین این روند در دو دوره 15 ساله بررسی و برای تعیین درجه بیابانیشدن منطقه از روش دومارتن استفاده شد. نتای...
متن کاملارزیابی دو روش ریز مقیاس نمایی آماری lars-wg و sdsm در برآورد تغییرات پارامترهای اقلیمی (مطالعه موردی:دشت بیرجند)
سابقه و هدف: در حال حاضر معتبرترین ابزار جهت تولید سناریوهای اقلیمی، مدل های سه بعدی جفت شده جوی-اقیانوسی گردش عمومی هوا می باشند که به طور مخفف از آن به عنوان aogcm یاد می شود. یکی از مشکلات عمده در استفاده از خروجی مدل های aogcm، بزرگ بودن مقیاس مکانی سلول محاسباتی آن ها، نسبت به منطقه مورد مطالعه است و باید نتایج خروجی این مدل ها کوچک مقیاس شوند. روش های آماری متعددی جهت ریزمقیاس نمودن خروجی...
متن کاملبکارگیری مدل های آماری در شناسایی پدیده تغییر اقلیم (مطالعه موردی : ایستگاه های کرمان و بم)
پژوهش حاضر با هدف بررسی روند تغییرات اقلیمی دو ایستگاه کرمان و بم به عنوان ایستگاه های منتخب استان کرمان صورت گرفته است. در این راستا از پارامترهای میانگین دمای خشک، دمای حداقل، دمای حداکثر، دمای شبانه روزی، حداقل مطلق دما، حداکثر مطلق دما، میانگین رطوبت نسبی، حداکثر رطوبت نسبی، حداقل رطوبت نسبی و مجموع بارش در مقیاس ماهانه و سالانه طی مقطع زمانی 2005-1957 استفاده به عمل آمد. در ابتدا بهنجاری و...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
پژوهشنامه مدیریت حوزه آبخیزجلد ۵، شماره ۱۰، صفحات ۱۱۷-۱۳۱
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023