دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
مقايسه و برآورد چندين مدل GCM، مدل های ریزمقیاس نمایی آماری و هيدرولوژيكی در بررسی اثرات تغييرات آب و هوايی بر رواناب |
عنوان انگلیسی مقاله: |
Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2012 |
تعداد صفحات مقاله انگلیسی | 10صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی عمران و جغرافیا |
گرایش های مرتبط با این مقاله | آب و هوا شناسی، تغییرات آب و هوایی اقلیمی، مدیریت منابع آب و مهندسی هیدرولیک |
چاپ شده در مجله (ژورنال) | مجله هیدرولوژی – Journal of Hydrology |
کلمات کلیدی | تغییر آب و هوا، مقیاس آماری، GCM، مدل های هیدرولوژیکی حوضچه Hanjiang، چين |
ارائه شده از دانشگاه | آزمایشگاه دولتی علوم مهندسی منابع آب و هیدروپاور، دانشگاه ووهان، چین |
نویسندگان | Hua Chen , Chong-Yu Xu , Shenglian Guo |
شناسه شاپا یا ISSN | ISSN 0022-1694 |
شناسه دیجیتال – doi | https://doi.org/10.1016/j.jhydrol.2012.02.040 |
رفرنس | دارد ✓ |
کد محصول | 9249 |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه الزویر |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | طلایی⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | 20صفحه با فونت 14 B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه نشده است ☓ |
ترجمه متون داخل جداول | ترجمه نشده است ☓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | به صورت عکس درج شده است ✓ |
منابع داخل متن | درج نشده است ☓ |
فهرست مطالب |
خلاصه 1-مقدمه 2.حوزه های مطالعاتی و داده ها 2.1 . حوزه مطالعاتی 2.2. داده ها 3. روشهای زیرمقیاس نمایی آماری و مدلهای هیدرولوژیکی 3.1. روشهای ریزمقیاس نمایی آماری 3.1.1. ماشین برداری با تکیه گاه روان SSVM 3.1.2. مدل زیرمقیاس نمایی آماری (SDSM) 3.1.3. روشهای آماری ارزیابی ریزمقیاس نمایی آماری 3.2 مدلهای هیدرولوژیکی 3.2.1. مدل Xin-anjiang 3.2.2. مدل HBV 3.2.3. ارزیابی معیارهایی برای مدلهای هیدرولوژیکی 4. نتایج 4.1. ثبت SSVM و SDSM 4.2. کالیبراسیون و بهینه سازی مدلهای هیدرولوژیکی 5. ارزیابی عدم قطعیت GCMها ، روشهای ریزمقیاس نمایی و مدلهای هیدرولوژیکی در مطالعه بستر رودخانه 5.1. ارزیابی روشهای ریزمقیاس نمایی مختلف با استفاده از مدلهای هیدرولوژیکی یکسان و داده های NCEP/NCAR 5.2. ارزیابی مدلهای هیدرولوژیکی مختلف با سناریوها و روشهای ریزمقیاس نمایی یکسان 5.3. ارزیابی GCM ها و سناریوهایی با مدلهای هیدرولوژیکی و روشهای ریزمقیاس نمایی یکسان 5.4. مقایسه روشهای آماری ارزیابی بارش براساس عملکرد شبیه سازیهای بارش 6. نتیجه گیری |
بخشی از ترجمه |
چکیده در این مقاله، ارزیابی و مقایسه دقیقی برروی اختلاف بین روشهای شبیه سازی سطح ایستایی آب صورت می گیرد که این اختلاف ناشی از کاربرد تکنیک های ریز مقیاس نمایی آماری مختلف ، GCM ها(مدلهای اقلیمی جهانی) و روشهای هیدرولوژیکی در ناحیه بالادست رودخانه Hanjiang چین میباشد. مطالعه موردنظر شامل این مراحل میباشد: 1) آنالیز مجدد داده های NCEP/NCAR در دوره زمانی 1961 تا 2000میلادی که برای کالیبره کردن و اعتبارسنجی تکنیکهای ریز مقیاس نمایی آماری مثل روش SSVM (ماشین برداری با تکیه گاه روان) و روش SDSM (مدل ریز مقیاس نمایی آماری) بکار میروند. 2) سناریوهای انتشار A2 مشتق شده از سناریوهای CGCM3 و HadCM3 در همین دوره زمانی 1961 تا 2000 ، که بعنوان داده ورودی در مدلهای ریزمقیاس نمایی آماری استفاده میشوند. 3) سناریوهای اقلیمی با مقیاس منطقه ای ریزمقیاس شده که بعنوان داده ورودی در مدلهای هیدرولوژیکی Xin-anjiang و HBV بکار میروند. نتایج نشان میدهند که (1) در یک GCM مشابه، روانابهای شبیه سازی شده، زمانیکه بارش توسط تکنیکهای ریزمقیاس نمایی متفاوتی که داده های ورودی مدلهای هیدرولوژیکی را تامین میکنند، شبیه سازی می گردد، بسیار متغیر میباشند. (2) با این وجود اغلب روشهای آماری بکار رفته در بیشتر مقاله ها جهت ارزیابی روشهای ریز مقیاس نمایی آماری، نشان میدهند که SDSM نسبت به SSVM در بارش ریزمقیاس نمایی بجز در راندمان (NSC) و نسبت انحراف استاندارد خطای عینی و واقعی مجذور میانگین (RSR)، عملکرد بهتری دارد و راندمان شبیه سازی رواناب بدست آمده از بارش SDSM از راندمان بدست آمده از بارش با مدل SSVM بسیار کمتر میباشد. (3) با مقایسه روشهای آماری مختلف در شبیه سازی رواناب و بارش، میتوان نتیجه گرفت که اختلاف داده های NSC و RSR بین بارش واقعی و بارش شبیه سازی شده، وقتی سناریوهای بارش ریزمقیاس نمایی بعنوان داده ورودی مدلهای هیدرولوژیکی استفاده میشوند، یک روش آماری کلیدی برای ارزیابی اجرای مدلهای ریزمقیاس نمایی آماری محسوب میشوند.
6. نتیجه گیری هدف این مقاله، مقایسه و سنجش میزان برتری و قابلیت مدلهای GCM چندگانه، روشهای ریزمقیاس نمایی آماری ومدلهای هیدرولوژیکی در بررسی اثرات تغییر اقلیم برروی روانابهاست. نتایج زیر از این مقاله حاصل شده اند: (1) بر طبق ارزیابی عملکرد کالیبراسیون و اعتبارسنجی با استفاده از بارش واقعی و داده های تخلیه جریان رواناب، مدل XAJ و HBV در شیبه سازی جریان رودخانه ای اولیه بستر آبخیز Hanjiang عملکرد یکسانی دارند. با بکارگیری داده های بارش ریزمقیاس شده از طریق سناریوهای NECP، CGCM3 و HadCM3 بعنوان داده ورودی در هر دو مدل هیدرولوژیکی ، صحت شبیه سازی با مدل XAJ بطور ویژه ای از صحت شبیه سازی با مدل HBV بیشتر است. این نشان میدهد که عملکرد مدل XAJ در واکنش به اثرات تغییر اقلیم بررواناب در این منطقه برمدلهای دیگر برتری دارد. (2) با یک سناریو ، تکنیک ریزمقیاس نمایی و مدل هیدرولوژیکی یکسان، نتایج نشان داده اند که سناریوی CGCM3 نسبت به HadCM3 در بررسی اثر تغییر اقلیم برروی رواناب در این منطقه مناسبتر است. همچنین میتوان دریافت که اگر تنها یک مدل GCM برای بررسی اثر تغییر اقلیم استفاده شود نتایج بهتر و موثق تر خواهند بود. اگر برای دستیابی به داده های GCM، هیچ محدودیتی وجود نداشته باشد، GCMها و سناریوهای انتشار بیشتر، باید در مطالعه اثر تغییر اقلیم بر هیدرولوژی بکار گرفته شوند. |
بخشی از مقاله انگلیسی |
Abstract In this study a rigorous evaluation and comparison of the difference in water balance simulations resulted from using different downscaling techniques, GCMs and hydrological models is performed in upper Hanjiang basin in China. The study consists of the following steps: (1) the NCEP/NCAR reanalysis data for the period 1961–2000 are used to calibrate and validate the statistical downscaling techniques, i.e. SSVM (Smooth Support Vector Machine) and SDSM (Statistical Downscaling Model); (2) the A2 emission scenarios from CGCM3 and HadCM3 for the same period are used as input to the statistical downscaling models; and (3) the downscaled local scale climate scenarios are then used as the input to the Xin-anjiang and HBV hydrological models. The results show that: (1) for the same GCM, the simulated runoffs vary greatly when using rainfall provided by different statistical downscaling techniques as the input to the hydrological models; (2) although most widely used statistics in the literature for evaluation of statistical downscaling methods show SDSM has better performance than SSVM in downscaling rainfall except the Nash–Sutcliffe efficiency (NSC) and root mean square error-observations standard deviation ratio (RSR), the runoff simulation efficiency driven by SDSM rainfall is far lower than by SSVM; and (3) by comparing different statistics in rainfall and runoff simulation, it can be concluded that NSC and RSR between simulated and observed rainfall can be used as key statistics to evaluate the statistical downscaling models’ performance when downscaled precipitation scenarios are used as input for hydrological models.
6. Conclusions This study focuses on the comparison and evaluation of the skills and competences of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff. The following conclusions can be drawn: (1) According to the evaluation of calibration and validation performance using observed rainfall and discharge data, the XAJ model and HBV model have similar performance in simulation of historical streamflow in the Hanjiang catchment. However, when applying rainfall downscaled from NCEP, CGCM3 and HadCM3 as inputs to both hydrological models, the accuracy of simulation by XAJ is slightly higher than that of HBV. It indicates that the performance of XAJ model is more superiority than HBV in responding to climate change impact on runoff in this region. (2) By using the same scenario, downscaling technique and hydrological model, the results showed that CGCM3 is more suitable than HadCM3 to investigate the climate change impact on runoff in this region. It also indicates that if only single GCM was used to analyze the impact of climate change, the conclusions would be not reliable and robust. If there is no limit of GCMs’ data acquirement, more GCMs and emission scenarios should be used in the study of climate change impact on hydrology. |
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
مقايسه و برآورد چندين مدل GCM، مدل های ریزمقیاس نمایی آماری و هيدرولوژيكی در بررسی اثرات تغييرات آب و هوايی بر رواناب |
عنوان انگلیسی مقاله: |
Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff |
|