مقاله بررسی خشکسالی سواحل جنوبی دریای خزر طی دور? پایه و آینده با استفاده از مدل‌های ریز‌مقیاس ساز LARS-WGو SDSM

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله بررسی خشکسالی سواحل جنوبی دریای خزر طی دور? پایه و آینده با استفاده از مدل‌های ریز‌مقیاس ساز LARS-WGو SDSM دارای ۲۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی خشکسالی سواحل جنوبی دریای خزر طی دور? پایه و آینده با استفاده از مدل‌های ریز‌مقیاس ساز LARS-WGو SDSM  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بررسی خشکسالی سواحل جنوبی دریای خزر طی دور? پایه و آینده با استفاده از مدل‌های ریز‌مقیاس ساز LARS-WGو SDSM،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی خشکسالی سواحل جنوبی دریای خزر طی دور? پایه و آینده با استفاده از مدل‌های ریز‌مقیاس ساز LARS-WGو SDSM :

تعداد صفحات :۲۹

خشکسالی، رخدادی طبیعی است که در همه نوع اقلیم مشاهده می‌شود. این پدیده قادر است خسارات شدیدی به مناطق مستعد وارد سازد. از آنجایی که خشکسالی، کشاورزی سواحل خزر را به‌دلیل ویژگی خاص خود دستخوش تغییر می‌کند، این پدیده در سواحل خزر مورد بررسی قرار گرفته شد. هدف این پژوهش، بررسی خشکسالی طی دور پای ۲۰۱۰-۱۹۶۱ و آیند ۲۰۳۰-۲۰۱۱ در سواحل جنوبی خزر با استفاده از نمای SPI(نمر (Zاست. داده‌های روزان بارش ۵ ایستگاه برای محاسب مجموع بارش ماهانه و داده‌های مدلHADCM3 تحت سناریویB1 وA2دریافت شد. برای ریز‌مقیاس کردن داده‌هایHADCM3 از دو مدل ریزمقیاس ساز LARS-WGوSDSMاستفاده شد. نتایج نشان داد، مدل LARS_WG قابلیت بالاتری نسبت به مدلSDSMبرای ریزمقیاس کردن داده‌های بارش دارد. نتایج شبیه‌سازی مدل LARS-WG، افزایش بارش برای ماه‌های ژانویه -فوریه- نوامبر – و دسامبر و کاهش آن برای ماه‌های آگوست و سپتامبر را در هر پنج ایستگاه تخمین زد. نتایج شبیه‌سازی با مدل LARS-WGبا ضریب تبیین ۹۶ تا ۹۹ درصد، خطای مطلق میانگین ۳.۶ تا ۱۲.۶ میلیمتر و نتایج آزمون‌های T وF که به‌ترتیب برای معنی‌داری میانگین و واریانس داده‌ها می‌باشد، معنی‌دار است. معنی‌داری ۲ میانگین مشاهداتی و شبیه‌سازی ۲ مدل و هم توزیع بودن با دو تست به‌ترتیب ویلکاکسون و کلموگروف اسمیرنوف ثابت شد. شدت خشکسالی با استفاده ازGISبه نقشه تبدیل شد. نتایج نمر Zسه ماهه با ریزمقیاس سازی مدل LARS-WGنشان داد، بیشترین فراوانی و شدت خشکسالی طی دور مشاهداتی مربوط به ایستگاه انزلی و رشت است. طی دورآیند ایستگاه رشت، گرگان و رامسر بالاترین شدت خشکسالی را خواهند داشت. نمر Z6 ماهه مشخص کرد، از نظر فراوانی؛ ایستگاه بابلسر،گرگان و رامسر و از نظر شدت؛ ایستگاه انزلی، رشت و رامسر بالاترین خشکسالی را تجربه کرده‌اند. درآینده رامسر و سپس رشت و گرگان درجات بالاتر خشکسالی را خواهند داشت. نمر Z12 ماهه نیز بیشترین شدت را برای ایستگاه رامسر و سپس انزلی و برای آینده در رشت، رامسر، بابلسر و انزلی نشان داد. نتایج مشخص کرد، دوره‌های نرمال بر اساس نمایه نمر Z، دوره‌های با فراوانی بیشتری نسبت به بقی دوره‌ها در هر ۵ ایستگاه بوده است.