بررسی کارایی مدل ریز مقیاس نمایی آماری (SDSM) در پیش بینی پارامترهای دمایی در دو اقلیم خشک و فراخشک (مطالعه موردی: کرمان و بم)

پیام:
چکیده:
روش های ریز مقیاس نمایی آماری، به منظور پیش بینی متغیرهای اقلیمی مانند دما، به دلیل اهمیت این فاکتورها، در برنامه ریزی و مدیریت محیطی کاربرد وسیعی دارند. در این پژوهش کارایی مدل ریز مقیاس نمایی آماری (SDSM) در پیش بینی پارامتر های دمایی مورد بررسی قرار گرفته است. داده های مورد استفاده در این پژوهش شامل داده های دمای کمینه، بیشینه و میانگین ایستگاه های سینوپتیک کرمان و بم، داده های NCEP و داده های مدل HadCM3) داده های نسل سوم مدل جهانی اقلیم تحت سناریو ی A2 و B2) برای دوره پایه (2001-1971 میلادی) می باشد. از 15 سال اول داده ها (1985-1971) برای واسنجی و از 15 سال دوم (2001-1986) برای ارزیابی نحوه عملکرد مدل استفاده شده است. به کمک داده های HadCM3(A2) و HadCM3(B2)، دما برای سه دوره (2039-2010)، (2069-2040) و (2099-2070) پیش بینی و با دوره پایه مقایسه شده است. معیارهای آماری ارزیابی کارایی مدل مانند میانگین خطای مطلق، مجذور میانگین مربعات خطا، ضریب ناش- ساتکلیف و تحلیل نتایج خروجی مدل HadCM3، نشان داد که این مدل در منطقه خشک نسبت به منطقه فراخشک از کارایی بالاتر و دقت قابل قبولی برای پیش بینی دما برخوردار است. همچنین نتایج بیانگر افزایش دما در تمام ماه های سال برای هر دو ایستگاه می باشد.
زبان:
فارسی
صفحات:
117 تا 131
لینک کوتاه:
magiran.com/p1354968 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!