بررسی خشکسالی سواحل جنوبی دریای خزر طی دوره پایه و آینده با استفاده از مدل های ریز مقیاس ساز LARS-WGو SDSM

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 299

فایل این مقاله در 20 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_GIAJ-6-20_013

تاریخ نمایه سازی: 11 خرداد 1399

چکیده مقاله:

خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به دلیل ویژگی خاص خود دستخوش تغییر می کند، این پدیده در سواحل خزر مورد بررسی قرار گرفته شد. هدف این پژوهش، بررسی خشکسالی طی دوره پایه 2010-1961 و آینده 2030-2011 در سواحل جنوبی خزر با استفاده از نمایه SPI(نمره (Zاست. داده های روزانه بارش 5 ایستگاه برای محاسبه مجموع بارش ماهانه و داده های مدلHADCM3 تحت سناریویB1 وA2دریافت شد. برای ریز مقیاس کردن داده هایHADCM3 از دو مدل ریزمقیاس ساز LARS-WGوSDSMاستفاده شد. نتایج نشان داد، مدل LARS_WG قابلیت بالاتری نسبت به مدلSDSMبرای ریزمقیاس کردن داده های بارش دارد. نتایج شبیه سازی مدل LARS-WG، افزایش بارش برای ماه های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه سازی با مدل LARS-WGبا ضریب تبیین 96 تا 99 درصد، خطای مطلق میانگین 3.6 تا 12.6 میلیمتر و نتایج آزمون های T وF  که به ترتیب برای معنی داری میانگین و واریانس داده ها می باشد، معنی دار است. معنی داری 2 میانگین مشاهداتی و شبیه سازی 2 مدل و هم توزیع بودن با دو تست به ترتیب ویلکاکسون و کلموگروف اسمیرنوف ثابت شد. شدت خشکسالی با استفاده ازGISبه نقشه تبدیل شد. نتایج نمره Zسه ماهه با ریزمقیاس سازی مدل LARS-WGنشان داد، بیشترین فراوانی و شدت خشکسالی طی دوره مشاهداتی مربوط به ایستگاه انزلی و رشت است. طی دورهآینده ایستگاه رشت، گرگان و رامسر بالاترین شدت خشکسالی را خواهند داشت. نمره Z6 ماهه مشخص کرد، از نظر فراوانی؛ ایستگاه بابلسر،گرگان و رامسر و از نظر شدت؛ ایستگاه انزلی، رشت و رامسر بالاترین خشکسالی را تجربه کرده اند. درآینده رامسر و سپس رشت و گرگان درجات بالاتر خشکسالی را خواهند داشت. نمره Z12 ماهه نیز بیشترین شدت را برای ایستگاه رامسر و سپس انزلی و برای آینده در رشت، رامسر، بابلسر و انزلی نشان داد. نتایج مشخص کرد، دوره های نرمال بر اساس نمایه نمره Z، دوره های با فراوانی بیشتری نسبت به بقیه دوره ها در هر 5 ایستگاه بوده است.

کلیدواژه ها:

خشکسالی ، SPI ، مدل ریز مقیاس ساز ، SDSM ، LARS-WG ، GIS ، سواحل جنوبی دریای خزر

نویسندگان

محمدحسین ناصرزاده

استادیار و مدیر گروه آب هواشناسی دانشکده علوم جغرافیایی دانشگاه خوارزمی

الهام قاسمی فر

کارشناس ارشد اقلیم در برنامه ریزی محیطی

معصومه معتمدی

دانشجوی کارشناسی ارشد مخاطرات محیطی دانشگاه

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 :
  • باباییان، ایمان؛ کوهی، منصوره (1391). ارزیابی شاخص های اقلیم کشاورزی ...
  • باباییان، ایمان؛ نجفی نیک، زهرا ؛ حبیبی نوخندان، مجید ؛ ...
  • بنفشه رضایی، مجید؛ بلیانی. یداله؛ زینالی. بتول (1390). برآورد خشکسالی ...
  • خلیقی سیگارودی، شهرام؛ سنگ دهی صادقی، علی؛ اوسطی، خالد؛ قویدل ...
  • رحیمی، داریوش؛ موحدی، سعید ؛ برقی، حمید (1388). بررسی شدت ... [مقاله ژورنالی]
  • ساری صراف، بهروز ؛ قلی نژاد، ناهید؛ کمانی، اکرم (1390). ... [مقاله ژورنالی]
  • مطالعه تغییر اقلیم واثرات آن بر خشکسالی استان آذربایجان شرقی [مقاله کنفرانسی]
  • علیجانی، بهلول (1387). آب و هوای ایران، چاپ هشتم، انتشارات ...
  • فرج زاده، حسن (1386). تحلیل و تعیین خشکسالی و ترسالی ...
  • قاسمی فر، الهام (1391). ناحیه بندی تغییرات اقلیم در سواحل ...
  • قویدل رحیمی، یوسف (1382). بازساخت زمانی –فضایی خشکسالی ها و ...
  • قویدل رحیمی، یوسف (1383). کاربرد نمایه های مبتنی بر بارش ...
  • گل محمدی، مریم؛ مساح بوانی، علیرضا (1390). بررسی تغییرات شدت ...
  • Ardakani, M., Nikeghbal, M, Rafati, S, Adab, H. (2012). Meteorological ...
  • Dai, A., )2011). Characteristics and trends in various form of ...
  • European Commission, (2010). Water scarcity and drought in the European ...
  • Fraedrich, K., Sielmann, F., Cai, D., Zhang, L., Zhu, X., ...
  • Guttman, N., (1999). Accepting The  Standardized  Precipitation index a Calculation  ...
  • Hong, Wu. Hayes, M., Weiss A., Hu, Q., (2001). An ...
  • IPCC special report, (2000). Emissions scenarios, Summary for Policymakers, A ...
  • Jayanthi,H.,Huska,G.,Funk,Ch.,Magadzire,T.,Chavula,A.,Verdin,J.,(2013). Modeling rain-fed maize vulnerability to droughts using the standardized ...
  • Kanellou, E., Domenikiotis, C., Blanta, A., Hondronikou, E., Dalezios, R., ...
  • Liu,l., Hong,Y., Bednarczyk, Ch.N., Yong, B., Hocker ,J .E., Shafer ...
  • Lopes, P.G., Aguiar, R., and Casimiro, E., (2008). Assessment of ...
  • Loukas, A., Vasiliades, L., and Tzabiras, J., (2008). Climate change ...
  • Loukas, A., Vasiliades, L., Dalezios, R., (2003). Intercomparison of Meteorological ...
  • NOAA National Weather Service. (2008(. Drought public fact sheet, JANUARY ...
  • Pashiardis S, Michaelides, S., (2008). Implementation  of  The standardized Precipitation ...
  • Santos, J.F., Pulido-Calvo, I.,Portela,M.,( 2010). Spatial and temporal variability of ...
  • Semenov, M. A., and Barrow, E. A., (2002). LARS-WG A ...
  • Sheffield, J., Wood, E. F., (2008). Projected changes in drought ...
  • Sigdal,M.,Ikeda,M,(2010) .Spatial and Temporal Analysis of Drought in Nepal ...
  • Syari, N., Bnnayan, M., Alizadeh, A., Farid, A., (2013). Using ...
  • Using Standardized Precipitation Index and its Relationship with Climate Indices, ...
  • Wang, Wei., Wang ,W. j., Shengli, J., Wu, H., Xu ...
  • Wilby Robert L., and Christian W. Dawson., (2007). SDSM 4.1 ...
  • WMO N0. 1090., (2012). Standardized Precipitation Index user Guide.pp.1-14. ...
  • Xie, H., Ringler, C., Zhu, T., Wagas, A., (2013). Drought ...
  • نمایش کامل مراجع