13 SID.ir | كاربرد CCA به منظور ارزيابي و مقايسه توانايي SOI,NiNO,S SST در پيش بيني بارش زمستانه سواحل درياي خزر

مشخصات مقاله

 
عنوان مقاله: 

كاربرد CCA به منظور ارزيابي و مقايسه توانايي SOI,NiNO,S SST در پيش بيني بارش زمستانه سواحل درياي خزر

 
نویسندگان: 
 
آدرس:  
 
چکیده: 
در ايران، حدود 75% از توليدات برنج داخلي در استان هاي گيلان و مازندران، كه از پربارش ترين نواحي كشورند، تهيه ميشود. پيش بيني هاي فصلي بارش تاثير مهمي در توليد محصول و كاهش خطرهاي حوادث اقليمي در اين ناحيه حاصل خيز از كشور دارد. با به كار گيري مدل تحليل همبستگي متعارف Canonical correlaion Analysis, CCA، امكان پيش بيني بارش زمستانه اين استان ها براساس وضعيت پديده النينيو - نوسانات جنوبي Elnino-Southern oscillation, ENSO مورد ارزيابي قرار گرفت. سري هيا زماني شاخص نوسان هاي جنوبي Southern oscillation index, SOI و دماي سطح آب در نينوها Nino"s SST به عنوان پيشگو كننده ها و بارش در بندر انزلي و نوشهر به عنوان پيشگو شونده در نظر گرفته شدند. به منظور كاهش تعداد متغيرهاي پيشگو كننده اوليه به تعداد معدودي از مولفه هاي اصلي از روش توابع متعامد تجربي Empirical orthogonal Function, EOF استفاده گرديد. از مجموع بيست سري زماني پيشگو كننده، چهار مولفه اصلي EOF1,EOF2,EOF3,EOF4 از مجموعه داده هاي پيشگو كننده كه 92% از كل واريانس اين مجموعه داده ها را شرح ميدادند، انتخاب شده و بقيه مولفه ها به عنوان اختلال Noise در نظر گرفته شدند. بر مبناي EOF هاي انتخاب شده و سري هاي زماني بارش، مدل CCA براي پيش بيني بارش زمستانه بندر انزلي و نوشهر به كار برده شد.نتايج نشان داد كه پيشگو كننده هاي در نظر گرفته شده در حدود 45% از كل واريانس سري زماني بارش را شرح مي دهند. ضرايب همبستگي بين مقادير بارش مشاهده و شبيه سازي شده در سطح 5% معني دار بودند. در 70% از موارد، علائم مقادير نرمال ديده شده و شبيه سازي شده يكسان بودند كه توانايي معقول مدل براي پيش بيني خشكسالي و ترسالي را نشان ميدهد. در پيش بيني بارش، نوسان هاي Nino"s SST به خصوص Nino 4 حدود 10% موثر تر از SOI تشخيص داده شد.
 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  بازدید یکساله 136
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی