چشم انداز تغییرات اقلیمی در غرب ایران بر اساس سناریوهای واداشت تابشی و ریزمقیاس گردانی مدل آماری SDSM

نوع مقاله : مقاله علمی -پژوهشی کاربردی

نویسندگان

1 دانشگاه تبریز اداره کل هواشناسی استان همدان

2 دانشگاه تبریز

چکیده

در این پژوهش به بررسی چشم‌انداز تغییرات دما و بارش در ایستگاه‌های سینوپتیک منتخب در غرب کشور پرداخته شد. بدین منظور از داده‌های مدل جهانی CanESM2 تحت سناریوی واداشت تایشی (RCP 2.6، RCP 4.5 و RCP 8.5) و مدل ریزمقیاس گردانی آماری SDSM بهره گرفته شد و تغییرات ماهانه و بلندمدت آن در دو دوره زمانی مختلف (2065-2046 و 2099-2080) نسبت به دوره پایه (2005-1961) مورد بررسی قرار گرفت. جهت اطمینان از کالیبراسیون و صحت‌سنجی مدل SDSM از معیارهای MAE، MSE، RMSE، R2 و نمودارهای مقایسه‌ای استفاده شد.نتایج حاصل از چشم انداز مدل نشان داد که در دوره 2065-2046 میزان بارش در بیشتر ایستگاه‌ها (به جز سرپل ذهاب) و بیشتر ماه‌های سال نسبت به دوره پایه کاهش می‌یابد. ولی در دوره (2099-2080) در همه ایستگاه‌ها، میزان بارش نسبت به دوره پایه کاهش پیدا خواهد کرد. از نظر دمای حداقل و حداکثر نیز در همه دوره‌ها و در هر دوره نسبت به دوره قبل میزان دما نسبت به دوره پایه افزایش خواهد یافت. بر اساس متوسط بلند مدت نیز انتظار می‌رود میزان بارش به میزان 6 درصد کاهش و دمای حداقل و حداکثر به ترتیب به میزان 2 و 9/1 سلسیوس نسبت به دوره پایه افزایش یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Future projection of climate change in western of Iran based on Representative Concentration Pathways and SDSM Downscaling Model

نویسندگان [English]

  • hassan zohrehvandi 1
  • ali mohamad khorshid dost 2
  • behroz sari saraf 2
1 Tabriz University
2 Tabriz University
چکیده [English]

Future projection of climate change is a great importance in order to be aware of the extent of change and to provide the necessary solutions to adapt to the new conditions. Therefore, in this research, the perspective of temperature and precipitation changes in selected synoptic stations in the west of the country was studied. For this purpose, was used the CanESM2 model data under RCP scenarios (RCP 2.6, RCP 4.5 and RCP 8.5) and SDSM statistical downscaling model. Its monthly and long-term changes were made in two different periods (2046-2065 and 2080- 2099) was compared with the base period (1961-2005). To ensure calibration and validation of the SDSM model, we used MAE, MSE, RMSE, R2 indexes and comparison charts. The results index that this model is suitable for the study area. The results of the model's perspective also showed that during the period of 2046-2065 precipitation in most stations (except for Sarpul Zahab) and more months of the year than the base period decreases. However, during the period (2080-2099) at all stations, precipitation will decrease compared to the base period. In terms of minimum and maximum temperatures, in all periods and in each period, the temperature will increase compared to the base period. Based on the long-term average, expected the precipitation is decrease by 6% and the minimum and maximum temperatures increase respectively 2 and 1.9 Celsius

کلیدواژه‌ها [English]

  • Precipitation climate change Temperature RCP SDSM
ساری صراف، ب.، رسولی، ع. ا.، زرین، آ.، نجفی، م. س. ( 1396). شبیه سازی واداشت­های تابشی گردوغبار در غرب ایران، جغرافیا و مخاطرات محیطی، شماره 22، صص 140-123.
ساری صراف، ب.، جلالی عنصری، ط.، سرافروزه، ف. (1394). اثرات گرمایش جهانی بر اقلیم شهرهای واقع در حوضه دریاچه ارومیه، پژوهش­های بوم شناسی شهری، شماره 12، صص 48-33.
 جهانبخش اصل،  س.، خورشید دوست، ع. م.، عالی­نژاد، م. ح.، پوراصغر، ف. ( 1395). تأثیر تغییراقلیم بر دما و بارش با در نظر گرفتن عدم قطعیت مدل­ها و سناریوهای اقلیمی (مطالعه­ی موردی: حوضه­ی شهرچای ارومیه)، هیدروژئوموفولوژی، دوره 2، شماره 7، صص 122-107.
جهانبخش اصل، س.، موحد دانش، ع. ا.، مولوی، و. ( 1380). تحلیل مدل های برآورد تبخیر- تعرق برای ایستگاه هواشناسی تبریز، دانش کشاورزی، جلد 11، شماره 2. صص 65-51.
حمیدیان­پور، م.، سلطانی، ج.، قندهاری، ق. ( 1392). ارزیابیاثراتتغییراقلیمبرروانابحوضه باروطاغاننیشابوربا استفادهازبروندادمدلگردشعمومیجو (HadCM3)، نخستین کنفرانس ملی آب و هواشناسی ایران، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، 11 ص.
دشت­بزرگی، آ.، علیجانی، ب.، جعفرپور، ز.، شکیبا، ع. ( 1394). شبیه­سازی شاخص­های حدی دمای استان خوزستان بر اساس سناریوهای RCP، جغرافیا و مخاطرات محیطی، شماره 16، صص 123-105.
صمدی، س. ز.، مساح­بوانی، ع. (1387) معرفی روش­های شبکه عصبی مصنوعی و SDSM به منظور کوچک مقیاس کردن آماری داده­های دما و بارندگی، سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز، 9 ص.
طائی­سمیرمی، س.، مرادی، ح. ر.، خداقلی، م. ( 1394). پیش­بینیتغییراتبرخیاز متغیرهای اقلیمیبااستفادهازمدلریزمقیاس­سازی LARS-WG و خروجی مدل HadCM3 تحت سناریوهای مختلف، مهندسی و مدیریت آبخیز، جلد هفتم، شماره­ 2، صص 156-145.
طباطبایی، س ع.، حسینی، م. (1382). بررسی تغییر اقلیم در شهر سمنان بر اساس پارامترهای بارش ماهیانه و متوسط دمای ماهیانه، سومین کنفرانس منطقه­ای و اولین کنفرانس ملی تغییر اقلیم اصفهان. 8 ص.
قرمزچشمه، ب.، رسولی، ع. ا.، رضایی­بنفشه، م.، مساح­بوانی، ع.، خورشیددوست، ع. م. ( 1393). بررسی اثر عوامل مرفو- اقلیمی بر دقت ریز مقیاس گردانی مدل SDSM، نشریه مهندسی و مدیریت آبخیز، جلد 6، شماره 2، صص 164-155.
مالمیر، م.، محمدرضاپور، ا.، شریف آذری، س.، قندهاری، ق. (1395). بررسی اثرات تغییر اقلیم بر رواناب حوضه قره سو با استفاده از ریزمقیاس نمایی آماری داده های مدل HadCM3 و شبکه عصبی پویا، حفاظت آب و خاک، دوره 3، شماره 3، صص 326- 317.
نادری، س.، گودرزی، م.، قدمی دهنو، م. (1396). اثر تغییر اقلیم بر پارامترهای اقلیمی در حوزه سیمره، علوم و مهندسی آبخیزداری، سال 11، شماره 39، صص 76-69.
Cheema, S.B.; Rasul, G.; Ali, G. and Kazmi, D.H. 2013. A Comparison of Minimum Temperature Trends with Model Projections, Pakistan Journal of Meteorology, 8(15).
Chen, H., Yu Xu,C., Guo, SH. 2012. Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff. Journal of Hydrology, 434-435: 36–45.
Dasht Bozorgi, A., Alijani, B., Jafarpour, Z., Shakiba, A., 2015, Simulation of extreme temperature indices of Khuzestan province based on RCP scenarios, geography and environmental hazards, No. 16, pp. 123-105.
Fowler, H J., Blenkinsop, S., Tebaldi, C. 2007. Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modeling. Int. J. Clim., 27: 1547-1578.
Ghemezchshme, B., Rasoul, AS. A., Rezaeibnfshah, M., MasahBovani, A., KhorshisDusht, A. M., 2014, Investigating the effect of morpho-climatic factors on accuracy of SDSM scaling scale, Journal of Engineering and Watershed Management, Vol 6, No 2, PP 164-155.
Goodarzi, M., Jahanbakhsh, S., Rezaee, M., Ghafouri, A., Mahdian, M H. 2011. Assessment of Climate Change Statistical Downscaling Methods in a Single Site in Kermanshah , Iran, American-Eurasian Journal. Agric. & Environ. Sci., 6 (5): 564-572.
Guo, B., Zhang, J., Gong, H., Cheng, X. 2014. Future climate change impacts on the ecohydrology of Guishui River Basin China, Ecohydrology & Hydrobiology, 14(1): 55-67.
Hamidianpour M., Soltani, J., Qandahari, Q., 2013, Assessment of the effects of climate change on the runoff of the Bar and Taghan Neyshabour Basin using the Output Model of the General Turnaround Bar (HadCM3), The First National Conference on the Weatherness of Iran, the University of Industrial and Technological Advanced Studies, Kerman, 11p.
Hashmi, M.Z., Shamseldin A.Y., Melville, B.W. 2009. Downscaling of future rainfall extreme events: a weather generator based approach. 18th World IMACS. MODSIM Congress, Cairns, Australia, 13-17.
IPCC. 2007. Solomon, S., D. Qin, M. Manning, Chen, M., Marquis, K.B. Averyt, M.Tignor and H.L. Miller (eds.), Summary for Policymarkers, in: Climate Change 2007. Climate Change 2007: The Physical Science Basis, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental.
Jahanbakhsh, S., Khorshid-Dost, A. M., Alinejad, M. H., Poursghar, F., 2016. Influence of Changes in Temperature and Precipitation with Considering Uncertainty of Climate Models and Scenarios (Case Study: Urmia Shahr-e-Chay Basin), Hydrogomyophology, Vol 2, No 7, pp 122-107.
Jahanbakhsh, S., MovahedDanesh, A., Molavi, V., 2001, Analysis of Estimating Evapotranspiration Models for Tabriz Meteorological Station, Agricultural Knowledge, Vol. 11, No. 2, PP 65-51.
Malmir, M., Mohammad Reza Zapoor, A., SharifAzari, S., Kandahari, Gh., 2016, Investigating the effects of climate change on the Ghareh Souz basin runoff using the exponential microdiscipline of HadCM3 model and dynamic neural network, water and soil conservation, Vol 3, NO 3, PP 326- 317.
Modala, N. R., Ale, S., Goldberg, D. W., Olivares, M., Munster, C. L., Rajan, N., & Feagin, R. A. 2016. Climate change projections for the Texas High Plains and Rolling Plains. Theoretical and Applied Climatology, 124:1-18.
 Naderi, S., Goodarzi, M., GhadamiDehno, M., 2017, The Effect of Climate Change on Climatic Parameters in the Seymare Area, Watershed Management Sciences and Engineering, Vol. 11, No. 39, pp. 76-69.
Samadi, S. Z., Masah Bobani, AS., 2008, Introduction of Synthetic Neural Network and SDSM Methods for Small Scale Statistical Data on Temperature and Rainfall Data, Third Conference on Water Resources Management, Tabriz University, 9 p.
Sari Sarraf, B., Jalali Asenari, T., Sarafroozeh, F., 2015, The effects of global warming on the climate of cities located in the Urmia Lake Basin, Urban Ecology Research, No. 12, pp. 48-33.
Sari Sarraf, B., Rasouli, A., Zarrin, A., Najafi, M. S., 2017, Simulation of Dust Radiation Injections in Western Iran, Geography and Environmental Hazards, No. 22, pp. 140-1
Tabatabai, S. A. Hosseini, M., 2004, The study of climate change in Semnan city based on monthly rainfall and monthly monthly precipitation, third regional conference and the first national conference on climate change in Isfahan. 8 p.
Tatsumi, K., Oizumi, T., & Yamashiki, Y. 2013. Introduction of daily minimum and maximum temperature change signals in the Shikoku region using the statistical downscaling method by GCMs. Hydrological Research Letters, 7(3): 48-53.
TayyeSameromo, S., Moradi, H. R., Khodagholi, M.,2015, Estimation of Changes in Some Climate Variables Using LARS-WG Scale Model and Output of HadCM3 Model Under Different Scenarios, Engineering, and Watershed Management, Vol. 7, No. 2, pp. 156-145.
Wilby R.L. and I. Harris. 2006. A frame work for assessing uncertainties in climate change impacts: low flow scenarios for the River Thames, UK. Water Resour. Res. 42:10 p.
Wilby, R.L., Tomlinson, O, J., Dawson, C.W. 2007. Multi-site simulation of precipitation by condition resampling. Journal of climate Research, 23: 183-194.
Zhang, Y., You, Q.,  Chen, Ch., Ge, J. 2016. Impacts of climate change on streamflows under RCP scenarios: A case study in Xin River Basin, China, Atmospheric Research, (178–179): 521–534.