جستجوی مقالات مرتبط با کلیدواژه « SDSM » در نشریات گروه « اکولوژی »
تکرار جستجوی کلیدواژه «SDSM» در نشریات گروه «کشاورزی»-
تغییر اقلیم با ایجاد تغییر در میزان دما و بارش موجب تغییر در دبی رودخانه ها میشود. محدودیت منابع آبی و توزیع نامتجانس آن در مناطق مختلف کشور سبب شده است که در مقایسه با بسیاری از نقاط جهان، نسبت به پدیده تغییر اقلیم آسیب پذیرتر باشد. شبیه سازی جریان رودخانه به عنوان پیش نیاز برخی از مسایل زیست محیطی و مهندسی اهمیت دارد. در تحقیق حاضر تاثیر تغییر اقلیم بر میزان رواناب سطحی حوضه آبخیز هلیل رود استان کرمان با استفاده از مدل IHACRES در دوره های زمانی آینده نزدیک (2020-2050) و آینده دور (2070-2100) پیش بینی شد. به این منظور، ابتدا داده های روزانه بارش و دما ایستگاههای تعیین شده طی دوره آماری 1995 2017 از ایستگاه های هواشناسی منطقه مطالعه شده اخذ شدند. سپس، خروجیهای مدل گردش عمومی جو CanESM2 تحت دو سناریوی انتشار میانه (RCP4.5) و بدبینانه (RCP8.5) با استفاده از مدل SDSM ریزمقیاس شدند. میانگین دمای ایستگاهها در دو دوره آینده نزدیک و دور به ترتیب 5- و 6/4- درصد کاهش و میزان بارش نزدیک 5/42 و 40 درصد افزایش نسبت به دوره مشاهداتی (1989-2017) نشان دادند. در گام بعدی، مقادیر پیشبینی شده دما و بارش توسط مدل ریزمقیاس نمایی آماری SDSM به مدل بارش- رواناب IHACRES وارد شده و تغییرات دبی در دو دوره زمانی آینده پیش بینی شد. بر اساس مقادیر پیش بینی شده، متوسط دبی ماهانه در هر دو ایستگاه (کناروییه، چشمه عروس) در ماههای گرم سال بیشترین افزایش را بر اساس پیش بینی ها نشان داد. براساس یافتههای پژوهش حاضر، کاهش دما و افزایش میزان بارش طی دوره های آینده منجر به افزایش رواناب و شدت وقایع سیل در حوضه آبخیز هلیل رود در ماههای گرم سال خواهد شد.
کلید واژگان: تغییر اقلیم, سناریوهای انتشار RCP, SDSM, IHACRES, CanESM2}Climate change has an impact on discharge in rivers by changing temperature and precipitation. Iran is much more vulnerable to climate change compared to other countries because of the limit water sources and its heterogeneous distribution. Simulation of runoff play an significant role in some environmental and engineering issues. The purpose of this study was to evaluate the impacts of climate change on runoff in Halilroud basin in Kerman using IHACRES model in two time periods (2020-2050, 2070-2100). In this respect, daily data such as rainfall, temperature from 1995 to 2017 were collected.Then, the outputs of CanESM2 model which is a general circulation model (GCM) under two middle emission scenario (RCP4.5) and pessimistic scenario (RCP8.5) using SDSM model were down-scaled. The average temperature in the stations in the present and next periods decreased by 5.6 and 4.6 percent, respectively, and the precipitation in the stations increased by 42.5 percent and in the next period by 40 percent compared to the observation period (1989 - 2017). The predicted values of temperature and precipitation were entered into the IHACRES model by the SDSM climate model and then, the discharge changes were predicted in two periods of time. The average monthly discharge shows an increase in the most warm months of the year in both stations (Kenaruyeh, Cheshmeh ). The results indicated that that the reduction of the temperature and the increase of precipitation in warm months of the year lead to increase in runoff and intensity of flood events in studied area.
Keywords: SDSM, Halil roud, IHACRES, climate change} -
اقلیم زمین همواره در حال تغییر بوده است، ولی روند فعلی تغییرات اقلیمی زمین به دلیل تاثیر انسان بر آن، اهمیت بی سابقه ای پیدا کرده است. در پژوهش حاضر برای ارزیابی تغییرات اقلیمی در ایستگاه بجنورد از مدل های LARS WG و SDSM به منظور ریزمقیاس نمایی استفاده شده است. در هر دو مدل سناریوهای A و B بررسی شده، اما در مدل SDSM از سناریوهای جدید RCP نیز استفاده شده است. نتایج بررسی وضعیت ایستگاه از نظر دما این نکته را روشن می کند که متوسط دمای ایستگاه طی دوره مطالعه حدود 52/13 درجه سانتیگراد است، اما بعد از سال 2000 دمای ایستگاه بیشتر از میانگین درازمدت آن قرار گرفته است. نتایج مدل LARS WG نشان میدهد بارش در ایستگاه تا سال 2050 افزایش مییابد. در سناریوی B1 مقدار افزایش بارش تا سال 2050، 258 میلیمتر برآورد شده که 16 میلیمتر بیشتر از بارش پایه است و تمامی فصول در این سناریو افزایش بارش دارند و مقدار افزایش در سناریوی A2 به میزان 256 میلی متر در سال میرسد. در مدل SDSM بارش افزایش مییابد و این افزایش بارش در سناریوهای A2 و B1 بیشتر از سناریوهای RCP است. این مقدار در سناریوی A2، 289 میلیمتر؛ در سناریوی B2، 294 میلیمتر؛ در سناریوی 6/2 RCP، این مقدار 264 میلیمتر؛ در سناریوی 5/4 RCP، 273 میلیمتر و در سناریوی 5/8 RCP، این مقدار 264 میلیمتر افزایش مییابد. در مدل LARS WG دمای کمینه در هر دو حالت روند افزایشی دارد و بیشترین مقدار افزایش دمای کمینه به فصل زمستان سناریوی A2 به میزان 8/0 درجه سانتیگراد مربوط است. از نظر ماهانه در هر دو سناریو دمای بیشینه در ماههای مارس، آوریل و می بیشترین افزایش را نسبت به دیگر فصول را دارد. مدل SDSM دمای بیشینه و کمینه سالانه کمتری را نسبت به دوره پایه نشان میدهد؛ اما از نظر ماهانه ماههای مارس، آوریل و می هم دمای کمینه افزایش یافته و هم دمای بیشینه افزایش مییابد که نشان دهنده تطابق نتایج هر دو مدل با هم است.کلید واژگان: بجنورد, تغییر اقلیم, ریزمقیاس نمایی, SDSM, LARS WG}The climate of the land has always been changing over time but the current trend in climate change has become important due to the role of humans which has been unprecedented over the past years.in this study, The LARS WG and SDSM models are used to evaluate the climate change at Bojnourd station for downscaling climate. The result of the status of the station showed the temperature of the station is higher than its long-term average. The results of the LARS WG model show that precipitation will increase at the station at 2050 year. In scenario B1, the amount of precipitation increase almost 16 mm more than base precipitation to 2050.In totally the SDSM model downloading to increase precipitation that this the increase showed A1 and B2 scenarios more than rcp scenarios, therefore In the scenarios, A2 value is 289mm, B2 is 294 mm, rcp 2.6 is 264 mm, rcp4.5 is 273 mm and in rcp8.5 is 264 mm. In the LARS WG model, the minimum temperature increases in both cases. The maximum winter temperature rise is 0.8 c in the A2 scenario. In both scenarios, the maximum temperature in March, April and May is the highest increase to compare to other months. The SDSM model showed that the maximum and minimum annual temperatures of model is lower than the base period. But the temperature in March, April and May increase the minimum and maximum, which indicates the matching of the results of both models.Keywords: change climate, downscaling, SDSM, LARS WG, bojnourd}
-
مجله اکو هیدرولوژی، سال پنجم شماره 4 (زمستان 1397)، صص 1161 -1174خشکسالی خطر پیچیدهای است که سبب برهم خوردن تعادل آبی میشود؛ بنابراین بررسی تغییرات اقلیمی و پیشبینی آنها میتواند در امر مدیریت و برنامهریزی مربوط به آن تاثیر زیادی داشته باشد. در تحقیق حاضر برای پایش و پیشبینی خشکسالی منطقه خوزستان و نیز بررسی عملکرد مدلهای ریزمقیاس در این منطقه، ابتدا دادههای بارش و دما بهصورت روزانه طی دوره 1985-2010 از هشت ایستگاه منتخب در منطقه دریافت شد. سپس، نمایه خشکسالی دوره مشاهداتی بهوسیله دو شاخص SPI و SPEI محاسبه و نقشه پهنهبندی آنها ترسیم شد. در پژوهش حاضر برای پیشبینی خشکسالی از دادههای GCM و مدل HADCM3 تحت دو سناریوی A2 و B1 استفاده شد؛ سپس دادههای بزرگمقیاس GCM با سه مدل SDSM، LARS-WG و شبکه عصبی مصنوعی ریزمقیاس شدند. نتایج نشان داد توانایی مدل ریزمقیاس شبکه عصبی مصنوعی در شبیهسازی بارش نسبتا قابل قبولتر از سایر مدلهاست. نتایج آماره من-کندال نشان داد همواره مقادیر پیشبینیشده توسط مدل LARS-WG برای نمایههای SPI و SPEI شیب بیشتری در جهت منفی شدن دارد. با مشاهده نقشه پهنهبندی نمایههای خشکسالی استان خوزستان میتوان چنین استنباط کرد که طی دورههای آتی همواره میانگین مقادیر دو شاخص کاهش یافته است، ولی از نظر مکانی تغییر درخور توجهی نداشته است.کلید واژگان: تغییر اقلیم, شبکه عصبی مصنوعی, SPEI, LARS-WG, SDSM}Drought is a complex danger. Therefore, the study and prediction of climate change could have a significant role in the management and planning. In this study, at first rainfall and temperature data were obtained daily from the period of 1985-2010 from eight selected stations in the region. The indices during the observation period with SPEI and SPI indexes was calculated using statistical methods and their zoning map was drawn. In this study, GCM data and HADCM3 model under two scenarios A2 and B1 were used for prediction of drought. Then, the GCM large-scale data were downscaled using three methods including SDSM, LARS-WG and artificial neural networks. The results of statistical measures of performance evaluation showed that the ability the ANN model to simulate rainfall is relatively more acceptable than other models. The results of the Man-Kendall statistics for drought indexes show that the predicted values by the LARS-WG model for the SPI and SPEI indexes are consistently more negatively correlated. This can be deduced by observing the zoning map of drought indicators in Khuzestan province that in the coming periods, the mean values of the two indices have always dropped but did not change significantly in terms of spatial.Keywords: Climate change, SPEI, LARS-WG, SDSM, Artificial neural network}
-
با توجه به اهمیت بررسی پدیده تغییر اقلیم، حوضه دریاچه ارومیه به عنوان یکی از حوضه های مهم آبخیز کشور به لحاظ اهمیتی که از جنبه های گوناگون زیست محیطی، اقتصادی، اجتماعی و غیره دارد، برای مطالعه تغییر اقلیم و آثار آن بر جریان سطحی انتخاب شد. در پژوهش حاضر به منظور شبیهسازی متغیرهای اقلیمی در دوره های آتی، خروجی های مدل گردش عمومی جو HadCM3 تحت دو سناریوی A2 و B2 با استفاده از روش SDSM برای دوره 2041 2070 میلادی کوچک مقیاس شد و سپس با استفاده از مدل هیدرولوژیکی IHACRES جریان سطحی در مقیاس محلی شبیهسازی شد. نتایج کوچک مقیاسسازی نشان داد بارندگی در دوره 2041 2070 میلادی به میزان 1/0 میلیمتر در روز تحت سناریوی A2 کاهش خواهد یافت و تحت سناریوی B2 افزایشی معادل 03/0 میلی متر خواهد داشت. کاربرد مدل HadCM3 در حوضه نشان داد دما در دوره 2041 2070 میلادی به میزان 2/1 و 1/1 درجه سانتیگراد به ترتیب تحت سناریوهای A2 و B2 افزایش خواهد یافت. نتایج شبیهسازی جریان سطحی توسط مدل IHACRES نشان داد جریان سطحی در دوره آتی به میزان 6/24 درصد تحت سناریوی A2 افزایش و به میزان 6/4 درصد تحت سناریوی B2 کاهش مییابد. بر اساس ارزیابی های سناریوهای اقلیمی، تغییر اقلیم آثار متفاوتی بر منابع آب حوضه خواهد داشت که مطالعه آثار با روشهای مختلف نتایج بهتری را برای تصمیمگیران به منظور مدیریت حوضه فراهم می کند.کلید واژگان: حوضه دریاچه ارومیه, کوچک مقیاس سازی, IHACRES, SDSM}Due to the importance of climate change phenomenon, Urmia Lake Basin, as one of the most important basins in Iran from environmental, economic, social, etc., aspects, was selected to study climate change and its effects on surface flow. In this study, the outputs of HadCM3 were downscaled by SDSM downscaling model, under A2 and B2 emission scenarios and then, the future stream flow data were simulated by the use of IHACRES model for the period of 2041-2070. The results showed that the amount of precipitation will decrease 0.1 mm under the A2 scenario and will increase 0.03 mm under the B2 scenario in future. Using HadCM3 model revealed that the mean temperature will increase 1.2 and 1.1 ° C under A2 and B2 scenarios, respectively. The results of stream flow simulation revealed that the surface flow will increase 24.6 % under the A2 scenario and will decrease 4.6 % under scenario B2 in future. Based on the climatic scenarios assessment, climate change will impact on water resources of the Basin and studying these effects by different methods will provide better results for decision-makers of the Basin.Keywords: Urmia Lake Basin, Downscaling, IHACRES, SDSM}
-
در سال های اخیر منابع آب بر اثر تغییر اقلیم دست خوش تنش های جدی شده است. هدف مطالعه حاضر، بررسی دو مدل ریز مقیاس ساز آماری و دینامیکی به منظور ریز مقیاس سازی بارش حدی حوضه آبریز گرگان رود در روز های 23 و 24 اردیبهشت 1371 است که به ثبت دبی حدی در منطقه منجر شد . در این پژوهش، از مدل آماری SDSM و مدل دینامیکی Regcm4 استفاده شد. نتایج نشان داد مدل آماری SDSM قابلیت بسیار کمی (ضرایب تبیین 002/0 تا 18/0 و میانگین خطای مطلق 20 میلی متر) در شبیه سازی بارش های حدی دارد به طوریکه ضرایب تبیین و همبستگی های کم قابل مشاهده بود؛ در صورتی که مدل Regcm4 ضرایب تبیین بسیار زیاد تا 100 درصد و میانگین خطای مطلق تا 67 میلی متر را ثبت کرده است به دلیل اینکه این مدل با در نظر گرفتن الگوهای دینامیک کلی به شبیه سازی بارش حدی می پردازد، علاوه بر اینکه با آزمون خطای طرح واره های موجود در آن می تواند نتایج را تا حد زیادی به داده های مشاهداتی منطقه نزدیک کند. تحلیل نقشه های هوا نشان دادند طی این دو روز نیمه غربی ایران و بخش های جنوبی و مرکزی تحت حاکمیت الگوهای کم فشار بوده اند که جهت جریانات کم فشار، جنوبی و غربی بوده و از سمت دریای عدن و خلیج فارس و دریای سیاه و مدیترانه هستند. نقشه های الگوهای ارتفاع ژئوپتانسیل حاکمیت کم ارتفاع هایی در تراز 500 و 850 هکتوپاسکال را در منطقه مد نظر نمایش می دهد.کلید واژگان: بارش حدی, ریزمقیاس سازی, گرگان رود, RegCM4, SDSM}Water resources has been experienced serious tensions in recent years due to climate change. Purpose of this study is investigation of dynamical and statistical downscaling in order to downscaling extreme precipitation in catchment of Gorganrood river over 13 and 14 may 1992 that Leading to record the extreme discharge in this region. Two model namely SDSM and Regcm4 for his purpose were used. The results showed SDSM has very low ability to simulate extreme precipitation so that the mean absolute error (MAE) was about 20 mm in the years 1983-2012 with very low coefficients of determination of 0.18 to 0.002 whereas Regcm4 model has recorded a very high coefficient of determination and mean absolute error of the model was about 67 mm. Although this model could not well simulate of Lazoreh station precipitation, because the model taking into account the overall dynamic patterns to simulate. Weather maps analysis indicates that Low pressure patterns dominant in the western half and parts of South and Central Iran in this two-days. Direction South and West Stream was observed from Adan sea and the Persian Gulf as well as the Black Sea and the Mediterranean Sea. Geopotential Maps show low-height patterns be in level 500 Geopotential high and n level 850 Geopotential high in this region.Keywords: Downscaling, Gorganrood River, extreme precipitation, RegCM4, SDSM}
-
ارزیابی تاثیرات بالقوه تغییرات اقلیم در قرن 21 میلادی بر توزیع گونه ها و فرایندهای اکولوژیکی به سناریوهای اقلیمی با تفکیکپذیری مکانی کافی نیاز دارد. در پژوهش حاضر عملکرد سناریوهای SRES و RCP در پیشبینی دمای کمینه و بیشینه ایستگاه های ارازکوسه و نوده، واقع در استان گلستان در دوره های زمانی 2046 2065 و 2080 2099 نسبت به دوره پایه 1986 2005 مقایسه شد. بدین منظور از هشت مدل GCM و شش سناریوی انتشار و مدلهای ریزمقیاس نمای LARS-WG و SDSM استفاده شد. نتایج نشان داد در بین سناریوهای انتشار قدیم، A1B و در بین سناریوهای جدید، RCP 8.5 بیشترین افزایش دما را برای هر دو ایستگاه پیشبینی کردند. مقدار افزایش دما به طور نسبی از سناریوی RCP 2.6 به سمت سناریوی RCP 8.5 افزایش مییابد. در هر دو سناریوهای جدید و قدیم، دمای تابستان آینده ممکن است با نرخ بیشتری نسبت به دیگر فصول افزایش یابد. همچنین در این تحقیق گستردهتر بودن تغییرات دما با مدل MICP5 و سناریوهای RCP نسبت به مدلهای MICP3 و سناریوهای SRES به وضوح مشاهده شد. تفاوتها در پیشبینی ها توسط سناریوها بیانگر وجود عدم قطعیت است. بهطور کلی، عدم قطعیت به محدوده وسیعی از برآورد تاثیرات تغییر اقلیم منجر میشود. بنابراین، با توجه به پیشبینی های متنوع آینده دما، در صورت انتخاب فقط یک یا تعداد محدودی از مدل های گردش عمومی جو، برداشتی اشتباه درباره تغییرات اقلیمی آینده ایجاد می شود.کلید واژگان: سناریوی انتشار, سناریوی مسیر غلظت, عدم قطعیت, LARS-WG, SDSM}Assessing the potential impacts of 21st-century climate change on species distributions and ecological processes requires climate scenarios with sufficient spatial resolution. In this study we projected future changes in maximum temperature and minimum temperature under CMIP3 SRES and CMIP5 RCPs scenarios with two station-based datasets (Arazkoseh and Nodeh) of the eastern Golestan province. Change scenarios (2046-2065 and 2080-2099) are compared to the reference period (1986-2005).Therefore, 8 GCM models under 6 emission scenarios are downscaled by LARS-WG and SDSM. The results indicated that the largest increase in temperature among the old emission scenarios and new emission scenario are projected by A1B and RCP8.5, respectively. The variation between model projections is considerable. The uncertainty range is large for the change in warm seasonal period. For the two future periods, the downscaling methods produce seasonal increases in the temperature with an almost ordinal order of summer, spring, winter and autumn. Also, results show that temperature indices based on seasonal maxima are generally projected to increase more than minima. In general, uncertainty generates large spread ranges of estimated climate change impacts, therefore due to wide ranges of temperatures projection, to provide a complete picture of possible climate change impact studies that focus on a single or a few of climate models open to the charge of cherry-picking.Keywords: Emission scenario, Representative Concentration Pathways, LARS-WG, SDSM, Uncertainty}
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.