انجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822Evaluation of Neuro-Fuzzy Inference Systems (ANFIS) performance in global solar radiation estimationارزیابی کارایی سامانه استنتاج تطبیقی عصبی-فازی (ANFIS) در برآورد تابش کل خورشیدی31411471410.22125/agmj.2020.170508.1056FAحکیمه ابراهیمیدانشجوی کارشناسی ارشد، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایرانزهرا آقاشریعتمداریاستادیار، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرجسمیه حجابیاستادیار، گروه آب، دانشکده کشاورزی,، دانشگاه ارومیه، ارومیه، ایرانآرزو نازی قمشلواستادیار، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایرانJournal Article20190315Solar radiation plays an important role in surface energy balance and agroclimatic studies. In order to estimate daily global solar irradiance, Adaptive Neuro-Fuzzy Inference System (ANFIS) was used and compared with extended Angstrom Prescott model using 11-years data (2007-2017) climatic data of 6 meteorological stations across Iran namely, Mashhad, Kerman, Shiraz, Yazd, Zanjan and Bandar Abbas. The daily weather data including sunshine duration(n), Relative humidity (RH%), Dew point temperature (T<sub>d</sub>), water vapor pressure, maximum/Minimum air temperature, mean air temperature, cloudiness and soil temperature were used as inputs of ANFIS model to estimate the daily solar radiation, as the output. Performance of two models was evaluated using t-student index. According to the results, ANFIS model did a better job in estimation of solar radiation comparing to Angstrom-Prescott model as it showed closer agreement with observed data. For evaluation of each model’s skill in estimating solar radiation at daily and monthly time scales, the statistical indices of RMSE, MBE, r, t were used .Finally, the obtained values of t-test statistic of radiation estimation using ANFIS model, in Kerman, Mashhad, Shiraz, Zanjan, Yazd and Bandar Abbas station in daily time scale were 4.78, 7.52, 3.25, 2.20, 93.3, and 0.26, respectively. The corresponding monthly values were 0, 0.29, 0.59, 0.44, 0.21, and 0.20 respectively. Similarly, the t-index of radiation estimations by Angstrom model compared to observations for daily time scale were also 20.16, 36.31, 28.90, 2.39, 34.91 and 49.96, respectively. For monthly series, t values were 6.74, 9.53, 4.68, 0.59, 8.38 and 9.71, respectively. According to the findings of this study, the nonlinear modeling process of ANFIS model improves the estimation of solar radiation compared to the Angstrom-Prescott method.تابش خورشید نقش مهمی در بیلان انرژی سطح زمین و نیز مطالعات اقلیمی-کشاورزی دارد. در این پژوهش، جهت برآورد مقادیر تابش خورشیدی از سیستم استنتاج تطبیقی عصبی-فازی (ANFIS)<sup>5</sup> استفاده شد و نتایج با مدل آنگستروم- پرسکات مبتنی بر متغیرهای هواشناسی مؤثر بر مقادیر تابش خورشیدی دریافتی در شش ایستگاه تابشسنجی منتخب ایران مورد مقایسه گرفت. به این منظور، از دادههای هواشناسی یک دوره 11ساله (2017-2007) شش ایستگاه سینوپتیک بهعنوان ورودی به مدل ANFIS در نرمافزار متلب استفاده شد. ورودیهای مدل شامل طول ساعت آفتابی، رطوبت نسبی، دمای نقطه شبنم، فشار بخارآب، حداقل دمای هوا، حداکثر دمای هوا، میانگین دمای هوا، ابرناکی و دمای خاک و تنها خروجی مدل، تابش دریافتی روزانه بود. عملکرد دو مدل توسط آماره t (t-student) ارزیابی شد. مطابق نتایج، تخمین تابش خورشیدی توسط مدل ANFIS، نسبت به مدل آنگستروم تطابق بهتری با نتایج مشاهداتی دارد. در این مطالعه سنجههای آماری t، r، MBE و RMSE بهمنظور برآورد کارایی مدل در برآورد تابش خورشیدی در مقیاس زمانی روزانه و ماهانه به کار برده شدند که درمجموع، سنجه t حاصل از نتایج تخمین تابش با استفاده از مدل ANFIS، در ایستگاههای کرمان، مشهد، شیراز، زنجان، یزد و بندرعباس در مقیاس زمانی روزانه به ترتیب (78/4، 52/7، 25/3، 20/2، 93/3و 26/0) و ماهانه (0، 29/0، 59/0، 44/0، 21/0، 20/0) بودند. آماره t حاصل از نتایج تخمین تابش با استفاده از مدل آنگستروم در مقیاس زمانی روزانه نیز به ترتیب (16/20، 31/36، 90/28، 39/2، 91/34 و 96/49) و مقیاس ماهانه (74/6، 53/9، 68/4، 59/0، 38/8 و 71/9 ) بود. بر اساس یافتههای این مطالعه، با نظر گرفتن عملکرد فرآیند مدلسازی غیرخطی، مدل ANFIS برآورد تابش خورشیدی را نسبت به روش آنگستروم بهبود میبخشد.https://www.agrimet.ir/article_114714_a23a5b61095c1d5ce6bc98d26ff31114.pdfانجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822Investigation of the effect of global warming on temporal and spatial changes of snow cover and its durability in the northern slope of Central Alborzبررسی اثرگذاری گرمایش فراگیر بر تغییرات زمانی و مکانی پوشش برف و ماندگاری آن در گسترهی دامنه شمالی البرز مرکزی152511471710.22125/agmj.2020.200876.1071FAحدیقه بهرامی پیچاقچیدانشجوی کارشناسی ارشد هواشناسی کشاورزی، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساریمحمود رائینی سرجازاستاد، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران6344 6306 0002 0000رضا نوروز ولاشدیاستادیار، گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران0000-0003-1543-0866Journal Article20190925Global warming could affect snow-covered watersheds and the temporal and spatial distribution of snow, and thus the water needs below the basin. Therefore, the aim of this study is to investigate the spatio-temporal changes of snow cover and snow retention in the northern aspects of Central Alborz. The Normalized Difference Snow Index (NDSI) extracted from MODIS satellite images was employed to estimate snow cover during 2000 - 2018 intervals. The findings of this study showed that there is a significant and increasing trend in the temperatures of May and June. On the other hand, although there was no trend in the snow cover, the Sen's slope estimator showed that the snow cover in January decreased by about 220 km per year, which had a high negative correlation with the increase in the average temperature of this month. (r = - 0.77), while in March, the snow cover increased by nearly 60 kilometers a year. There was a significant positive correlation (r = 0.81) between snow cover and snow depth, and significant negative correlations (r = -0.80 to r = -0.60) were found between the annual snow cover and the average annual air temperature. These findings indicate that the effect of temporal and spatial changes in temperature on the extent and persistence of snow cover is meaningful. By reduction of the basin’s height from the west in Haraz, with an average height of 2059 m, to the east in the Tajan basin, with an average height of 980.7 m, the snow cover area and its durability reduced. From the findings it is concluded that temperature changes in this region follow the global warming trend, while this warming has affected on the variance of the snow cover extend.گرمایش جهانی میتواند بر حوضههای آبریز برفگیر و پراکنش زمانی و مکانی برف، و در نتیجه نیازهای آبی پاییندستِ حوضه اثرگذار باشد. ازاینرو، هدف این پژوهش بررسی تغییرات مکانی-زمانی پوشش و ماندگاری برف در دامنه شمالی البرز مرکزی میباشد. از دادههای سنجنده MODIS و نمایه NDSI، برای برآورد پهنه پوشش برف در بازه سالهای 2000 تا 2018 استفاده شد. یافتههای این پژوهش نشان داد که روندی معنیدار و افزایشی در دمای ماههای می و ژوئن وجود دارد. از سویی دیگر گرچه روندی در پهنه پوشش برف دیده نشد، ولی تخمینگر شیب سن نشان داد که پهنه پوشش برف در ماه ژانویه نزدیک به 220 کیلومتر در سال افت کرده است، که این افت با افزایش میانگین دمای این ماه همبستگی منفی معنیداری داشت (77/0-=r). در حالی که در ماه مارس سالانه نزدیک به 60 کیلومتر بر پهنه پوشش برف افزوده شده است. همبستگی مثبت و معنیداری (81/0=r) بین پهنه پوشش برف و ارتفاع برف، و همبستگیهای منفی معنیداری (80/0- تا60/0- =r) میان پهنه سالانه پوشش برف و میانگین دمای سالانه هوا دیده شد. این یافتهها نشانگر اثر تغییرات زمانی و مکانی دما بر گستره و ماندگاری برف میباشند. با کاهش بلندی حوضه از غرب در هراز، با میانگین ارتفاعی 2059 متر، بهسوی شرق در حوضه تجن، با میانگین ارتفاعی 7/980 متر، از پهنه پوشش برف و ماندگاری آن کاسته میشود. از یافتههای این پژوهش نتیجهگیری میشود که تغییرات دما در این گستره همروندِ گرمایش فراگیر است، در حالی که این گرمایش بر پراش (واریانس) پهنه پوشش برف اثر گذاشته است.https://www.agrimet.ir/article_114717_4bfbaa2d6e4e9ec2878f7c65c523805f.pdfانجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822Multivariate Analysis of Meteorological Droughts in Iran Using Joint Deficit Index (JDI)تحلیل چندمتغیره خشکسالیهای هواشناسی در ایران با استفاده از شاخص کمبود توأم (JDI)263911471810.22125/agmj.2020.215899.1088FAذبیح اله خانی تملیهدانشجوی دکترای مهندسی منابع آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه ارومیه، ارومیه، ایرانحسین رضاییاستاد گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه ارومیه، ارومیه، ایرانرسول میرعباسی نجف آبادیدانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران0000-0002-9897-0042Journal Article20200115Drought is a natural phenomenon, therefor Drought monitoring and forecasting, especially the precise timing of its onset and duration, is of particular importance in water resources management and planning to mitigate drought effects. The purpose of this study is to evaluate, the meteorological droughts in the whole country of Iran using the Joint Deficit Index (JDI) and compared its with SPImod. For this purpose, the monthly precipitation data from 41 meteorological stations in Iran were used in the period of 1971-2017. The results showed that the SPImod index can describe seasonal variations of precipitation which is an advantage for this index. On the other hand, analysis based on the SPImod is sensitive to time scales, as it may present contradictory results in different time scales. To correct these defects the Joint Deficit Index (JDI) can be used. The basis of the JDI index is to create a joint distribution of SPImod indices with time scales of 1 to 12-month using copula functions. The results of the JDI index showed that the number of dry months (JDI <0) in the west, northwest, and some northern provinces were more than other parts of the country. In the next step, the drought characteristics, including severity, duration and the inter-arrival time were extracted from the JDI index time series. The results indicated that the correlation among drought characteristics were more than 0.7. In order to trivariate analysis of drought characteristics, the fitness of nine different copula functions were examined that the Farley- Gamble- Morgenstern copula was specified as the best function for constructing the trivariate distribution.پایش و پیشبینی خشکسالی به عنوان یک پدیده حدی طبیعی، در مدیریت منابع آب و تولیدات کشاورزی اهمیتی ویژه دارد. هدف از مطالعه حاضر، ارزیابی خشکسالیهای هواشناسی در گستره ایران با استفاده از شاخص کمبود توأم (JDI) و مقایسه آن با SPI<sup>mod</sup> میباشد. برای این منظور از دادههای بارش ماهانه 41 ایستگاه هواشناسی ایران در دوره آماری 2017-1971 استفاده شد. نتایج نشان داد که شاخص SPI<sup>mod</sup> تغییرات فصلی بارش را به خوبی توصیف میکند. چون تحلیل بر مبنای شاخص SPI<sup>mod</sup> به مقیاسهای زمانی حساس بوده و احتمال ظاهر شدن نتایج ناسازگار در پنجرههای زمانی مختلف وجود دارد. جهت رفع این نقایص از شاخص کمبود توأم (JDI) استفاده شد که مبتنی بر بسط توزیعی توأم از شاخصهای SPI<sup>mod</sup> با مقیاس زمانی 1 تا 12 ماهه به کمک توابع مفصل میباشد. نتایج کاربست شاخص JDI نشان داد که تعداد ماههای خشک (با شاخص منفی) در مناطق غرب، شمالغرب و برخی استانهای شمالی بیشتر از سایر مناطق کشور بوده است. در مرحله بعد، سه مشخصه خشکسالی شامل مدت، شدت و فاصله بین آغاز دو خشکسالی متوالی از سری زمانی JDI استخراج گردید. نتایج همبستگی بین مشخصههای خشکسالی حاکی از همبستگی بالای 7/0 بین آنها بود. جهت تحلیل چندمتغیره مشخصههای خشکسالی، برازش 9 تابع مفصل نیز بررسی گردید که از میان آنها، تابع فارلی- گامبل– مورنگسترن به عنوان گزینه برتر برای بسط توزیع سهمتغیره جهت پایش خشکسالی در ایستگاههای مطالعاتی تعیین شد.https://www.agrimet.ir/article_114718_701060c43e6f370b56c1f641b63cc8b7.pdfانجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822Evaluation of selected transfer functions of artificial neural network model for prediction of minimum temperature (Case Study: Sanandaj Station)ارزیابی برخی توابع انتقال در شبکههای عصبی مصنوعی جهت پیشبینی کوتاهمدت دمای کمینه (مطالعه موردی: ایستگاه همدیدی سنندج)405011474010.22125/agmj.2020.191817.1066FAابراهیم مسگریدانشجوی دکترای اقلیمشناسی، گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامهریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایرانتقی طاوسیاستاد اقلیمشناسی، گروه جغرافیای طبیعی، دانشکده جغرافیا و برنامهریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایرانپیمان محمودیاستادیار اقلیمشناسی، دانشکده جغرافیا و برنامهریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران0000-0003-2138-0973سیدمهدی امیرجهانشاهیاستادیار آمار، گروه آمار، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان، ایرانJournal Article20190911Short-term prediction of minimum temperature is important in mitigation chilling and frost injury in agriculture. In current study, the frequency of early autumn and late spring frosts in Sanandaj synoptic station, Iran were worked out. Then, using six variables, i.e. dry and wet bulb temperature, relative humidity, wind speed, wind direction, and cloud cover as the inputs, a multilayer perceptron artificial neural network model (MPL/ANN) based on the Levenberg-Marquardt training algorithm of MATLAB software package was applied for prediction of the minimum temperature for the next 3, 6, 9 and 12 hours ahead. The selected Transfer Functions were hardlims, logsig, polsin, radbas, satlins, softmax, tansig, and tribas. The statistical measures of MAD, MSD, RMSD, and R were used for comparisons. The results showed that in case of late spring frost, the poslin, logsig, tansig, and satlin functions in April with a correlation coefficient greater than 0.8 and error values of 1.17, 1.61, 1.88 and 2.00 (<sup>◦</sup>C) for the different times steps, respectively are the best options. Similarly, in October, the radbas, poslin, poslin, and tribas functions with a correlation more than 0.7 and error values of 1.60, 1.96, 1.99, and 1.36, were found to be the most suitable ones for prediction of the minimum temperature at 21:30, 00:30, 03:30 and 06:30 local time. Also, among the selected functions, the poslin with the highest frequency has the best performance in predicting nocturnal frosts in Sanandaj. The results confirmed the good performance of the ANN approach in short-term prediction of minimum temperature and frost occurrence in study region.پیشبینی کوتاهمدت دمای کمینه به منظور تعدیل اثرات سوء ناشی از سرمازدگی و یخبندان در بخش کشاورزی از اهمیت زیادی برخوردار است. در این پژوهش ابتدا فراوانی وقوع یخبندانهای زودرس پاییزه و دیررس بهاره در ایستگاه همدیدی سنندج طی دوره آماری موجود استخراج شد. سپس با استفاده از دادههای سینوپ شش متغیرِ دمای خشک، دمای تر، رطوبت نسبی، سرعت باد، جهت باد و پوشش ابر به عنوان ورودیهای یک مدل شبکه عصبی از نوع پرسپترون چند لایه مبتنی بر الگوریتم یادگیری لونبرگ - مارکوآرت، میزان دمای کمینه در 3، 6، 9 و12 ساعت آتی پیشبینی گردید. به این منظور از توابع توابع انتقال موجود در نرمافزار MATLAB شامل hardlims، logsig، poslin، radbas، satlins، satlin، softmax، tansig و tribas استفاده شد. جهت مقایسه و ارزیابی مدلها، از سنجههای آماری MAD، MSD، RMSD و R استفاده شد. نتایج نشان داد، توابع logsig، tansig، poslin و satlin در ماه آوریل به ترتیب با مقدار خطای 17/1، 61/1، 88/1 و 00/2 (<sup>◦</sup>C) و ضریب همبستگی بیش از 8/0 و توابع radbas، poslin، poslin و tribas در ماه اکتبر با مقدار خطای 60/1، 96/1، 99/1 و 36/1 درجه سلسیوس و ضریب همبستگی بالای 7/0 جهت پیشبینی دمای کمینه در ساعات 21:30، 00:30، 03:30 و 06:30 محلی، بیشترین دقت و کارایی را دارند. همچنین در بین توابع مورد بررسی، تابع poslin با بیشترین فراوانی دارای بهترین عملکرد در پیشبینی یخبندانهای شبانه در سنندج میباشد. نتایج حاصل بیانگر کارآیی و دقت بالای شبکه عصبی مصنوعی در پیشبینی کوتاهمدت دمای کمینه در منطقه مورد مطالعه میباشد.https://www.agrimet.ir/article_114740_50032744be200f176a4288fbe851acbf.pdfانجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822Projection of agricultural drought using fifth IPCC assessment report data (Case study: Birjand Region)پیشنگری خشکسالی با استفاده از دادههای گزارش پنجم ارزیابی تغییر اقلیم در منطقه بیرجند516111473810.22125/agmj.2020.221273.1091FAفاطمه حاجی آبادیکارشناس آموزشی گروه علوم و مهندسی آب، دانشگاه بیرجند و دانشآموخته دکتری آبیاری و زهکشی، دانشکده آب و خاک، دانشگاه زابل، زابل، ایرانفرزاد حسنپوردانشیار، گروه مهندسی آب ، دانشکده آب و خاک ، دانشگاه زابل، زابل ، ایرانمصطفی یعقوب زادهاستادیار گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه بیرجند، بیرجند، ایرانحسین حمامیاستادیار گروه زراعت و اصلاح نباتات دانشکده کشاورزی دانشگاه بیرجند، بیرجند، ایرانJournal Article20200225Drought is one of the most widespread and devastating phenomenon which has been more frequent due to climate change consequences in recent decades. The aim of this study is to project the agricultural drought in Birjand station, Iran using outputs of five GCM models approved in IPPC fifth assessment report, AR5, namely MIROC-ESM, GFDL-ESM2M, HADGEM2-ES, CSIRO-MK3.6 and IPSL-CM5A-LR under RCP4.5 and RCP8.5 scenarios. The retrieved outputs were downscaled using LARS-WG statistical model for the future period (2055-2025). For monitoring the drought the Self Calibrating Palmer Drought Severity index (SC-PDSI) during the baseline (1975- 2005) and future period was used. The results indicated that occurrence of droughts during future period will increase comparing to baseline, which might be caused by climate change in the study region. Models projections under both scenario revealed that the (2026-2035) period would experience more severe drought comparing to remaining years. According to results, the highest number of drought events in future period was projected by MIROC-ESM and CSIROMK 3.6, models under RCP8.5 scenario.خشکسالی از گستردهترین و مخربترین بلایای طبیعی است که پیامدهای تغییر اقلیم موجب افزایش رخداد آن شده است. در این مطالعه، با استفاده از خروجی های 5 مدل از مجموعه CMIP5 پیشنهادی در گزارش پنجم هیات بین الدول تغییر اقلیم (شامل: MIROC-ESM، GFDL- ESM2M، HadGEM2-ES، CSIRO-MK3.6 و IPSL-CM5A-LR) تحت سناریوهای واداشت تابشی RCP4.5 و RCP8.5 و ریزگردانی آنها به کمک مدل آماری LARS-WG، دادههای بارش و دما برای دوره آینده(2055-2025) پیش نگری شد. سپس با استفاده از این دادهها، وضعیت خشکسالی در منطقه مطالعاتی بیرجند به کمک شاخص خشکسالی پالمر خودواسنج (SC-PDSI) طی دوره پایه (2005-1975) و آینده مورد مقایسه قرار گرفت. نتایج نشاندهنده آن است که طی سالهای آینده شرایط خشکسالی نسبت به دوره پایه افزایش می یابد که این مسئله می تواند از پیامدهای وقوع تغییر اقلیم در منطقه باشد. در دوره آماری (2035- 2026) بر اساس پیشنگری مدلها تحت هر دو سناریو و مقادیر شاخص SC-PDSI، شدت خشکسالی کشاورزی بیش از سالهای دیگر دوره آینده است. نتایج همچنین نشان میدهد ، مدلهای MIROC-ESM و CSIROMK 3.6 و نیز سناریو 8.5 بیشترین تعداد سال همراه با خشکسالی را در آینده پیشنگری میکنند.https://www.agrimet.ir/article_114738_04d9fdf5e256bf758a7bccd759efd7ac.pdfانجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822The relationship between agricultural production and environmental indices with emphasis on climate changeارتباط متقابل تولیدات کشاورزی و شاخصهای محیط زیستی با تأکید بر تغییرات اقلیمی627411478910.22125/agmj.2020.210143.1084FAاحمد سلطانی ذوقیدانشجوی دکترای اقتصاد منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران0000-0002-9389-7544حامد قادرزادهاستادیار گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران0000-0001-9119-0900Journal Article20191202Quantification of the adverse effects of climatic and environmental indices on agricultural production is quite important in agrometeorology and economics sciences. The aim of current study is to investigate the interaction carbon dioxide emissions, as an indicator of environmental degradation, and crop production. For this purpose, panel data for 31 provinces of Iran during the period of 1977-2018 using Autoregressive Distributed Lag (ARDL) model were applied. Based on the statistical analysis, the negative coefficient of agricultural value added term in long and short term periods, i.e. -0.027 and -0.312, respectively, the Kuznets environmental curve (EKC) hypothesis was confirmed in the agricultural sector of study regions. The results showed that, almost 90% of the agricultural production shocks might be mitigated over one period (e.g. growing season) and will return to their long-term equilibrium levels in less than two periods. The coefficients of precipitation and temperature terms in greenhouse gas emissions equation were determined -0.038 and -0.302 respectively, indicating the significant impact of climatic variables on emission. Further studies on interaction of copping pattern and machinery utilization on emission and agricultural production are recommended.بررسی کمی آثار مخرب عوامل اقلیمی و محیط زیستی بر فعالیتهای کشاورزی از اهمیت زیادی در مطالعات اقتصادی و هواشناسی کشاورزی برخوردار است. هدف از این مطالعه تحلیل رابطه انتشار دیاکسید کربن به عنوان شاخص تخریب محیط زیست و نیز برخی اقلیمی عوامل مؤثر بر انتشار گازهای گلخانهای با میزان تولیدات کشاورزی با استفاده از دادههای پانل 31 استان کشور طی سالهای 1360 تا 1397 به کمک مدل Autoregressive Distributed Lag (ARDL) میباشد. با توجه به منفی شدن مقادیر مجذور ارزش افزوده کشاورزی در بلندمدت و کوتاهمدت به ترتیب برابر 027/0- و 312/0-، فرضیه منحنی محیط زیستی کوزنتس (EKC) در بخش کشاورزی در ساختار پانل استانهای کشور تأیید میشود. نتایج نشان میدهد، حدود 90 درصد آثار ناشی از شوکهای احتمالی در طی یک دوره مطالعاتی قابل اصلاح بوده و در کمتر از دو دوره اقتصادی به سطح تعادل بلندمدت خود بازخواهد گشت. ضریب تأثیر متغیرهای بارش و دما بر انتشار گازهای گلخانهای برابر 038/0 و 302/0- میباشد که نشان از تأثیر متغیرهای محیط زیستی بر این کمیت دارد. ضریب منفی جمله مربع دما نشان از کاهش کیفیت و توان دوم بارش نشان از بهبود کیفیت محیط زیست دارد. مطالعات بیشتر در زمینه برهمکنش الگوی کشت، استفاده از ماشینآلات و متغیرهای محیطی بر تولیدات کشاورزی و ارزش افزوده آنها پیشنهاد میشود.https://www.agrimet.ir/article_114789_242dd55e740969a7a0fdb98aacf9ab29.pdfانجمن مهندسی آبیاری و آب ایرانهواشناسی کشاورزی2345-34198120200822Investigation of uncertainty in GCM’s projection of rainfall data (Case Study: Hashem- Abad Station)بررسی عدم قطعیت پیشیابیهای مدلهای گردش کلی جو (مطالعه موردی: ایستگاه هاشمآباد گرگان)757911474310.22125/agmj.2020.202342.1074FAیاسمن لطفیدانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانمهدی مفتاح هلقیدانشیار گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایرانخلیل قربانیدانشیار گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران0000-0002-1901-4045Journal Article20190930For projection of possible climate change impacts on agriculture and water resources climate models are used but there exist uncertainties in the outputs of these models. The aim of this study is to project the possible changes of precipitation and uncertainty involved in Hashem- Abad station, north of Iran, using general circulation models. For this purpose, precipitation observations for the baseline period of (1990–2010) were collected. Then the outputs of the 8 GCM models (including ACCESS1-0, CanESM2, CMCCCMS, GISSE2H, HadGEM2CC, MIROC5, MIROCESM, and IPSLCM5AMR) under the two scenarios of RCP 4.5 and RCP 8.5 were downscaled using change factor method and compared. The uncertainties of the GCM models for both emission scenarios were also investigated. Comparison of means of precipitation time series for the period 2010–2040 was performed by t-test. The results indicated a decreasing trend in most of the months. The GISSE2H model projected the most significant decreasing trend of total monthly precipitation. The highest uncertainty was observed in July for the both scenarios. Besides, although the outputs of the models didn't show a significant difference in 82% of the cases, the models’ uncertainty band indicated a major difference among the results. Further uncertainty analysis may be recommended for more scrutiny. <br /> برای پیشنگری کمی تغییر اقلیم و پیامدهای محتمل آن در کشاورزی و منابع آب عموماً از مدلهای اقلیمی استفاده میشود که برونداد آنها دارای عدم قطعیت هستند. در این تحقیق با استفاده از مدلهای گردش عمومی جو، تغییرات محتمل متغیر اقلیمی بارش به همراه تحلیل عدم قطعیت نتایج به دست آمده بررسی شده است. به این منظور آمار مشاهداتی ایستگاه هواشناسی هاشمآباد برای دوره 2010-1990 میلادی به عنوان دوره پایه به مدل معرفی شد و سپس برونداد حاصل از 8 مدل گردش عمومی جو (شامل ACCESS1-0، CanESM2، CMCCCMS، GISSE2H، HadGEM2CC، MIROC5، MIROCESM، IPSLCM5AMR) تحت دو سناریو RCP 4.5 و RCP 8.5 توسط روش عامل تغییر (Change Factor) ریز مقیاسنمایی و مقایسه شدند. سپس عدم قطعیت مدلها برای هر دو سناریو انتشار مورد بررسی قرار گرفتند. همچنین آزمون مقایسه میانگینها برای مجموع بارش ماهانه دوره (2040-2010) انجام شد. نتایج حاکی از کاهش بارش در اکثر ماهها بود. مدل GISSE2H برای هر دو سناریو بیشترین میزان کاهش پیشنگری شده در مجموع بارش ماهانه نسبت به دوره پایه را نشان داد. همچنین با وجود اینکه برونداد مدلها برای کمیت بارش ماهانه طی دوره آینده در 82 درصد حالات تفاوت معنیداری نداشتند، اما باند عدم قطعیت مدلها، اختلاف زیادی را بین نتایج آنها نشان میدهد که مؤید نیاز بیشتر به تحلیل عدم قطعیت در مطالعات آتی میباشد.https://www.agrimet.ir/article_114743_c11383df37f6b912f0903036f82c51da.pdf