جستجوی مقالات مرتبط با کلیدواژه « ریزمقیاس سازی » در نشریات گروه « آبخیزداری، بیابان، محیط زیست، مرتع »
تکرار جستجوی کلیدواژه «ریزمقیاس سازی» در نشریات گروه «کشاورزی»-
مدلهای GCM به طور وسیع برای ارزیابی تغییر اقلیم در یک مقیاس جهانی استفاده می شود؛ اما خروجی این مدل ها برای ارزیابی تغییرات اقلیمی در سطح محلی و منطقه ای کافی و دقیق نیست. لذا در این مطالعه از مدل SDSM جهت ریزمقیاس سازی داده های مدل CanESM2 استفاده شد و شرایط اقلیمی منطقه سمیرم بر مبنای سه سناریوی RCP2.6، RCP4.5 و RCP8.5 در بازه زمانی 2020 تا 2100 میلادی مورد بررسی قرار گرفت. نتایج ارزیابی مدل برمبنای داده های NCEP نشان داد که مدل در ارزیابی و پیش بینی داده های دما به خصوص دمای میانگین از دقت بالاتری برخوردار بوده است. مقایسه داده های مشاهداتی و داده های شبیه سازی شده دما و بارندگی GCMها در دوره پایه (1980 تا 2005) براساس متغیرهای پیش بینی کننده NCEP نشان داد که میانگین همبستگی داده های بارش 52/0، دمای میانگین 88/0، دمای حداکثر 80/0 و دمای حداقل 70/0 (برای دوره اعتبار سنجی و واسنجی) به دست آمده است. نتایج ارزیابی تغییرات بارش در سناریوهای مختلف نیز کاهش حداقل 24/7 درصد و حداکثر 55/18 درصد بارش را برای بازه زمانی 2020 تا 2100 نسبت به دوره پایه (1980-2005) پیش بینی نموده است. نتایج پیش بینی بارش، تغییرات الگوی بارشی را نیز نشان داده است. همچنین مقایسه سناریوها نشان می دهد که سناریو RCP2.6 به عنوان خوش بینانه ترین سناریو کمترین کاهش بارندگی و سناریو RCP8.5 بیشترین کاهش بارندگی را پیش بینی نموده است. بررسی تغییرات پیش بینی شده دما نیز افزایش را برای دمای میانگین و حداقل و حداکثر را نشان می دهد که حداکثر تا 04/1، 61/1، 75/1 درجه سانتی گراد برای بازه 2020 تا 2100 نشان داده است.کلید واژگان: ریزمقیاس سازی, سناریوهای انتشار, تغییر اقلیم, سمیرم}GCM models are widely used to assess climate change on a global scale, but outputs of these models are not sufficient and accurate to assess climate change at local and regional levels. Therefore, in this study, SDSM model was used for micro-scaling of CanESM2 model data and climate conditions of Semirom region based on three scenarios of RCP2.6, RCP4.5 and RCP8.5 in the period 2020 to 2100. The results of model evaluation based on NCEP database showed that the model was more accurate in estimating and predicting temperature data especially mean temperature. Comparison of observation and simulated data of temperature and precipitation of GCMs in the baseline period (1980 to 2005) based on NCEP predictor variables showed the mean correlation of precipitation data of 0.52, mean temperature of 0.88, maximum temperature of 0.80 and minimum temperature of 0.70 for validation and verification periods. The results of the estimation of precipitation variations in different scenarios also predicted a decrease of at least 7.24% and a maximum of 18.55% for the time period of 2020 to 2100 compared to the baseline period (1980-2005). The results of precipitation prediction also show the changes of precipitation pattern. The comparison of the scenarios also shows that the RCP2.6 scenario as the most optimistic scenario has the least rainfall while the RCP8.5 scenario predicts the highest rainfall reduction. Examination of the predicted changes in temperature also shows an increase for the mean, minimum and maximum temperatures,Keywords: Downscaling, climate change, Emission scenarios, Semirom}
-
مقدمه و هدف
تغییر اقلیم یکی از مهم ترین مسایلی است که در دهه های اخیر بخش های مختلف زندگی انسان را تحت تاثیر قرار داده است. با توجه به آشکارشدن تغییرات اقلیمی در اکثر مناطق دنیا و اثر آن بر بخش های مختلف چرخه آب، آگاهی از وضعیت منابع آب به منظور مدیریت صحیح منابع و برنامه ریزی برای آینده ضروری است. این پژوهش به بررسی و پیش بینی آبدهی رودخانه حوضه سد گلورد تحت شرایط اقلیمی آینده در دوره های 2040-2021، 2060-2041، 2080-2061 و 2100-2081 می پردازد.
مواد و روش هابرای بررسی و پیش بینی تغییرات اقلیمی از مدل HadGEM2-EM تحت دو سناریو RCP 2.6 و RCP 8.5 و نرم افزار LARS-WG تغییرات اقلیمی استفاده شد. همچنین، به منظور مدل سازی جریان رودخانه از مدل بارش- رواناب IHECRAS برای دوره مشاهداتی واسنجی (1999-1985) و اعتبارسنجی (2005-1999) شد.
یافته هایافته های شبیه سازی پارامترهای هواشناسی نشان داد که بیش ترین افزایش دمای کمینه و بیشینه با سناریوی RCP 2.6 در دوره 2061-2080 و در سناریوی RCP 8.5 در دوره 2100-2081 رخ خواهد داد. یافته های مدل سازی جریان رودخانه در دوره مشاهداتی گویای همبستگی معنی دار (0/61=r) مدل در مرحله واسنجی و صحت سنجی (0/79=r) بود. از یافته های سناریوهای خوش بینانه (RCP 2.6) و بدبینانه (RCP 8.5) و با به کارگیری مدل IHECRAS رواناب حوزه طی دوره های آینده شبیه سازی شد. بیشترین تغییر مقدار بارش در هر دو سناریو طی دوره 2021-2040 رخ خواهد داد. هم چنین نتایج شبیه سازی جریان رودخانه نشان داد که میزان جریان رودخانه به طور متوسط در چهار دوره آینده در سناریو RCP 2.6 به ترتیب 4، 8/7، 13 و 5 درصد و در سناریو RCP 8.5 19، 20، 18 و 17 درصد نسبت به دوره مشاهداتی کاهش می یابد.
نتیجه گیریبا توجه به روند کاهشی آبدهی نکارود در دهه های آینده، اهداف پیش بینی شده برای سد گلورد برای تامین آب شرب، کشاورزی ، صنعت و... با کمبودهای قابل ملاحظه مواجه خواهد بود.
کلید واژگان: تغییر اقلیم, ریزمقیاس سازی, شبیه سازی جریان, نکارود}Introduction and ObjectiveClimate change is one of the most important issues that have affected various parts of human life in recent decades. Undoubtedly, this phenomenon will change the water resources of each basin. Therefore, estimating and predicting the future of river discharge is of great importance due to its harmful effects on the environment, economy and society. This research is aimed at checking and predicting the discharge of the river Gelevard Dam under different climatic conditions.
Material and MethodsTo this end, the HadGEM2-EM model was used under three scenarios RCP 2.6, RCP 4.5 and RCP 8.5. Also, the IHACRES model was used to simulate surface flow for the intended periods.
ResultsThe results of the annual changes in the meteorological parameters under the RCP 2.6 climate change scenario showed that the maximum increase in minimum and maximum temperatures would occur during the period 2061-2080. The greatest change in precipitation will occur during the period 2021-2040. Regarding the results of modeling using IHACRES, it was found that the correlation coefficient of the model in the calibration stage is 0.61 and in the verification stage it is 0.79. The results showed that the average river flow rate decreased by 4, 8.7, 13 and 5 percent, respectively, in the four study periods (2021-2040, 2041-2060, 2061-2080, 2081-2100).
ConclusionDue to the declining trend of Neka River discharge in the coming decades, the projected targets for the Gelevard Dam for drinking water, agriculture, industry, etc. will face significant shortages.
Keywords: Climate change, Downscaling, Flow simulation, Neka River} -
امروزه دستیابی به برآوردهای رطوبت خاک سطحی با استفاده از روش های سنجش از دور در منطقهای گسترده با صحت بالا و در مقیاس زمانی کمتر از سه روز امکان پذیر شده است، اما اندازه پیکسل این داده ها بزرگ می باشد. پژوهش حاضر با هدف ریزمقیاس سازی داده های رطوبت خاک ماهواره اسمپ و با استفاده از داده های رادار سنتینل-1، با روش تلفیق رادار-تابش سنج در آبخیز فیروزآباد استان اردبیل انجام شد. در این روش با فرض ارتباط خطی بین رطوبت خاک از تابش سنج (مقدار تتا در پیکسل بزرگ) با پس پراکنش رادار (سیگمانات)، ابتدا تصویر رادار به اندازه ی پیکسل یک کیلومتر و نه کیلومتر (پیکسل بزرگ) تبدیل شد. سپس در هر پیکسل بزرگ با برقراری ارتباط خطی بین گروه زمانی رطوبت خاک و مقادیر پس پراکنش رادار، ضرایب آلفا و بتا رگرسیونی محاسبه شد. در ادامه با استفاده از روش تلفیق رادار-تابش سنج رطوبت خاک ریزمقیاس با اندازه پیکسل یک کیلومتر تهیه شد. مقدار ریشه ی میانگین مربعات خطای نااریب به دست آمده از اعتبارسنجی روش ریزمقیاسسازی برابر 0/039 (سانتی متر مکعب بر سانتی متر مکعب) می باشد و بیانگر صحت خوب داده های رطوبت خاک با اندازه پیکسل یک کیلومتر است. مقدار ریشه میانگین مربعات خطا نیز برابر 0/043 و نزدیک به مقدار هدف ماموریت اسمپ (ریشه میانگین مربعات خطا برابر 0/05) برای داده های یک کیلومتر است. با توجه به محدودبودن داده ی رطوبت خاک به نقاط اندازه گیری در برخی ایستگاه های هواشناسی و کشاورزی کشور و لزوم تهیه ی نقشه های پیوسته ی مکانی در مساحت های زیاد، استفاده از داده های رایگان ماهواره اسمپ و بررسی ریزمقیاس سازی آن با داده های رادار سنتینل-1 برای کاربرد در مقیاس محلی و منطقه ای، می تواند به عنوان ابزاری کارآمد و کم هزینه در بخش پژوهش و اجرا مورد نظر باشد.
کلید واژگان: آبخیز فیروزآباد, رطوبت خاک, ریزمقیاسسازی, Sentinel-1, SMAP}Surface soil moisture retrieval using microwave remote sensing, as the most promising method, has been highly valued due to its great accuracy and temporal resolution in broad scales. However, its coarse resolution limits regional scale applications. This study aims to apply the optional downscaling algorithm to generate high resolution soil moisture (θf) over Firoozabad Watershed, Ardabil, Iran. The algorithm integrates the advantage of Sentinel-1 (S-1) radar and the SMAP Radiometer soil moisture to make a linear correlation between the satellite soil moisture (θc) and the radar backscatter (σo) at each coarse pixel. The outputs were compared with the soil moisture measurements collected from individual points in the study area. The values of 0.043 cm3/cm3 and 0.039 cm3/cm3, respectively, were obtained for RMSE and UnbRMSE at 1 km resolution. This result are close to the SMAP’s downscaled target accuracy (RMSE = 0.05, cm3 / cm3). Taken together, point measurement has limitations in terms of spatial representation and spatial extent, especially in a watershed scale data analysis; therefore, utilizing the freely available SMAP soil moisture data and its downscaled version with the S-1 SAR data could be considered as an efficient and low cost tool to be used in research and implementation for the local and regional applications.
Keywords: Firoozabad Watershed, Soil Moisture, active-passive downscaling, Sentinel-1, SMAP} -
در تحقیق حاضر، با استفاده از خروجی مدل گردش عمومی جو HadCM3، مدل ریزمقیاس ساز LARS-WG و مدل هیدرولوژیک SWAT، به بررسی اثر تغییر اقلیم بر آبدهی حوزه آبخیز حبله رود پرداخته شده است. ابتدا به کمک مدل LARS-WG، خروجی مدل گردش عمومی جو HadCM3 در دوره 2040-2011 ریزمقیاس شد و داده های هواشناسی لازم برای مدل SWAT تهیه شد. نتایج ریزمقیاس سازی نشان داد که بارش در دوره آتی، اختلاف معنی داری با بارش در دوره پایه (2010-1995) ندارد. همچنین، مشاهده شد که در سناریوهای انتشار A2، B1 و A1B، میانگین دمای کمینه، به ترتیب 0.59، 0.47 و 0.43 و میانگین دمای بیشینه، به ترتیب 0.51، 0.39 و 0.35 درجه سلسیوس افزایش خواهند یافت. در مرحله بعد، مدل SWAT با استفاده از داده های آبدهی ماهانه ایستگاه هیدرومتری بنکوه واقع در خروجی حوضه مورد واسنجی و اعتبارسنجی قرار گرفت. مقادیر ضریب تبیین و نش-ساتکلیف در دوره اعتبارسنجی، به ترتیب برابر با 0.80 و 0.71 به دست آمدند. با معرفی بارش و دمای ریزمقیاس شده به مدل SWAT، تغییرات رواناب خروجی از حوضه طی دوره 2040-2011 شبیه سازی شد. نتایج نشان از افزایش 10.66، 17.72 و 17.52 درصدی آبدهی سالانه در سه سناریوی مورد بررسی، نسبت به دوره پایه داشت.کلید واژگان: ایستگاه هیدرومتری بنکوه, تحلیل حساسیت, ریزمقیاس سازی, مدل گردش عمومی جو, مدل SWAT-CUP}In the present study, the effect of climate change on the flow of the Hablehroud River was assessed, using the HadCM3 general circulation model, the LRAS-WG downscaling model, and the SWAT hydrologic model. First, using the LARS-WG model, the output of HadCM3 model in the period of 2011-2040 was downscaled and the necessary data for the SWAT model were obtained. The downscaling results showed that there is no meaningful difference between the future precipitation and the precipitation observed in the base period of 1995-2010. It was also observed that in the A2, B1, and A1B emission scenarios, the mean of minimum temperature will increase by 0.59, 0.47, and 0.43 0C, respectively, and the mean of maximum temperature will increase by 0.51, 0.39, and 0.35 0C. In the next stage, the SWAT model was calibrated and validated using the monthly flow data recorded at Bonkouh gaging station located at the outlet of the basin. The values of the coefficient of determination and Nash-Sutcliffe in validation phase were 0.8 and 0.72, respectively. Introducing the downscaled rainfall and temperature data to the SWAT model, the variation of the basin outflow was simulated in the period of 2011-2040. Results showed that in the three scenarios under study, the annual flow will increase 10.66, 17.72, and 17.52% in comparison to the base period.Keywords: Bonkouh gaging station, downscaling, General Circulation Model, SWAT-CUP Model, Sensitivity analysis}
-
از عمده مشکلات سنجنده های مستقر بر سکوهای هوایی و فضایی نبود قدرت تفکیک مکانی، رادیومتریک طیفی و زمانی بالا بصورت همزمان است زیرا طراحی چنین سنجنده هایی علاوه بر هزینه بری بالا دارای مشکلاتی در طراحی سنجنده می باشند. از طرف دیگر شناسایی و پایش بسیاری از پدیده های محیطی نیازمند به بکارگیری سنجنده هایی با قدرت تفکیک مکانی، طیفی و زمانی بالا بصورت همزمان است. بنابراین جهت پایش بسیاری از عوامل موجود در اکوسیستم های طبیعی از جمله آب، خاک و اتمسفر بکارگیری روش های ریزمقیاس سازی در ادغام تصاویر دو یا چند سنجنده با قدرت تفکیک مکانی، رادیومتری و زمانی متفاوت راهگشا است. ریزگرد ها به خصوص ریزگردهای حاصل از فعالیت صنایع و معادن، جزء ذرات معلق اتمسفر هستند که شناسایی آنها از اهمیت بسیاری برخوردار است. پایش ریزگرد نیازمند به سنجنده ای است که همزمان دارای قدرت تفکیک رادیومتری، مکانی و زمانی بالا باشد که این امر در یک سنجنده عملا غیر ممکن است. بدین منظور می توان از تلفیق تصاویر سنجنده مودیس با قدرت تفکیک رادیومتری و زمانی بالا با تصاویر لندست با قدرت تفکیک مکانی بالا استفاده نمود. از جمله شاخص های معروف برای بارزسازی ریزگرد، شاخص NDDI است که با استفاده از طول موج های مادون قرمز میانی (2.1μm) و آبی (0.47 μm) بدست می آید. در این تحقیق سعی بر آن شد تا از چندین الگوریتم ریزمقیاس سازی از جمله Bovery، Gram-Shcmidt، STARFM، ESTARFM، wavelet، PBIM، SIFM و HPF برای ادغام تصاویر سنجنده های مودیس و لندست مربوط به تاریخ 8 ژولای 2016 استفاده شود و با نتایج حاصل نقشه های پهنه بندی شاخص NDDI تهیه گردد. نتایج ارزیابی نشان داد بهترین روش ادغام روش های STARFM و ESTARFM و PBIM است که با تصاویر سنجنده لندست دارای ضریب تبین(R2) به ترتیب 88/0، 91/0، 99/0 و با تصاویر مودیس 51/0، 5/0 و 57/0 می باشد. مجذور میانگین مربعات خطا (RMSE) برای هر سه روش بسیار ناچیز و به ترتیب 02/0، 004/0 و 055/0 برای تصاویراصلی لندست و 004/0، 06/0 و 1/0 برای تصاویر اصلی مودیس می باشد. بنابراین میتوان از روش های STARFM و ESTARFM و PBIM جهت ترکیب تصاویر سنجنده مودیس و لندست به قصد افزایش قدرت تفکیک مکانی، طیفی و زمانی با دقت بالا استفاده نمود.
کلید واژگان: ادغام تصاویر ماهواره ای, ریزمقیاس سازی, شاخص NDDI, الگوریتم های فیوژن}One of the problems of most airborne and space-based sensors is the lack of high spatial, radiometric and temporal resolution, due to the high technical and sensor design costs. On the other hand, the identification and monitoring of the factors in natural ecosystems, such as water, soil, and atmosphere requires high spatial, radiometric and temporal resolution. Therefore, it is necessary using merge methods for integrating two or more spatial, radiometric and temporal resolution. Aerosols, especially dust of mines and industries, are part of the contaminate particles that are important in identifying them. Aerosol monitoring requires high spatial, radiometric and temporal resolution sensor, which is practically impossible in a sensor. For this purpose, it is possible to merge images with a high radiometric resolution like Modis and high spatial images like Landsat. One of the most popular indicators for dust detection is the NDDI index, which is obtained using SWIR (2.1μm) and blue (0.47 μm) wavelengths. In this research, we used several merging algorithms, including Bovery, Gram-Shcmidt, STARFM, ESTARFM, wavelet, PBIM, SIFM and HPF to integrate Modis and Landsat image data of 8 July 2016, and then provided NDDI index maps. The results of the evaluation showed that the best method was STARFM, ESTARFM, and PBIM with correlation coefficient (R2) of 0.88, 0.91, and 0.99, respectively with Landsat image and 0.51, 0.5, 0.57 with Modis image. The mean squared error (RMSE) for all three methods was negligible: 0.02, 0.400, and 0.055 respectively, with the original Landsat images and 0.004, 0.6 and 0.1 with the main images of Modis. Therefore, the STARFM, ESTARFM and PBIM methods could be used to merge Modis and Landsat images to extract data with high precision.
Keywords: Merging satellite data. Downscaling. NDDI index. Fusion method} -
یکی از مهمترین پدیده هایی که در سال های اخیر منابع طبیعی و به ویژه جوامعی که معیشت آن ها در ارتباط با آن است را تحت تاثیر قرار داده، تغییر اقلیم است. همچنین، پیش بینی متغیرهای اقلیمی به منظور دستیابی به تغییرات آینده و در نظر گرفتن سازگاری هایی برای رویارویی با تغییرات اقلیمی مورد توجه پژوهشگران است. بنابراین، در این بررسی، با هدف تحلیل روند گذشته و پیش بینی متغیرهای بارش، میانگین دمای کمینه و بیشینه به ترتیب از آزمون ناپارامتریک من-کندال و مدل گردش عمومی جو HadCM3 استفاده شد. به این منظور، داده های خروجی مدل گردش عمومی جو HadCM3 با سه سناریو تغییر اقلیم A1B ،A2 و B1 با استفاده از مدل LARS-WG در منطقه سمیرم ریزمقیاس شد. نتایج نشان داد، متغیرهای دمایی (میانگین، میانگین بیشینه و میانگین کمینه) در شش ایستگاه مورد بررسی در فصل زمستان، پاییز و در بازه سالانه روند افزایشی داشته، در فصول بهار و تابستان متغیرهای دمایی مختلف روند متفاوتی نشان می دهند و متغیر بارش در بازه سالانه در بیشتر ایستگاه ها روند منفی نشان می دهد. همچنین، نتایج پیش بینی دمای کمینه حاکی از آن است که دمای کمینه در طول قرن 21 با هر سه سناریو مورد بررسی عموما افزایش پیدا می کند و بیشترین افزایش میانگین دمای کمینه نسبت به دوره فعلی در ماه نوامبر با بیش از 0.8 درجه سانتی گراد افزایش مشاهده می شود. پیش بینی دمای بیشینه نشان دهنده تغییر در آستانه دمای بیشینه و گرم تر شدن قرن حاضر در تمام ماه های سال به جز ژانویه است و بارش در تمام ماه ها به جز ماه ژوئن و سپتامبر با استفاده از هر سه سناریو افزایش می یابد.کلید واژگان: تغییر اقلیم, من-کندال, ریزمقیاس سازی, سناریوهای اقلیمی, HadCm3}Climate change is one of the most important phenomena in recent years have been affected on natural resources and especially the communities whose livelihoods in relation to natural resources, as well as prediction of climate parameters in order to achieve future changes and regard to adaptations to deal with climate change is interest of researchers. Therefore, in this study with purpose of previous trend analysis and prediction of precipitation, mean minimum and maximum temperature were used non-parametric Mann-Kendall test and General Circulation Models, HadCM3, respectively. For this purpose, the output data of HadCM3 with three scenarios A1B, A2 and B1 by LARS-WG model were downscale in Semirom region. The results showed that temperature parameters (mean temperature, mean minimum and mean maximum temperature) had increased trend in winter, autumn seasons and annual scale in six studied stations and temperature parameters showed different trend in spring and summer seasons and the annual precipitation is showed negative trend in most of the stations. Also, the results of minimum temperature prediction showed that minimum temperature will generally increase with three scenarios during 21 century and the largest increase in mean minimum temperature compared to the current period is observed in November with more than 0.8 °C increase. The maximum temperature prediction represents a change in the maximum temperature threshold and warming this century in all months of the year, except January and precipitation will increase in all months except June and September using all three scenarios.Keywords: Climate change, Mann-Kendall, downscale, climate scenarios, Semirom}
-
اقلیم سیستم پیچیده ای است که عمدتا به دلیل افزایش گازهای گلخانه ای در حال تغییر است و گرمایش جهانی منجر به تشدید تغییرات عوامل اقلیمی از جمله مقدار بارش و شدت وقایع حدی بارش می شود. در اثر تغییر اقلیم در آینده انتظار تغییر در میزان و حجم فرسایش خاک وجود دارد که مهمترین عامل اثر افزایش قدرت فرسایندگی باران می باشد. هدف از این تحقیق تعیین اثر تغییر اقلیم بر عامل فرسایندگی باران است. به این منظور از خروجی های مدل اقلیمی HadCM3 تحت سناریوی انتشار A1B استفاده شد و ریزمقیاس سازی با مدل LARS-WG انجام گرفت. سپس با هدف پایش تغییرات عامل فرسایندگی در شمال ایران، عامل فرسایندگی در سه دوره 2030-2011، 2065-2045 و 2099-2080 شبیه سازی شد. نتایج شبیه سازی ها نشان داد که عامل فرسایندگی باران در ایستگاه های سنگده، بابل، کورکورسر، انزلی، بهشهر و گرگان در دوره 2030-2011 افزایش خواهد یافت و در ایستگاه های بابلسر، هشتپر، رشت و در دوره های 2065- 2045 و 2099-2080 کاهش می یابد. بیشترین تغییرات عامل فرسایندگی باران در دوره های آتی مورد بررسی در دوره 2030-2011 و کمترین تغییرات آن مربوط به دوره 2099-2080 محاسبه شد. همچنین، بیشترین میزان عامل فرسایندگی باران شبیه سازی شده، 42.6 مگاژول میلی متر بر هکتار ساعت در ایستگاه هشتپر و مربوط به دوره 2030-2011 به دست آمد. نتایج به دست آمده نشان می دهد که عامل فرسایندگی در طول قرن اخیر در منطقه شمال کشور در اکثر نقاط افزایشی خواهد بود.کلید واژگان: ریزمقیاس سازی, شمال ایران, گازهای گلخانه ای, LARS, WG, HadCM3}Forecasting climate change impact on rainfall erosivity factor in the southern coast of Caspian SeaClimate is a complex system that changing mostly due to increased greenhouse gases and global warming, leading to intensification of change in climatic factors such as precipitation amount and intensity of extreme precipitation events. In effect of climate change in the future, change amount and volume of the soil erosion is expected which the most important sensitive factor will be the rain fall erosivity. The aim of this study was to determine the effect of climate change on rainfall erosivity factor. For this purpose the HadCM3 model from A1B scenario was used and downscaling with LARS-WG model was used. So monitoring of rainfall erosivity factor for three periods of 2011-2030, 2045-2065, and 2080-2099 in north of Iran was simulated. Results show that rainfall erosivity factor in Sangdeh, Babol, Korkorsar, Anzali, Behshar and Gorgan stations will be increasing during the 2011-2030 period but for stations in Babolsar, Hashtpar, Rasht and Gorgan in the period 2045-2065 and 2080-2099 decreased. According of calculations, maximum changes of the rainfall erosivity factor in future will be occurring during the 2011-2030 and its minimum will be occurring period the 2080-2099. So largest rainfall erosivity factor was simulated about 42.6 MJ mm ha-1 h-1 for Hashtpar station during the 2011 to 2030 period. The obtained results show that the erosivity factor increase will be during the current century in the north of Iran.Keywords: Downscaling, ýþ þHadCM3, ýþ þLARS, WG, Northern Iran}
- 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.