پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,240 |
| تعداد مقالات | 67,871 |
| تعداد مشاهده مقاله | 115,427,651 |
| تعداد دریافت فایل اصل مقاله | 90,196,625 |
ارزیابی عدم قطعیت بارش ماهانه با به‌کارگیری GCMها و روش‌های تصحیح اریبی نگاشت چندکی | ||
| مدیریت آب و آبیاری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 فروردین 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2024.369044.1121 | ||
| نویسندگان | ||
| نیما نعمتی شیشه‌گران1؛ فریبا بابائیان2؛ حجت میان آبادی* 3 | ||
| 1گروه مهندسی و مدیریت آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 2گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 3استادیار گروه مهندسی و مدیریت آب، دانشگاه تربیت مدرس، تهران، وردآورد، دانشکده کشاورزی دانشگاه تربیت مدرس | ||
| چکیده | ||
| با توجه به درهم‌تنیدگی سیستم اقلیمی و رابطۀ غیرخطی اقیانوس و جو در آن، شناخت منشاء عدم قطعیت و لحاظ آن در پیش‌نگری متغیرهای اقلیمی، به منظور ارزیابی مناسب سیاست‌های سازگاری و کاهش گازهای گلخانه‌ای از اهمیت بسیاری برخوردار است. هدف از مطالعۀ حاضر، کمی‌سازی عدم قطعیت متوسط بارش ماهانه در دوره‌های تاریخی و آینده با توجه به مدل‌های گردش عمومی جو، روش‌های تصحیح اریبی، سناریوهای SSP و دوره‌های پیش‌نگری است. لذا خروجی ده مدل منتخب گردش عمومی جو با استفاده از روش‌های مختلف تصحیح اریبی نگاشت چندکی برای محدودۀ مطالعاتی رفسنجان اصلاح شد و جهت بررسی عدم قطعیت مرتبط با سناریوهای SSP و دوره‌های پیش‌نگری، روش تصحیح اریبی مناسب انتخاب گردید. بمنظور کمی‌سازی عدم قطعیت موارد مذکور نیز از دو معیار آماری انحراف معیار و دامنۀ میان چارکی استفاده گردید. نتایج حاصل نشان دادند که در دوره تاریخی، انحراف معیار و دامنۀ میان چارکی میانگین بارش ماهانه بر اساس نوع روش تصحیح اریبی و GCM نسبت به دورۀ آتی کمتر است. همچنین در دوره‌های تاریخی و آینده، انحراف معیار و دامنۀ میان چارکی میانگین بارش ماهانه براساس نوع روش تصحیح اریبی کمتر از انحراف معیار و دامنۀ میان چارکی محاسبه شده بر حسب نوع مدل GCM است. به طور کلی برای دورۀ آتی، عدم قطعیت دوره‌های پیش‌نگری و انتخاب GCM نسبت به دو منشاء دیگر عدم قطعیت (روش تصحیح اریبی و سناریوها) بیشتر بوده و نیازمند ارزیابی دقیق‌تری هستند. نتایج حاصل ازاین مطالعه می‌تواند به درک بهتری از منشاء‌های مختلف عدم قطعیت‌های طبیعی در پیش‌نگری‌های تغییر اقلیم کمک کند. | ||
| کلیدواژه‌ها | ||
| تغییر اقلیم؛ دامنۀ میان چارکی؛ دوره‌های پیش‌نگری؛ محدودة مطالعاتی رفسنجان | ||
| عنوان مقاله [English] | ||
| Uncertainty Assessment of Monthly Precipitation Using Multiple GCMs and Quantile Mapping Bias Correction Methods | ||
| نویسندگان [English] | ||
| Nima Nemati Shishehgaran1؛ Fariba Babaeian2؛ Hojjat Mianabadi3 | ||
| 1Department of Water Engineering and Management, Faculty of Agriculture, Tarbiat Modares University, Tehran, Iran. | ||
| 2Department of Water Recourses Engineering, Faculty of Agriculture, Tarbiat Modares University, Tehran, Iran | ||
| 3Assistant Professor, Department of Water Engineering and Management, Tarbiat Modares University | ||
| چکیده [English] | ||
| Given the complexity of the climate system and the non-linear relationships between the ocean and atmosphere within this system, it is imperative to comprehend and consider the uncertainties that stem from different sources. Understanding and accounting for uncertainties play a crucial role in predicting climatic variables and facilitating a comprehensive evaluation of greenhouse gas mitigation and adaptation policies. The objective of this study is to quantify the uncertainties in historical and future average monthly precipitation by employing various General Circulation Models (GCMs), bias correction methods, Shared Socioeconomic Pathways (SSPs) scenarios, and seven projection periods. To achieve this, the outputs of ten GCMs were adjusted using nine quantile mapping bias correction methods for the Rafsanjan study area, and a suitable method was chosen to analyze the uncertainties of SSPs and projection periods. Two statistical criteria, namely the standard deviation and interquartile range, were utilized to measure the uncertainties. The results revealed that the standard deviation and interquartile range of average monthly precipitation were lower during the historical period compared to the projection period. This difference was determined based on the selection of bias correction methods and GCMs. Furthermore, for both the historical and future periods, the STDEVs and IQRs of average monthly precipitation were lower depending on the type of bias correction methods rather than the type of GCMs. In general, the uncertainties associated with projection periods and the type of GCMs are higher during future periods compared to other sources of uncertainties such as bias correction methods and SSP scenarios. This highlights the necessity for a more accurate analysis. This study contributes to an enhanced understanding of the inherent uncertainties in climate change projections that arise from various sources. | ||
| کلیدواژه‌ها [English] | ||
| Climate Change, Projection Periods, Rafsanjan Study Area, Standard Deviations | ||
|
آمار تعداد مشاهده مقاله: 30 |
||