1. مقدمه
در سالهای اخیر، آب و هوای شدید اغلب در سرتاسر جهان رخ داده و باعث بلایای قابل توجهی از جمله آتشسوزی گسترده جنگلها، امواج گرمای نادر، بارانهای شدید، سیل و گردباد شده است [ 1 ، 2 ]. این امر باعث تلفات بیسابقه جانی و مالی در برخی کشورها شده و معیشت بسیاری از مردم را تحت تأثیر قرار داده است [ 3 ، 4 ]. بسیاری از دانشمندان بر این باورند که گرمایش زمین عامل اصلی آب و هوای شدید است. گرمایش جهانی باعث ایجاد یک سری تغییرات اقلیمی می شود که بقای انسان را تهدید می کند، مانند ذوب شدن یخچال های طبیعی، کوچک شدن کرایوسفر، و رویدادهای شدید مکرر [ 5 ].]. طبق آمار هیئت بین دولتی تغییرات آب و هوا (IPCC) در مورد داده های رصد هواشناسی در جهان در صد سال گذشته از سال 1906 تا 2005، میانگین دمای سطح جهانی (SAT) 0.74 درجه سانتیگراد افزایش یافته است. در پایان این قرن، میانگین دمای سطح جهانی 1.1 تا 6.4 درجه سانتیگراد افزایش خواهد یافت و سطح دریاها 0.18-0.59 متر افزایش خواهد یافت [ 6 ، 7 ، 8 ].]. در اکتبر 2018، “گزارش ویژه در مورد گرمایش جهانی” که توسط IPCC منتشر شد، اشاره کرد که اگر گرم شدن آب و هوا با نرخ فعلی ادامه یابد، تخمین زده میشود که افزایش دمای کره زمین در اوایل سال 2030 به 1.5 درجه سانتیگراد برسد. پس از سال 2030، زمین با آب و هوای نسبتاً چالش برانگیزی روبرو خواهد شد و روند تغییرات در آب و هوای جهانی خطرات آب و هوایی را تشدید می کند و خطر بلایای شدید آب و هوایی را تشدید می کند [ 9 ، 10 ]. افزایش دمای هوا و آب منجر به بالا آمدن سطح دریا، طوفانهای پرشور و سرعت باد بیشتر، خشکسالیهای شدیدتر و طولانیتر و فصول آتشسوزی، بارش شدیدتر و سیل میشود [ 11 ].]. چنین رویدادهایی اغلب رخ می دهد زیرا مردم سوخت های فسیلی مانند نفت و زغال سنگ را می سوزانند یا جنگل ها را قطع می کنند و آنها را می سوزانند. این فعالیت ها مقدار زیادی دی اکسید کربن و دیگر گازهای گلخانه ای عمده تولید خواهد کرد. در سال 2019، حدود 43.1 میلیارد تن CO 2 از فعالیت های انسانی به جو منتشر شد [ 12 ]. این گازهای گلخانه ای دارای گذرندگی بالایی برای نور مرئی از تابش خورشیدی و جذب بالایی برای تشعشعات موج بلند ساطع شده از زمین هستند که می تواند پرتوهای مادون قرمز را به شدت جذب کند و منجر به افزایش دمای زمین شود، یعنی اثر گلخانه ای [ 13 ].]. هنگامی که اثر گلخانه ای به انباشته شدن ادامه می دهد، جذب انرژی و انتشار سیستم هوای زمین نامتعادل است و انرژی در سیستم هوای زمین انباشته می شود که منجر به افزایش دما و گرم شدن زمین می شود [ 14 ، 15 ]. یکی از پیامدهای گرم شدن کره زمین این است که بارش متمرکزتر خواهد بود و با آب و هوای شدیدتر، دوره های بیشتری با بارش کم یا بدون بارش وجود خواهد داشت [ 16 ].
کانادا دارای منابع انرژی فراوان است، کشوری توسعه یافته با صنعت مدرن و سطح علمی و فناوری است، جمعیت کمی دارد و از نرخ پوشش جنگلی بالایی برخوردار است [ 17 ]. توسعه فناوری پاک کانادا در سطح جهانی برجسته است و مزایای طبیعی در مقابله با تغییرات آب و هوایی دارد. با این حال، به دلیل جمعیت رو به رشد و وابستگی توسعه اقتصادی به انرژی، کانادا در حال حاضر یکی از بزرگترین تولیدکنندگان سرانه گازهای گلخانه ای در جهان است، با انتشار سرانه دی اکسید کربن 16.85 تن، که باعث آلودگی شدید می شود [ 18 ]. با توجه به داده های انتشار گازهای گلخانه ای منتشر شده توسط شرکت ارزیابی ریسک بریتانیا Maplecroft ( https://www.maplecroft.comمنتشر شده در 27 ژوئیه 2021)، انتشار سالانه گازهای گلخانهای کانادا 610 میلیون تن است که پس از چین (6 میلیارد تن در سال)، ایالات متحده (5.9 میلیارد تن در سال)، روسیه (1.7 میلیارد تن) در رتبه هفتم جهان قرار دارد. / سال)، هند (1.29 میلیارد تن در سال) و ژاپن (1.247 میلیارد تن در سال). نرخ گرم شدن آب و هوا در کانادا دو برابر سایر نقاط جهان است و نرخ گرم شدن در شمال کانادا بیش از دو برابر میانگین جهانی است (“گزارش تغییرات آب و هوای کانادا”، 2019). در ژوئن 2021، دمای نسبتاً بالایی در بسیاری از مناطق کانادا رخ داد و دما در بیش از 40 نقطه در بریتیش کلمبیا رکوردها را شکست [ 19 ]]. در 28 ژوئن دمای بریتیش کلمبیا به 47.5 درجه سانتیگراد رسید که بالاترین دمای کانادا از زمان ثبت رکوردهای هواشناسی را شکسته است. در 29 ژوئن، درجه حرارت به بالاترین حد جدید یعنی 49.5 درجه سانتیگراد رسید که زمانی در کانادا دمای بالا Genesis نامیده می شد [ 20 ].
کانادا دارای ویژگی های معمول آب و هوای گرمایش جهانی و آب و هوای شدید است. بنابراین، مقاله کانادا را به عنوان هدف تحقیق در نظر گرفته است. در حین تجزیه و تحلیل روندهای زمانی و مکانی گرمایش جهانی کانادا، از روش تحلیل همبستگی پیرسون برای مطالعه رابطه بین ظهور آب و هوای شدید و تغییرات آب و هوایی استفاده می شود. هدف این مقاله درک بیشتر عوامل مؤثر بر تغییر اقلیم، توضیح وقوع پدیده های شدید آب و هوایی و یافتن و تأیید تأثیر تغییر اقلیم است. برای افزایش آگاهی خود از تغییرات اقلیمی، مردم باید از زمان حال و از خودشان شروع کنند و در عین حال از تصمیم گیرندگان بخواهند تا سیاست هایی را برای مقابله سریع با تغییرات اقلیمی تدوین کنند.
یه و همکاران [ 21 ] اشاره کرد که مقیاس بین دهه ای یک مقیاس زمانی قابل توجه است. این اختلال بر روند تغییرات بلندمدت و پسزمینه ضروری برای تغییرات آب و هوایی ماهانه-فصل-بین سالانه و پیشبینی با مقیاس زمانی کوتاهتر قرار میگیرد. از اواخر قرن گذشته، تنوع آب و هوای بین دههای به تدریج به کانون تحقیقات بینالمللی تغییر اقلیم تبدیل شده است، و پروژههای تحقیقاتی بینالمللی نیز تغییر اقلیم بین دههای و پیشبینی را به عنوان هدف تحقیقاتی اولیه خود در نظر گرفتهاند. هنگام تحقیق در مورد تغییرپذیری بین دهه ای آب و هوا، مشخص شد که تغییرپذیری بین دهه ای در تغییرات دما وجود دارد. علاوه بر دما، بارش، دمای دریا و میدانهای گردش جوی نیز تغییرات بیندههای قابلتوجهی دارند.22 ]. ناکامورا و همکاران از دادههای دمای سطح دریا (SST) برای یافتن تنوع بین دههای قابلتوجهی در دمای دریای زمستانی در شمال اقیانوس آرام استفاده کرد و در ابتدا مکانیسم فیزیکی تشکیل آن را توضیح داد [ 23 ، 24 ]. نتایج تحقیق فوق نشان می دهد که عناصر مختلف هواشناسی در سیستم اقلیمی ویژگی های تغییرات بین دهه ای قابل توجهی را نشان می دهند. تحقیقات عمیق در مورد مکانیسم فیزیکی تغییرپذیری آب و هوای بین دههای در اواخر دهه 1980 آغاز شد، زمانی که مدلهای گردش عمومی اقیانوسی (OGCMs) و مدلهای اقیانوس-اتمسفر جفت شده (CGCMs) به طور گسترده مورد استفاده قرار گرفتند. ویور و همکاران [ 25] از یک مدل گردش عمومی اقیانوسی بسیار ساده شده تحت شرایط مرزی سطحی استفاده کرد تا ابتدا تنوع بین دههای گردش ترموهالین اقیانوس اطلس (THC) را تحلیل کند. آنها اشاره کردند که این یک مکانیسم ممکن برای شکلگیری تنوع آب و هوایی بین دههای است.
در سال 1994 لطیف و همکاران. [ 26 ] مکانیسم فیزیکی تغییرپذیری بین دههای اقیانوس آرام شمالی را با مطالعه گردش باد محور بالای اقیانوس در CGCM و تعامل آن با جو پیشنهاد کرد. با توسعه علم و بهبود مستمر تقاضای اجتماعی، پیشبینی تغییرات اقلیمی برای چند دهه آینده به یکی از کارهای تحقیقاتی برتر تبدیل شده است [ 27 ].]. با بهبود تدریجی درک اعضای سیستم اقلیمی و تعاملات آنها، توسعه مدل های اقلیمی پیشرفت چشمگیری داشته است، اما توانایی مدل فعلی برای پیش بینی تغییرات اقلیمی در مقیاس زمانی چند دهه آینده هنوز در حد خود باقی است. دوران نوزادی از آنجایی که پیشبینیهای اقلیمی در مقیاس زمانی بین دههای اساساً با پیشبینیهای مقیاس صدساله متفاوت است، تغییر اقلیم در مقیاس صد ساله عمدتاً تحت تأثیر فشار مصنوعی است و تغییر اقلیم بین دههای متأثر از ترکیب تنوع داخلی طبیعی و مصنوعی است. تغییر اقلیم در مقیاس منطقه ای. هاوکینز و همکاران [ 28] همچنین دریافت که برای 10 تا 30 سال آینده تغییرات آب و هوایی، عدم قطعیت تغییرپذیری داخلی طبیعی به مراتب بیشتر از عدم قطعیت نیروی انسانی خواهد بود. بنابراین، تغییرپذیری داخلی طبیعی برای پیشبینی تغییرات اقلیمی بین دههای قابل توجه است و همچنین یک مشکل علمی است که باید در زمینه اقلیم با آن مواجه و به چالش کشیده شود. اگرچه ادبیات پر جنب و جوش را می توان برای تحریک گرمایش جهانی و دمای اقیانوس ها ردیابی کرد، اکثر آنها این دو پدیده را در چارچوب یکسانی در نظر نمی گیرند. بنابراین این مطالعه در نظر دارد با بررسی گرمایش جهانی و تغییرات دمای جو در یک چارچوب یکپارچه، شکاف دانش را پر کند. به طور کلی، هدف این مطالعه توضیح پدیده های شدید آب و هوایی با درک بیشتر عوامل موثر بر تغییرات آب و هوا است. ما روند تغییرات زمانی و مکانی گرمایش جهانی در کانادا را تجزیه و تحلیل می کنیم و رابطه بین آب و هوای شدید و تغییرات آب و هوایی را با تجزیه و تحلیل همبستگی پیرسون بر اساس عواملی مانند جذب گرما و اتلاف گرما مطالعه می کنیم. ما به دنبال یافتن و راستیآزمایی عواملی هستیم که بر تغییر اقلیم تأثیر میگذارند تا آگاهی مردم از تغییرات آب و هوایی را افزایش دهیم، و از تصمیمگیرندگان میخواهیم تا سیاستهایی را برای مقابله سریع با تغییرات آب و هوایی تدوین کنند، در حالی که از هماکنون شروع میکنند و از خودشان شروع میکنند. مهمترین نوآوری این مقاله، معرفی روش بازی تکاملی در رابطه بین گرم شدن کره زمین و سرمای شدید در مناطق محلی است. از روش بازی تکاملی برای بررسی وجود تناقض بین گرم شدن کره زمین و وقوع سرمای شدید محلی با تغییرات احتمالی گرم شدن کره زمین و سرمای شدید محلی استفاده می شود. تغییر احتمال گرم شدن کره زمین و سرمای شدید محلی برای مطالعه تضاد بین گرم شدن کره زمین و سرمای شدید محلی استفاده می شود. از آنجایی که این مطالعه پایداری تدریجی و استراتژیهای ثبات تکاملی رویدادهای شدید را تجزیه و تحلیل میکند، میتواند مرجعی برای سایر کشورها فراهم کند تا هماهنگی و تعامل بین روند گرمایش جهانی و پدیده سرمای شدید محلی را تشخیص دهند. در عین حال، خلأهای موجود در این نوع تحقیقات در دانشگاه را نیز پر می کند. تغییر احتمال گرم شدن کره زمین و سرمای شدید محلی برای مطالعه تضاد بین گرم شدن کره زمین و سرمای شدید محلی استفاده می شود. از آنجایی که این مطالعه پایداری تدریجی و استراتژیهای ثبات تکاملی رویدادهای شدید را تجزیه و تحلیل میکند، میتواند مرجعی برای سایر کشورها فراهم کند تا هماهنگی و تعامل بین روند گرمایش جهانی و پدیده سرمای شدید محلی را تشخیص دهند. در عین حال، خلأهای موجود در این نوع تحقیقات در دانشگاه را نیز پر می کند. تغییر احتمال گرم شدن کره زمین و سرمای شدید محلی برای مطالعه تضاد بین گرم شدن کره زمین و سرمای شدید محلی استفاده می شود. از آنجایی که این مطالعه پایداری تدریجی و استراتژیهای ثبات تکاملی رویدادهای شدید را تجزیه و تحلیل میکند، میتواند مرجعی برای سایر کشورها فراهم کند تا هماهنگی و تعامل بین روند گرمایش جهانی و پدیده سرمای شدید محلی را تشخیص دهند. در عین حال، خلأهای موجود در این نوع تحقیقات در دانشگاه را نیز پر می کند.
2. مواد و روشها
2.1. هدف تحقیق و منبع داده
این مقاله عمدتاً به بررسی رابطه بین گرمایش جهانی و بلایای طبیعی می پردازد. در این مطالعه گرم شدن زمین با افزایش دما نشان داده شده است. در این مطالعه، ما پیشنهاد میکنیم که افزایش دما باعث افزایش سطح دریاهای جهانی میشود و گردش اتمسفر دستخوش تغییرات قابلتوجهی میشود که منجر به پدیدههای آب و هوایی شدید میشود. روند تغییرات زمانی و مکانی دما در منطقه از داده های تاریخی تغییرات آب و هوا در کانادا کاوش شد. به دلیل دشواری جمع آوری داده ها، داده های تاریخی آب و هوا در شش استان کانادا، یعنی کلمبیا، آلبرتا، ساسکاچوان، مانیتوبا، انتاریو و کبک (از 45 درجه شمالی تا 60 درجه شمالی، از ساحل شرقی اقیانوس آرام، تغییر می کند. به سواحل غربی اقیانوس اطلس) برای تجزیه و تحلیل انتخاب شدند.
2.2. رگرسیون خطی چندگانه
هنگام انجام رگرسیون های خطی چندگانه، داده های دمایی حداکثر، حداقل و میانگین روزانه هر سال وزن و میانگین می شوند تا حداکثر، حداقل و میانگین دمای هر سال به دست آید. علاوه بر این، ما از نرم افزار متلب برای تناسب خطی حداکثر دمای سالانه، حداقل دما و دمای متوسط استفاده می کنیم.
این مقاله شرایط شدید را به عنوان دمای بالاتر از دمای طبیعی در تابستان و کمتر از دمای معمولی در زمستان تلقی نمی کند. این به طور عمده رابطه بین ظهور آب و هوای شدید و تغییرات آب و هوایی را با تجزیه و تحلیل همبستگی بین هفت متغیر تجزیه و تحلیل می کند. هفت متغیر عبارتند از (i) بالاترین دمای روزانه در سال، (ii) کمترین دمای روزانه در سال، (iii) بالاترین دمای سالانه (میانگین وزنی داده های روزانه)، (iv) کمترین دمای سالانه (وزن دار) میانگین داده های روزانه)، (v) میانگین دمای سالانه (میانگین داده های وزنی روزانه)، (vi) بیشترین بارندگی در یک سال و (vii) بیشترین بارش برف در یک سال.
روش میانگین وزنی نسبت به مقدار متوسط ساده است. دلیل استفاده از وزن دهی (افزودن یک متغیر دیگر به فرآیند محاسبه) رفع عدم دقت میانگین ساده است و میانگین وزنی به حقیقت نزدیکتر است. اصل این است که وقتی اعداد خاصی در مجموعه ای از داده ها چندین بار ظاهر می شوند، نمایش تعداد متوسط آنها تا حد معینی تغییر می کند. اندازه میانگین وزنی نه تنها به مقدار هر واحد (مقدار متغیر) در جامعه، بلکه به تعداد دفعات هر مقدار نیز بستگی دارد. از آنجایی که تعداد وقوع هر مقدار تأثیر آن را بر میانگین وزن می کند، وزن نامیده می شود. از آنجا که میانگین وزنی محاسبه میانگین بر اساس وزن های مختلف است، به آن میانگین وزنی نیز می گویند. هنگام انتخاب میانگین وزنی، این مقاله به عملکرد در مقالات تحقیقاتی موجود اشاره می کند. در آمار مربوط به سال از میانگین وزنی روزها استفاده شده است.
در مسائل اقتصادی عملی، یک متغیر اغلب تحت تأثیر متغیرهای متعدد قرار می گیرد. شکل کلی مدل رگرسیون خطی چند متغیره به صورت زیر است:
که در آن k تعداد متغیرهای توضیحی است و β j ( j = 1, 2, …, k ) ضریب رگرسیون نامیده می شود. معادله فوق بیان تصادفی تابع رگرسیون کلی نیز نامیده می شود. عبارت غیر تصادفی آن است
β j ضریب رگرسیون جزئی نیز نامیده می شود. مقدار دمای شدید به این صورت تعریف میشود که ابتدا دادههای دمای حداکثر (پایین) روزانه هر ایستگاه از سال 1980 تا 2019 به ترتیب نزولی مرتب شدهاند و مقدار صدک پنجم (95) به عنوان مقدار بسیار زیاد (پایین) حداکثر (حداقل) دمای ایستگاه در آن سال. سری زمانی مقادیر دمای شدید با استفاده از شش داده سایت ایجاد شد. شش استان با در نظر گرفتن ویژگی های آب و هوایی، توپوگرافی و ژئومورفولوژی انتخاب شده اند. مقادیر متوسط دادههای سایت در هر منطقه محاسبه شد که نشاندهنده مقدار بسیار کاهشیافته بالاترین دما و مقدار بسیار زیاد پایینترین دما در منطقه است.
2.3. تجزیه و تحلیل پیرسون از رابطه
تحلیل همبستگی یک الگوریتم آماری متداول برای کشف همبستگی بین دو متغیر تصادفی در یک موقعیت است [ 29 ]. این روش می تواند رابطه بین آب و هوای شدید و تغییرات آب و هوایی را مطالعه کند [ 30 ]. مقدار ضریب همبستگی برای نشان دادن نزدیکی رابطه و مراحل مرتبط به شرح زیر استفاده می شود:
مرحله 1: ضریب همبستگی پیرسون همبستگی خطی بین دو متغیر تصادفی را توصیف می کند. اگر دو گروه از متغیرهای تصادفی وجود داشته باشد: X 1 , X 2 , X 3 , …, X n و Y 1 , Y 2 , Y 3 , …, Y n . در جایی که n تعداد نمونه ها است، ضریب همبستگی پیرسون را می توان با فرمول زیر محاسبه کرد:
مقدار مطلق ضریب همبستگی از 0 تا 1 متغیر است و هر چه ضریب همبستگی بیشتر باشد | r |، همبستگی بهتر است. اگر r معنادارتر از صفر باشد، دو متغیر تصادفی همبستگی مثبت دارند. اگر r کمتر از صفر باشد، نشان دهنده همبستگی منفی است. مرحله دوم این است که با استفاده از آزمون F آزمایش کنید که آیا همبستگی بین این دو معنادار است یا خیر. آزمون F یک آزمون فرضیه برای بررسی اینکه آیا تفاوت معنی داری در واریانس کلی بین دو نمونه وجود دارد یا خیر. در مورد واریانس کلی ناشناخته، فرض می شود که RSS r و RSS Nبه ترتیب واریانس دو جمعیت عادی مستقل هستند. سپس فرمول آزمون آماری F در رابطه (4) نشان داده شده است:
که در آن RSS r مجموع مربع های باقیمانده های محدود شده، RSS N مجموع مربع های باقیمانده های محدود نشده، N اندازه نمونه، و m حداکثر ترتیب تاخیر است.
2.4. روش بازی تکاملی
گرم شدن کره زمین نتیجه فاجعه باری است که توسط رفتار تولید بیش از حد و صنعتی شدن در سال های اخیر به وجود آمده است، در حالی که سرمای شدید محلی یک تغییر گاهگاهی آب و هوا با تصادفی خاص است. آیا این “متضاد” است که گرم شدن کره زمین و سرمای شدید محلی به طور همزمان رخ می دهند؟ آیا این دو با گذشت زمان بر یکدیگر تأثیر خواهند گذاشت و چه نوع تأثیری خواهد داشت؟ به منظور حل این مشکل، مطالعه از روش بازی تکاملی برای تجزیه و تحلیل استفاده می کند که توسط Qiao و Yin [ 31 ] توصیه شده است. بازی تکاملی ابتدا برای مطالعه تعارض و رفتار مشارکتی در تکامل بیولوژیکی به کار گرفته شد و در سالهای اخیر در زمینههای علوم طبیعی مانند محیطزیست و تغییرات آب و هوایی نیز مورد استفاده و مطالعه قرار گرفته است [ 32 ].
با توجه به روش بازی تکاملی (نگاه کنید به Weibull [ 33] برای جزئیات بیشتر)، گستره جهانی و محدوده محلی را می توان به عنوان دو بدنه مرکزی در بازی تکاملی در نظر گرفت که در آن گرم شدن کره زمین و گرم شدن مداوم، پدیده سرمای شدید در محدوده محلی و عدم وجود پدیده سرمای شدید دو عنصر اصلی هستند. روندها از روش بازی تکاملی برای بررسی تضاد بین گرمایش جهانی و پدیده سرمای شدید محلی استفاده می شود. این دو موضوع به صورت جهانی (G) و محلی (L) نشان داده می شوند. در عین حال، گستره جهانی و محلی به عنوان آزمودنی ها استراتژی های خود را دارند، یعنی دو راهبرد گرمایش جهانی (G) و ثابت، و دو استراتژی محلی (L) سردی شدید و نرمال. احتمال گرم شدن کره زمین x، گرم شدن ثابت جهانی 1-x، احتمال سرمای شدید محلی y است، و احتمال آب و هوای محلی نرمال 1-y است.
این مقاله حوزه جهانی و محلی را به عنوان دو بازیگر اصلی در بازی تکاملی در نظر میگیرد. در این میان گرم شدن کره زمین و گرم نشدن، سرمای شدید محلی و عدم سرمای شدید دو استراتژی اصلی (روند) هستند. فرض کنید تعداد افرادی که تحت تاثیر گرمایش زمین قرار گرفته اند n 1 ، آسیب گرمایش جهانی به تعداد افراد در واحد ساعت 1 ، تعداد افرادی که تحت تاثیر سرمای شدید محلی n 2 ، آسیب سرمای شدید محلی به تعداد افراد در واحد ساعت 2 سهم سرمای شدید محلی در کاهش گرمایش جهانی a و سهم گرمایش جهانی در کاهش سرمای شدید محلی b. سپس، استراتژی ها و مزایای بازی جهانی و محلی در جدول 1 نشان داده شده است :
علاوه بر این، تفسیر فیزیکی زمان مجموعه ای (دور) از تعداد بازی ها است. به عنوان مثال، در تصویر، هر x، * و + نشان دهنده یک بازی بین استراتژی های مختلف دو طرف است (+++ نشان دهنده 3 بازی، ++++ نشان دهنده 4 بازی). بازده مورد انتظار و میانگین بازگشت گرمایش جهانی (G) و عدم گرمایش به ترتیب U 11 ، U 12 و U 1 است. فرمول بازده در معادلات (5) – (7) نشان داده شده است:
بازده مورد انتظار و متوسط وقوع سرمای شدید محلی (L) و آب و هوای عادی به ترتیب U 21 ، U 22 و U 2 است. فرمول بازده به شرح زیر است:
بر اساس معادله دینامیک مالتوس، نرخ رشد انتخاب یک استراتژی در یک گروه برابر با برازندگی نسبی آن است. تا زمانی که تناسب فردی که استراتژی را اتخاذ می کند بیشتر از تناسب گروه باشد، نسبت اعضایی که استراتژی را انتخاب می کنند افزایش می یابد. با توجه به فرمول تکرار دینامیکی بازی تکاملی، معادله تکرار دینامیکی سیستم دینامیکی را می توان به دست آورد، همانطور که در معادله (11) نشان داده شده است. معادله تکرار پویا انتخاب استراتژی جهانی و معادله تکرار پویا انتخاب استراتژی محلی است.
یک سیستم دینامیکی دو بعدی متشکل از معادلات دینامیکی تکرار شده ، با ، سپس پنج نقطه تعادل را می توان به دست آورد. آنها هستند ، ، ، ، با .
با توجه به سیستم دینامیکی دو بعدی که از معادله دینامیکی تکرار شده فوق تشکیل شده است، ماتریس ژاکوبین را می توان همانطور که در رابطه (12) نشان داده شده است، ساخت:
از جمله: ، ، و .
با توجه به روش تفکیک پایداری نقطه تعادل، تعیین کننده و ردیابی از ماتریس ژاکوبین می توان برای تبعیض استفاده کرد. آن موقع است که و ، نقطه تعادل یک نقطه پایدار تکاملی است. چه زمانی نقطه تعادل یک نقطه زینی است. در موارد دیگر، نقطه تعادل ناپایدار است. معیار پایداری نقاط تعادل در جدول 2 نشان داده شده است :
و همه می توانند به نقاط تعادل تکاملی تبدیل شوند. در اینجا ما فقط تعادل تکامل را در زیر تجزیه و تحلیل می کنیم و شرایط (مقدار پارامتر مربوطه را روی ، ، ، ، ، ). نرم افزار MATLAB نمودار فاز پویا را همانطور که در شکل 1 نشان داده شده است ترسیم می کند . محور افقی احتمال گرم شدن زمین و محور عمودی احتمال سرمای شدید محلی را نشان می دهد. در نمودار تکامل بازی های جهانی و محلی، و نقاط تعادل تکاملی هستند.
به منظور مشاهده مستقیم تر اینکه آیا تناقضی بین گرمایش جهانی و سرمای شدید محلی وجود دارد یا خیر، احتمال گرم شدن کره زمین و سرمای شدید محلی به صورت عددی شبیه سازی شده است. اولین مورد، مسیر تکامل هر دو طرف است، زمانی که مقادیر احتمال متفاوتی برای گرم شدن کره زمین و سرمای شدید محلی تنظیم می شود. دوم مسیر تکامل دو طرف هنگام تنظیم مقادیر پارامترهای مختلف (a و b) در مدل است.
مرحله دقیق مشخص شده در این مطالعه به شرح زیر بوده است: (i) ابتدا، داده های تاریخی آب و هوا در سراسر کانادا از وب سایت دانلود می شود:
https://climate.weather.gc.ca/historical_data/search_historic_data_e.html(دسترسی در 27 اوت 2021). (ii) دوم، با در نظر گرفتن هر استان به عنوان هدف تحقیق، نمودارها همه نمودارهای پراکندگی روند اضافه کاری هستند و رگرسیون خطی چندگانه برای برازش استفاده می شود (اکنون شش نمودار پراکندگی قبلی در یک نمودار ادغام شده اند که ساده شده است). علاوه بر این، یک آزمون t برای تخمین پارامترهای فردی، یک آزمون F برای تخمین مدل کلی، و یک آزمون DW نیز انجام شد. نتایج آزمایش همه قابل توجه است. از آنجایی که تمرکز اصلی این مقاله در اینجا نیست و اصل مقاله طولانی است، در پایان نامه گنجانده نشده است. (iii) سوم، ضریب همبستگی پیرسون برای توصیف درجه همبستگی خطی بین دو متغیر تصادفی و برای انجام یک آزمون معنی دار برای همبستگی بین این دو استفاده می شود. این مطالعه دادههای آلبرتا و ساسکاچوان را برای تأیید انتخاب کرد، با استفاده از حداقل دمای روزانه و بارش برف روزانه به عنوان نماینده هوای سرد شدید. میانگین دمای سالانه و داده های بارش برف سالانه برای نشان دادن تغییرات آب و هوا استفاده می شود. (IV) چهارم، تجزیه و تحلیل بازی تکاملی از داده های واقعی خاصی استفاده نمی کند. در عوض، از آن به عنوان یک مبنای نظری استفاده شده است. گستره جهانی و محلی دو بدنه مرکزی در بازی تکاملی هستند. دو روند تغییر اصلی عبارتند از: (1) گرم شدن زمین و گرم نشدن، و (2) پدیده سرمای شدید محلی و عدم وجود پدیده سرمای شدید. ما از روش بازی تکاملی برای بررسی اینکه آیا تناقضی بین گرم شدن کره زمین و وقوع سرمای شدید محلی با تغییرات احتمالی گرم شدن کره زمین و سرمای شدید محلی وجود دارد یا خیر استفاده میکنیم. دو موضوع انتخاب شده جهانی (G) و محلی (L) هستند. همزمان، دامنه جهانی و محلی به عنوان موضوع استراتژی های خاص خود را دارند. در جایی که دو استراتژی جنبه های جهانی (G) یعنی (i) گرم شدن و (ب) گرم شدن غیر گرم را به دست آورده اند، محلی (L) نیز دو استراتژی دارد، یعنی (i) سرمای شدید و (ii) نرمال. احتمال گرم شدن کره زمین x، احتمال گرم نشدن کره زمین 1 – x، احتمال سرمای شدید y و احتمال نرمال 1 – y است. علاوه بر این، ما تابع درآمد را از دامنه جهانی و حوزه محلی می سازیم. ما ماتریس ژاکوبین را بر اساس معادله تکرار پویا برای تجزیه و تحلیل نقطه ثبات تکاملی می سازیم. احتمال گرم شدن کره زمین x، احتمال گرم نشدن کره زمین 1 – x، احتمال سرمای شدید y و احتمال نرمال 1 – y است. علاوه بر این، ما تابع درآمد را از دامنه جهانی و حوزه محلی می سازیم. ما ماتریس ژاکوبین را بر اساس معادله تکرار پویا برای تجزیه و تحلیل نقطه ثبات تکاملی می سازیم. احتمال گرم شدن کره زمین x، احتمال گرم نشدن کره زمین 1 – x، احتمال سرمای شدید y و احتمال نرمال 1 – y است. علاوه بر این، ما تابع درآمد را از دامنه جهانی و حوزه محلی می سازیم. ما ماتریس ژاکوبین را بر اساس معادله تکرار پویا برای تجزیه و تحلیل نقطه ثبات تکاملی می سازیم.
3. نتایج
3.1. روند تغییرات زمانی و مکانی دما در مناطق مختلف کانادا
3.1.1. توضیحات آماری
توصیف آماری داده ها، شامل روند تغییرات زمانی حداکثر دما، حداقل دما و میانگین دما در شش استان (ایستگاه) کانادا، در جدول 3 نشان داده شده است. حداکثر و حداقل دما در بریتیش کلمبیا (ایستگاهها) و آلبرتا (ایستگاهها) افزایش و کاهش مییابد، اما میانگین دما رو به پایین است. حداکثر، حداقل و میانگین دما در ساسکاچوان (سایت) و کبک (سایت) روند افزایشی را نشان دادند. بیشینه، حداقل و میانگین دما در منیتوبا و انتاریو روند کاهشی را نشان داد. بر اساس میانگین وزنی دادههای دمای روزانه شش استان (سایت) کانادا در طول سالها، حداکثر، حداقل و میانگین دمای هر استان (سایت) را میتوان به دست آورد که در جدول 4 نشان داده شده است.. در بریتیش کلمبیا و انتاریو مشاهده می شود که حداکثر دما، حداقل دما و میانگین دما بالای 0 درجه سانتیگراد است. به نظر می رسد، برای منیتوبا، حداکثر دما، حداقل دما و میانگین دما در شش استان کمترین مقدار است. شکل 2 مکان های مورد مطالعه را نشان می دهد.
3.1.2. روندها در زمان و مکان
شکل 3 a نمودار پراکندگی و برازش خطی روند دما را در طول زمان در بریتیش کلمبیا (سایت سوری وایت راک) از سال 1980 تا 1987 نشان میدهد، عمدتاً با میانگین وزنی حداکثر، حداقل روزانه. از داده های میانگین دمای هر سال برای به دست آوردن حداکثر، حداقل و میانگین دمای سالانه استفاده می شود. به منظور تسهیل در برازش، سال اولیه 1 تعیین شد. معادله برازش خطی روند زمانی حداکثر دما از سال 1980 تا 1987 است. . معادله برازش خطی روند زمانی کمترین دما از سال 1980 تا 1987 است. . معادله برازش خطی روند تغییر زمانی میانگین دما از سال 1980 تا 1987 است. . مشاهده می شود که با پیشرفت زمان، حداکثر دمای سالانه بیشتر و کمتر می شود، در حالی که دمای حداقل سالانه کمتر و کمتر می شود. به طور کلی میانگین دمای سالانه به آرامی در حال کاهش است.
از شکل 3 ب می توان نتیجه گرفت که معادله برازش خطی روند تغییرات زمانی حداکثر دما در آلبرتا از سال 1986 تا 2019 است. . معادله برازش خطی روند تغییرات زمانی حداقل دما از سال 1986 تا 2019 است. . معادله برازش خطی روند تغییرات زمانی میانگین دما از سال 1986 تا 2019 به شرح زیر است: . مشاهده می شود که با پیشرفت زمان حداکثر دمای سالانه کمتر و کمتر می شود و حداقل دمای سالانه به آرامی در حال افزایش است اما در مجموع میانگین دمای سالانه نیز به آرامی در حال کاهش است.
از شکل 3 ج می توان نتیجه گرفت که معادله برازش خطی روند تغییر زمانی حداکثر دما در ساسکاچوان از سال 1980 تا 2019 است. . معادله برازش خطی روند تغییرات زمانی حداقل دما از سال 1980 تا 2019 است. . معادله برازش خطی روند تغییرات زمانی میانگین دما از سال 1980 تا 2019 به شرح زیر است: . مشاهده می شود که با گذشت زمان حداکثر دمای سالانه بالاتر و بالاتر می رود و حداقل دمای سالانه نیز بالاتر و بالاتر می رود. به طور کلی میانگین سالانه دما نیز افزایش خواهد یافت.
می توان از شکل 3 نتیجه گرفت که معادله برازش خطی روند تغییر زمان حداکثر دما در منیتوبا طی سال های 1961-1968 است. . معادله برازش خطی روند تغییرات زمانی حداقل دما طی سالهای 1961-1968 است. . معادله برازش خطی روند تغییرات زمانی دمای متوسط طی سالهای 1961-1968 است. . مشاهده می شود که هر چه زمان می گذرد، حداکثر دمای سالانه کمتر و کمتر می شود و حداقل دمای سالانه نیز کمتر و کمتر می شود. به طور کلی میانگین دمای سالانه نیز کاهش خواهد یافت.
از شکل 3 می توان نتیجه گرفت که معادله برازش خطی روند تغییر زمان حداکثر دما در انتاریو از سال 1971 تا 1977 است. . معادله برازش خطی روند تغییرات زمانی حداقل دما از سال 1971 تا 1977 است. . معادله برازش خطی روند تغییرات زمانی میانگین دما از سال 1971 تا 1977 است. . مشاهده می شود که هر چه زمان می گذرد، حداکثر دمای سالانه کمتر و کمتر می شود و حداقل دمای سالانه نیز کمتر و کمتر می شود. به طور کلی میانگین دمای سالانه نیز کاهش خواهد یافت.
از شکل 3 f می توان نتیجه گرفت که معادله برازش خطی روند تغییر زمانی حداکثر دما در کبک از سال 1992 تا 2019 است. . معادله برازش خطی روند تغییرات زمانی حداقل دما از سال 1992 تا 2019 است. . معادله برازش خطی روند تغییرات زمانی میانگین دما از سال 1992 تا 2019 به شرح زیر است: . مشاهده می شود که با گذشت زمان حداکثر دمای سالانه بالاتر و بالاتر می رود و حداقل دمای سالانه نیز بالاتر و بالاتر می رود. به طور کلی میانگین سالانه دما نیز افزایش خواهد یافت.
3.2. رابطه بین وقوع آب و هوای شدید و تغییرات اقلیمی
به منظور تجزیه و تحلیل اینکه آیا ظهور آب و هوای شدید با تغییرات آب و هوایی مرتبط است، این مطالعه دو استان را به عنوان مثال (آلبرتا (سایت: 1986-2019) و ساسکاچوان (سایت: 1980-2019)) در نظر می گیرد. ما کامل بودن دوره دادهها را همراه با تجزیه و تحلیل همبستگی پیرسون در مورد آب و هوای شدید (مانند دادههای مربوط به حداقل دمای روزانه و بارش برف روزانه “هوای سرد شدید”) و تغییرات آب و هوا (مانند دادههای میانگین دمای سالانه و بارش برف سالانه) در نظر میگیریم. . به طور خاص، همبستگی بین هفت متغیر را تجزیه و تحلیل میکند: (1) دمای حداکثر روزانه سال (DMAT)، (ب) دمای حداقل روزانه سال (DMIT)، (iii) حداکثر دمای سالانه، که دادههای میانگین وزنی روزانه ( AMAT)، (IV) حداقل دمای سالانه، که میانگین وزن دادههای روزانه (AMIT)، (v) میانگین دمای سالانه که میانگین وزنی داده های روزانه (AAT)، (vi) گسترده ترین بارندگی روزانه در طول سال (TALR)، و (vii) بیشترین میزان بارش روزانه برف در طول سال (THDS). تحلیل همبستگی پیرسون در نشان داده شده استجدول 5 و جدول 6 :
مطابق جدول 5، آلبرتا (1986-2019) همبستگی مثبت و معناداری بین DMAT و AMAT، AMIT و AAT دارد. ضرایب همبستگی 0.865، 0.810 و 0.842 (همه در سطح 0.01 (دو طرفه) معنی دار هستند) و همگی بزرگتر از 0.8 هستند. این نشان می دهد که پیدایش آب و هوای شدید (گرمای شدید) ارتباط نزدیکی با تغییرات آب و هوا دارد. TALR همچنین به طور قابل توجهی با AMAT و AMIT همبستگی مثبت دارد. ضرایب همبستگی 0.431 (معنی دار در سطح 0.05 (دو طرفه)) و 0.439 (معنادار در سطح 0.01 (دوطرفه) است. علاوه بر این، بین 0.3 و 0.5 است. درجه پایین همبستگی مثبت نشان دهنده TALR بالاتر، AMAT و AMIT بالاتر است. وقوع چنین آب و هوای شدید بیشتر به تغییرات آب و هوایی مربوط می شود. همزمان، همچنین یک ارتباط قوی بین آب و هوای شدید و تغییرات آب و هوایی وجود دارد. به عنوان مثال، بین DMAT و THDS همبستگی مثبت وجود دارد (ضریب همبستگی 0.410 است که در سطح 0.05 (هر دو طرف) معنیدار است). بین AMAT و AMIT، AAT همبستگی مثبت وجود دارد (ضرایب همبستگی به ترتیب 0.929 و 0.979 است و هر دو در سطح 0.01 (دو طرفه) معنی دار هستند). ما یک همبستگی بسیار مثبت بین AMIT و AAT پیدا کردیم (ضریب همبستگی 0.978، در سطح 0.01 (دو طرفه) به طور معنیداری}. و هر دو در سطح 0.01 (دو طرفه) معنی دار هستند. ما یک همبستگی بسیار مثبت بین AMIT و AAT پیدا کردیم (ضریب همبستگی 0.978، در سطح 0.01 (دو طرفه) به طور معنیداری}. و هر دو در سطح 0.01 (دو طرفه) معنی دار هستند. ما یک همبستگی بسیار مثبت بین AMIT و AAT پیدا کردیم (ضریب همبستگی 0.978، در سطح 0.01 (دو طرفه) به طور معنیداری}.
مطابق جدول 6، ساسکاچوان (1980-2019) همبستگی مثبت و معناداری بین DMAT و AMAT، AMIT و AAT دارد. ضرایب همبستگی به ترتیب 0.822، 0.818 و 0.832 (همه در سطح 0.01 (دو طرفه) معنی دار هستند) و بیشتر از 0.8 است. همبستگی مثبت بالا بین متغیرها نشان می دهد که آب و هوای شدید (گرمای شدید) ارتباط نزدیکی با تغییرات آب و هوا دارد. در عین حال، همبستگی قوی بین تغییرات آب و هوا و سایر متغیرها وجود دارد. به عنوان مثال، AMAT به شدت با AMIT و AAT همبستگی مثبت دارد (ضرایب همبستگی به ترتیب 0.941 و 0.988 هستند و هر دو در سطح 0.01 (هر دو طرف) معنیدار هستند). AMIT و AAT همبستگی های بسیار مثبتی هستند (ضریب همبستگی 0.977، در سطح 0.01 معنی دار (دو طرفه)).
3.3. تحلیل تضاد گرمایش جهانی و سرمای شدید در مناطق محلی
(i) همانطور که در شکل 4 نشان داده شده است، محور افقی نشان دهنده زمان تکامل و محور عمودی نشان دهنده احتمال گرم شدن کره زمین و سرمای شدید محلی است. از آنجایی که گرم شدن کره زمین و سرمای موضعی زمانی رخ می دهد که احتمال اولیه زیاد نباشد (<0.5)، با گذشت زمان، گرم شدن کره زمین و احتمال سرمای محلی کمتر و کمتر می شود تا زمانی که به صفر برسد. هرچه مقدار احتمال اولیه کوچکتر باشد، روند به صفر سریعتر است. برعکس، گرم شدن کره زمین و سرمای محلی زمانی رخ می دهد که احتمال اولیه زیاد نباشد (7/0). با گذشت زمان، احتمال گرم شدن کره زمین و سرمای شدید محلی افزایش می یابد تا زمانی که به عدد 1 نزدیک شود. از آنجایی که مقدار احتمال اولیه نسبتاً بالاتر است، سرعت نزدیک شدن به 1 سریعتر خواهد بود. این نشان می دهد که وقتی هم پدیده گرمایش جهانی و هم پدیده سرمای شدید محلی ظاهر می شوند، باید به آنها توجه کنیم.
(ii) شکل 5 مسیرهای تکامل گرمایش جهانی و سرمای شدید محلی را در زمان های مختلف با مقادیر پارامتر مشخص می کند. همانطور که در شکل 5 نشان داده شده است ، هر چه کمک ( a ) توسط سرمای شدید محلی در کاهش روند گرمایش جهانی کمتر باشد، احتمال گرمایش جهانی کمتر است. هنگامی که a کوچکتر یا بزرگتر باشد، احتمال گرمایش جهانی نیز سریعتر به 0 یا 1 میل خواهد کرد. علاوه بر این، یک نقطه مرزی بین 10 تا 15 وجود دارد، بنابراین احتمال گرم شدن کره زمین به یک مقدار پایدار میل می کند.
همانطور که در شکل 6 نشان داده شده است ، هر چه سهم b توسط سرمای شدید محلی برای کاهش روند گرمایش جهانی کمتر باشد، احتمال گرمایش جهانی کمتر است. به نظر می رسد، هر چه مقدار b بیشتر باشد، احتمال گرمایش جهانی بیشتر خواهد بود. هنگامی که b کوچکتر یا بزرگتر باشد، احتمال گرم شدن کره زمین نیز سریعتر به 0 یا 1 میل خواهد کرد. علاوه بر این، یک نقطه مرزی بین b وجود دارد که بین 10 تا 15 است، بنابراین احتمال گرم شدن کره زمین به یک مقدار پایدار تمایل دارد.
از تحلیل فوق می توان دریافت که گرم شدن کره زمین و سرمای شدید محلی متناقض نیستند. از طریق تجزیه و تحلیل بازی تکاملی، مشخص می شود که درجه خاصی از هماهنگی بین این دو تحت شرایط خاص وجود دارد که بر یکدیگر تأثیر متقابل دارند و بر یکدیگر تأثیر می گذارند. روند گرمایش جهانی را نمی توان صرفاً به دلیل هوای بسیار سرد محلی انکار کرد. تغییر اقلیم یک روند طولانی مدت، تدریجی و قابل پیش بینی است، در حالی که آب و هوا کوتاه مدت، محلی، ناپایدار و غیرقابل پیش بینی است [ 34 ]. آب و هوا معمولا یک فرآیند کوتاه مدت است که از چند دقیقه تا چند روز متغیر است. به شرایط جوی لحظه ای یا کوتاه مدت در یک منطقه خاص، مانند ابری، آفتابی، بارانی و برفی اشاره دارد [ 35 ]]. در عین حال، تغییر اقلیم به تغییرات طولانی مدت اشاره دارد. اگرچه به پدیده های جوی نیز اشاره دارد، اما وضعیت متوسط در طول سالیان متمادی است. معمولاً توسط مقادیر مشخصه دما، بارش، باد، آفتاب، رطوبت و سایر عناصر آب و هوایی ثبت شده توسط تجهیزات رصد هواشناسی [ 36 ] منعکس می شود. سازمان جهانی هواشناسی تغییر اقلیم را به تغییراتی در این مقیاس در یک دوره 30 ساله تعریف می کند.
4. بحث
چارچوب منطقی این مطالعه به شرح زیر است: ابتدا، این مطالعه یک سری زمانی از مقادیر شدید دمایی را بر اساس دادههای ایستگاههای هواشناسی در شش استان کانادا ایجاد میکند، تغییرات زمان و مکان را تجزیه و تحلیل میکند و تأثیر دمای اقیانوس را بر روی خشکی مورد مطالعه قرار میدهد. درجه حرارت. دوم، با در نظر گرفتن آلبرتا و ساسکاچوان به عنوان مثال، تجزیه و تحلیل همبستگی پیرسون از آب و هوای شدید و تغییرات آب و هوایی در دو استان انجام شده است. در نهایت، روش بازی تکاملی رابطه بین گرم شدن کره زمین و سرمای شدید محلی را مورد بحث قرار می دهد. قبل از بحث در مورد معادله برازش خطی روند تغییر زمان هر استان، رابطه بین دو متغیر زمان و دما را می توان با یک خط مستقیم از طریق نمودار پراکندگی نشان داد. همانطور که داوران گفتند، به دلیل دشواری جمع آوری داده ها، دوره در برخی استان ها کمتر از ده سال است. با این حال، به دلیل همبستگی بین تغییرات آب و هوای کانادا و زمان، دو متغیر مورد مطالعه در این مقاله شامل پیشبینی آب و هوا نمیشوند. در عوض، هدف اصلی استفاده از داده های آماری موجود برای ایجاد مدل های آب و هوایی ساده و مدل های آب و هوای شدید است. هدف اصلی این مطالعه بررسی دادههای موجود است تا افراد غیرحرفهای وضعیت تغییرات آب و هوایی جهانی را درک کنند، وقوع پدیدههای شدید آب و هوایی را توضیح دهند و عوامل مؤثر بر تغییرات آب و هوا را تأیید کنند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهند. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند. با این حال، به دلیل همبستگی بین تغییرات آب و هوای کانادا و زمان، دو متغیر مورد مطالعه در این مقاله شامل پیشبینی آب و هوا نمیشوند. در عوض، هدف اصلی استفاده از داده های آماری موجود برای ایجاد مدل های آب و هوایی ساده و مدل های آب و هوای شدید است. هدف اصلی این مطالعه بررسی دادههای موجود است تا افراد غیرحرفهای وضعیت تغییرات آب و هوایی جهانی را درک کنند، وقوع پدیدههای شدید آب و هوایی را توضیح دهند و عوامل مؤثر بر تغییرات آب و هوا را تأیید کنند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهند. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند. با این حال، به دلیل همبستگی بین تغییرات آب و هوای کانادا و زمان، دو متغیر مورد مطالعه در این مقاله شامل پیشبینی آب و هوا نمیشوند. در عوض، هدف اصلی استفاده از داده های آماری موجود برای ایجاد مدل های آب و هوایی ساده و مدل های آب و هوای شدید است. هدف اصلی این مطالعه بررسی دادههای موجود است تا افراد غیرحرفهای وضعیت تغییرات آب و هوایی جهانی را درک کنند، وقوع پدیدههای شدید آب و هوایی را توضیح دهند و عوامل مؤثر بر تغییرات آب و هوا را تأیید کنند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهند. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند. در عوض، هدف اصلی استفاده از داده های آماری موجود برای ایجاد مدل های آب و هوایی ساده و مدل های آب و هوای شدید است. هدف اصلی این مطالعه بررسی دادههای موجود است تا افراد غیرحرفهای وضعیت تغییرات آب و هوایی جهانی را درک کنند، وقوع پدیدههای شدید آب و هوایی را توضیح دهند و عوامل مؤثر بر تغییرات آب و هوا را تأیید کنند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهند. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند. در عوض، هدف اصلی استفاده از داده های آماری موجود برای ایجاد مدل های آب و هوایی ساده و مدل های آب و هوای شدید است. هدف اصلی این مطالعه بررسی دادههای موجود است تا افراد غیرحرفهای وضعیت تغییرات آب و هوایی جهانی را درک کنند، وقوع پدیدههای شدید آب و هوایی را توضیح دهند و عوامل مؤثر بر تغییرات آب و هوا را تأیید کنند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهند. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند. وقوع پدیده های شدید آب و هوایی را توضیح دهد و عوامل موثر بر تغییرات آب و هوا را تأیید کند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهد. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند. وقوع پدیده های شدید آب و هوایی را توضیح دهد و عوامل موثر بر تغییرات آب و هوا را تأیید کند و در نتیجه آگاهی مردم را از تغییرات آب و هوایی افزایش دهد. بنابراین، این مقاله از اساسی ترین روش تحلیل رگرسیون برای نشان دادن نتایج استفاده می کند.
از منظر جهانی، روند گرم شدن همچنان ادامه دارد و منجر به افزایش سطح دریا و سیل نواحی ساحلی، سیل، خشکسالی و سایر رویدادهای شدید آب و هوایی می شود که به شدت محیط زیست جهانی را به خطر می اندازد [ 37 ]. نتیجه به ما کمک می کند تا پایه های اصلی مطالعه را ترسیم کنیم. مفهوم گرم شدن آب و هوای جهانی می تواند گرمایش جهانی و افزایش دمای سطح دریا را تجسم کند [ 38 ]. اگرچه برخی از کشورها و مناطق در یک دوره کوتاه هوای بسیار سرد دارند، اما این نشان دهنده محیط آب و هوای جهانی نیست [ 39 ]. بسیاری از دانشمندان (مانند Gjermundsen و همکاران [ 40 ]، Lashof و Ahuja [ 41 ]، و Swart و همکاران [ 42 ]]) معتقدند که تشدید اثر گلخانه ای ناشی از انتشار انبوه گازهای گلخانه ای ممکن است علت اصلی گرمایش جهانی باشد و بیشترین افزایش گازهای گلخانه ای دی اکسید کربن است. مطالعه حاضر همچنین تناوب شدید دما را در نواحی مورد مطالعه نشان می دهد. دی اکسید کربن (CO2) گاز گلخانه ای اولیه است که از طریق فعالیت های انسانی منتشر می شود [ 43 ، 44 ، 45 ، 46 ].
این مطالعه نشان داد که تأثیر گرمایش جهانی بر عرضهای جغرافیایی بالا آشکار است و یکی از دلایل اصلی پدیده «ال نینو» است که با ادبیات موجود مطابقت دارد (مانند آییر و همکاران [ 47 ]، و یانگ و همکاران [ 48 ]). در مطالعه ای در شمال بریتیش کلمبیا، فریسن و همکاران. [ 49] نشان داد که جریانهای اقیانوسی در زمان وقوع آب و هوای شدید اثر آشتیدهندهای دارند و باعث میشود دمای سالانه فقط در محدوده کوچکی تغییر کند. تغییر دمای آب دریا با تغییر دمای سطح، که مشابه مطالعه ما است، مطابقت دارد. ما همچنین دریافتیم که از آنجایی که رفتار تولید بیش از حد انسان و صنعتیشدن در سالهای اخیر به طور قابلتوجهی افزایش یافته است، آب و هوای شدید محلی یک تغییر آب و هوای گاه به گاه، با درجه خاصی از تصادفی است. نتیجه با مطالعه DeFrancesco و Guéguen [ 50 ] سازگار است. به گفته وانگ و همکاران. [ 51]، گرم شدن کره زمین و پدیده سرمای شدید محلی درجه خاصی از هماهنگی دارند. ظاهراً در شرایط خاصی احتمال وقوع هر دو به 0 یا 1 تمایل پیدا می کند و با گذشت زمان حالت پایداری شکل می گیرد که مشابه یافته های مطالعه ما است.
در میان این یافته ها، 1980-1984 گرم ترین دوره پنج ساله بود. با این حال، شتاب گرمایش تاکنون ضعیف نشده است. از زمان انقلاب صنعتی، فعالیت های انسانی به دلیل رشد سریع جمعیت جهان تشدید شده است. با افزایش جمعیت، شهرنشینی، صنعتیشدن و فرآیند مدرنسازی حملونقل، بسیاری از منابع طبیعی مانند جنگلها و مواد معدنی مصرف شدهاند که منجر به کاهش شدید مساحت جنگلهای جهانی شده است [ 52 ، 53 ، 54 ].
5. نتیجه گیری ها
با در نظر گرفتن شش استان نماینده کانادا به عنوان مثال، این مطالعه از روش صدک برای تعریف مقدار بالای حداکثر دما و مقدار پایین حداقل دمای ایستگاه های مختلف سال به سال استفاده می کند. ویژگیهای تغییرات مکانی و روند تغییرات مکانی-زمانی آن را از طریق روش برازش خطی رگرسیون خطی چندگانه تحلیل میکند. علاوه بر این، از تحلیل همبستگی پیرسون برای مطالعه رابطه بین آب و هوای شدید و وقوع تغییرات آب و هوایی استفاده شده است. برای ترسیم نقشه های فاز پویا و شبیه سازی عددی مسیرهای تکامل از روش بازی تکاملی و نرم افزار متلب استفاده شده است. یافته های اصلی مطالعه عبارتند از:
(i) فراوانی آب و هوای شدید در کانادا نسبتاً زیاد است. با گذشت زمان در بیشتر مناطق، حداکثر دمای سالانه به طور مداوم افزایش می یابد و میانگین دما نیز هر سال افزایش می یابد. حداقل دمای سالانه نیز بالاتر خواهد بود. تاثیر گرمایش زمین بر عرض های جغرافیایی بالا روز به روز آشکارتر می شود که می تواند از وقوع پدیده “ال نینو” جلوگیری کند. دمای سطح در هنگام وقوع آب و هوای شدید با یک اثر تطبیقی روبرو می شود، که باعث می شود تغییر دمای سالانه فقط در محدوده کوچکی رخ دهد. تغییر دمای آب دریا با تغییر دمای سطح مطابقت دارد. از نظر شرایط منطقه ای، حداکثر و حداقل دما در بریتیش کلمبیا (سایت) و آلبرتا (سایت) افزایش یافته است، اما میانگین دما روند نزولی را نشان داده است. در حالی که در ساسکاچوان (سایت) و کبک (سایت) آنها در حال افزایش هستند. و در منیتوبا (سایت) و انتاریو (سایت) در حال کاهش هستند.
(ii) حداکثر دمای روزانه (بارندگی شدید) در طول سال به طور معناداری با حداکثر، حداقل و میانگین سالانه دمای سالانه (تغییر آب و هوا) همبستگی مثبت دارد. با توجه به اینکه گرم شدن کره زمین نتیجه فاجعه بار رفتار بیش از حد تولید انسان و صنعتی شدن در سال های اخیر است، حداکثر بارش روزانه (بارش شدید) در طول سال با حداکثر و حداقل دمای سالانه (تغییرات آب و هوا) همبستگی مثبت دارد. در عین حال، سرمای شدید محلی یک تغییر آب و هوای گاه به گاه با درجه خاصی از تصادفی است.
(iii) ظهور گرمایش جهانی و پدیده سرمای شدید محلی دارای درجه خاصی از هماهنگی است. در شرایط خاص، احتمال وقوع هر دو به 0 یا 1 تمایل پیدا می کند و با گذشت زمان یک حالت پایدار تشکیل می شود.
(IV) گرم شدن کره زمین با وجود آب و هوای شدید در یک مکان خاص ناسازگار نیست و نمی توان روند گرم شدن کره زمین را به دلیل هوای بسیار سرد محلی انکار کرد. اولین اقدام متقابل در برابر گرمایش زمین، کاهش انتشار دی اکسید کربن است. با تجزیه و تحلیل روندهای زمانی و مکانی گرمایش آب و هوا در کانادا، ما پیشنهاد میکنیم که کشورهای سراسر جهان باید فعالانه با سازمانهای چندجانبهای که با تغییرات اقلیمی سروکار دارند همکاری کنند و برای دستیابی به اجماع در مورد کاهش انتشار گازهای گلخانهای با یکدیگر همکاری کنند. کشورهای توسعه یافته باید ابتکار عمل را برای کمک به کشورهای کمتر توسعه یافته در پیشبرد توسعه انرژی های تجدیدپذیر و فن آوری های صرفه جویی در انرژی، بهبود ساختار انرژی و بهبود بهره وری اتخاذ کنند. مقاله از جنبه های زیر محدود است. منطقه تحقیقاتی تنها شش استان در کانادا را انتخاب می کند. همه استان ها درگیر نیستند و دامنه انتخاب نقاط رصد هواشناسی نسبتاً کوچک است. تحقیقات آینده باید تعداد نقاط مشاهده تحقیقاتی را بیشتر افزایش دهد و تلاش کند تا تمام مناطق کانادا را درگیر کند. با توجه به دشواری جمعآوری دادهها، محدوده زمانی جمعآوری نقاط مختلف رصد هواشناسی را نمیتوان ثابت نگه داشت، که منجر به محدودیتهایی در این مطالعه میشود. محدوده داده های محدود به کمتر از 10 سال می تواند نتایج مغرضانه ای برای تجزیه و تحلیل اقلیم شناسی ایجاد کند. یک مجموعه داده بالغ تر باید برای ایجاد داده های قوی تر اجرا شود. مطالعه بالقوه باید به تکمیل دادههای مشاهدات هواشناسی در سراسر کانادا ادامه دهد و از نظریه بازی تکاملی برای ساخت یک مدل بازی تکاملی سهجانبه استفاده کند که به طور جامع رابطه بین ظهور آب و هوای شدید و تغییرات آب و هوایی را مورد بحث قرار دهد. مطالعات آینده باید نتایج شبیهسازی شش مدل آب و هوایی، از جمله عوامل حیاتی مانند جذب گرمای زمین، اتلاف گرما و دمای اقیانوس را تجزیه و تحلیل کنند. روشهای پیشنهادی کلیدی برای شبیهسازی مدلهای اقلیمی در حال حاضر شامل مدل گردش عمومی (GCM)، مدل گردش جوی-اقیانوسی همراه جهانی (CGCM)، مدل تعادل انرژی، مدل رادیواکتیو و همرفتی، حالت دینامیکی میانگین جهت، و مدل دینامیکی آماری تصادفی است. و دمای اقیانوس روشهای پیشنهادی کلیدی برای شبیهسازی مدلهای اقلیمی در حال حاضر شامل مدل گردش عمومی (GCM)، مدل گردش جوی-اقیانوسی همراه جهانی (CGCM)، مدل تعادل انرژی، مدل رادیواکتیو و همرفتی، حالت دینامیکی میانگین جهت، و مدل دینامیکی آماری تصادفی است. و دمای اقیانوس روشهای پیشنهادی کلیدی برای شبیهسازی مدلهای اقلیمی در حال حاضر شامل مدل گردش عمومی (GCM)، مدل گردش جوی-اقیانوسی همراه جهانی (CGCM)، مدل تعادل انرژی، مدل رادیواکتیو و همرفتی، حالت دینامیکی میانگین جهت، و مدل دینامیکی آماری تصادفی است.
بدون دیدگاه