کاربرد مدل LARS-WG در مدلسازی پدیده تغییر اقلیم

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 کاربرد مدل LARS-WG در مدلسازی پدیده تغییر اقلیم دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کاربرد مدل LARS-WG در مدلسازی پدیده تغییر اقلیم  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی کاربرد مدل LARS-WG در مدلسازی پدیده تغییر اقلیم،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن کاربرد مدل LARS-WG در مدلسازی پدیده تغییر اقلیم :

سال انتشار : ۱۳۹۹

تعداد صفحات : ۱۲

در پدیده تغییر اقلیم از مباحثی است که امروزه بیش از پیش بر تمام ابعاد ابعاد زندگی بشر تاثیر گذاشته است. به طوریکه منجر به تغییرات قابل توجه در عناصر هواشناسی مناطق شده است. پیش بینی و ارزیابی تغییرات پارامترهای اقلیمی دراثر پدیده تغییر اقلیم به ویژه از منظر مدیریت منابع آب از اهمیت بالایی برخوردار است. در بررسی تغییرات اقلیمی، پیش بینیآینده پارامترهای اقلیمی توسط مدلهای گردش عمومی جو (GCMS) و تحت سناریوهای انتشار گازهای گلخانه ای انجاممی شود اما خروجی این مدل ها به علت بزرگ مقیاس بودن شبکه ی آنها فاقد دقت مکانی و زمانی مناسب در مقیاس کوچکمی باشد. بدین منظور نیاز به کوچک مقیاس کردن خروجی این مدل ها در مقیاس ایستگاهی و نقطه ای با استفاده ازمدل های ریزمقیاس نمای خواهد بود که به دو دسته آماری و دینامیکی تقسیم می شود که روش های آماری دارای کاربردو مقبولیت بیشتری می باشد. از میان روش های آماری نیز مدل LARS-WG از معتبرترین ابزارهای ریزمقیاس نمای درحال حاضر به حساب می آید. مدل LARS-WG یک تولید کننده داده های هواشناسی است که با ریز مقیاس نماییمدل های گردش عمومی جو اقدام به پیش بینی پارامترهای اقلیمی می نماید. بارش و دما دو پارامتر مهم تغییر اقلیم هستند.هدف از این پژوهش تعیین مقادیر افزایش دما و میزان بارندگی با استفاده از نرم افزار LARS-WG است. نتایج این مطالعهنشان داد که مدل ریز مقیاس نمایی LARS-WG توانایی زیادی در مدلسازی داده های بارش و دما در مناطق مطالعاتیرا داشته است. به طوری که داده های بارش و دمای پیش بینی شده با داده های دیدبانی شده مطابقت دارد و همچنینتوانمندی مدل در مدلسازی بارش و دما بسیار خوب و قابل قبول می باشد.