ارزیابی توانایی مدل LARS-WG در پیش‌بینی برخی از پارامترهای جوی سنندج

ارزیابی اثرات تغییراقلیم بر پارامترهای اقلیمی حوضه آبریز دریاچه ارومیه طی سالهای2040-2011 با استفاده از مدل WG- Lars

امروزه پیش­بینی بلندمدت متغیرهای اقلیمی برای اطلاع از میزان تغییرات و درنتیجه درنظر گرفتن تمهیدات لازم برای تعدیل اثرات سوء ناشی از تغییر اقلیم مورد توجه اقلیم شناسان و پژوهشگران قرار گرفته است، در این تحقیق اثرات احتمالی تغییر اقلیم بر پارامترهای بارش روزانه، حداقل و حداکثر دما و ساعات آفتابی در حوضه آبریز دریاچه ارومیه (ایستگاه­های سینوپتیک ارومیه، تبریز و سقز) که دارای آمار بلند مدت بودند در...

معرفی و ارزیابی مدل LARS-WG برای مدل سازی پارامترهای هواشناسی استان خراسان،دوره آماری(1961-2003)

ارزیابی دقت داده‌های CFSR و مدل LARS-WG در شبیه‌سازی پارامتر‌های اقلیمی استان چهارمحال و بختیاری

هدف پژوهش حاضر، ارزیابی دقت مولد آب‌وهوایی LARS-WG و داده‌های CFSR در شبیه‌سازی پارامترهای اقلیمی (دمای کمینه و بیشینه و بارش) استان چهارمحال و بختیاری است. بدین‌منظور، از مقایسةشاخص‌های آماری RMSE، MBE، MAEو R2استفاده شد. در ایستگاه شهرکرد مقادیر RMSE و MAE برای بارش ماهانة داده‌های CFSR به ترتیب 49/20 و 19/11 میلی‌متر و برای بارش سالانه 88/92 و 51/72 میلی‌متر است. این مقادیر بارش، در مورد مدل...

معرفی و ارزیابی مدل lars-wg برای مدل سازی پارامترهای هواشناسی استان خراسان،دوره آماری(۱۹۶۱-۲۰۰۳)

0

ارزیابی عملکرد مدل های ریزمقیاس گردانی LARS-WG و SDSM در شبیه سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه

در بررسی تغییرات اقلیمی، پیش بینی  آینده پارامترهای اقلیمی توسط مدل های گردش عمومی (GCMs) و تحت سناریوهای انتشار گازهای گلخانه ای انجام می شود؛ اما خروجی این مدل ها به علت بزرگ‌مقیاس بودن شبکه ی آن‌ها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچک می باشند. بدین منظور نیاز به کوچک‌مقیاس کردن خروجی این مدل ها در مقیاس ایستگاهی و نقطه ای با استفاده از مدل های ریزمقیاس گردانی خواهد بود که به دو دسته آ...

ارزیابی 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...