| تعداد نشریات | 31 |
| تعداد شمارهها | 834 |
| تعداد مقالات | 8,015 |
| تعداد مشاهده مقاله | 14,852,464 |
| تعداد دریافت فایل اصل مقاله | 9,586,490 |
پیش بینی تغییرات یخبندان شهر زابل بر پایه شبیه سازی مدل گردش عمومی جو | ||
| مخاطرات محیط طبیعی | ||
| مقاله 3، دوره 1، شماره 2، دی 1391، صفحه 29-48 اصل مقاله (691.96 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22111/jneh.2013.2454 | ||
| نویسندگان | ||
| تقی طاوسی1؛ محمود خسروی1؛ اکبر زهرایی2 | ||
| 1دانشیار اقلیم شناسی دانشگاه سیستان وبلوچستان | ||
| 2دانشجوی کارشناسی ارشد اقلیم شناسی دانشگاه سیستان وبلوچستان | ||
| چکیده | ||
| هدف این پژوهش، شبیه سازی پیامدهای تغییر آب و هوا بر پدیده یخبندان در ایستگاه زابل است. برای رسیدن به این منظور، روش مقایسه و انتخاب بهترین مدل برازش داده شده به سری توسط مدلهای گردش عمومی جو بکار گرفته شد. نخست دادههای ایستگاه همدید زابل در دوره آماری (2008 - 1966) با مقیاس روزانه فراهم شد، سپس دادههای مدل گردش عمومی جو در دو دوره جداگانه2004 - 1988 و 2039 - 2010 برای تهیه یک سناریوی تغییر اقلیم برای این ایستگاه استفاده گردید. پس از تهیه سناریوی پایه با انتخاب چهار مدل کاربردی از مدلهای گردش عمومی جو شامل HADCM3، BCM2، HADGEMو NCPCM به ارزیابی این مدلها با دو روش آماری پرداخته شد. یعنی محاسبه بایاس و خطای مطلق هر مدل و نیز مقایسه میانگین و انحراف معیار برای هر یک از مدلهای به کار گرفته شده جهت تولید دادههای روزانه تا سال 2037 گردید. پس از انتخاب بهترین مدل، دادههای مصنوعی برای دوره اقلیمی آینده و نیز ویژگی یخبندانهای زابل برای دوره اقلیمی آینده پیشبینی شد. نتایج پژوهش نشان داد که در دوره اقلیمی آینده مؤلفههای دمایی نسبت به دوره گذشته افزایش خواهد یافت. افزایش بیشینه دما»برای فصول بهار و پاییز بیش از فصول زمستان و تابستان خواهد بود. «کمینه دما» نیز بیشترین میزان افزایش دما در نیمه سرد سال از آگوست تا فوریه مشاهده میگردد. دامنه یخبندان در دوره اقلیمی مشاهده شده که مدت آن 6 ماه است و از نوامبر تا آوریل تداوم دارد ،در دوره اقلیمی آینده این مدت به 5 ماه کاهش پیدا میکند و دامنه آن از نوامبر تا مارس میباشد. نتایج تحلیل انواع یخبندان نشان داد که در هر سه نوع یخبندان، سریها نا ایستا میباشند. در یخبندانهای ضعیف جهت روند آن افزایشی و در یخبندانهای متوسط و شدید جهت روند کاهش میباشد. افزایش تعداد یخبندانهای ضعیف و کاهش نوع متوسط و شدید برای ایستگاه زابل بیانگر حساسیت یخبندان نسبت به پدیده گرمایش جهانی میباشد. | ||
| کلیدواژهها | ||
| شبیه سازی؛ یخبندان؛ مدل گردش عمومی جو (GCM)؛ زابل | ||
| مراجع | ||
4- Dubrovsky M., 1998: Estimating climate change impacts on crop yields with use of crop growth model and weather generator. Proc. 14th Conf. Prob. Stat., AMS. 5 -Dubrovsky, M., 1996: Met&Roll: the stochastic generator of daily weather series for the crop growth model. Meteorological Bulletin 49, 97-105. 6 -Dubrovsky, M., 1996: Validation of the stochastic Weather Generator Met&ROLL, Meteorogickeo Zpravy, Vol49, pp. 12q – 1380. 7-Elshamy, M.E., Wheater, .H.S., Gedney, .N., Huntingford, .C.,2005: Evaluation of the rainfall component of weather generator for climate change studies. journal of hydrology, 326:1-24. 8- Harmel,R.D, et.al, 2002: Evaluating the Adequecy of Simulating Maximum and Minimum Daily Air Temprature With the Normal Distributian, Canadian Society for engineering , 26pp. 9- Johnson, G.L., Hanson, C.L., Hardegree, S.P., and Ballard, E.B., 1996: Stochastic weather simulation: overview and analysis of two commonly used models. J. Applied Meteorology 35, 1878-1896. 10- Mc kague,k., et. Al 2003: Clim Gen- A ZGnvenient weather Genera Tion Tool for Canadian climat stations, proceeding of CCAE/SCGR 2003 Meeting, Montreal, Canada. 11- Rasco, P., Szeidl, L., and Semenov, M.A., 1991: A serial approach to local stochastic models. J. Ecological Modeling 57, 27-41. 12- Richardson, C.W., and Wright, D.A., 1984: WGEN: A model for generating daily weather variables. U.S. Dept. Agr., Agricultural Research Service, Publ. ARS-8, 83 pp. 13- Semenov, M.A., and Barrow, E.M., 2002: LARS-WG a stochastic weather generator for use in climate impact studies. User’s manual, Version3.0. 14- Semenov, M.A., Brooks, R.J., Barrow, E.M., and Richardson, C.W., 1998: Comparison of the WGEN and LARS-WG stochastic weather generators in divers climates. Climate Research 10, 95-107. 15- Semenov, M.A., and Barrow, E.M., 1997: Use of a stochastic Weather Generator in the development of Climate Change Scenarios.Climatic Change 35, 397-414. 16- Semenov, M.A.,and Brooks, R.J.,1999: Spatial interpolation of the LARS-WG Stochastic Weather Generator in Great Britain. Climate Research 11, 137-148. 17- Thompson, C.S, and Mullan, A.B, 1995: Weather Generators. NIWA Internal report, 115- 120. 18- Wilks, D.S. 1992: Adapting stochastic weather generation algorithms for climate change studies. Climate Change. 22, 67-84. 19- Wilks, D.S. and Wilby, R.L. 1999: The Weather Generation game: a review of Stochastic Weather Models. Progress in Physical Geography 23, 329-357. 20-Willby,R.L,Dawson,C.W,Barrow,EM,2001:SDSM Version 3.1 –A decision support tool for the assessment of regional climate change impacts. | ||
|
آمار تعداد مشاهده مقاله: 1,371 تعداد دریافت فایل اصل مقاله: 1,723 |
||