پیش بینی وضعیت خشکسالی برای دوره های آتی با استفاده از مدل LARS-WG (مطالعه موردی: ایستگاه شیراز)

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 420

فایل این مقاله در 14 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_JEWE-6-1_006

تاریخ نمایه سازی: 3 تیر 1399

چکیده مقاله:

در این پژوهش به منظور شبیه­سازی اقلیم آینده سال­های )1443-1397) برای محاسبه شاخص خشک سالی در استان فارس، داده­های مورداستفاده شامل مقادیر روزانه­ی بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی ایستگاه شیراز در یک دوره­ی 46 ساله (1349-1395) و به عنوان ورودی برای مدل آماری LARS-WG بود. برای شبیه­سازی پارامترهای اقلیمی در حوضه ایستگاه شیراز داده­های مدل HADCM3 با استفاده از مدل WG-LARS تحت دو سناریوی 2A و B1A ریزمقیاس شدند. نتایج نشان داد که میانگین بارش سالانه در دوره آتی نسبت به دوره پایه با در نظر گرفتن سناریوی 2A، 5/1 % و با در نظر گرفتن سناریوی B1A، 5/5 % در دوره 1399 تا 1445 افزایش خواهد یافت. همین طور میزان ساعت­های آفتابی در دوره بررسی و با در نظر گرفتن هر دو سناریو کاهش خواهد یافت. همچنین مدل با دقت بالایی قادر به شبیه سازی پارامترهای دمای حداکثر، دمای حداقل و تابش بود، اما در شبیه سازی پارامتر بارش نسبت به دیگر پارامترها خطای بیش­تری را نشان داد. بیش­ترین افزایش با حدود 80%، متعلق به ماه سپتامبر تحت سناریو 2A بود که در دوره آتی نسبت به دوره مطالعاتی رخ داده ­است. در ادامه مطابق شاخص خشک سالی SPI شدیدترین خشک سالی ایستگاه مربوط به سال 1387 با مقدار شاخص 89/2- و حادترین ترسالی مربوط به سال 1374 با مقدار شاخص 92/1 بود.

کلیدواژه ها:

نویسندگان

محمدحسین جهانگیر

استادیار، گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

مریم جهان پناه

دانشجوی کارشناسی ارشد، گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

مهناز ابوالقاسمی

کارشناسی ارشد، گروه انرژی های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، 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 :
  • Ababaei B., Mirzaei F. and Sohrabi T. (2012). Evaluation of ...
  • Abarghouei B. H., Asadizarch M. A., Dastorani M. T., Kousari ...
  • Babazadeh H., Shamsniya S., Bostani, F., Norozyaghdam E., Khodadadydehkardy D. ...
  • Dehimfard R., Eyni Nargseh H. and Haghighat M. (2015). Drought ...
  • Ghasemi E. and Fatahi E. (2011). Investigation of climate change ...
  • Hadinia H., Pirmoradian N., and Afshinzade A. (2012). Evaluation of ...
  • Hoogenboom G., Jones J. W., Porter C. H., Wilkens P. ...
  • Karimi V., Kamkar-Haghighi A. A., Sepaskhah A. R. and khalili ...
  • Loukas A., Vasidiales L. and Tzabiras J. (2008). Climate change ...
  • Nematollahi F., Rahimi A. and Gheinani T. T. (2010). Evaluation ...
  • Resko P., Szeidl L. and Semenov M. A. (1991). A ...
  • Roshan G. and Mohammadnejad V. (2013). Forecasting the hydrological changes ...
  • Soltani A. (2007). Application and using of SAS program in ...
  • Steele- Dunne S., Lynch P., McGrath R., Semmler T., Wang ...
  • Wilhite D. A. (1997). Responding to drought: common threads from ...
  • Yan-Jun L., Xiao-dong Z. and Jing M. A. (2012). Analysis ...
  • نمایش کامل مراجع