همسوسازی سری شبیه سازی شده مقادیر حدی دما با سناریوهای تغییر اقلیم با استفاده از یک رهیافت ناپارامتری
محل انتشار: چهارمین کنفرانس منطقه ای تغییر اقلیم
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,444
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RCCC04_016
تاریخ نمایه سازی: 20 اسفند 1389
چکیده مقاله:
تغییر اقلیم یکی از اساسی ترین موضوعات پیش روی بشر است که باید در جهت کمی سازی آن گام برداشت. با کاربرد گسترده مدلهای شیبه ساز متغیرهای هواشناسی در قالب کلی مولدهای وضع هوا طی دهه های اخیر، ضرورت دارد که این تغییرات در سری های شبیه سازی شده اعمال شوند. مولدهای وضع هوا به تنهایی قادر به درج واقعیات اقلیمی پیش رو نمی باشند که چنین کارکردی توسط تکنیکهایی قابل دستیابی می باشد دراین مطالعه کاربرد یک تکنیک ناپارامتری مبتنی بر بازنمونه گیری هدفمند از سری های مشاهده شده، برای اعمال اثرات اقلیمی پیش بینی شده) خروجی GCM برسریهای شبیه سازی شده ی دمای بیشینه و کمینه توسط مولدهای وضع هوا، مورد بحث قرار گرفته است. مدل شبیه ساز متغیرهای هواشناسی، روشی ناپارامتری مبتنی بر نزد کی ترین همسایه می باشد که می تواند سری هایی با طول آماری دلخواه همراه با مشابهت های آماری با سری تاریخی تولید نماید عملکرد مناسب تکنیک همسوساز منوط به شبیه سازی مناسب و نزدیک به واقعیت مولد وضع هواست به طوریکه اجرای رهیافت ناپارامتری مذکور، اثر تغییرات اقلیمی را هم در نرمال درازمدت سری اماری لحاظ کند و هم در فراوانی وقوع دوره هایی با ویژگی های معین نظیر دوره های یخبندان.این رهیافت برای چندین ایستگاه در ایران به صورت تک مکانی مورد ارزیابی قرار گرفت. نتایج حاصل از اجرای هر دو مدل شبیه ساز و همسوساز پیشنهادی قابل قبول بوده است
کلیدواژه ها:
نویسندگان
مهدی قمقامی
کارشناسی ارشد رشته هواشناسی کشاورزی، گروه آبیاری و آبادانی، پردیس کشا
شهاب عراقی نژاد
استادیار گروه آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه ته
نوذر قهرمان
استادیار گروه آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه ته
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 :