پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 127 |
| تعداد شمارهها | 7,147 |
| تعداد مقالات | 76,903 |
| تعداد مشاهده مقاله | 154,899,062 |
| تعداد دریافت فایل اصل مقاله | 116,877,671 |
بررسی اثر تغییر اقلیم بر پیش بینی بارش بر اساس بهترین ماهواره در استان کرمانشاه | ||
| تحقیقات آب و خاک ایران | ||
| دوره 56، شماره 7، مهر 1404، صفحه 1861-1878 اصل مقاله (2.21 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2025.393038.669919 | ||
| نویسندگان | ||
| فروزان پای فشرده1؛ مریم حافظ پرست مودت* 2؛ سید احسان فاطمی3 | ||
| 1دانش آموخته کارشناسی ارشد، مهندسی آب،دانشگاه رازی،کرمانشاه ، ایران | ||
| 2گروه مهندسی آب دانشکده کشاورزی، دانشگاه رازی کرمانشاه، ایران | ||
| 3گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران | ||
| چکیده | ||
| امروزه با توجه به گرمتر شدن زمین و کاهش بارش نیاز بهپیش بینیهای بلندمدت بارش برای برنامهریزی و استفاده مناسب از منابع آبی در دسترس ضروری است. بر این اساس پیشبینی بارش در دوره 2020 تا 2039 با استفاده از مدل KIOSTESM و CANESM5 از گزارش ششم IPCC در13 ایستگاه سینوپتیک استان کرمانشاه استخراج گردید. با توجه به اینکه ایستگاههای سینوپتیک در همه نقاط قرار ندارند و نمیتوان برای بعضی از قسمتهای منطقه میزان بارش را برآورد نمود بهمنظور تعیین بهترین ماهواره در هر ایستگاه سینوپتیک از مجموعه دادهها و ماهوارههای CHRIPS, ERA5, PERSIAN_CDR, GPM, GSM, TRMM, TERRA در دوره 2000 تا2019 این 13 ایستگاه استفاده گردید. نتایج نشان داد برای ایستگاههای اسلامآباد، هرسین، گیلان غرب، جوانرود، کرمانشاه، روانسر، سنقر و سرپل ذهاب ماهواره TERRA و برای ایستگاههای سومار و تازهآباد مجموعه داده ERA5 و برای قصر شیرین، کنگاور و سرآرود ماهواره TRMM بهترین برآورد را دارد. نتایج نشان داد مدل CANESMدر بیشتر ایستگاهها بارش را کمتر از مشاهداتی محاسبه کرده است بیشترین اختلاف این مدل با دادههای مشاهداتی و ماهواره به ترتیب برای کنگاور 52 و 50درصد بیشتر از بارش کل است و برای ایستگاه سرآرود به ترتیب با 12 و 9 درصد کاهش کمترین اختلاف را دارند. نتایج نشان داد بدون داشتن دادههای ایستگاه هواشناسی و تنها با تکیهبر دادههای ماهواره منتخب در این پژوهش برای هر منطقه از استان کرمانشاه میتوان پیشبینیهای اقلیمی مناسبی تخمین زد. | ||
| کلیدواژهها | ||
| بارش ماهواره ای، تغییر اقلیم، ریزمقیاس، TRMM | ||
| عنوان مقاله [English] | ||
| Investigating the Effect of Climate Change on the Forecast of precipitation Based on the Best Satellite in Kermanshah Province | ||
| نویسندگان [English] | ||
| foroozan payfeshordeh1؛ Maryam Hafezparast Mavaddat2؛ seyed Ehsan Fatemi3 | ||
| 1Master's Graduate, Water Engineering, Razi University, Kermanshah, Iran | ||
| 2Department of Water Engineering, Faculty of Agriculture, Razi University of Kermanshah, Iran | ||
| 3Deprtment of water engineering, Faculty of Agriculture, Razi University, Kermanshah, Iran | ||
| چکیده [English] | ||
| Today, due to global warming and decreasing precipitation, long-term precipitation forecasts are essential for planning and proper use of available water resources. Accordingly, precipitation forecasts for the period 2020 to 2039 were extracted using the KIOSTESM and CANESM5 models from the IPCC's sixth report at 13 synoptic stations in Kermanshah province. Given that synoptic stations are not located in all locations and it is not possible to estimate precipitation for some parts of the region, in order to determine the best satellite for each synoptic station, data from CHRIPS, ERA5, PERSIAN_CDR, GPM, GSM, TRMM, TERRA satellites were used for the period 2000 to 2019 for these 13 stations. The results showed that for the stations of Islamabad, Harsin, Gilan Gharb, Javanroud, Kermanshah, Ravansar, Sonqor and Sarpol Zahab, the TERRA satellite has the best estimate, for the stations of Somar and Tazeabad the ERA5 dataset, and for Qasr Shirin, Kangavar and Sararood the TRMM satellite has the best estimate. The results showed that the CANESM model has calculated the precipitation less than the observations in most of the stations. The largest difference between this model and the observational and satellite data is 52 and 50 percent more than the total precipitation for Kangavar, respectively, and the smallest difference is 12 and 9 percent less for the Sararood station, respectively. The results showed that without having meteorological station data and relying only on the selected satellite data in this study, appropriate climate forecasts can be estimated for each region of Kermanshah province. | ||
| کلیدواژهها [English] | ||
| climate change, Downscale, Satellite precipitation, TRMM | ||
| مراجع | ||
|
Almasi, A., Fatemi, S. E., & Eghbalzadeh, A. (2024). The prediction of monthly rainfall in Kermanshah Synoptic Station under the social-economic scenarios of the sixth climate change report. Advanced Technologies in Water Efficiency, 4(1), 40-64. https://doi.org/10.22126/atwe.2024.10245.1097 (In Persian) Ashoobteh, P. S. (2014). Climate change: Concepts, consequences and solutions. University of Tehran Press.(In Persian) Baboli,N.,Ghamarnia,H.,and Hafezparast Mavaddat,M.(2024).Estimating wheat evapotranspiriation through remote sensing utilizing GeeSEBAL and comparing with lysimetric data.Applied Water Science,14(9),193. Binesh, Negin, Niksokhan, Mohammad Hossein, & Amin. (2018). Analysis of Climate Change Impact on Extreme Rainfall Events in the West Flood-Diversion catchment of Tehran. Journal of Watershed Management Research, 9(17), 226-234.https://sid.ir/paper/370216/en.)In Persian) Dezfooli D, Hosseini-Moghari S M, Ebrahimi K. (2016). Comparison of TRMM-3B42 V7 and PERSIANN Satellites Precipitation Data with Ground-Based Data (Case study: Gorganrood Basin, Iran). Water and soil sciences (agricultural sciences and techniques and natural resources). 20 (76):85-98.DOR: 20.1001.1.24763594.1395.20.76.8.3(In Persian) Duan, Z., Liu, J., Tuo, Y., & Chiogna, G., (2019). Evaluation of eight high spatial resolution gridded precipitation products in Adige Basin (Italy). International Journal of Climatology, 39(4), 2056-2076. Golian, S., Mazdiyasni, O., & AghaKouchak, A., (2020). Trends in meteorological and agricultural droughts in Iran. Theoretical and Applied Climatology, 139(3-4), 1539-1552. Gudarzi Masoud, Soltani Mohammad Jafar. (2014). Forecasting the effect of climate change on temperature and precipitation in the 2020s. Rain catchment surface systems.2 (2): 31-38.DOI: 20.1001.1.24235970.1393.2.2.5.0. (In Persian) IPCC, 2021. Climate Change (2021): The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Jafarzadeh A, Khozeymehnezhad H, Khashei-Siuki A, bazi J.(2016). Impact Zonation of Climate Change on Rainfall Pattern (Case Study: South Khorasan Province). Journal of Rainwater Catchment Systems .3 (4) :1-10.DOI: 20.1001.1.24235970.1394.3.4.4.0.( In Persian) Karimi Ahmad Abad, M., & Nabizadeh, A. (2018). Assessment of climate change impacts on climate parameters of Urmia Lake basin during 2011-2040 years by using LARS-WG model. Geography and Planning, 22(65), 265-285.https://sid.ir/paper/380759/en. (In Persian) Kidd, C., Becker, A., Huffman, G. J., et al., (2017). So, how much of the Earth’s surface is covered by rain gauges? Bulletin of the American Meteorological Society, 98(1), 69-78. Liu, X., Liu, F. M., Wang, X. X., Li, X. D., Fan, Y. Y., Cai, S. X., & Ao, T. Q. (2017).' Combining rainfall data from rain gauges and TRMM in hydrological modelling of Laotian data-sparse basins'. Applied Water Science, 7(3), 1487-1496. DOI: 10.1007/s13201-015-0330-y Modarres, R., Sarhadi, A., & Burn, D. H., (2016). Changes of extreme drought and flood events in Iran. Global and Planetary Change, 144, 67-81. Nazem AlSadat, S.M.J., Samani, N., & Moulaei Nikou, M. (2006). Climate change in southern and southwestern Iran from precipitation: Interaction with el nino-southern oscillation. The Scientific Journal of Agriculture (SJA), 28(2), 81-99. SID. https://sid.ir/paper/24825/en. ( In Persian) Payfeshordeh, F., Hafezparast, M., Fatemi, S. E. (2022). 'Evaluation of precipitation data of Gamasiab basin synoptic stations in comparison with satellite data', Advanced Technologies in Water Efficiency, 2(3), pp. 92-113. doi: 10.22126/atwe.2022.7915.1021 ( In Persian) Yuan, F., Zhang, L., Win, K. W. W., Ren, L., Zhao, C., Zhu, Y., ... & Liu, Y. (2017). 'Assessment of GPM and TRMM multi-satellite precipitation products in streamflow simulations in a data-sparse mountainous watershed in Myanmar'.Remote Sensing, 9(3), 302.DOR: https://doi.org/10.3390/rs9030302. | ||
|
آمار تعداد مشاهده مقاله: 314 تعداد دریافت فایل اصل مقاله: 174 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب