TY - JOUR ID - 58632 TI - ریزمقیاس نمایی مدل گردش عمومی جو و کاربرد آن در شبیه سازی داده های هواشناسی استان گیلان JO - نشریه محیط زیست طبیعی JA - JNE LA - fa SN - 2008-7764 AU - جباریان امیری, بهمن AU - فاتحی, ایمان AU - محمدزاده, ناصر AD - دانشگاه تهران، دکترای محیط زیست AD - دانشگاه تهران، کارشناس محیط زیست Y1 - 2016 PY - 2016 VL - 69 IS - 1 SP - 143 EP - 158 KW - مدل لارس KW - تغییرات اقلیم KW - گیلان KW - پیش بینی اقلیم KW - ریز مقیاس نمایی DO - 10.22059/jne.2016.58632 N2 - پارامترهای اقلیمی جزو مهم ترین معیارهای ارزیابی توان اکولوژیک سرزمین می باشند، از سوی دیگر، تغییرات اقلیمی که درچند دهه اخیر شدت یافته و پیامدهایی همچون؛ افزایش پدیده های حدی اقلیمی مانند وقوع سیل های سهمگین، توفان های مخرب، سرما و گرماهای غیرطبیعی و ناگهانی، ریزش های نابهنگام و سنگین برف و خشکسالی های گسترده و غیره داشته است، لزوم مطالعه اثرات تغییر اقلیم در بخش های مختلف اقتصادی و اجتماعی را بیش از پیش نمایان ساخته است. اما به دلیل دقت زمانی و مکانی نسبتا پایین مدل های جهانی پیش بینی اقلیمی، کارشناسان منطقه ای با استفاده از روش های ریزمقیاس نمایی به افزایش دقت این مدل ها می پردازند. در این پژوهش نیز به بررسی و ارزیابی توان مدل ریزمقیاس نمایی لارس در داده سازی و پیش بینی اقلیم استان گیلان پرداخته شده است. براین اساس از داده های دیده بانی روزانه ایستگاه های سینوپتیک این استان که دارای طول داده حداقل 15سال بوده اند، طی سال های 1995 تا 2009 میلادی استفاده شده است. متغیرهای مورد بررسی شامل؛ بارش، دمای حداقل، دمای حداکثر و تابش بوده اند. نتایج این پژوهش نشان داده است که بیشترین خطای مطلق داده های تولیدشده بارش، 14.48 و مربوط به ایستگاه آستارا بوده ، همچنین بیشترین اریبی بارش نیز مربوط به همین ایستگاه و به میزان 4.35- بوده است. اما عملکرد مدل در داده سازی دمای حداقل و حداکثر بسیار مطلوب بوده و بیشترین خطای مطلق دمای حداقل مربوط به ایستگاه انزلی و به مقدار 0.17 و با اریبی 0.065 بوده است. درمورد دمای حداکثر نیز ایستگاه رشت با خطای مطلق 0.26 و اریبی 0.23 بیشترین انحراف را داشته است. درمورد عملکرد مدل در پارامتر تابش نیز، ایستگاه رشت با خطای مطلق 0.31 و اریبی 0.08 بیشترین انحراف را داشته است. براساس نتایج بدست آمده مدل لارس، از توان لازم جهت مدلسازی اقلیمی استان گیلان برخوردار بوده است. UR - https://jne.ut.ac.ir/article_58632.html L1 - https://jne.ut.ac.ir/article_58632_eb6c343a9d1ef124c5ec1860ebcdc15b.pdf ER -