Engineering Risk in Natural Resources Management: With Special References to Hydrosystems under Changes of Physical or Climatic Environment

هدف این مقاله ارائه روشی برای تخمین ویژگی‌های تصادفی فضا-زمان عوامل اقلیمی محلی است که تغییرات آب و هوایی جهانی را منعکس می‌کنند. به طور خاص، مقدار بارش روزانه و میانگین دمای روزانه با کاربرد در ایالت نبراسکا، ایالات متحده آمریکا در نظر گرفته شده و نشان داده شده است. بزرگی و پیامدهای واکنش منطقه ای به تغییرات آب و هوایی پیش بینی شده نامشخص است (Houghton et al., 1990). سوالات معمولی که باید به آنها پاسخ داده شود عبارتند از: آیا می توان سری های زمانی رویدادهای هیدرولوژیکی یا متغیرهای اقلیمی 10 کالری مانند دمای روزانه را در سناریوهای تغییرات اقلیمی آینده شرطی کرد و اگر چنین است، چگونه می توان از آن استفاده کرد؟ آیا می توان رویدادهای شدید خشکسالی تاریخی را با یک مدل هیدروکلیماتولوژیکی تصادفی بازتولید کرد؟ آیا می توان چنین مدلی را با خروجی های مدل گردش عمومی (GCM) برای ارزیابی اثرات منطقه ای/محلی سناریوهای تغییر آب و هوا استفاده کرد؟ رویکرد ارائه شده در این مقاله بسط تجزیه و تحلیل معمول اثرات آب و هواشناسی منطقه ای تغییرات آب و هوایی است: ما پیشنهاد می کنیم سری های زمانی الگوهای گردش جوی روزانه تولید شده توسط GCM (CP) را بررسی کنیم، که تصور می شود خروجی GCM نسبتا دقیقی برای تخمین عوامل آب و هوایی محلی است. . مقاله بصورت زیر مرتب شده است. ابتدا، CP های روزانه طبقه بندی و به صورت آماری، ابتدا برای داده های تاریخی و سپس برای داده های تولید شده GCM، تجزیه و تحلیل می شوند. در مرحله بعد، ارتفاع میدان فشار 500 hPa به عنوان یک متغیر فیزیکی مرتبط اضافی که بر عوامل آب و هوایی محلی در هر نوع CP تأثیر می گذارد، معرفی می شود.

The purpose of this paper is to present a methodology for estimating space-time stochastic properties of local climatic factors reflecting global climate change. Specifically, daily precipitation amount and daily mean temperature are considered and illustrated with application to the state of Nebraska, U. S. A. Furthermore, a drought index with and without global climate change is examined. The magnitude and consequences of regional response to anticipated climatic changes are uncertain (Houghton et al. , 1990). Typical questions to be answered are: can time series of hydrological events or 10cal climatic variables such as daily temperature be conditioned in scenarios of future climate change and if so, how can this be utilized ? Can extreme historical drought events be reproduced by a stochastic hydroc1imatological model ? Can such a model be used with General Circu1ation Model (GCM) outputs to evaluate the regional/local effects of climate change scenarios? The approach presented in this paper is an extension of the usual analysis of regional hydrometeorological impacts of climate change: we propose to examine time series of GCM­ produced daily atmospheric circulation patterns (CP), thought to be relatively accurate GCM output to estimate local climatic factors. The paper is organized as follows. First, daily CPs are classified and analyzed statistically, first for historical and then for GCM produced data. Next, the height of the 500 hPa pressure field is introduced as an additional physically relevant variable influencing local climatic factors within each CP type.