ارزیابی دقت داده‌های CFSR و مدل LARS-WG در شبیه‌سازی پارامترهای اقلیمی استان چهارمحال و بختیاری
Authors
Abstract:
هدف پژوهش حاضر، ارزیابی دقت مولد آب‌وهوایی LARS-WG و داده‌های CFSR در شبیه‌سازی پارامترهای اقلیمی (دمای کمینه و بیشینه و بارش) استان چهارمحال و بختیاری است. بدین‌منظور، از مقایسةشاخص‌های آماری RMSE، MBE، MAEو R2استفاده شد. در ایستگاه شهرکرد مقادیر RMSE و MAE برای بارش ماهانة داده‌های CFSR به ترتیب 49/20 و 19/11 میلی‌متر و برای بارش سالانه 88/92 و 51/72 میلی‌متر است. این مقادیر بارش، در مورد مدل LARS-WG در مقیاس ماهانه به ترتیب 45/41 و 75/24 میلی‌متر و در مقیاس سالانه 75/164 و 43/123 میلی‌متر است. در مجموع، داده‌های CFSRدر بازة زمانی کوتاه‌تر (ماهانه و سالانه) دارای آماره‌های خطاسنجی کمتری نسبت به مدل LARS-WGاست و همبستگی بیشتری با داده‌های مشاهداتی دارد. بنابراین، در تخمین پارامترهای اقلیمی کوتاه‌مدت، دقت بالاتری دارد. همچنین، نتایج بیانگر توان‌مندی مدل LARS-WG در شبیه‌سازی پارامترهای اقلیمی در بازة زمانی طولانی‌مدت (دهه) است. به‌همین دلیل، مقادیر آماره‌های مذکور در مقیاس‌های زمانی کوتاه‌تر، چندان مناسب نیست. بدین‌ترتیب، باتوجه به اهداف هر تحقیق، می‌توان از نتایج هر دو روش استفاده کرد. همچنین داده‌های CFSRدر نقاط فاقد ایستگاه هواشناسی گزینة ارزش‌مندی محسوب می‌شود.
similar resources
بررسی اثر عوامل مرفو-اقلیمی بر دقت ریز مقیاس گردانی مدل LARS-WG
مدلهای گردش عمومی جو بر اساس سناریوهای انتشار گازهای گلخانه‌ای اقلیم آینده کره زمین را پیش بینی می‌کنند. ولی دقت مکانی این مدل‌ها بسیار کم بوده و نتایج آنها به منظور بررسی اثرات تغییراقلیم در علوم مختلف کاربرد ندارد. لذا ریزمقیاس گردانی داده‌های مدل گردش عمومی جو ضرورت پیدا می‌کند. مدلهای ریز مقیاس گردانی آماری در علوم مختلف بسیار کاربرد داشته و تحقیقات بسیار زیادی در این خصوص صورت گرفته ...
full textآزمون دقت شبیه سازهای LARS-WG، WeatherMan و CLIMGENدر شبیه سازی پارامترهای اقلیمی سه اقلیم مختلف (گرگان، گنبد و مشهد)
در سالهای اخیر مدلهای مصنوعی مولد پارامترهای هواشناسی به طور گسترده در سیستمهای هیدرولوژیکی، اکولوژیکی و در مطالعات پتانسیل تأثیر اقلیم بر اکوسیستمهای زراعی در سراسر جهان مورد استفاده قرار گرفتهاند. این مدل‌ها به عنوان یک تکنیک آماری جهت تولید داده‌های هواشناسی روزانه در مواقعی که داده‌های طولانی‌مدت در دسترس نباشد، توسعه یافتهاند. بدین منظور در این تحقیق ارزیابی کارایی سه مدل CLIMGEN، ...
full textمعرفی و ارزیابی مدل LARS-WG برای مدل سازی پارامترهای هواشناسی استان خراسان،دوره آماری(1961-2003)
full text
ارزیابی اثرات تغییراقلیم بر پارامترهای اقلیمی حوضه آبریز دریاچه ارومیه طی سالهای2040-2011 با استفاده از مدل WG- Lars
امروزه پیشبینی بلندمدت متغیرهای اقلیمی برای اطلاع از میزان تغییرات و درنتیجه درنظر گرفتن تمهیدات لازم برای تعدیل اثرات سوء ناشی از تغییر اقلیم مورد توجه اقلیم شناسان و پژوهشگران قرار گرفته است، در این تحقیق اثرات احتمالی تغییر اقلیم بر پارامترهای بارش روزانه، حداقل و حداکثر دما و ساعات آفتابی در حوضه آبریز دریاچه ارومیه (ایستگاههای سینوپتیک ارومیه، تبریز و سقز) که دارای آمار بلند مدت بودند در...
full textبررسی تغییرات پارامترهای بارش و دما تحت سناریوهای اقلیمی در مراتع استان چهارمحال و بختیاری
تغییر اقلیم دارای پیامدها و اثراتی در بروز پدیده گرمایش جهانی، کاهش تولیدات کشاورزی، تغییر در تنوع و پوشش گیاهی مراتع، تغییر سطح آب‌های زیرزمینی، بروز مشکلات اجتماعی و اقتصادی و ... است. با توجه به پیامدهای تغییر اقلیم، شناخت این پدیده به منظور داشتن استراتژی های خاص برای کاهش اثرات آن مسئله مهمی می‌باشد. جهت بررسی اثر سناریوهای مختلف تغییر اقلیم در استان چهارمحال و بختیاری از مدل گردش عمومی جو...
full textارزیابی عملکرد مدل های ریزمقیاس گردانی LARS-WG و SDSM در شبیه سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه
در بررسی تغییرات اقلیمی، پیش بینی آینده پارامترهای اقلیمی توسط مدل های گردش عمومی (GCMs) و تحت سناریوهای انتشار گازهای گلخانه ای انجام می شود؛ اما خروجی این مدل ها به علت بزرگ‌مقیاس بودن شبکه ی آنها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچک می باشند. بدین منظور نیاز به کوچک‌مقیاس کردن خروجی این مدل ها در مقیاس ایستگاهی و نقطه ای با استفاده از مدل های ریزمقیاس گردانی خواهد بود که به دو دسته آ...
full textMy Resources
Journal title
volume 48 issue 2
pages 321- 334
publication date 2016-06-21
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023