پیش بینی ناپایداری خطوط راه‌آهن بر اساس تغییرات اقلیمی با تأکید بر دما (مطالعۀ موردی: مسیر کرمان-زاهدان)

نوع مقاله : مقاله های برگرفته از رساله و پایان نامه

نویسندگان

1 دانشیار آب و هواشناسی، بخش جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، ایران

2 دانشیار بخش جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، ایران

3 کارشناس ارشد مخاطرات محیطی، بخش جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه شهید باهنر کرمان، کرمان، ایران.

10.22034/jgeoq.2024.403910.4047

چکیده

وجود تنوع اقلیمی و مهمتر از آن نوسانات و تغییرات آن در مناطق مختلف کشور میتواند تأثیرات متفاوتی بر خطوط ریلی آن بگذارد. نوسان ها و تغییرات دمایی می تواند بر بسیاری از جنبه های مختلف سیستم حمل و نقل ریلی به ویژه ناپایداری های ریلی تأثیرگذار باشد؛ لذا ارزیابی اثر شرایط اقلیمی به ویژه نوسانها و تغییرات دما بر ناپایداریهای ریلی (خمیدگی، جابجایی و شکستگی خطوط)، نیازمند تجزیه و تحلیل دقیقتر روابط بین این دو متغیر است که هدف این تحقیق است. در این پژوهش به منظور پیش بینی بلندمدت دمایی و تحلیل اثرات آن بر خطوط ریلی، از مدل گردش عمومی جو استفاده شده است. برای پیش بینی های محلّی و ناحیه ای از روش ریزمقیاس نمایی آماری استفاده گردید. داده‌های مورد استفاده در این پژوهش شامل داده های میانگین ماهانۀ ایستگاه‌های سینوبتیک کرمان، بم و زاهدان با دورۀ پایه 1990-1961 و داده های مدل HadCM3 (داده های نسل سوم مدل جهانی اقلیم تحت سناریو A2 و B2) میباشد. دما برای سه دورۀ 2040-2011، 2070-2041 و 2099-2071 پیش بینی و با دورۀ پایه مقایسه شد. یافته ها نشان داد مدل SDSM در ریزمقیاس گردانی دمای خروجی مدل HadCM3 در هر سه ایستگاه با اختلاف کم به درستی عمل میکند و از دقت قابل قبولی برای پیش بینی دما برخوردار است. به جز در محدودۀ زاهدان در برخی ماههای سرد سال، شاهد افزایش دما در تمامی ماههای سال در ایستگاهها هستیم و این افزایش دما در سال 2099 به اوج خود خواهد رسید.

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting the instability of railway lines based on climate changes with emphasis on temperature (Case study: Kerman-Zahedan route)

نویسندگان [English]

  • Sadegh Karimi 1
  • Ali Mehrabi 2
  • Abed Heydarizadeh 3
1 Associate Professor of Climatology, Department of Geography, Shahid Bahonar University of Kerman, Kerman, Iran
2 Associate Professor, Department of Geography, Shahid Bahonar University of Kerman, Kerman, Iran
3 Graduated in Environmental Hazards, Department of Geography, Shahid Bahonar University of Kerman, Kerman, Iran
چکیده [English]

The existence of climate variability (especially temperature) and more importantly its fluctuations and changes in different regions of the country can have different effects on its railway lines. Fluctuations and temperature changes can affect many different aspects of the rail transportation system, especially rail instabilities; Therefore, evaluating the effect of climatic conditions, especially fluctuations and temperature changes on railway instabilities, requires a more accurate analysis of the relationship between these two variables, which is the goal of this research. In this research, the General Circulation Model has been used in order to predict long-term temperature and analyze its effects on railway lines. For local and regional forecasts SDSM statistical microscale exponential method was used. The data used in this research includes the monthly average data of the synoptic stations of Kerman, Bam and Zahedan with the base period of 1961-1990 and Hadcm3 model data (data of the third generation of the global climate model under scenario A2 and B2). The temperature was predicted for three periods of 2011-2040, 2041-2070 and 2071-2099 and compared with the base period. The SDSM model works correctly in the microscale rotation of HadCM3 model output temperature in all three stations with a small difference and has acceptable accuracy for temperature prediction. Except in Zahedan area in some cold months of the year, we see an increase in temperature in all months of the year in the stations and this increase in temperature will reach its peak in 2099.

کلیدواژه‌ها [English]

  • Climate Hazards
  • Climate Changes
  • Railways
  • Instability of Railway Lines
  • GCM Model

مراجع

امیدوار، بابک؛ التج، سهیلا. (1394). اثرات تغییر اقلیم بر حمل ونقل ریلی و روش های محاسبه ریسک عواقب آن، پنجمین کنفرانس منطقه ای تغییر اقلیم، تهران.
انصاری، حسن؛ داوری، کامران. (1386). پهنه­بندی دوره­های خشک با استفاده از شاخص بارندگی استاندارد شده در محیط GIS (استان خراسان). فصلنامه پژوهش­های جغرافیایی، شمارۀ 108، صص 97-60.
جوادی زاده، فرشاد؛ کردوانی، پرویز؛ علیجانی، بهلول؛ اسدیان، فریده. (1397). کارایی الگوهای مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامترهای دمایی درحوضه آبریز میناب. جغرافیای طبیعی، 11(42)، 47-66.
جهانگیر، محمد حسین؛ قره‌داغی، لیلا. (1400). ارزیابی روش‌های SDSM در ریز‌مقیاس کردن اندازۀ بارش و دما سالانۀ شبیه‌سازی‌شده با مدل CANESM۲ (منطقۀ مورد مطالعه: استان آذربایجان‌ شرقی). نشریه مهندسی اکوسیستم بیابان ۱۰ (۳۲) :۶۰-۴۵
خسروی، آرمان؛ آذری، محمد. (1401). تعیین روند زمانی و مکانی و نقطه تغییر دما و بارش در حوضه کشف رود. تحقیقات کاربردی علوم جغرافیایی، 334 -.320
دهقان، زهره؛ فتحیان، فرشاد؛ اسلامیان، سعید. (1393). ارزیابی مقایسه ای مدل‌های LARS-WG، IDW و SDSM برای شبیه­سازی و ریزمقیاس کردن دما و بارش. نشریه آب و خاک، 29(5)، 1390-1376.
رحیمیانی ایرانشاهی، حمید؛ مرادی، حمیدرضا؛ جلیلی، خلیل. (1401). روند تغییرات بارش و دما در مقیاس‌های زمانی مختلف در حوزة آبخیز کرخه. مدل سازی و مدیریت آب و خاک, 2(2): 1-12.
رضائی، مریم؛ نه تانی، محمد؛ آّبکار، علیجان؛ رضایی، معصومه؛ میرکازهی، مهری. (1393). بررسی کارایی مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامترهای دمایی در دو اقلیم خشک و فراخشک. پژوهشنامۀ مدیریت حوضۀ آبخیز دانشگاه علوم کشاورزی و منابع طبیعی ساری، سال 5، شمارۀ 10.
سادات اعطاف، سمیه. (1395). بررسی تغییرات زمانی و مکانی بارش سالانه کشور براساس مدل گردش عمومی جو و SDSM. پایان­نامۀ کارشناسی ارشد گرایش مهندسی منابع آب، دانشگاه ملایر.
سلگی، اباذر؛ زراعی، حیدر؛ شهنی دارابی، مهرنوش؛ علیدادی، صابر. (1397). پیشنگری بارش ماهانه با استفاده از مدلهای برنامه ریزی بیان ژن و ماشین بردار پشتیبان، نشریه تحقیقات کاربردی علوم جغرافیایی، دوره 18 ، شماره 50 ، 91-103.
عساکره، حسین. (1382). کاربرد روش کریجینگ در میانیابی بارش. فصلنامه جغرافیا و توسعه، شمارۀ 6(12)، 42-25.
گودرزی، مسعود؛ حسینی، سید اسعد؛ مسگری، ابراهیم. (1395). مدل­های آب و هواشناسی: زنجان، انتشارات آذر کلک، 250ص.
مرکز آمار سازمان هواشناسی کشور، 1397.
Basist, A., Bell, G.D., Meentemeyer, V. (2021). Statistical relationships between topography and precipitation patterns. Journal of climate, 7, pp. 1305–1315.
Hashmi, M.Z., Shamseldin, A.Y., Melville, B.W. (2011). Comparison of SDSM and LARS-WG for simulation and downscaling of extreme precipitation events in a watershed. Stochastic Environmental Research and Risk Assessment, 25(4), pp. 475-480.
http://www.cccsn.ec.gc.ca/?page=dst-sdi
Khan, M.S., Coulibaly, P., Dibike, Y. (2011). Uncertainty analysis of statistical downscaling methods. Journal of Hydrology. 319(1), pp. 357-382.
Khosravi, A., Azari, M. (2022). Spatio-temporal trend and change detection of temperature and precipitation of Kashafroud basin. Researches in Geographical Sciences, 22(66), pp. 289-306
Kim, J., Chang, J., Baker, N., Wilks, D., Gates, W. (1984). The statistical problem ofclimate inversion-Determination of the relationship between local and largescale climate. Monthly Weather Review, 112(10), pp. 2069-2077.
Landman, W.A., Goddard L. (2002). Statistical Recalibration of GCM forecasts over Southern Africa using Model Output statistics. Int. J. Climatology. 15, pp. 2038-2055.
Timbal, B. (2009). generalization of statistical downscaling model to provide local climate change projections for Australia. Environ.Model. Software. 24, pp. 341-358.
Vaughan, A., Tebbutt, W., Hosking, S., Richard, E., Turner, E. (2021). Convolutional conditional neural processes for local climate downscaling. Geoscientific Model Development, 420, pp. 1-25.
Widmann, M., Bretherton, C.S., Salathe., E.P. (2003). Statistical precipitation downscaling over the northwestern United State using numerically simulated precipitation as a predictor. J. Clim. 16, pp. 799-816.
Wilby M. (2001). Downscaling General Circulation Model output: a review of methods and limitations. Prog. In Physi. Geog. 21, pp. 530-548.
Wilby R.L., Dawson C.W. (2007). SDSM   2-A decision support tool for the assessment of regional climate change impacts, User Manual, 94pp.
Wilby, R., Dawson, C., Barrow, E. (2002). SDSM 4.2–A decision support tool for the assessment of regional climate change impact. Environmental modelling and software, 17(2), pp.145-157.
Wilby, R.L., Dawson, C.W. (2004). Statistical downscaling model (SDSM) version 3.1: User manual. Retrieved April, 15, 2007.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار