بررسی تغییرات دمایی سواحل جنوبی دریای خزر با استفاده از سه مدل LARSWG،SDSM و مدل شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
تغییرات اقلیمی که عمدتا منشأ انسانی دارد، پدیدهای است که طی 150سال اخیر بشر را تهدید میکند. سواحل دنیا یکی از آسیب پذیرترین نقاطی هستند که از این پدیده به شدت دگرگون شده اند. تحقیق حاضر میزان تغییرات دمای حداقل و حداکثر برای پنج ایستگاه سواحل جنوبی دریای خزر شامل انزلی، رشت، بابلسر، رامسر و گرگان را با استفاده از دو مدل LARS_WG, SDSM و یک مدل شبکه عصبی مصنوعی، طی دوره اقلیمی پایه 1990-1961 و آینده 2039- 2010 با استفاده از سه سناریوی A2,B2 وB1 مورد بررسی قرار داده است. نتایج حاصل از این پژوهش نشان داد دما طی دوره آماری 1990-1961 افزایش داشته است و هر پنج ایستگاه مورد بررسی دستخوش این تحول و دگرگونی شده اند. بر اساس نتایج مدل LARS_WG ، طی دوره آماری آینده، افزایش دما تا یک درجه سانتیگراد برای همه ی ماهها و هر پنج ایستگاه تشخیص داده شد اما مدل SDSM علاوه بر افزایش دما طی دوره ی آینده (حدود یک درجه سانتیگراد و گاهی بیشتر)، حاکی از کاهش دما برای ایستگاهها در ماههای آوریل، می و نوامبر بود. مدل شبکه عصبی مصنوعی همانند مدل SDSM نشان داد دما برای ایستگاهها و همهی ماهها به جز ماههای آوریل، می و نوامبر افزایش خواهد داشت. مقایسه ی نتایج مدل ها نشان داد که خطای مدل SDSM ( 01/0تا 06/0 درجه سانتیگراد) کمتر از مدل های دیگر است، مدل LARS_WG بعد از مدل SDSM کمترین خطا را داشته است و سپس مدل شبکه عصبی مصنوعی قرار می گیرد. همچنین دو آزمون ویلککسون و کلموگروف اسمیرنوف که به ترتیب برای میانگین و واریانس دو سری بکار گرفته شد مشخص کرد مدل SDSM مقادیر P بالای سطح معنی دار 0.05 دارد. در نتیجه صحت محاسبات مدل SDSM بیشتر است و با اطمینان بیشتری میتوان به نتایج آن اعتماد کرد.
منابع مشابه
بررسی تغییرات و مدلسازی دما در سواحل جنوبی دریای خزر
در این تحقیق مدلسازی دمای سواحل جنوبی دریای خزر توسط مدل آریمای فصلی یا مدل تلفیقشده میانگین متحرک و خودبرگشتی انجام شدهاست. بدین منظور دمای میانگین ماهانه ایستگاههای هواشناسی سینوپتیک بندرانزلی، رامسر و بابلسر که دارای بازه زمانی طولانیتری نسبت به سایر ایستگاهها بودهاند، از سال 1955 الی 2008 میلادی مورد مطالعه قرار گرفت. مطالعات آماری تغییر اقلیم معمولاً سه پدیده همگنی، روند و جهش را در ...
متن کاملمدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر
تبخیر یکی از مؤلفههای اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدلهای پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان دادههای ورودی برای برآورد تبخیر از تشت با استفاده از شبکهها...
متن کاملمدل سازی تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیرة مارکف (مطالعة موردی: سواحل میانی استان بوشهر)
اراضی ساحلی استان بوشهر به علت موقعیت ویژه در صادرات و واردات دریایی، وجود ذخایر نفت و گاز، کشاورزی، وجود نیروگاه هستهای، شرایط مناسب صید و صیادی و جاذبههای گردشگری از اهمیت راهبردی و اقتصادی بالایی برخوردار است. از این رو میبایست از روشهای نوین جهت پایش و مدلسازی تغییرات در این مناطق استفاده نمود. هدف از این مطالعه، پایش و مدلسازی تغییرات کاربری اراضی در یک دوره 23 ساله (1367-1390) با اس...
متن کاملبررسی تغییرات و مدل سازی دما در سواحل جنوبی دریای خزر
در این تحقیق مدل سازی دمای سواحل جنوبی دریای خزر توسط مدل آریمای فصلی یا مدل تلفیق شده میانگین متحرک و خودبرگشتی انجام شده است. بدین منظور دمای میانگین ماهانه ایستگاه های هواشناسی سینوپتیک بندرانزلی، رامسر و بابلسر که دارای بازه زمانی طولانی تری نسبت به سایر ایستگاه ها بوده اند، از سال 1955 الی 2008 میلادی مورد مطالعه قرار گرفت. مطالعات آماری تغییر اقلیم معمولاً سه پدیده همگنی، روند و جهش را در ...
متن کاملمدل شبکه عصبی مصنوعی تبخیر ماهانه از تشت با استفاده از داده های هواشناسی- مطالعه موردی منطقه حاشیه دریای خزر
تبخیر یکی از مؤلفه های اصلی چرخه آب در طبیعت بوده و تعیین دقیق آن برای بسیاری مطالعات مثل بیلان آبی حوزه، طرح ریزی و مدیریت منابع آب حائز اهمیت است. تبخیر به دلیل اثرات متقابل عوامل متعدد اقلیمی، پدیده پیچیده و غیر خطی است و لذا برای تخمین آن باید از مدل های پیشرفته استفاده کرد. در این تحقیق، هشت نوع ترکیب پارامترهای هواشناسی بعنوان داده های ورودی برای برآورد تبخیر از تشت با استفاده از شبکه ها...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 9 شماره 34
صفحات 23- 41
تاریخ انتشار 2017-03-19
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023