منابع تحقیق درمورد شبیه سازی

دانلود پایان نامه ارشد

مشترک المنافع علمي و تحقيقات صنعتي
استراليا
CSIRO- MK2
مرکز ماکس پلانک هواشناسي آلمان
آلمان
ECHAM4/opyc and
ECHAM3/LSG
مرکز تحقيقات پيشبيني اقليم هدلي
انگلستان
HadCM2 and HadCM3
مرکز تحليل و مدل سازي اقليم کانادا
کانادا
CGCM1 and CGCM2
آزمايشگاه ژئوفيزيک و ديناميک سيالات آمريکا
آمريکا
GFDL-R15 and GFDL-R30
مرکز ملي تحقيقات اقليمي آمريکا
آمريکا
NCAR DOE-PCM
مرکز ملي تحقيقات اقليمي
ژاپن
CCRS- NiES
مرکز مطالعات اقليمي و موسسه ملي محيط زيست
ژاپن
CCRSR- NIES

به همين دليل استفاده از آنها در مقياس حوزههاي آبخيز يا هر محدوده کوچکي با مشکل روبرو است. لذا اطلاعات حاصل از خروجي اين مدلها در مطالعات منابع آب که معمولاً در مقياس حوزهها آبخيز ميباشند، کابردي نيست. همواره يکي از دغدغههاي اصلي استفاده از اين مدل‏ها همين محدوديت تفکيک مکاني آنها بوده است (ویبلی و داسون، 2007 ؛ کوکیدیس و برگ، 2009؛ فانگ و همکاران، 2011). به همين دليل متخصصين روشهاي مختلفي براي تعميم اطلاعات حاصل از خروجي مدلهاي جهاني به سطوح کوچکتر تا حد يک ايستگاه ارائه نمودهاند که به کليه اين روشها ريز مقياس نمايي29 اطلاق ميشود.

جدول (1-3) مشخصات مدل هاي AOGCM موجود درDDC مربوط به پايگاه اطلاع رسانيIPCC
مدل
ECHAM4
HadCM3
CSIRO
CGCM2
GFDL-R30
NCAR
CCSR
دقت مکاني X*Y درخشکيها (درجه)
8/2*8/2
75/3*5/2
2/3*6/5
7/3*7/3
5/7*5/4
5/7*5/4
6/5*6/5
دقت مکاني X*Yاقيانوسها (درجه)
8/2*8/2
25/1*25/1
2/3*6/5
8/1*8/1
75/3*5/4
1*1
8/1*8/1
دوره شبيه سازي گازهاي گلخانهاِي و ذرات معلق:
CO2
SO4
Co2
1989-1860
so4
1989-1860
Co2
1989-1860
so4
1989-1860
Co2
1989-1881
so4
1989-1860
C o2
1989-1901
so4
1989-1860
Co2
1989-1766
so4
1989-1901
Co2
1989-1901
so4
1989-1901
Co2
1989-1890
so4
1989-1890
سناريوهاي شبيه سازي
A2,B2
A2،A2b
B2,A2c
A2,A1
B2,B1
B2, A2c
B2, A2
B2,A2
A1B
A1F1, A1T A1A2,B2,B1،
مرجع
Nozawa et al., 2001
Meehl et al.,2001
Knutson et al., 1999
Flato and Boer., 2001

Gordon and O’Farrell. ،1997
Gordon et al ., 2000 .
Stendel et al.، 2000

البته لازم به ذکر است اصطلاح ريز مقياس نمايي نه تنها در مورد مدل هاي جهاني گردش عمومي جو کاربرد دارد بلکه اين اصطلاح در کليه زمينه ها هر کجا که قرار باشد اطلاعات از يک سطح يا زمان بزرگتر به سطح يا زمان کوچکتر با هر روشي تعميم داده شود، گفته ميشود. نياز به ريز مقياس نمايي ضرورتي اجتناب ناپذير است که با گذشت زمان اين نياز افزايش مييابد، حتي اگر در آينده بتوان مدلهاي جهاني با قدرت تفکيک مکاني بسيار بالا توسعه داد باز نياز به ريز مقياسنمايي جهت تبديل اطلاعات يک سطح کوچک به يک نقطه همچنان به قوت خود باقي است (ویگلی و همکاران، 1990 ؛ فولر و ویبلی، 2007؛ فانگ و همکاران، 2011). روشهاي ريز مقياسنمايي که جهت تعميم اطلاعات از خروجي مدلهاي عمومي جو به مقياس منطقهاي، محلي يا ايستگاهي مورد استفاده قرار ميگيرند، بسيار متنوع هستند. اين روشها از تبديل اطلاعات يک سلول بزرگ به يک نقطه بطور مستقيم و بدون هيچگونه تغييری تا روشهاي نسبتاً پيچيده مدلهاي منطقهاي متغير ميباشند که در ادامه به شرح آنها در حد اين رساله پرداخته ميشود.

1-6- روشهاي کوچک مقياس نمودن
استفاده از روشهاي ريز مقياسنمايي براي استخراج اطلاعات مدلهاي جهاني براي اولين بار در سال 1984 انجام شد (کيم30 و همکاران، 1984). و بعد از آن مطالعات متعددي در اين زمينه صورت گرفت (ويلبي و ويجلي31، 2000؛ زوريتا و استوچ32، 1999؛ هيستون و کراني33، 1996 ، فولر و همکاران، 2007؛ فانگ و همکاران، 2011). در سال 2007 ميلادي ويلبي و داسون روشهاي ريز مقياس نمايي را در يک تقسيم بندي کلي به دو گروه مدلهاي ريزمقياسنمايي ديناميکي و آماري و چهار روش تقسيم کردند. شکل (1-4) بصورت شماتيک نحوه کاربرد دو گروه اصلي ريز مقياس نمايي را نشان ميدهد. همانطور که مشخص است به منظور استفاده از خروجي مدلهاي جهاني در مقياس حوزههاي آبخيز دادهها بايد ريزمقياس شوند. يا به عبارت ديگر اطلاعات موجود در شبکههاي بزرگ مدلهاي جهاني که عموماً سطحي معادل 50000 کيلومتر مربع دارند به سطوح کوچکتر تعميم داده شوند تا دقت آنها مورد قبول واقع شود. همانطور که بيان شد به منظور درک بهتر، دو گروه اصلي روشهاي ريز مقياسنمايي را ميتوان به چهار گروه کوچکتر تحت عنوان مدلهاي ريزمقياسنمايي: ديناميکي، سينوپتيکي، آماري و تابع انتقال تقسيم نمود ( ویبلی و داسون، 2007) که بصورت خيلي مختصر به بررسي هريک از آنها مي پردازيم.

1-6-1- مدلهاي ديناميکي
اين مدلها در واقع شبکهها (سلولهاي) کوچکتر مدلهاي گردش عمومي جو ميباشند و قدرت تفکيک بالاتري از نظر مکاني نسبت به این مدلها دارند. دقت مکاني آنها بين 20 تا50 کيلومتر ميباشد.

شکل (1-4) نحوه ريز و بزرگ مقياس نمايي از مدلهاي جهاني به مقياس حوزه آبخيز و بالعکس (GCM مدلهای جهانی، RCM مدلهای ریزمقیاسنمایی منطقهای و SDS مدلهای ریزمقیاسنمایی آماری)

محدوديت اصلي اين مدلها اين است که به انتخاب شرايط مرزي حساسيت نشان ميدهند و اجراي اين مدلها نيازمند ابزار، امکانات و نيروهاي متخصص ميباشد. که اجراي آنها در بعضي کشورها با محدوديت روبرو است. حسن آنها اين است که از دقت مکاني بيشتري نسبت به مدلهاي گردش عمومي برخوردار هستند. همچنين قابليت اعمال عوامل خارجي نظير تاثير کوهستان و يا آلودگي هاي صنعتي در پيش بيني متغير مورد نظر را در مقياس منطقهاي دارند. علاوه براين برپايه قوانين فيزيکي استوار هستند.
1-6-2- مدلهاي هواشناسي
اين مدلها در واقع متغيرهاي اقليمي را براساس الگوي غالب محلي و با استفاده از مدلهاي گردش عمومي پيشبيني ميکنند. اصول اين مدلها در واقع بر پايه ارتباط بين جريان عمومي اتمسفر وخصوصيات هواشناسي غالب در يک محل مشخص استوار است. محدوديت اصلي آنها عدم توانايي در شبيه سازي وقايع کمياب و نادر ميباشند.
1-6-3- مدلهاي آماري
اين مدلها در واقع دربرگيرنده روشهايي هستند که براساس ويژگي توزيعهاي آماري نسبت به شبيه سازي متغيرهاي مورد نظر عمل مينمايند. از اين گروه مدلها ميتوان به مدلهاي , EARWIG34
LARS –WG35و36 WGENاشاره نمود. بعنوان مثال مدل WGENاحتمال وقوع بارش را با استفاده از زنجيره مارکف و ميزان بارندگي در روزهاي مرطوب را با استفاده از توزيع گاما، درجه حرارت و تشعشات خورشيدي را با استفاده از تابع توزيع خود همبستگي37 محاسبه ميکند. حسن اصلي آنها سهولت استفاده از آنها و تشخيص تابع توزيع دادهها ميباشد. عيب اصلي آنها اين است که قادر به استفاده مستقيم از خروجي مدلهاي جهاني نميباشند. همچنين ممکن است در تشخيص توزيع دادهها دچار اشتباه شوند.

1-6-4- مدلهاِي تابع انتقالي
اصول اين مدلها بر پايه ارتباط بين متغيرهاي وابسته و مستقل اقليمي استوار است (متغيرهای پيشبينيکننده و پشبينيشونده). اين روشها براساس اينکه از توابع رياضي يا روشهاي آماري جهت پيش بيني متغيرهاي اقليمي استفاده ميکنند به دو دسته مدلهاي رياضي تابع انتقالي (شبکه عصبي) و مدل آماري تابع انتقالي ( رگرسيون خطي، غير خطي) تقسيم ميشوند. مهمترين حسن اين روشها، کاربرد ساده آنها است و مهمترين عيب آنها اين است که فقط بخشي از تغييرپذيري داده هاي مشاهدهاي (خصوصا در مورد بارش) را تشريح ميکنند (بعنوان مثال شدت بارش را نمِيتوانند در بازه زمانِي کوچکتر از ِيک روز شبِيه سازِي کنند). در اين روش ها دقت مدل به مقدار زيادي به انتخاب متغيرهاي مستقل جهت پيش بيني متغير وابسته بستگي دارد (ويلبي و داسون،2007). يکي از معروفترين اين مدلها که امروزه بطور گستردهاي در دنيا ازآن استفاده ميشود. مدلSDSM38 ميباشد.که هيبريدي از مدل هاي آماري و تابع انتقالي است.

1-7- مزيتها و معايب مدلهاي ريز مقياسنمايي ديناميکي و آماري
جدول(1-4) مزيتها و معايب مدلهاي ريز مقياسنمايي آماري و ديناميکي را نشان ميدهد. با توجه به اين جدول هر دو گروه مدلها ريزمقياس نمايي براي پيشبيني متغير هاي اقليمي در آينده با عدم قطعيت همراه ميباشند. که اين عدم قطعيت در وهله اول مربوط به مدلهاي گردش عمومي ميشود. اما بدليل سهولت در کاربرد و عدم نياز به سيستم هاي سخت افزاري و نرم افزاري مدلهاي آماري براي شبيه سازي متغيرهاي اقليمي بيشتر مورد توجه قرار مي گيرند (ويلبي و داسون، 2007) به اعتقاد ويلبي مدل SDSM که هيبريدي از مدلهاي تابع انتقالي و آماري است بسياري از معايب مدل هاي آماري را پوشش ميدهد.
1-8- بزرگ مقياسنمايي39
برخلاف ريزمقياس نمايي، بزرگ مقياس نمايي تعميم اطلاعات از يک سطح يا زمان کوچکتر (تا حد يک نقطه يا يک زمان مشخص) به يک سطح يا زمان بزرگتر است. به عنوان مثال تعميم اطلاعات نقطهاي حاصل از شبيه سازي يک مدل تغذيه در يک آبخوان به کل آبخوان (به منظور تعيين متوسط ميزان تغذيه در آبخوان) نمونهي بارزي از بزرگ مقياسنمايي ميباشد. استفاده از بزرگ مقياسنمايي در کليه علوم خصوصا علوم منابعطبيعي امري اجتنابناپذير است. امروزه توسعه روشهاي بزرگ مقياسنمايي يکي از موضوعات تحقيقاتي روز دنيا به حساب ميآيند (هیلی، 2010). روشها بزرگ مقياس نمايي از روشهاي ساده آماري مانند محاسبه ميانگين حسابي، هندسي تا روشهاي پيچده زمين آماري متغير ميباشند. که استفاده از هرکدام از آنها بستگِي به هدف، نوع، دقت مورد نياز، اعتبار، زمان، مکان و… پروژه مورد نظر دارد. روشهاي بزرگ مقياسنمايي را براي محاسبه تغذيه آب ها زيرزميني به چهار گروه عمده:1- مدلهاي تجربي 2- روش هاي رگرسيوني چند متغيره 3- روشهاي زمين آماري 4- استفاده از سيستم اطلاعات جغرافيايي تقسيم بندي می نمایند (هیلی، 2010).

جدول (1-4) مزيتها و معايب دو گروه عمده روشهاي ريز مقياس نمايي (ويلبي و داسون، 2007)
مدلهاي ديناميکي
مدلهاي آماري
امکان استخراج اطلاعات در شبکههایی به ابعاد بين10 تا 50 کيلومتر از داده هاي GCMS
امکان استخراج اطلاعات از GCMs در مقياس نقطه اي يا ايستگاهي

امکان شبيه سازي وقايع حدي بدليل مبناء فيزيکي
ساده و ارزان بودن مراحل شبيه سازي
مزيت ها
امکان بکارگيري فرآيندهاي هواشناسي نظير بارشهاي کوهستاني
امکان آناليز عدم قطعيت

سازگاري با مدلهاي GCMs
امکان بکارگيري شرايط محلي نظير آلودگي هوا و اثر ميکروکليما و…

دقت آنها به دقت دادههاي مدلهاي جهاني وابسته است.
دقت آنها به دقت دادههاي مدلهاي جهاني وابسته است.

انتخاب شرايط و نوع شرايط مرزي روي نتايج موثر است.
انتخاب محل و سطح آن روي نتايج موثر است.

به نرم افزارها و امکانات بالايي جهت شبيه سازي نياز دارند.
براي کاليبره نمودن مدل، دادههاِيي با دقت بالا لازم است.
معايب
امکان شبيه سازي همه سناريو ها وجود ندارد
ارتباط بين متغير هاي وابسته و مستقل اغلب ثابت نيست

انتخاب شرايط مرزي بر روي نتايج موثر است
انتخاب نوع و تعداد متغير ها مستقل روي نتايج، تاثيرگذار است

انتخاب نوع ابر روي ميزان بارش تاثير دارد
انتخاب نوع مدل تابع انتقال روي نتايج تاثير گذار است

نتايج آن به مناطق جديد قابل تعميم نيست
تغيير پذيري اقليم را نمیتوان در شبیه سازی دخالت داد

از آنجا که بصورت همزمان و مستقيم به مدلهاي جهاني وصل نيستند بازخورد آنها به سيستم نا مشخص است
بدليل عدم ارتباط مستقيم با مدلهاي جهاني، نتايج آن به روي مدلها هيچ بازخوردي ندارد

که مورد آخري از يکي يا مجموعهاي از روش هاي قبلي براي بزرگمقياسنمايي استفاده مينمايد و در واقع نمي توان آن رابعنوان يک روش مجزا محسوب نمود. در بعضي از منابع (مساح بواني، 1385؛ صمدي، 1388) از روشهاي زمين آماري خصوصا کريجينگ به عنوان روش ريزمقياسنمايي يادشده است. که بنظر ميرسد اين

پایان نامه
Previous Entries منابع تحقیق درمورد استان کرمان، سازمان ملل، زمان گذشته Next Entries منابع تحقیق درمورد تغذيه، ميزان، بيلان، زيرزميني