پیشبینی بلندمدت بارش بر پایه الگوهای پیوند دور اقلیمی، مطالعه موردی: حوضه آبریز اهرچای
Authors
Abstract:
هدف از این پژوهش، پیشبینی بارش فصلی حوضه آبریز اهرچای در شمال غربی ایران بود که با استفاده از الگوهای پیوند دور اقلیمی شامل اطلاعات متوسط فشار هوا و دما در سطح دریاها در طول دوره آماری 1965 تا 2005 بهدست آمد. مدلهای پیشبینی برای دو فصل تر (از دسامبر تا می) و فصل خشک (از ژوئن تا نوامبر) توسعه داده شدند. از این رو، پس از دریافت اطلاعات الگوهای پیوند دور اقلیمی شناسایی شده بر اقلیم شمال غرب کشور، از روش همبستگی و روش آزمون گاما برای انتخاب بهترین متغیرهای پیشبینی کننده و بهترین ترکیب آنها استفاده شد. در نهایت با استفاده از مدل ماشین بردار پشتیبان، بارش فصلی پیشبینی و نتایج آن با مدل رگرسیون چند متغیره مقایسه شد. نتایج نشاندهنده نقش مؤثر مدل آزمون گاما در تعیین متغیرهای ورودی و ترکیب آنها بود. همچنین عملکرد مدل ماشین بردار پشتیبان با مدل مبنای رگرسیون چند متغیره بهعنوان یک مدل مبنا مقایسه شد.
similar resources
پیش بینی بلندمدت بارش بر پایه الگوهای پیوند دور اقلیمی، مطالعه موردی: حوضه آبریز اهرچای
هدف از این پژوهش، پیش بینی بارش فصلی حوضه آبریز اهرچای در شمال غربی ایران بود که با استفاده از الگوهای پیوند دور اقلیمی شامل اطلاعات متوسط فشار هوا و دما در سطح دریاها در طول دوره آماری 1965 تا 2005 به دست آمد. مدل های پیش بینی برای دو فصل تر (از دسامبر تا می) و فصل خشک (از ژوئن تا نوامبر) توسعه داده شدند. از این رو، پس از دریافت اطلاعات الگوهای پیوند دور اقلیمی شناسایی شده بر اقلیم شمال غرب کش...
full textپیشبینی بارش سالیانه بر پایه الگوهای سینوپتیک پیوند از دور با بهره گیری از مدلهای آماری
تغییرهای اقلیمی جهان و چرخه عمومی جو تحت تاثیر پدیدههای بزرگ مقیاسی است که درسطح آبهای آزاد جهان رخ می دهد. بسیاری از این پدیدهها که به سیگنالهای بزرگ مقیاس اقلیمی2 معروف اند، از بیش از یک قرن پیش شناخته شده بودند. سیگنالهای نام برده به طورمعمول با بهره گیری از شاخصهایی مانند فشار و دمای سطح آب اقیانوسها محاسبه میشوند. به منظور بررسی امکان بهره گیری از مدلهای آماری برای پیشبینی بارش س...
full textپیشبینی بارش فصلی با استفاده از پیوند از دور: مطالعه موردی حوزه آبریز دریاچه ارومیه
Orumiyeh Lake basin is one of the important regions in Iran from water resources and environment standpoints. In this basin, substantial part of the annual precipitation occurrs in spring, winter, and fall seasons. Due to semi-arid climate of the basin, rainfall forecasting is an important issue for proper water resources planning and management, particularly in drought years. On the other hand...
full textپیشبینی بارش فصلی با استفاده از پیوند از دور: مطالعه موردی حوزه آبریز دریاچه ارومیه
Orumiyeh Lake basin is one of the important regions in Iran from water resources and environment standpoints. In this basin, substantial part of the annual precipitation occurrs in spring, winter, and fall seasons. Due to semi-arid climate of the basin, rainfall forecasting is an important issue for proper water resources planning and management, particularly in drought years. On the other hand...
full textشناسایی الگوهای پیوند از دور مؤثر بر بارش حوضۀ کارون
الگوهای پیوند از دور جزء سازندگان کلاناقلیم در مقیاسهای منطقهای و جهانی هستند. شناخت الگوهای پیوند از دور مؤثر بر بارش حوضۀ آبی کارون بزرگ؛ هدف این پژوهش است. بدینمنظور دادههای بارش فصلی ایستگاههای موجود در حوضه طی دورۀ آماری (1956ـ 2012) و 12 الگوی پیوند از دور بررسی شدهاند. روش انجام کارِ تحلیلِ دادهها با تکنیکهای آماری همبستگی و تحلیل مؤلفههای اصلی است. جایگاه نخست در این حوضه با 7...
full textارزیابی پیوسته و احتمالاتی پیشبینیهای بلندمدت بارش مدلهای همادی آمریکای شمالی (مطالعه موردی: حوضه آبریز سد کرخه)
در دهههای اخیر قابلیت پیشبینیهای هواشناسی به دلیل توسعه شهری و تغییراقلیم به امری مهم در جوامع بشری تبدیل شده است. پیشبینی این متغیرها علاوه بر آگاهی دادن به بخشهای گوناگون جامعه، نقش موثری را در تصمیمگیری و برنامهریزی بهتر در زمینههای مختلف، نظیر مدیریت منابع آبی، ایفا مینمایند. امروزه در این حوزه، بکارگیری مدلهای پیشبینی عددی وضع آب و هوا یکی از متداولترین رویکردها به شمار میرون...
full textMy Resources
Journal title
volume 25 issue 5
pages 86- 96
publication date 2015-11-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023