دوره ۱۷، شماره ۴۷ - ( ۱۰-۱۳۹۶ )
جلد ۱۷ شماره ۴۷ صفحات ۲۲۶دوره۲۱۳فصل__Se |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
khorshiddoust A, sarraf B, ghermez cheshmeh B, jafarzadeh F. (2017). Estimation and Analysis of Caspian Region's Future Rainfalls by Using General Atmospheric Circulation Models.. jgs. 17(47), 213-226.
URL: http://jgs.khu.ac.ir/article-1-2709-fa.html
URL: http://jgs.khu.ac.ir/article-1-2709-fa.html
خورشید دوست علی محمد، صراف بهروز، قرمز چشمه باقر، جعفرزاده فاطمه. برآورد و تحلیل مقادیر آتی بارش های نواحی خزری با بکارگیری مدل های گردش عمومی جو تحقیقات کاربردی علوم جغرافیایی ۱۳۹۶; ۱۷ (۴۷) :۲۲۶-۲۱۳
۱- دانشگاه تبریز، دانشگاه تبریز ، khorshiddoust@gmail.com
۲- دانشگاه تبریز، دانشگاه تبریز
۳- پژوهشکده حفاظت خاک وآبخیزداری، پژوهشکده حفاظت خاک وآبخیزداری
۲- دانشگاه تبریز، دانشگاه تبریز
۳- پژوهشکده حفاظت خاک وآبخیزداری، پژوهشکده حفاظت خاک وآبخیزداری
چکیده: (۸۸۷۲ مشاهده)
در پژوهش حاضر اثر تغییرات اقلیم بر روی بارش های این منطقه با بکارگیری مدل مناسب مورد ارزیابی قرار گرفته و مقادیر بارش های دوره ی مشاهدهای (2001-1961) بررسی و تحلیل شد. جهت تحقق اهداف پژوهش از خروجی مدل HadCM3 استفاده گردید. ابتدا 7 ایستگاه سینوپتیک انتخاب و داده های آنها از لحاظ صحت و دقت و کفایت طول دوره ی آماری مورد بررسی قرار گرفت، داده های پرت حذف و داده های مفقود بازسازی شد. داده های AOGCM با استفاده از مدل SDSM ریزمقیاس گردید و مقادیر بارش برای دوره ی مشاهده ای شبیه سازی شد و پس از تایید تطابق مقادیر داده های شبیه سازی شده با داده های مشاهده ای، مقادیر دوره ی آتی(2039-2011) برآورد گردید. مقادیر خطای برآورد مدل SDSM توسط معیارهایMBE و MAE، بصورت ماهانه محاسبه و سپس مقایسه شد. خروجی مدل SDSM جهت بررسی شاخص مجموع بارش سالانه در روزهای با بارش بیشتر از یک میلیمتر در دوره ی مشاهدهای و دوره ی آتی(2039-2011) توسط مدل R-Climdex مورد استفاده قرار گرفت و مقادیر شاخص PRCPTOTدر دوره ی آتی پهنه بندی شد. نتایج نشان داد که با توجه به نتایج معیارهای MBE و MAE، خطای مدل در ماه های پربارش بیشتر از ماه های کم بارش است. در مقیاس ماهانه، حداکثر خطا در ماه های سپتامبر، اکتبر، نوامبر و دسامبر بدست آمد. بدین ترتیب حداکثر خطا در فصل پاییز و حداقل خطا در فصل بهار و در ماه های آوریل و می محاسبه شد. با توجه به نتایج به دست آمده، مجموع بارش سالانه در دوره ی 2039-2011 در ایستگاه های انزلی، بابلسر، گرگان، و نوشهر کاهش و در ایستگاه های آستار، رامسر و رشت افزایش خواهد یافت.
نوع مطالعه: كاربردي |
فهرست منابع
۱. جهانبخش، س؛ خورشیدوست، ع؛ دین پژوه، ی؛ سرافروزه، ف (۱۳۹۳)، " تحلیل روند و تخمین دوره های بازگشت دما و بارش های حدی در تبریز" ، نشریه جغرافیا و برنامه ریزی، ۵۰، صص ۱۳۳-۱۰۷.
۲. خورشیددوست، ع؛ نساجی‌زواره، م؛ قرمز‌چشمه، ب (۱۳۹۱) "بازسازی سری‌های زمانی دمای حداکثر و حداقل روزانه با استفاده از روش نزدیک‌ترین همسایه و شبکه عصبی مصنوعی" فصلنامه‌ی علمی پژوهشی فضای جغرافیایی سال دوازدهم، ۳۸، صص ۳۵-۲۴.
۳. خورشیدوست، ع؛ زنگنه، س؛ زارعی، ی (۱۳۹۳) "تحلیل و بررسی روند تغییرات شاخص‌های دما و بارش در کرمانشاه" سی و دومین گردهمایی و نخستین کنگره ی بین المللی علوم زمین.
۴. دهقان، ز؛ فتحیان، ف؛ اسلامیان، س (۱۳۹۴) " ارزیابی مقایسه‌ای مدلهای SDSM، IDW و LARS-WG برای شبیه‌سازی و ریز مقیاس کردن دما و بارش"، نشریه علمی پزوهشی آب و خاک، ۵، صص ۱۳۷۶-۱۳۹۰.
۵. رحیم‌زاده، ف؛ عسگری، ا؛ فتاحی، ا؛ محمدیان، ن؛ تقی‌پور, ا (۱۳۹۳) "روند نمایه-های حدی اقلیمی در ایران در دوره ی ۲۰۰۳-۱۹۵۱" فصلنامه‌ی تحقیقات جغرافیایی, ۹۳, صص ۱۵۷۴۲-۱۵۷۱۷.
۶. رضایی بنفشه، م؛ رسولی، ع؛ مساح بوانی، ع؛ خورشیدوست، ع؛ قرمز چشمه، ب (۱۳۹۳) " ارزیابی عدم قطعیت ناشی از ریز مقیاس گردانی مدلهای GCM روی عناصر دما و بارش ، مطالعه موردی: حوضه دریاچه ارومیه" ، رساله‌ی دکترا، دانشگاه تبریز.
۷. رضایی، م؛ نهتانی، م؛ مقدم نیا، ع؛ آبکار، ع؛ رضایی، م (۱۳۹۴) "مقایسه روشهای شبکه‌ی عصبی مصنوعی و SDSM در ریزمقیاس کردن اندازه‌ی بارش سالانه‌ی شبیه‌سازی شده با HadCM۳ ، مطالعه‌ی موردی: کرمان، راور و رابر"، فصلنامه مهندسی منابع آب، ۲۴، صص ۴۰-۲۵.
۸. روشن، غ؛ خوش‌اخلاق، ف (۱۳۹۱) "آزمون مدل مناسب گردش عمومی جو برای پیش‌‌یابی مقادیر بارش و دما در ایران تحت شرایط گرمایش جهانی" مجله‌ی جغرافیا و توسعه ، ۲۷، صص۳۶-۱۹.
۹. صراف، ب؛ جلالی، ط؛ سرافروزه، ف ( ۱۳۹۴) " اثرات گرمایش جهانی بر اقلیم شهرهای واقع در حوضه دریاچه ارومیه"، دو فصلنامه پژوهش‌های بوم شناسی شهری، ۲، صص ۳۳-۴۸.
۱۰. صراف، بهروز (۱۳۹۱) "تجزیه و تحلیل زمانی و فضایی خشکسالی در حوضه آبریز دریاچه ارومیه" فصلنامه‌ی فضای جغرافیایی، ۴، صص ۴۸-۲۵.
۱۱. طبری، حسین؛ آیینی، ع (۱۳۸۶) "بررسی اثر تغییر اقلیم بر منابع آبهای کره‌ی زمین" کارگاه فنی اثرات تغییر اقلیم در مدیریت منابع آب، ۲۴، بهمن ۱۳۸۶.
۱۲. علیجانی، ب؛ خسروی، م (۱۳۸۹) "تحلیل همدیدی بارش سنگین ششم ژانویه ۲۰۰۸ در جنوب شرق ایران"، نشریه‌ی پژوهش‌های اقلیم شناسی، سال اول، ۴۰۳، صص ۷۱-۶۳.
۱۳. کوزه‌گران، س؛ موسوی‌بایگی، م (۱۳۹۴) "بررسی روند رویدادهای حدی اقلیمی در شمال شرق ایران" نشریه‌ی آب و خاک، ۳, صص ۷۶۴-۷۵۰.
14. Gautam, N., Arora, M., & Goel, N., (2015), “Prediction of Precipitation for Considering Climate Change and GCM Outputs:Satluj River”, Journal of Ecopersia , 4, 757-765
15. Gemechu, T., Wakbulcho, G., Rao, G., & Adamu, A., (2015), “The current and Future Trend of Rainfall and Its Variability in Adami-Tulu Jidokombolocha Woreda”, Central Rift Valley of Ethopia. Journal of Environment and Earth Science , 22, 54-65
16. Hearth, h., & Dayananda, R., (11th-13th December 2015), “Climate Change Impact Precipitation in Upper Mahaweli Basin”, 6th International Conference onStructural Engineering and Construction Management. Candy,Sri Lanka
17. Ildormi, A., (2015), “Evaluation of the Climate Change Effects on Streem Flow Using HADCM3, ECHAM4 and Neural Network Case study: Gorganroud GHarehsou Watershed”, Natural History England , 144, 124-138
18. Karamaui, A., Ifaadassan, I., Babaqiqi, A., Messouli, M., & Khebizam., (2016), “Analysis of the Water Supply- Demand Relationship in the Middle Draa Valley, Morocco, Under Climate Change and Socio-Economic Scenarios”, Journal of Scientific Research and Reports , 9, 213-22
19. Nigatu, Z., Rientjes, T., & A, H., (2016), “Climate Change on Lake Tanas Water Balance, Ethopia”, American Journal of Climate Change , 5, 27-37
20. Samadi, S., & Sari Sarraf, B., (2011), “SDSM Ability in Simulate Predectors for Climate Detecting over Khorasan Province”, Procedia- Social and Behavioral Sciences , 19, 741-749
21. Saraf, V., & Regulwar, D., (2016), “Assessement of Climate Change for Precipitation and Temprature Using Statistical Downscaling Methods in Upper Godavari River Basin, India”, Journal of Water Resource and Protection , 8, 31-45
22. Shrestha, H., Bhattarai, U., Nanda, K., Adhikarid, S. M., & Devkota, L., (2015), “Impact of Climate Change on Precipitation in the Karanali Basin, Nepal”, Journal of Water and Climate Change , 4, 422-439
23. Shukla, R., (2015), “Statistical Downscaling of Climate Change Scenarios of Rainfall and Temprature over Indira SagarCanal Cammand Area in Madhay Pradesh, India”, Proceedings of the 2015 IEEE 14th International Conference on Machine Learning and Applications, IEEE Computer Society, (pp. 313-317)
24. Worku, L., (2015), “Climate Changr Impact on Variability of Rainfall Intensity in Upper Blue Nile Basin, Ethiopia”, Scond NASA-GHA Workshop on Seasonal Prediction Hydro-Climatic Extremes in Greater Horn of Africa.
25. Gautam, N., Arora, M., & Goel, N., (2015), “Prediction of Precipitation for Considering Climate Change and GCM Outputs:Satluj River”, Journal of Ecopersia , 4, 757-765
26. Gemechu, T., Wakbulcho, G., Rao, G., & Adamu, A., (2015), “The current and Future Trend of Rainfall and Its Variability in Adami-Tulu Jidokombolocha Woreda”, Central Rift Valley of Ethopia. Journal of Environment and Earth Science , 22, 54-65
27. Hearth, h., & Dayananda, R., (11th-13th December 2015), “Climate Change Impact Precipitation in Upper Mahaweli Basin”, 6th International Conference onStructural Engineering and Construction Management. Candy,Sri Lanka
28. Ildormi, A., (2015), “Evaluation of the Climate Change Effects on Streem Flow Using HADCM3, ECHAM4 and Neural Network Case study: Gorganroud GHarehsou Watershed”, Natural History England , 144, 124-138
29. Karamaui, A., Ifaadassan, I., Babaqiqi, A., Messouli, M., & Khebizam., (2016), “Analysis of the Water Supply- Demand Relationship in the Middle Draa Valley, Morocco, Under Climate Change and Socio-Economic Scenarios”, Journal of Scientific Research and Reports , 9, 213-22
30. Nigatu, Z., Rientjes, T., & A, H., (2016), “Climate Change on Lake Tanas Water Balance, Ethopia”, American Journal of Climate Change , 5, 27-37
31. Samadi, S., & Sari Sarraf, B., (2011), “SDSM Ability in Simulate Predectors for Climate Detecting over Khorasan Province”, Procedia- Social and Behavioral Sciences , 19, 741-749
32. Saraf, V., & Regulwar, D., (2016), “Assessement of Climate Change for Precipitation and Temprature Using Statistical Downscaling Methods in Upper Godavari River Basin, India”, Journal of Water Resource and Protection , 8, 31-45
33. Shrestha, H., Bhattarai, U., Nanda, K., Adhikarid, S. M., & Devkota, L., (2015), “Impact of Climate Change on Precipitation in the Karanali Basin, Nepal”, Journal of Water and Climate Change , 4, 422-439
34. Shukla, R., (2015), “Statistical Downscaling of Climate Change Scenarios of Rainfall and Temprature over Indira SagarCanal Cammand Area in Madhay Pradesh, India”, Proceedings of the 2015 IEEE 14th International Conference on Machine Learning and Applications, IEEE Computer Society, (pp. 313-317)
35. Worku, L., (2015), “Climate Changr Impact on Variability of Rainfall Intensity in Upper Blue Nile Basin, Ethiopia”, Scond NASA-GHA Workshop on Seasonal Prediction Hydro-Climatic Extremes in Greater Horn of Africa.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)