عنوان

تحلیل پس پردازش خروجی مدل های دینامیکی بر روی خشکسالی شمال غرب ایران

Number

‭۱۶۲۹۶پ‬

.Language of Text, Soundtrack etc

per

Title Proper

تحلیل پس پردازش خروجی مدل های دینامیکی بر روی خشکسالی شمال غرب ایران

First Statement of Responsibility

/سینا صمدی نقاب

Name of Publisher, Distributor, etc.

: جغرافیا و برنامه‌ریزی

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۵‬

Name of Manufacturer

، راشدی

Text of Note

چاپی

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

جغرافیای طبیعی گرایش اقلیم شناسی در برنامه ریزی محیطی

Date of degree

‮‭۱۳۹۵/۱۱/۱۶‬

Body granting the degree

تبریز

Text of Note

از دیرباز پیش بینی وضعیت بارش و بررسی ناهنجاری خشکسالی در حوضه های آبریز شمال غرب کشور ایران به دلیل حساسیتی که دریاچه ارومیه نسبت به میزان آبدهی حوضه های مربوطه دارد یکی از مهمترین چالش ها در مدیریت بهینه منابع آبی بوده و مدیریت سرمایه های عظیم منابع آبی و تولید انرژی کشور در منطقه مذکور به شدت متاثر از این عوامل است .بنابراین با توجه به نوسانات پارامترهای اقلیمی و وقوع رفتارهای غیر متعادل در الگوی بارش کشور، استفاده از روش های دینامیکی می تواند کمک بسیاری را در تبیین این شرایط ایفاد نماید .در این تحقیق، بدلیل توزیع نامناسب داده های دیده بانی شده، ابتدا با استفاده از داده های بارش شبکه آفرودیت، و بکارگیری روش‌های پس پردازش آماری بر روی خروجی مدل پیش بینی دینامیکی‮‭CGCM۳ - MRI‬در یک دوره ‮‭۲۸‬ ساله‮‭۱۹۸۰)- (۲۰۰۷‬ ، بارش شبکه ای مدل پس پردازش شده و با وزن دهی متغیر های اقلیمی خروجی مدل دینامیکی برای هر سلول شبکه داده و تعیین ضرایب مدل آماری همبستگی چند متغیره، عمل پس پردازش کامل گردید و خطاهای سیستماتیک خروجی مدل جهت استفاده در مقیاس های کوچک تا حدود زیادی کاهش یافت .داده های پیش بینی پس پردازش شده مدل دینامیکی، جهت محاسبه شاخص خشکسالی ‮‭(SPI)‬در راستای ارائه پیش‌آگاهی خشکسالی استفاده گردید .توانمندی روش پس پردازش انتخاب شده، با استفاده از شاخص های ارزیابی مورد سنجش قرار گرفت .نتایج نشان می دهند که اعمال پس پردازش آماری بر روی خروجی مستقیم مدل دینامیکی موجب بهبود پیش بینی ماهانه بارش تا میزان‮‭۲۹‬ درصد در روش پس پردازش انتخابی می‌شود .صحت پیش بینی شاخص خشکسالی ‮‭SPI‬ می تواند به مقدار ‮‭۲۰.۶۹‬ درصد نسبت به حالت بدون پس پردازش افزایش یافته به طوریکه این میزان قبل از فرآیند پس پردازش ‮‭۶۵.۷۵‬ درصد بوده است که بعد از اجرای پس پردازش به ‮‭۷۹.۳۷‬ درصد رسید .همچنین دقت کل پیش بینی در منطقه مورد مطالعه جهت خشکسالی طبقه بندی شده ‮‭۶۵.۸۷‬ درصد می باشد که این میزان نیز می تواند حتی با کاهش طبقه بندی خشکسالی به میزان ‮‭۸۹.۱۳‬ درصد برسد .بدیهی است که پیش‌آگاهی خشکسالی آتی از نظر مدیریتی، اطلاع رسانی و برنامه ریزی های بلندمدت دارای اهمیت بسزائی می باشد

Text of Note

Since long time ago, prediction of precipitation status and investigation of drought hazards in catchment areas of North West of Iran, due to the critical importance of discharge rate of related catchments for Lake Uromia, has been one of the most important challenging issues in efficient management of water resources; management of vast capital of water resources and energy production of the country is highly affected by the aforesaid factors. Therefore, application of dynamic methods may play significant role in adjustment of such conditions concerning the frequencies of climate parameters and occurrence of imbalance behaviors in precipitation pattern of the country. Regarding improper distribution of observed data, this research firstly completes post-processing operation using precipitation data of Aphrodite network, and Model Output Statistics(MOS) post-processing methods on the output of dynamic prediction model MRI-CGCM3 in a 28-year period(1980-2007), the precipitation grid of post-processed model and upon weighting output climate variables of dynamic model for each cell of data network and also, determining statistical model coefficients of multivariable correlation; output systematic error of the model highly reduced to be used in small scale applications. Then, post-processed prediction data of dynamic model were applied for computing Standardized Precipitation Index (SPI) provided in order to predict drought. Capabilities of selected post-processing method were assessed using evaluation criteria. Findings showed that application of statistical post-processing on direct output of dynamic model results in developing the monthly prediction of precipitation up to 29 in selected post-processing method. Accuracy of Standardized Precipitation Index (SPI) predicting may increase up to 2.69 than no post-processing mode, in a way that this value reaches to 79.37 after the implementation of post-processing operation. Also total accuracy of Drought Classify Prediction is 65.87 that could increasing to 89.13 if decrease the number of classifications. It is evidently, in point of managing, informing and long term management view, Drought early warning is very important title

صمدی نقاب، سینا

ساری صراف، بهروز، استاد راهنما

رسولی، علی اکبر، استاد مشاور

حبیبی نوخندان، مجید، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی