قاسمی فر, الهام, علیجانی, بهلول, سلیقه, محمد. (1395). بررسی تغییرات دمایی سواحل جنوبی دریای خزر با استفاده از سه مدل LARSWG،SDSM و مدل شبکه عصبی مصنوعی. جغرافیای طبیعی, 9(34), 23-41.
الهام قاسمی فر; بهلول علیجانی; محمد سلیقه. "بررسی تغییرات دمایی سواحل جنوبی دریای خزر با استفاده از سه مدل LARSWG،SDSM و مدل شبکه عصبی مصنوعی". جغرافیای طبیعی, 9, 34, 1395, 23-41.
قاسمی فر, الهام, علیجانی, بهلول, سلیقه, محمد. (1395). 'بررسی تغییرات دمایی سواحل جنوبی دریای خزر با استفاده از سه مدل LARSWG،SDSM و مدل شبکه عصبی مصنوعی', جغرافیای طبیعی, 9(34), pp. 23-41.
قاسمی فر, الهام, علیجانی, بهلول, سلیقه, محمد. بررسی تغییرات دمایی سواحل جنوبی دریای خزر با استفاده از سه مدل LARSWG،SDSM و مدل شبکه عصبی مصنوعی. جغرافیای طبیعی, 1395; 9(34): 23-41.
بررسی تغییرات دمایی سواحل جنوبی دریای خزر با استفاده از سه مدل LARSWG،SDSM و مدل شبکه عصبی مصنوعی
1دانشجوی دکترا آب و هواشناسی ماهواره ای، دانشگاه تربیت مدرس،تهران،ایران.
2استادآب و هواشناسی و مدیر قطب علمی تحلیل فضایی مخاطرات محیطی، دانشگاه خوارزمی،تهران،ایران.
3دانشیارآب و هواشناسی و عضو قطب علمی تحلیل فضایی مخاطرات محیطی، دانشگاه خوارزمی،تهران،ایران.
چکیده
تغییرات اقلیمی که عمدتا منشأ انسانی دارد، پدیده‌ای است که طی 150سال اخیر بشر را تهدید می‌کند. سواحل دنیا یکی از آسیب پذیرترین نقاطی هستند که از این پدیده به شدت دگرگون شده اند. تحقیق حاضر میزان تغییرات دمای حداقل و حداکثر برای پنج ایستگاه سواحل جنوبی دریای خزر شامل انزلی، رشت، بابلسر، رامسر و گرگان را با استفاده از دو مدل LARS_WG, SDSM و یک مدل شبکه عصبی مصنوعی، طی دوره اقلیمی پایه 1990-1961 و آینده 2039- 2010 با استفاده از سه سناریوی A2,B2 وB1 مورد بررسی قرار داده است. نتایج حاصل از این پژوهش نشان داد دما طی دوره آماری 1990-1961 افزایش داشته است و هر پنج ایستگاه مورد بررسی دستخوش این تحول و دگرگونی شده اند. بر اساس نتایج مدل LARS_WG ، طی دوره آماری آینده، افزایش دما تا یک درجه سانتیگراد برای همه ی ماهها و هر پنج ایستگاه تشخیص داده شد اما مدل SDSM علاوه بر افزایش دما طی دوره ی آینده (حدود یک درجه سانتیگراد و گاهی بیشتر)، حاکی از کاهش دما برای ایستگاهها در ماههای آوریل، می و نوامبر بود. مدل شبکه عصبی مصنوعی همانند مدل SDSM نشان داد دما برای ایستگاهها و همه‌ی ماهها به جز ماههای آوریل، می و نوامبر افزایش خواهد داشت. مقایسه ی نتایج مدل ها نشان داد که خطای مدل SDSM ( 01/0تا 06/0 درجه سانتیگراد) کمتر از مدل های دیگر است، مدل LARS_WG بعد از مدل SDSM کمترین خطا را داشته است و سپس مدل شبکه عصبی مصنوعی قرار می گیرد. همچنین دو آزمون ویلککسون و کلموگروف اسمیرنوف که به ترتیب برای میانگین و واریانس دو سری بکار گرفته شد مشخص کرد مدل SDSM مقادیر P بالای سطح معنی دار 0.05 دارد. در نتیجه صحت محاسبات مدل SDSM بیشتر است و با اطمینان بیشتری می‌توان به نتایج آن اعتماد کرد.
اشرف،بتول، محمدموسوی بایگی، غلامعلی کمالی و کامران داوری،(1390): پیش بینی تغییرات فصلی پارامترهای اقلیمی در 20سال آتی با استفاده ازریز مقیاس نمایی آماری داده های مدلHADCM3 (مطالعه ی موردی استان خراسان رضوی)، نشریه ی آب و خاک(علوم و صنایع کشاورزی) ،25،شماره4: 957-945.
باباییان،ایمان، زهرا نجفی بیک، فاطمه زابل عباسی، مجیدحبیبی نوخندان، حامد ادب و شراره ملبوسی،( 1388):ارزیابی تغییر اقلیم کشور در دوره ی 2039-2010میلادی با استفاده از ریز مقیاس نمایی داده های مدل گردش عمومی جو ECHO-G،مجله جغرافیا و توسعه،شماره16: 152-135.
سبحانی، ب، مهدی اصلاحی و ایمان بابائیان، (1394):کاراییالگوهایریزمقیاسنماییآماریSDSM و LARS-WG درشبیهسازیمتغیرهایهواشناسیدرحوضةآبریزدریاچةارومیه، پژوهش های جغرافیای طبیعی، دورة 47 ، شمارة 4، 499-516.
عباسی،فاطمه، شراره ملبوسی، مجید حبیبی نوخندان و مرتضی اثمری،(1389): ارزیابی تغییر اقلیم زاگرس در دوره 2039- 2010 میلادی با استفاده از ریز مقیاس نمایی داده های مدل گردش عمومی جوECHOG،نشریه پژوهش های اقلیم شناسی،سال اول،شماره1-2: 20-3.
مساح بوانی،علیرضا و علیرضا مرید، (1384):اثرات تغییر اقلیم بر جریان رودخانه زاینده رود اصفهان،نشریه علوم و فنون کشاورزی و منابع طبیعی،سال نهم،شماره4: 27-17.
ابتدای صفحه