پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,764 |
| تعداد مشاهده مقاله | 115,188,511 |
| تعداد دریافت فایل اصل مقاله | 89,937,123 |
دورنمای تغییرات نمایههای بارش سواحل جنوبی دریای خزر در دورۀ 2050-2021 برای کاهش مخاطرات | ||
| مدیریت مخاطرات محیطی | ||
| مقاله 6، دوره 6، شماره 4، دی 1398، صفحه 395-421 اصل مقاله (1.82 M) | ||
| نوع مقاله: پژوهشی کاربردی | ||
| شناسه دیجیتال (DOI): 10.22059/jhsci.2020.297979.540 | ||
| نویسندگان | ||
| حدیث صادقی1؛ حسین محمدی* 2؛ علی اکبر شمسی پور3؛ سعید بازگیر4؛ مصطفی کریمی احمد اباد5؛ سعید صوفی زاده6 | ||
| 1دانشجوی دکتری اقلیم‌شناسی کشاورزی گروه جغرافیای طبیعی، دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 2استاد آب‌و‌هواشناسی گروه جغرافیای طبیعی، دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 3دانشیار آب‌و‌هواشناسی گروه جغرافیای طبیعی، دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 4استادیار هواشناسی کشاورزی گروه جغرافیای طبیعی، دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 5استادیار آب‌و‌هواشناسی گروه جغرافیای طبیعی، دانشکدۀ جغرافیا، دانشگاه تهران | ||
| 6استادیار گروه کشاورزی اکولوژیک، پژوهشکدۀ علوم محیطی، دانشگاه شهید بهشتی، تهران | ||
| چکیده | ||
| بارش بهعنوان یکی از مهم‌ترین عناصر چرخۀ هیدرولوژیکی، تحت تأثیر تغییر اقلیم است و می‌تواند سبب بروز شرایط جدیدی در منابع آب شود. از این‌رو شبیه‌سازی متغیر بارش به‌خصوص برای آینده می‌تواند در برنامه‌ریزی در زمینۀ مدیریت منابع آب بسیار بااهمیت باشد. در پژوهش حاضر برای پایش و شبیه‌سازی شرایط بارش آینده در سواحل جنوبی دریای خزر (استانهای گیلان و مازندران) ابتدا داده‌های روزانۀ هفت ایستگاه همدید آستارا، بندرانزلی، رشت، رامسر، بابلسر، قراخیل و نوشهر برای دورۀ زمانی 2015-1986 بهعنوان دورۀ پایه از سازمان هواشناسی و داده‌های روزانۀ مدل CanECM2 با سه سناریوی RCP2.6، RCP4.5 و RCP8.5 از وبگاه مرکز تحلیل و مدلسازی اقلیمی کانادا دریافت شد. برای شبیه‌سازی بارش در دورۀ 2050-2021 از مدل ریزمقیاس نمایی آماری SDSM استفاده شد. پس از تأیید کارایی مدل، مقادیر بارش برای دورۀ آینده (2050-2021) شبیه‌سازی شد. سپس نمایههای حدی شدت، مدت و فراوانی بارش برای دوره‌های پایه و آینده محاسبه شد. نتایج هر سه سناریو نشان داد که مجموع بارش سالانه در منطقۀ تحقیق به‌طور متوسط بین 20 تا 70 میلی‌متر نسبت به دورۀ پایه (2015-1986) افزایش می‌یابد. همچنین نتایج تحلیل نمایههای حدی بارش در دورۀ پایه و آینده نشان‌دهندۀ افزایش بارش‌های بیش از 1 میلی‌متر در همۀ ایستگاههای تحت مطالعه و افزایش بارش‌های بیش از 10 میلی‌متر در بیشتر ایستگاههای تحت مطالعه (به‌جز بابلسر و قراخیل) در دورۀ آینده نسبت به دورۀ پایه است. اما بارش‌های بیش از 20 میلی‌متر در دورۀ آینده مشابه دورۀ پایه بوده و بهنظر میرسد که تغییر چندانی نداشته است. همچنین نتایج حاکی از کاهش روزهای خیلی مرطوب و بی‌نهایت مرطوب در ایستگاههای رامسر و نوشهر و افزایش آن در بخشهای غربی و شرقی نسبت به دورۀ پایه بود. افزون‌بر این، نتایج حاکی از کاهش طول دورۀ خشک در دورۀ آینده نسبت به دورۀ پایه بود. مقادیر بارش حدی زیادی برای منطقه پیش‌بینی می‌شود، به‌طوری که سبب افزایش متوسط بارش سالانۀ منطقه خواهند شد. | ||
| کلیدواژه‌ها | ||
| سواحل جنوبی دریای خزر؛ سناریوهای انتشار؛ سناریوی اقلیمی؛ مدلسازی؛ نمایههای حدی بارش؛ SDSM | ||
| عنوان مقاله [English] | ||
| Projection of Changes in Precipitation Index of the Southern Coast of the Caspian Sea in Order to Hazards Reduction in the Periods of 2021-2050 | ||
| نویسندگان [English] | ||
| Hadis Sadeghi1؛ Hosein Mohammadi2؛ Aliakbar Shamsipour3؛ Saeed Bazgeer4؛ Mostafa Karimi Ahmadabad5؛ Saeid Soufizadeh6 | ||
| 1PhD Student of Agro Climatology, Dept. of Physical Geography, Faculty of Geography, University of Tehran, Iran | ||
| 2Professor of Climatology., Dept. of Physical Geography, Faculty of Geography, University of Tehran, Iran | ||
| 3Associate Professor of Climatology., Dept. of Physical Geography, Faculty of Geography, University of Tehran, Iran | ||
| 4Assistant Professors of Agricultural Meteorology., Dept. of Physical Geography, Faculty of Geography, University of Tehran, Iran | ||
| 5Assistant Professors of Climatology., Dept. of Physical Geography, Faculty of Geography, University of Tehran, Iran | ||
| 6Assistant Professors of the Department of Agro ecology, Environmental Sciences Research Institute, Shahid Beheshti University, G.C., Tehran, Iran | ||
| چکیده [English] | ||
| Introduction Precipitation is the most important climatic variable, and an important component of the hydrological cycle, which its fluctuations can have significant impacts on human society and the natural environment. Over the past few decades, the frequency and severity of extreme precipitation events have increased, especially under the influence of global warming. Based on previous researches, precipitation patterns have changed in most parts of the world in recent decades so that the occurrence of extreme precipitation has increased in most parts of the world such as China, USA, and Australia. The purpose of this study was to investigate the changes in annual, seasonal, and monthly precipitation amounts and extreme precipitation events in Guilan and Mazandaran provinces, using CanECM2 climate model data. Evaluating such changes can help policymakers and planners in regulation effective strategies to adapt to the potential risks of climate change. Data and Method To study and monitor the precipitation of Guilan and Mazandaran provinces on the Caspian coast and north of Alborz mountain range, 7 synoptic weather stations, including Astara, Rasht, Bandar Anzali, Ramsar, Gharakhil, Noshahr, and Babolsar with appropriate statistical length and geographical distribution were used. SDSM version 3.5 was used to simulate precipitation changes over the future period (2021-2050) and compared to the base period (1986-2015). In addition, daily precipitation data of Astara, Rasht, Bandar Anzali, Ramsar, Gharakhil, Noshahr, and Babolsar synoptic stations for base period (1986-2015), the large scale predictors of atmospheric re-analyzed data (NCEP), and data for CanECM2 model under three scenarios RCP2.6, RCP4.5 and RCP8.5 as large-scale predictors were used. After examining the quality control of precipitation data, the large-scale predictors of atmospheric re-analyzed data (NCEP) using stepwise modeling with respect to Pearson correlation coefficients, partial correlation coefficients and percentage of partial correlation reduction were selected. In order to ensure the efficiency of the model, 15-year period (1986-2000) for model calibration and the 15-year period 2001-2015 for model validation selected. In this step, Wilcoxon non-parametric test, Coefficient of Residual Mass, and Root Mean Square Error (RMSE) as well as index of agreement (d-indices) were used to evaluate the model efficiency. After doing model calibration and validation, the downscaling of precipitation data was performed using CanECM2 data under three emission scenarios for the future period (2021-2050) and changes in simulated precipitation values in different scenarios was investigated in comparison to base (1986-2015). Moreover, nine extreme indices introduced by CCL / CLVAR were used to investigate the intensity, duration and frequency of precipitation in the base and future periods. In addition, the frequency of days above a certain threshold of two extreme indices R10, R20, precipitation intensity from PRCPTOT, Rx5day, Rx1day, R99 and R95, and duration and durability of two CDD and CWD were used. The calculation of these extreme indices performed by the RClimDex1.0 software. Discussion and Results Based on the skewness and Kurtosis values and the results of the Kolmogorov-Smirnov and Shapiro-Wilk tests, it was found that the distribution of precipitation data was not normal at Bandar Anzali station. Model validation results showed that difference between observed and simulated values in some of weather stations in some months was positive or negative. In other words, in some months the simulated values were more than observed ones and in others less than observed values. However, based on Wilcoxon test, it was found that P-value was higher than 0.05 at all weather stations and thus, there could be no significant difference between the mean observed and simulated precipitation data on seasonal and annual time series data. Therefore, the efficiency of the model in simulated precipitation was confirmed at the study area. The results revealed that under the RCP2.6, RCP4.5 and RCP8.5 scenarios precipitation will not reduce during 2021-2050 period. It is expected that the average precipitation will increase by approximately 20 to 70 mm during the future period (2020-2021) as compared to base period (1986-2015). Comparison of the mean annual precipitation (PRCPTOT) in the base period with the future period based on RCP2.6, RCP 4.5 and RCP8.5 emission scenarios showed that the annual precipitation of all the weather stations will be increased over the future period (2021-2050). The results also showed that at all weather stations, the number of consecutive dry days reduced during the future period (2021-2050) as compared to the base period (1986-2015). The results also showed that the eastern part of the study area will have higher number of consecutive dry days in the future period as compared to the western part of the study area. The results showed that the number of consecutive wet days during the base and future period indicated that, on average, about one to three days of the number of consecutive wet days in the study area reduced during the 2021-2050 as compared to the base period. Changes in the number of consecutive wet days during the future period also have a similar spatial behavior like the base period. Moreover, the results showed an increase in precipitation of more than 10 mm happened in most of the stations, excluding Babolsar and Gharakhil, in the future 2021-2050 as compared to the base period. For the Gharakhel station, a decrease in precipitation of more than 10 mm for 1 day was observed. The results showed a very slight increase in the number of days with heavy rainfall of 20 mm or more occurred in the future as compared to the base period in the coastal areas of Mazandaran province. Overall, the results showed that the number of days with very heavy rainfall in the study area was similar to the base period in the study area. In addition, based on the results of all emission scenarios, it is expected that the R95p and R99p will decrease in the central part of the study area, including Ramsar and Nowsher stations in the future in comparison with the base period. An increase in the amount of extremely humid days is expected in the future period toward the east and west of the study area, which is much higher in the west coast of the region (Gilan province). The results also showed that, like the R99P, RX1day will decrease toward the western parts of the region, especially in Bandar Anzali Station with maximum daily precipitation of 140, 130 and 141.4 for RCP 2.6 scenarios, RCP4.5 and RCP8.5, respectively, in the future period. The results also showed that in the future period, the maximum daily precipitation increased in the western parts of the study area and decreased in the eastern and central parts relative to the base period. Conclusion The results of three scenarios showed that the average annual precipitation in the study area increased, on average, by 20 to 70 mm as compared to base period (1986-2015). In addition, the results of analysis of precipitation indices showed an increase of precipitation with more than one mm in all weather stations and an increase of precipitation with more than 10 mm in most of the weather stations, excluding Babolsar and Gharakhil, in the future period 2021-2050 in comparison with the base period. However, the precipitation more than 20 mm was similar in the future and base period with a little change. The results revealed that a decrease in R95p and R99p indices at Ramsar and Nowshahr stations and an increase in the western and eastern parts will occurred in the future. Moreover, a decrease in the dry period length will happened in the future as compared to the base period. The extreme precipitation values are expected to be high for the region, which will increase the average annual precipitation. | ||
| کلیدواژه‌ها [English] | ||
| Climate Scenarios, Emissions Scenarios, Modeling, precipitation extreme indices, SDSM, The southern shore of the Caspian Sea | ||
| مراجع | ||
|
[1]. احمدی، مهدی؛ قرمز چشمه، باقر؛ و قاسمیه، هدی (1396).« ارزیابی اثر تغییر اقلیم، تحت تأثیر عدم قطعیت روشهای ریزمقیاسگردانی، مطالعۀ موردی حوضۀ قرآن تالار»، مهندسی منابع آب، ش 10، ص 24-11. [2]. اوجی، روحاله؛ و غفاریان، پروین (1397). «شناسایی و برآورد بارش‌های فرین سواحل جنوبی دریای خزر براساس نظریۀ مقدار فرین»، اقیانوسشناسی، ش 34، ص 48-39. [3]. اوجی، روحاله؛ فرجزاده اصل، منوچهر؛ قویدل، یوسف؛ و مساح بوانی، علیرضا (1396). «ارزیابی ریزگردانی تک‌ایستگاهی و چند‌ایستگاهی مدل آماری اس‌دی‌اس‌ام با استفاده از شاخصهای حدی دما و بارش (مطالعۀ موردی: غرب میانی ایران)»، فیزیک زمین و فضا، ش1، ص 208-193. [4]. بیاتورکشی، مریم؛ و فصیحی، روژین (1397). «تحلیل نتایج ریزمقیاسنمایی فراسنج‌های آب‌وهوایی برای آیندۀ ایران»، جغرافیا و پایداری محیط، ش 26، ص 87-73. [5]. جعفرزاده، فاطمه؛ خورشیددوست، علیمحمد؛ ساری سراف، بهروز؛ و قرمز چشمه، باقر (1397). «پیش‌بینی بارش‌های سنگین سواحل جنوبی دریای خزر تحت شرایط تغییر اقلیم در دورۀ 1408-1389»، علوم و مهندسی آبخیزداری ایران، ش 42، ص 130-121. [6]. خورشیددوست، علیمحمد؛ ساری صراف، بهروز؛ قرمزچشمه، باقر؛ و جعفرزاده، فاطمه (1396). «برآورد و تحلیل مقادیر آیندۀ بارش‌های نواحی خزری با به‌کارگیری مدلهای گردش عمومی جو»، تحقیقات کاربردی علوم جغرافیایی، ش 47، ص 228-213. [7]. دسترنج، علی؛ شهبازی،علی؛ محسنی ساروی، محسن؛ صالح‌نسب، ابوطالب؛ و شیرکوه، جعفری (1395). «مدلسازی اقلیم و مقایسۀ تغییرات پارامترهای اقلیمی در جبهۀ شمالی و جنوبی البرز با استفاده از مدل SDSM »، علوم و مهندسی آبخیزداری ایران، ش 32، ص 27-11. [8]. رنجبر، فیروز؛ محمدی، حسین؛ عزیزی، قاسم؛ و خوش‌اخلاق، فرامرز (1396). «تحلیل روند شاخصهای حدی بارش روزانه در ایران»، پژوهشهای جغرافیای طبیعی، ش 1، ص 37-21. [9]. فتاحی، ابراهیم؛ بابایی فینی، ام‌السلمه؛ و قاسمی، الهه (1393). «بررسی اثر تغییر اقلیم بر روند نمایههای حدی بارش ایران زمین»، تحلیل فضایی مخاطرات محیطی، ش 3، ص 103-85. [10]. کامبوزیا، جعفر؛ رحیمی مقدم، سجاد؛ و دیهیم‌فرد، رضا (1396). «برآورد پارامترهای مربوط به برخی ارقام غالب ذرت دانه‌ای در کشور به‌منظور استفاده در مدل مکانیزم‌گرای APSIM»، تولید گیاهان زراعی، ش 1، ص 147-129. [11]. کوهشاهی، سجاد روزبه؛ شاهدی، کاکا؛ و علیپور، اعظم (1397). «بررسی شاخصهای حدی بارش بهعنوان نشانۀ تغییر اقلیم در استان مازندران»، هفتمین همایش ملی سامانه‌های سطوح آبگیر باران، تهران. [12]. مظفری، غلامعلی؛ عسکری‌زاده، محمد؛ کوهی، منصوره؛ و رضایی‌پور، آذر (1397). «چشم‌انداز نوسانات نمایههای فرین بارش و دما در شهر تربت حیدریه با استفاده از مدل ریزمقیاسنمایی LARS-WG برای دورۀ آتی 2030-2011»، اندیشۀ جغرافیایی، ش 19، ص 79-60. [13]. Abiodun, B.; Adegoke, J.; Abatan, A.; Ibe, C.; Egbebiyi, T.; Engelbrecht, F.; & Pinto, I ( 2017). [14]. “Potential impacts of climate change on extreme precipitation over four African [15]. coastal cities”, Climatic Change,N 143 (3–4), pp: 399–413. [16]. Adeyeri, O.; Lawin, A.; Laux, P.; Ishola, K. & Ige, S. (2019). “Analysis of climate extreme indices over the Komadugu-Yobe basin, Lake Chad region: Past and future occurrences”, Weather and Climate Extremes, N 23, pp: 1-21. [17]. Adeyeri, O.; Ishola, K. & Okogbue, E(2017). “Climate change and coastal floods: the susceptibility of coastal areas of Nigeria”. J. Coast. Zone Manag. N 20,pp: 443. [18]. Ahmad, I.; Zhang, F.; Tayyab, M.; Anjum, M.; Zaman, M.; Junguo, Liu; Farid, H. & Saddique, Q(2018). “Spatiotemporal analysis of precipitation variability in annual, seasonal and extreme values over upper Indus River basin”, Atmospheric Research, N 213, pp: 346-360. [19]. Alexander, L.; Fowler, H.; Bador, M.; Behrangi, A.; Donat, M.; Dunn, R.; Funk, C.; Goldie, J.; Lewis, E.; Rogé, M.; Seneviratne, S. & Venugopal, V. (2019). “On the use of indices to study extreme precipitation on sub-daily and daily timescales”, Environment Research Letters, N 14,pp: 1-12. [20]. Azizzadeh, M.R.; & Javan, K.H. (2018). “Temporal and spatial distribution of extreme precipitation indices over the lake Urmia Basin, Iran”, Environmental Resources Research, N 1, pp: 25-40. [21]. Barbero, R.; Foweler, H.; Blenkinsop, S.; Westra, S.; Moron, V.; Lewis, E.; Chan, S.; Lenderink, G.; Kendon, E.; Guerreiro, S.; Li, X.; Villalobos, R.; Ali, H.; & Mishra, V. (2019). “A synthesis of hourly and daily precipitation extremes in different climatic regions”, Weather and Climate Extremes, N 26, pp: 1-20. [22]. Cheema, S. B.; Rasul, G.; Ali, G.; & Kazmi, D. H. (2011).“ A comparison of minimum temperature trends with model projections”, Pakistan Journal of Meteorology, N 8(15), pp: 39-52. [23]. Cooper, R. (2019). “Projection of future precipitation extremes across the Bangkok Metropolitan Region”, Heliyon, N 5, pp: 1-19. [24]. Duncan, J. M. A.; Biggs, E. M.; Dash, J.; & Atkinson, P. M. (2013). “Spatio temporal trends in precipitation and their implications for water resources management in climate‐sensitive Nepal”. Applied Geography, N 43, pp: 138–146. [25]. GE, F.; Zhu, S.H.; Peng, T.; Zhao, Y.; Sielmann, F.; Fraedich, K.; Zhi, X.; Liu, X.; Tang, W.; & Ji, L. (2019). “Risks of precipitation extremes over Southeast Asia: does 1.5 °C or 2 °C global warming make a difference?” Environment Research Letters, N 14, pp: 1-12. [26]. Giorgi, F.; Raffaele, F.; & Coppola, E. (2019). “The response of precipitation characteristics to global warming from climate projections”, Earth System Dynamics, N 10, pp: 73-89. [27]. Goyal, M.; Goswami, U.; & Hazra, B. (2018). “Copula-based probabilistic characterization of precipitation extremes over North Sikkim Himalaya”, Atmospheric Research, N 212, pp: 273-284. [28]. Guo, X.; Huang, J.; Luo, Y.; Zhao, Z.; & Xu, Y. (2016). “Projection of precipitation extremes for eight global warming targets by 17 CMIP5 models”, Nat Hazards,N 84, pp:2299–2319. [29]. Li, Z.; Li, X.; Wang, Y.; & Quiring, S. (2019).” Impact of climate change on precipitation patterns in Houston, Texas, USA”, Anthropocene, N 25, pp: 1-14. [30]. Maity, P.; Pichuka,S.; Prasad,R.; & Kunstmann,H. )2017). ” Development of a method to identify change in the pattern ofextreme streamflow events in future climate: Application on the Bhadra reservoir inflow in India”, Journal of Hydrology: Regional Studies, N 9,pp: 236-246. [31]. Myhre, G.; Alterskjær, K.; Stjern, C.; Hodnebrog, Q.; Marelle, L.; Samset, B.; Sillmann, J.; Schaller, N.; Fischer, E.; Schulz, M.; & Stohl, A. (2019). “Frequency of extreme precipitation increases extensively with event rareness under global warming”, Nature research, N1, pp:1-10 [32]. Nkemelang, T.; New, M.; & Zaroug, M. (2018). “Temperature and Precipitation Extremes under current, 1.5°C and 1 2.0°C Global Warming above Pre-Industrial Levels over Botswana, 2 and Implications for Climate Change Vulnerability”, Environment Research Letters, N 13, pp: 1-20. [33]. Rahimzadeh, F.; Asgari, A.; & Fattahi., E. (2009). ” Variability of extreme temperature and precipitation in Iran during recent decades”, INTERNATIONAL JOURNAL OF CLIMATOLOGY, N 29, 329-343. [34]. Pervez, M.; & Henebry,G. (2014). “Projections of the Ganges–Brahmaputra precipitation—Downscaled from GCM predictors”, Journal of Hydrology, N 517,pp: 120-134. [35]. Rogelj, J.; den Elzen, M.; Höhne, N.; Fransen, T.; Fekete, H.; Winkler, H.; & Meinshausen, M. (2016). “Paris Agreement climate proposals need a boost to keep warming well below 2 °C”. Nature, N 534, pp: 631-639. [36]. Ruiz-Alvarez, O.; Singh, V.; Enciso-Medina, J.; Ontiveros-Capurata, R.; & Costa dos Santos, C. (2019). “Observed trends in daily extreme precipitation indices in Aguascalientes, Mexico”, Meteorological Applications, N 1, pp: 1-20. [37]. Sajjad Khan,M.; Coulibaly,P.; & Dibike,Y. (2006).” Uncertainty analysis of statistical downscaling methods”, Journal of Hydrology, N 319, pp: 357-382. [38]. Su, B.; Sun, H.; Wang, A.; Zhai, J.; Huang, J.; Wang, Y.; Wen, Sh.; & Zeng, X. (2018).” Impacts of global warming of 1.5 °C and 2.0 °C on precipitation patterns in China by regional climate model (COSMO-CLM)”, Atmospheric Research, N 203, pp: 83-94. [39]. Subba, S.; Ma, Y.; & Ma, W. (2019). “Spatial and Temporal Analysis of Precipitation Extremities of Eastern Nepal in the Last Two Decades (1997–2016)”, Journal of Geophysical Research: Atmospheres, N 14, pp: 7523-7539. [40]. Sung, J.; Kwon, M.; Jeon, J.; & Seo, S. (2019). “A Projection of Extreme Precipitation Based on a Selection of CMIP5 GCMs over North Korea”, Sustainability, N 11, pp: 1-17. [41]. Tangang, F.; Supari, S.; Chung, J. X.; Cruz., F; Salimun, E; Ngai, S. T; Juneng, L.; antisirisomboon, J.; Santisirisomboon, J.; Ngo-Duc, T.; Phan-Van, T.; Narisma, G.; Singhruck, P.; Gunawan, D.; ldrian, E.; Sopaheluwakan, A.; Nikulin, G.; Yang, H.; Remedio, A. R. C.; Sein, D.; & Hein-Griggs, D. (2018). “Future changes in annual precipitation extremes over Southeast Asia under global warming of 2°C”, APN Science Bulletin, N8 (1), pp: 3-8. [42]. Westra S.; Alexander, L.V.; & Zwiers, F.W. (2013) “Global increasing trends in annual maximum daily precipitation”. J Climate , N 11, pp: 3904–3918 [43]. Xiong, J.; Yong, Z.; Wang, Z.; Cheng, W; Li, Y.; Zhang, H.; Ye, C.; & Yang, Y. (2019). “Spatial and Temporal Patterns of the Extreme Precipitation across the Tibetan Plateau (1986–2015)”, Water, N 11,pp: 1-24.
| ||
|
آمار تعداد مشاهده مقاله: 554 تعداد دریافت فایل اصل مقاله: 326 |
||