عنوان پایان‌نامه

عدم قطعیت مدل های ریزمقیاس نمایی آماری در ارزیابی ریسک سرمای دیررس بهاره تحت سناریوهای مختلف تغییر ا قلیم در ایران



    دانشجو در تاریخ ۲۴ شهریور ۱۳۹۵ ، به راهنمایی ، پایان نامه با عنوان "عدم قطعیت مدل های ریزمقیاس نمایی آماری در ارزیابی ریسک سرمای دیررس بهاره تحت سناریوهای مختلف تغییر ا قلیم در ایران" را دفاع نموده است.


    رشته تحصیلی
    مهندسی کشاورزی - هواشناسی کشاورزی
    مقطع تحصیلی
    دکتری تخصصی PhD
    محل دفاع
    کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7069;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76645;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 7069;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 76645
    تاریخ دفاع
    ۲۴ شهریور ۱۳۹۵
    دانشجو
    جابر رحیمی
    چکیده
    لینک فایل چکیده
    سرماهای دیررس بهاره در ارزیابی پتانسیل اقلیمی تولید محصولات زراعی و باغی کشور نقش اساسی داشته و از مؤلفه‌های ساختاری امنیت غذایی به شمار می‌روند. از طرف دیگر این پتانسیل در شرایط تغییر اقلیم و گرمایش زمین دستخوش تغییر خواهد شد. هدف از بررسی حاضر کمی سازی این تغییرات و ارزیابی مدل‌های SDSM و ANN در ریزمقیاس نمایی خروجی مدل‌های گردش عمومی HadCM3 و CGCM3 تحت سناریوهای انتشار A2 و B2 به وسیله شبیه سازی تاریخ و ریسک سرمای صفر درجه دیررس بهاره در طی سده بیست و یکم در گستره ایران می‌باشد. برای این منظور ابتدا داده‌های دمای حداقل روزانه 50 ایستگاه هواشناسی، معرف اقلیم‌های گوناگون کشور از بدو تأسیس تا سال 2010 گردآوری و کنترل کیفی شد. برای بازسازی خلاءهای آماری 32 روش موجود و یک روش پیشنهادی آزمون و برترین آنها انتخاب گردید. این آزمون نشان داد که سه روش تحلیل مؤلفه‌های اصلی، روش پیشنهادی مبتنی بر تابع توزیع تجمعی احتمالات و روش شبکه عصبی مصنوعی به ترتیب با سطح خطای 5 درصد 0/2±، 2/2± و 3/1± درجه روش‌های برتر هستند. بررسی روند تغییرات میانگین سالانه دمای حداقل روزانه در دوره 2010-1960 افزایش معنی دار 0.3 درجه در هر ده سال را مشخص می سازد. همچنین عقب رفت 1.4 روز در هر دهه در تاریخ وقوع آخرین سرمای بهاره صفر درجه در همین دوره به ویژه پس از دهه 80 میلادی در سطح 95 درصد نیز دیده می‌شود. در بررسی دیگر ، تحلیل سری فوریه نشان داد که در رفتار تناوبی میانگین مکانی میانگین های سالانه دمای حداقل روزانه کلیه ایستگاه‌های مطالعاتی در سطح کشور، سه هارمونیک معنی دار سطح 5% با دوره های تناوب 3.5، 10 و 16 ساله دیده می‌شود. در گام بعدی، از آزمون‌های آماری ویلکاکسون، لِوِن و خودگردان سازی به ترتیب برای مقایسه میانگین و واریانس و تعیین عدم قطعیت (حدود اعتماد 95%) دماهای حداقل و تاریخ یخبندان دیررس بهاره پیش بینی شده توسط هر یک از مدل‌ها استفاده شد. نتایج نشان داد که اولاً کارایی هر یک از این مدل‎ها در شبیه سازی میانگین بیشتر از واریانس است؛ ثانیاً مدل SDSM تابستان‌های گرم‎تر و زمستان‎های سردتری را نسبت به ANN شبیه سازی می کند؛ ثالثاً مدل‌های ANN_CGCM3_A2 و ANN_HadCM3_B2 به ترتیب بهترین و بدترین تطابق را در شبیه سازی دماهای حداقل و تاریخ یخبندان دیررس بهاره طی دوره 2010-2001 داشته‌اند. در ادامه لایه های مربوط به تاریخ وقوع و ریسک آخرین یخبندان دیررس بهاره برای آستانه دمایی صفر درجه با تفکیک 1×1 کیلومتر و با دقت 50 ایستگاه در سطح کشور در محیط GIS‌ و به روش ایجاد لایه تصحیح خطا چه در دوره تاریخی و چه در دوره آینده (جمعاً 50 لایه) ترسیم گردید و پهنه های کم، متوسط، پر و بسیار پرخطر مشخص شد و سپس اختلافات در تغییر مساحت های تحت پوشش هر پهنه تعیین و به طور کمی مقایسه گردید. در دید کلی بر اساس نتایج بدست آمده، مدل سازی بر پایه مدل ریزمقیاس نمایی SDSM تحت هر دو سناریوی A2 و B2، تاثیرات محتمل تغییرات اقلیمی بر تاریخ و ریسک وقوع یخبندان دیررس بهاره را شدیدتر ارزیابی می کند. با این حال این تاثیرات همواره در راستای افزایش کمی خطر سرمازدگی (ریسک) در یک منطقه نیست، به طوریکه بر اساس مدل SDSM، هر دو پهنه بسیار پر خطر و بی خطر بیشترین تغییر را بر اثر تغییرات اقلیمی خواهند داشت. به عبارت دیگر، تاثیرات تغییر اقلیم ارزیابی شده با استفاده از مدل ریزمقیاس نمایی SDSM تغییرات کلاسه های حدی را شدیدتر نمایش می دهد.
    Abstract
    Last spring frosts plays a key role in evaluation of climate suitability for agricultural and horticultural crop productions and is considered to be one of the main components of food security. On the other hand, the climatic suitability will change under global warming and climate change conditions. This study aims to quantify these changes and investigate the ability of SDSM and ANN models to downscale HadCM3 and CGCM3 global circulation models outputs under A2 and B2 scenarios for simulating date and risk of last spring frost during 21th century across Iran. For this purpose daily minimum temperature data of 50 meteorological stations in different climate type of Iran since their establishment date to 2010 were collected and submitted to quality control. In order to reconstruct missing data, 31 classic methods and a new proposed approach, which is based on cumulative probability function (CDF) of minimum temperature data, was tested and the most suitable method for repairing and lengthening of their record period was determined. Results revealed that principle component analysis, proposed method based on CDF, and artificial neural network have priority for reconstruction of daily minimum temperature data, with 95% confidence intervals reconstructed error of ±2.0, ±2.2 and ± 3.1 °c, respectively. The trend analyses of annual mean of daily minimum temperature series shows a significant positive trend of increase at a rate of 0.3 0 C per decade. There was also a significant (at the confidence level of 5 %) backward trend of 1.4 days per decade in last spring frost dates, especially after 1980s. The harmonic analysis of spatial average of annual means of daily minimum temperature series of Iran based on Fourier series shows three significant harmonics ( at 5%) with 3.5, 10 and 16-year periodicity cycles . In the next step, Wilcoxon rank-sum, Levene’s and bootstrapping method were used for comparing and finding confidence intervals of means and variances of downscaled daily minimum temperature and last spring frost date of models outputs at each month of the year at 95% confidence level. Results showed that, firstly, downscaling models performance in simulating averages is much better than variance. Secondly, SDSM simulates warmer summers and colder winters comparing ANN. Finally, ANN_CGCM3_A2 and ANN_HadCM3_B2 had the best and worst accordance with observed daily minimum temperature and last spring frost date, respectively. In the following, last spring frost date and risk layers of current and simulated future climate conditions for critical temperature of 0°C over Iran with spatial resolution of 1×1 km2 and by using 50 stations were constructed in GIS environment. After that, very low, median, high and very high risk zones and their areas at current condition and three future conditions (2010-2040, 2040-2070, 20170-2100) were compared; moreover. According to results, SDSM under both A2 and B2 emission scenarios simulated the probable effects of climate change on last spring frost more intensive comparing to ANN. However, since both Very High and No Frost risk zones will drastically change, SDSM results does not always imply that risk of frost damage increases. In general, it is concluded that SDSM simulates changes of high and low frost risk zones stronger in comparison to ANN. Key Words: Uncertainty, Data Reconstruction, Last Spring Frost, Climate Change, SDSM, ANN, Iran.