این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و پایداری محیط، جلد ۳، شماره ۹، صفحات ۲۳-۳۲
عنوان فارسی آشکارسازی آماری اثر گاز گلخانه‌ای هگزا فلورید گوگرد بر بارش‌های فصلی ایران در دهه اخیر
چکیده فارسی مقاله اثرات گلخانه‌ای یکی از تهدیدهای جدّی محیط‌زیست هستند و عوارض جانبی آن متوجّه تمامی نقاط جهان است. با توجّه به اهمّیّت این موضوع، پژوهش حاضر با هدف نقش گازهای گلخانه‌ای در نوسانات بارش ایران مورد بررسی قرار گرفت. بدین منظور از روش همبستگی پیرسون استفاده شد. داده‌های مجموع بارش 36 ایستگاه منتخب بر اساس صحّت داده‌های آماری و پراکندگی فضایی ایستگاه‌ها در سطح کشور، از سال 2000 تا 2010 از سازمان هواشناسی کشور اخذ گردید. همچنین آمار و اطّلاعات مربوطبه گاز هگزا فلورید (برحسب بیلیون در قسمت) از ایستگاه شاخص جهانی منولوا دریافت شد. نتایج حاصل از تحلیل فضایی پژوهش نشان دادند که تأثیر گاز هگزا فلورید گوگرد بر بارش فصل بهار در بخش‌های شرق و جنوب شرق کشور تقریباً مثبت و به صورت افزایش بارش و در سواحل دریای خزر تأثیر این گازها به صورت کاهش بارش بوده است. با توجّه به اینکه تابستان فصل خشکی است؛ بنابراین، نتایج حاصل از تحلیل این فصل قابل اطمینان نیست. در فصل پاییز تأثیر گاز هگزا فلورید گوگرد بر بارش بخش‌های جنوب شرقی کشور مثبت و به صورت افزایش بارش و در بخش‌های شمالی و شمال شرقی کشور تأثیر این گاز بر بارش مناطق از نوع معکوس و به صورت کاهش بارش خود را نشان داده است؛ امّا بارش فصل زمستان طی این دوره آماری، از گاز هگزا فلورید گوگرد تأثیر چندانی نپذیرفته‌اند. در مجموع می‌توان گفت که بارش شهرهای بزرگ و صنعتی، بیشترین تأثیر را از این گاز به صورت کاهش بارش پذیرفته‌اند.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی The Statistical Detecting of Sulfur Hexafluoride and Nitrous Oxide Effect on Seasonal Rainfalls in Iran During Recent Decade
چکیده انگلیسی مقاله The importance of precipitation forecasting as the most important climatologic element and the basis of all planning, especially in areas where there are significant changes in precipitation regimes, is considerable. The use of artificial neural networks is one of the forecasting methods that have been widely developed in recent years. In this research the data set of some climatologic elements, related to the cold seasons of previous year, were used to forecast the next year precipitations in Kermanshah and Nouje Hamedan synoptic stations. Therefore, time series of seven climatologic elements including mean temperature, precipitation, relative humidity, mixing ratio, vapor pressure, dew point temperature and sea level pressure were entered to the artificial neural networks as input, while next year precipitation was considered as the output of network. Due to nonlinear nature of selected climatologic elements of this research, the multi-layer perceptron (MLP) networks were applied. In fact, they are among the progressive networks with supervising training algorithms and suitable for nonlinear data. Other two categories of training algorithms including BP training algorithms and number normalization algorithm were used for training of networks. Eventually, the combination of these algorithms led to the production of 720 training networks at two stations, and finally the artificial neural network succeeded to proper forecasting of annual precipitation amounts. The best forecast for Kermanshah station is related to the traingd training function with mean and standard deviation normalization algorithm and testerror amount equal to 0.0195 in cold period of the year (overall autumn and winter), and in Nouje station is related to the traingdx training function with pca 0.06 normalization algorithm with testerror amount equal to 0.0047 in the winter.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله یوسف قویدل رحیمی | ghavidel rahimi
دانشیار اقلیم شناسی، دانشگاه تربیت مدرس، تهران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

میثم طولابی نژاد |
کارشناس ارشد اقلیم شناسی کاربردی، دانشگاه تربیت مدرس، تهران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

منوچهر فرج زاده |
استاد اقلیم شناسی، دانشگاه تربیت مدرس، تهران
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://ges.razi.ac.ir/article_705_4aa5e9f7bbca040aaace03abdfe6d74b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/766/article-766-434471.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات