فاطمه ارسلانی

فاطمه ارسلانی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

اندازه گیری میزان گردوغبار ریزشی و تحلیل فضایی آن درمناطق 22گانه شهر تهران(مقاله علمی وزارت علوم)

کلید واژه ها: تحلیل فضایی تله رسوب گیر MDCO شهر تهران گردوغبار ریزشی

حوزه های تخصصی:
تعداد بازدید : 65 تعداد دانلود : 54
هدف از پژوهش حاضر اندازه گیری و پهنه بندی غبار ریزشی شهر تهران در دوره آماری یک ساله (1/10/۱۳۹۶-30/9/۱۳۹۷) است. بدین منظور، غبار ریزشی شهر تهران جمع آوری شد. وزن غبار ریزشی در زمستان معادل با 18943.5 تن، در بهار معادل با 27119.5 تن، در تابستان معادل با 17111.2 تن، و در پاییز معادل با 23002.3 تن است. نقشه تحلیل فضایی گردوغبار ریزشی شهر تهران حاصل ترکیب نُه لایه بر اساس وزن تعیین شده برای هر لایه ترسیم شد. بیشترین میزان گردوغبار ریزشی در زمستان 1396 در غرب تهران و در بهار، تابستان، و پاییز 1397 در جنوب غرب تهران بوده است. بررسی های میدانی ثابت کرد گردوغبار ریزشی در ارتباط مستقیم با ساخت وساز شهری قرار دارد. این افزایش با pm10، تراکم کارخانه ها، تراکم پوشش گیاهی، رطوبت نسبی، بارش بالای 5 میلی متر، دما و سرعت و جهت باد نیز در ارتباط است. باد غالب تهران جهت غرب دارد که از معادن شن و ماسه می گذرد. باد غالب در تابستان جنوب شرقی است. باد جنوب شرقی از معادن شن و ماسه، کارخانه های سیمان عبور می کند و در مسیر خود گردوغبار این مناطق را وارد تهران می کند.
۲.

بررسی تاثیر سیگنال های اقلیمی بر بارش ناحیه مرکزی ایران با استفاده از شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

کلید واژه ها: شبکه عصبی مصنوعی نوسان اطلس شمالی بارش انسو نوسان قطبی

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
تعداد بازدید : 858 تعداد دانلود : 883
سیگنال های اقلیمی، الگوهای بزرگ مقیاسی از ناهنجاری های گردش و فشار هوا میباشد که در محدوده جغرافیایی وسیع گسترش یافته است. این سیگنال ها در توجیه رفتار اقلیم از اهمیت زیادی برخوردارند. در این پژوهش ارتباط بارش با سیگنال های اقلیمی(AO, NAO,SOI, ENSO) در ناحیه مرکزی ایران مورد بررسی قرار گرفته است. داده های سیگنال ها از پایگاه داده های NCEP استخراج گردید و مجموعه داده های بارش ماهانه نیز از مرکز خدمات ماشینی سازمان هواشناسی کشور دریافت شد. داده ها ماهانه طی دوره ی آماری 30 ساله، بین سال های 1978 تا 2008 بوده است. در نهایت با بکارگیری روش شبکه عصبی مصنوعی، مدل های شبیه سازی شده برای بازه های 0، 3 و 6 ماهه محاسبه شد و نتایج نشان داد از بین سیگنال های مورد مطالعه سیگنال ENSO در مناطقNINO1.2 و NINO3 بر بارش منطقه مورد مطالعه تاثیر معنی داری دارد و تاخیر 3 و 6 ماهه موجب قوی شدن ضریب همبستگی شاخص انسو در مناطق NINO1.2 و NINO3 با بارش ایستگاه های مورد مطالعه شده است. همچنین تاخیر 6 ماهه باعث منفی شدن ضریب همبستگی بین شاخص انسو در مناطق NINO1.2 و NINO3 است. مطابق با مدل های ارئه شده، سیگنال انسو در مناطق NINO1.2 و NINO3 می تواند به عنوان پیش بینی کننده بارش در کنار سایر پارامترهای تاثیر گذار مورد استفاده قرار گیرد و سایر سیگنال های اقلیمی مورد مطالعه تاثیر معنی داری بر بارش ایستگاه های مورد مطالعه ندارد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان