پس پردازش برون داد مدل دینامیکی MRI-CGCM3 برای پیش بینی فصلی بارش گرگان
محل انتشار: پنجمین کنفرانس منطقه ای تغییر اقلیم
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 816
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RCCC05_005
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
پیشبینی فصلی بارش از ابزار مهم مدیریت ریسک خشکسالی است. همه ساله به دلیل عدم وجود سامانه پیش بینی فصلی قابل اعتماد و عدم دسترسی به کد مدل دینامیکی جهانی، خسارات سنگینی به منابع طبیعی، آب و کشاورزی وارد می شود. جهت انجام تحقیق برون داد مدل پیش بینی فصلی دینامیکی MRI-CGCM3 از سازمانهواشناسی ژاپن اخذ شد و خروجی این مدل با روشهای رگرسیون چندگانه و شبکه عصبی مصنوعی بر روی ایستگاه گرگان پس پردازش شد. دادههای گذشته نگر مدلشامل دو گروه متغیرهای محلی پیشبینی شده و شاخصهای اقلیمی دورپیوندی می باشند. برای انجام کار شاخصهای مناسب جهت مدلسازی پیش بینی فصلی بارش درماههای مختلف انتخاب شده و کلیه پیش بینیهای حاصل صحت سنجی شدند. اعمال پس پردازش آماری بر برونداد مستقیم مدل دینامیکی با هر دو روش موجب بهبود پیش بینی ماهانه بارش گرگان با درصدهای مختلف شده است.
نویسندگان
محمد کردجزی
رئیس تحقیقات هواشناسی گلستان
آزیتا امیری
دانشجوی دکتری اقلیم شناسی دانشگاه خوارزمی
محمدرضا رضوی
مدیر کل هواشناسی گلستان
ایمان بابائیان
مرکز ملی اقلیم شناسی مشهد
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 :