تغییرات اقلیمی بر دما، بارش و رواناب حوضه درودززن استان فارس با استفاده از رویکرد میانگین گروهی چند تشبیهی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 43

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WEJMI-12-43_010

تاریخ نمایه سازی: 26 بهمن 1402

چکیده مقاله:

در این مطالعه اثر تغییرات اقلیمی بر دما، بارندگی و رواناب در حوضه درودزن در شمال شرق استان فارس بررسی شده است. تغییرات دما و بارندگی در دو دوره آتی میانی و دور با استفاده از مدل ۱۵ مدل گردش عمومی جو فاز ۳ (CMIP۳) ، تحت سه سناریو انتشار گازهای گلخانه ای A۲، B۱ و A۱B ، ریز مقیاس نمای شده و مورد مطالعه قرار گرفت. تفاوت در میزان تغییرات دما و بارندگی در این دو دوره نسبت به مقادیر مشاهداتی در ۱۵ مدل حاکی از وجود عدم قطعیت در نتایج می باشد. برای کاهش این عدم قطعیت و محدود کردن نتایج برای مدیریت و برنامه ریزی منابع آب، رویکرد گروهی مورد توجه قرار گرفت. برای تهیه رویکرد گروهی، از پارامترهای فایلهای سناریو ۱۵ مدل فوق میانگین گرفته شد. به طوری که یک مدل جدید اقلیمی با عنوان میانگین گروهی چند مدله برای هر دوره به دست آمد. سپس روانابهای این دو دوره، تحت رویکرد مذکور، با استفاده از شبکه عصبی پیشخور تولید شد. نتایج نشان از افزایش میانگین ماهیانه دمای حداقل و حداکثر هر دو دوره تحت سه سناریو، دارد. در اکثر مدل ها، بارندگی در ماه های اولیه سال های میلادی کاهش و در فصل بهار افزایش، می یابد. به طور کلی میانگین بارندگی سالانه در این دو دوره تحت سه سناریوی انتشار، کاهش نشان داد. حداکثر مقدار کاهش در دوره آتی دور بود. علاوه بر این، رواناب دو دوره آتی نیز در اغلب سال ها کاهش نشان می دهد.

نویسندگان

ابوالقاسم صیادی

هیات علمی دانشگاه آزاد اسلامی مرودشت

ناصر طالب بیدختی

استاد بخش مهندسی عمران دانشگاه شیراز

محسن نجارچی

استادیار دانشکده فنی و مهندسی انشگاه آزاد اسلامی واحد اراک

سید محمد مهدی نجفی زاده

گروه مهندسی مکانیک ،واحد اراک،دانشگاه آزاد اسلامی،اراک،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 :
  • بحری, م., م. دستورانی, و م. گودرزی, بررسی خشکسالی های ...
  • Al-Safi, H.I.J. and P.R. Sarukkalige, Assessment of future climate change ...
  • Asadi S, Shahrabi J, Abbaszadeh P, Tabanmehr S. A new ...
  • Bishop, C. and C.M. Bishop, Neural networks for pattern recognition. ...
  • Change, C., The Physical Science Basis. Summary for Policymakers. Contribution ...
  • Comer, A., A. Fenech, and W. Gough, Selecting a global ...
  • Farajzadeh, J., A.F. Fard, and S. Lotfi, Modeling of monthly ...
  • Kashani MH, Ghorbani MA, Dinpashoh Y, Shahmorad S. Integration of ...
  • Li Z, Huang G, Wang X, Han J, Fan Y. ...
  • Michie, M., Introduction, in Working Cross-culturally. ۲۰۱۴, Springer. p. ۱-۱۲ ...
  • Mislan H, Hardwinarto S, Sumaryono MA. Rainfall monthly prediction based ...
  • Patel, A.B. and G.S. Joshi, Modeling of Rainfall-Runoff Correlations Using ...
  • Semenov, M.A., E.M. Barrow, and A. Lars-Wg, A stochastic weather ...
  • Solomon S, Manning M, Marquis M, Qin D. Climate change ...
  • Salajegheh, A., A. Fathabadi, and M. Mahdavi, Investigation on the ...
  • Sinha, J., A Comparison of Network Types in Artificial Neural ...
  • Solaimani, K., Rainfall-runoff prediction based on artificial neural network (a ...
  • Wang, J., W. Wu, and J.M. Zurada, Deterministic convergence of ...
  • Wang J, Zhang B, Sun Z, Hao W, Sun Q. ...
  • Wood AW, Leung LR, Sridhar V, Lettenmaier DP. Hydrologic implications ...
  • Zarghami M, Abdi A, Babaeian I, Hassanzadeh Y, Kanani R. ...
  • نمایش کامل مراجع