مدلسازی و پیش نگری تغییرات مکانی دمای فصلی ایران مبتنی بر مدل میان‌مقیاس منطقه‌ای Regcm4

انتشار گازهای گلخانه‌ای (ghgs) و انباشت مداوم آن ها در جو به‌طور مستقیم بر دمای هوا تاثیر می‌گذارد و افزایش دمای هوا تهدید جدی برای آب‌وهوای کره زمین محسوب می شود. هدف از این پژوهش مدلسازی مکانی دمای فصلی ایران می باشد به این منظور از دو سری داده استفاده شد: 1 داده‌های دمای میانگین 115 ایستگاه سینوپتیک (2014-1980) و 2 داده‌های پایگاه eh5om برای دوره 2015 تا 2050 به شکل دیدبانی‌های 3 ساعته (8 بار در روز) تحت سناریو a1b. برای ریزمقیاس نمایی داده‌های پایگاه eh5om از مدل regcm4 استفاده شد. سپس داده‌های ساعتی دمای هوا ریز پیمانه نمایی شده و با تفکیک مکانی 0.27 * 0.27 درجه قوسی با استفاده از روش زمین‌آمار کریجنیگ به ابعاد 15 *15 کیلومتر تبدیل شدند که درنتیجه ماتریسی به ابعاد 7200 *4 به دست آمد. صحت سنجی داده های مدلسازی شده با استفاده از سه آماره (r2)، (mae) و (rmse) مورد ارزیابی قرار گرفت و صحت آن ها با اطمینان بالایی تایید گردید. مدلسازی دمایی نشان داده است که دما در ایران در فصول تابستان و زمستان برای دوره 2015 تا 2050 تحت سناریو a1b به ترتیب با مقادیر 1.09 و 0.33 درجه سانتی گراد افزایش خواهد یافت. خودهمبستگی دمایی با آماره geary's c حاکی از ارتباط قوی واحدهای فضایی دما در ایران است. مرکز ثقل دمایی ایران تحت واداشت گرمایش جهانی در تمامی فصول موردمطالعه افزایشی بوده و همچنین تابع توزیع جهت‌دار مبین انحراف فضایی دمای فصلی ایران از حالت نرمال بود که منجر به آشکارسازی نقش ارتفاعات و جهت گیری از یکسو و سامانه بزرگ‌مقیاس جوی از سوی دیگر در دمای ایران شده است.

Modeling and projection spatial variations of seasonal temperature in Iran based on regional Medium scale model REGCM4

Emissions of greenhouse gases and their continuous accumulation in the atmosphere directly affect the temperature of the air and increasing air temperatures is a serious threat to the climate of the planet. The purpose of this study is to determine the spatial modeling of seasonal temperature in Iran two data sets were used for this purpose: 1 Average temperature data of 115 synoptic stations (19802014) and 2 EH5OM database data for the period 20152050 in the form of 3hour observations (8 times a day) under the scenario A1B. The REGCM4 model was used downscale the EH5OM base data. Then the hourly temperature data of the air temperature is downscaled and with a spatial resolution of 0.27 times; 0.27 arc, they were transformed into a 15by15squaremeter curry grunge method which resulted in a matrix with a dimension of 7200 times; 4. The accuracy of the modeling data was evaluated using three (R2), (MAE) and (RMSE) statistics and their authenticity was confirmed with high confidence. Temperature modeling has shown that temperatures in Iran during the summer and winter seasons for the period 20152050 will increase under the A1B scenario with values of 0.91 and 0.33 degrees Celsius, respectively. Temperature Autocorrelation with Geary C statistics indicates the strong association of temperature spatial units in Iran. The center of gravity of Iran under the influence of global warming has been increasing in all seasons and also, the directional distribution function of the spatial deviation of the seasonal temperature of Iran was normal which has led to the discovery of the role of heights and the direction of a large rectilinear system of atmospheric pressure on the other at Iran's temperature.