Assessment of Statistical Downscaling Models in Explanation of Climate Change over North West of Iran

اصلاحی, مهدی and سبحانی, دکتر بهروز and بابائیان, دکتر ایمان (2017) Assessment of Statistical Downscaling Models in Explanation of Climate Change over North West of Iran. Doctoral thesis, University of Mohaghegh Ardabili.

[img] Text
final.pdf

Download (1MB)
Official URL: http://uma.ac.ir/

Abstract

The occurrence of climate change caused by human factors, an issue that has attracted scientists and is one of their concerns. According to the Intergovernmental Panel on Climate Change (IPCC), global warming will continue to accelerate and catastrophic rise in sea levels than have been warned. Climate prediction relies on computerized numerical models that general circulation models of the atmosphere is known which simulate the Earth's climate. To downscale general circulation models of the atmosphere and improve the accuracy of output, are presented dynamical and statistical downscaling models. In this study, performance of statistical downscaling models and comparing them has been studies in the North West of Iran. Studies have shown that the performance of statistical downscaling model depends on the type of climate and parameters studied. Because performance of these models have been different in the varied areas studies. So in this study, for the explanation of climate change prospect for the region, common statistical downscaling models (LARS, SDSM and artificial neural network models) used for the output of HadCM3 model under A2 emission scenario and were investigated performance of these models to predict future of minimum temperature, maximum temperature and precipitation. According to the conclusions drawn, for minimum temperature JEN neural network model, for maximum temperature MFN neural network model and for precipitation SDSM model had the best performance in most regional stations. In accordance with the selected models, forecasts of future period 2046-2065 shows that the minimum temperature will be increased, averaged over the entire year. So that this increase in cold seasons has been more than warm seasons. For maximum temperature, increase in the coming period is specified in all seasons. Forecasts indicate reduced rainfall in the coming period is 10 to 40 percent (depending on the region of interest). So the more northern regions, including regions of Ardabil, Parsabad, Julfa and Khoy decline 20 to 40 percent, Urmia and Zanjan regions, in normal to 10 percent and the rest of the reduction from 10 to 20 percent.

Item Type: Thesis (Doctoral)
Persian Title: ارزيابي مدل‌های ريزمقياس‌نمايي آماري در تبيين تغييرات اقليمي شمال‌غرب ايران
Persian Abstract: رخداد تغییراقلیم ناشی از عوامل انسانی، یکی از موضوعات مهمی است که نظر دانشمندان علوم مختلف را به خود جلب کرده و یکی از دغدغه‌های آنان است. طبق گزارشات هیأت بین دول تغییر اقلیم (IPCC) گرمايش جهاني با شتاب ادامه پيدا خواهد کرد و نسبت به افزایش فاجعه بار سطح آب دریاها که ناشی از گرمایش زمین است، هشدار داده شده است. پيش‌بيني اقليم آينده به مدل‌هاي عددي رايانه‌اي متکي است که به مدل‌هاي گردش کلی جو معروف مي‌باشند و اقليم زمين را شبيه‌سازي مي‌کنند. برای ریزمقیاس نمودن و بالا بردن دقّت خروجی مدل‌هاي گردش کلی جو، مدل‌هاي ریزمقیاس‌نمایی دینامیکی و آماری ارائه شده اند. در این تحقیق عملکرد مدل‌هاي ریزمقیاس‌نمایی آماری و مقایسه‌ی آن‌ها در منطقه‌ی شمال‌غرب ایران مورد بررسی قرار گرفته است. نتایج مطالعات مختلف نشان داده اند که عملکرد مدل ریزمقیاس‌نمایی آماری به نوع اقلیم منطقه و پارامتر مورد بررسی وابسته است. زیرا عملکرد این مدل‌ها در مطالعات مناطق مختلف متفاوت می باشند. بنابراین در تحقیق حاضر برای تبیین دورنمای تغییرات اقلیمی منطقه مورد مطالعه، مدل‌هاي ریزمقیاس‌نمایی آماری رایج (مدل لارس، SDSM و مدل‌هاي شبکه‌ی عصبی مصنوعی) برای خروجی مدل HadCM3 تحت سناریوی انتشار A2 مورد استفاده قرار گرفته و عملکرد این مدل‌ها برای پیش‌بینی آتی پارامترهای حداقل و حداکثر دما و بارش مورد بررسی قرار گرفته است. طبق نتایج بدست آمده، برای حداقل دما مدل شبکه‌ی عصبی JEN، برای حداکثر دما مدل شبکه‌ی عصبی MFN و برای بارش مدل SDSM بهترین عملکرد را در اکثر ایستگاه‌های منطقه داشته‌اند. پیش‌بینی‌های آتی برای دوره‌ی آینده‌ی (2065-2046) طبق مدل‌هاي منتخب نشان می‌دهند که حداقل دما به‌طور میانگین در کل سال افزایش خواهد یافت به‌طوری‌که این افزایش در فصول سرد سال بیش از فصول گرم خواهد بود. برای دوره‌ی آتی در کلیه‌ی فصول حداکثر دما نیز افزایش خواهد یافت. پیش‌بینی بارش در دوره‌ی آتی بسته به منطقه‌ی مورد نظر حاکی از کاهش 10 تا 40 درصدی بارش است به‌طوری‌که مناطق شمالی تر شامل مناطق اردبیل، پارس‌آباد، جلفا و خوی کاهش 20 تا 40 درصدی، مناطق ارومیه و زنجان در حد نرمال حتی تا 10 درصد افزایش و بقیه‌ی مناطق کاهش 10 تا 20 درصدی را نشان می‌دهند.
Supervisor:
SupervisorE-mail
سبحانی, دکتر بهروزUNSPECIFIED
Advisor:
AdvisorE-mail
بابائیان, دکتر ایمانUNSPECIFIED
Subjects: Faculty of Literature & Humanities > Department of Geography
Divisions > Faculty of Literature & Humanities > Department of Geography
Divisions: Subjects > Faculty of Literature & Humanities > Department of Geography
Faculty of Literature & Humanities > Department of Geography
Date Deposited: 10 Jul 2019 07:26
Last Modified: 10 Jul 2019 07:26
URI: http://repository.uma.ac.ir/id/eprint/7733

Actions (login required)

View Item View Item