تحلیل و پیش بینی اقلیم استان گیلان با استفاده از سری زمانی گاهشناسی درختی در مخاطرات تولید بذر گیاهان

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JMS-8-2_004

تاریخ نمایه سازی: 22 فروردین 1401

چکیده مقاله:

آگاهی از چگونگی روند تغییر اقلیم، گرمایش جهان و پیش­بینی این تغییرات در مقیاس­های مختلف، از مسائل بسیار مهمی است که مورد توجه دانشمندان حوزه­های مختلف علوم قرار گرفته است. استان گیلان با شرایط اقلیمی و حاصلخیزی خوب اراضی از تولیدکننده­های مهم محصولات کشاورزی است. اقلیم­شناسی درختی می­تواند وقایع و رویدادهای گذشته آب هوایی را نشان دهد. اندازه قطری حلقه­های رشد سالانه درختان سری زمانی را تشکیل می­دهند. سری زمانی ۲۰۲ (۱۳۹۶-۱۱۹۵) ساله از گاهشناسی درختان راش تهیه شد. در این تحقیق از سری­های زمانی و بهره­گیری از مدل­سازی به روش باکس – جنکینز با تاکید بر مدل­های  ARIMAاستفاده گردید. برای انتخاب بهترین مدل پیش­بینی از معیار آزمون خطای باقیمانده استفاده شد. نتایج نشان داد که، سری زمانی با مدل  ARIMA (۱,۱,۱)بهترین برازش را داشته و به­عنوان مدلی مناسب برای پیش­بینی تعیین و برای پیش­بینی ۱۰ سال آینده استفاده شد. نتایج نشان­دهنده کاهش روند رشد حلقه­های سالانه برای ۱۰ سال آینده می­باشد. عنصر اقلیمی بارش سالانه در ایستگاه منطقه مطالعاتی و ایستگاه­های همجوار دارای روندی کاهشی و منفی، میانگین دماهای کمینه، متوسط و بیشینه افزایشی و برای فصل رویش گیاهان معنی­دار بودند. تغییرات در عوامل اقلیمی می­تواند علت کاهش رشد دوایر باشد و در صورت تداوم تهدیدی برای جنگل­های هیرکانی بوده و همچنین می­توانند محصولات باغی - زراعی استان و امنیت غذایی را نیز تحت­الشعاع قرار داده و گواهی بر بروز تغییر اقلیم در استان گیلان باشد.

نویسندگان

فرزاد شیرزاد

دانشجوی دکتری آب و هواشناسی سینوپتیک دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران

بهلول علیجانی

استاد دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران

مهری اکبری

دانشیار دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران

محمد سلیقه

دانشیار دانشکده جغرافیا دانشگاه خوارزمی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :