ارزیابی اثر تغییر اقلیم بر متغیرهای هواشناسی و بارش‌های حداکثر تحت سناریوهای جدید انتشار RCP در حوضه آبریز

محورهای موضوعی : مدیریت منابع آب

محمدرضا گودرزی ¹ , آتیه فاتحی فر ²

1 - دانشیار دانشکده مهندسی عمران، دانشگاه یزد، ایران
2 - دانشجوی ارشد مهندسی عمران، آب و سازه های هیدرولیکی، دانشگاه آیت الله العظمی بروجردی (ره)، ایران

تاریخ دریافت : 1397/09/05 تاریخ پذیرش : 1398/06/04 تاریخ انتشار : 1401/04/01

کلید واژه: CanESM2, تغییر اقلیم, ریزمقیاس نمایی آماری, SDSM, RCP,

چکیده مقاله :

زمینه هدف: امروزه با افزایش جمعیت و پیشرفت تکنولوژی، استفاده بی‌رویه از سوخت‌های فسیلی موجب افزایش انتشار گازهای گلخانه‌ای در اتمسفر شده است. افزایش غلظت این گازها تغییرات اقلیمی را در پی خواهد داشت. در واقع تغییر اقلیم نه تنها تغییر در متوسط متغیرهایی چون دما و مجموع بارش، بلکه در افزایش رویدادهای حدی اثر گذار است. از اینرو تاثیر اثرات تغییرات اقلیمی بر پارامتر دما و بارش و همچنین بارش‌های حدی میتواند اهمیت بسیاری برای برنامه ریزی‌های آینده داشته باشد. روش بررسی: در این مطالعه جهت بررسی اثر تغییر اقلیم بر پارامترهای دما و بارش از مدل گردش عمومی جو CanESM2 طبق جدیدترن گزارش هیئت بین الدول تغییر اقلیم (AR5) و از سناریوهای انتشار RCP2.6، RCP4.5 و RCP8.5 برای پیش بینی غلطت گازهای گلخانه‌ای در جو و از مدل آماری SDSM برای ریزمقیاس سازی داده‌های بزرگ مقیاس گردش عمومی برای شبیه‌سازی در دوره 2059-2030 میلادی استفاده شده است. سپس کارایی مدل با سه شاخص آماری ریشه میانگین‌مربع‌خطا (RMSE)، ضریب تعیین (R2)، و ضریب کارایی نش-ساتکلیفNSE) ) مورد ارزیابی قرار خواهد گرفت. یافته‌ها: نتایج تحقیق در مرحله اول ریزمقیاس سازی با مدل SDSM نشان از کارایی خوب مدل دارد. ضرایب R2 و NSE برای دوره واسنجی دما ایستگاه آذرشهر 99/0 و 99/0 برای بارش 95/0، 95/0 و بارش ایستگاه قرمزیگل 91/0، 86/0 می‌باشد. یافته‌ها افزایش دما حداقل و حداکثر بخصوص ماهای آپریل تا جولای در این حوضه را بیان می‌کند که بیشترین افزایش مربوط به RCP8.5 به میزان 26/0 درجه سانتی گراد می‌باشد. همچنین بارش در ایستگاه آذرشهر افزایش 44/7 درصدی تحت RCP2.6 و در ایستگاه قرمزیگل کاهش 57/7 درصدی را تحت RCP8.5 نشان می‌دهد. روند کاهشی بارش در سناریوها دیده می‌شود بطوری که در بدبینانه ترین سناریو (RCP8.5)، بیشترین کاهش نمایان شده است. نتایج حاکی از بررسی بارش‌های حدی نشان داد که با وجود تغییرات اقلیمی و کاهش بارش و افزایش دما و به تبع آن افزایش تبخیر و درنتیجه کمبود منابع آبی و خشکسالی نباید از سیل و بارش‌های حدی سیل آسا غافل ماند. بحث و نتیجه گیری: به طور کلی نتایج افزایش مقدار بارش‌های حداکثر در آینده را نشان داده است. با این گونه شبیه سازی‌ها میتوان دریافت که تغییر اقلیم حتی در حوضه‌هایی که کاهش متوسط بارش سالانه را به همراه داشته اند، باعث افزایش مقدار و فرکانس بارش‌های حدی شده است. در پژوهش حاضر در ایستگاه‌هایی که مقادیر بارندگی در فصول مختلف افزایش می‌یابد، افزایش مقدار بارندگی خطر ناشی از وقود سیلاب را افزایش خواهد داد، لذا لازم است تا به مدیریت منابع آب و کنترل سیلاب حوضه توجه خاصی مبذول گردد.

چکیده انگلیسی:

Background and Objective: Today, the excessive use of fossil fuels has increased the emissions of greenhouse and climate change. Climate change not only affects changes in the mean of variables such as temperature and total precipitation, but also increases the incidence of maximum events. Therefore, the impact of climate change on temperature and precipitation parameters as well as extreme precipitation can be very important for future planning. Analysis methodology: In this study, to investigate the effect of climate change on temperature and precipitation parameters, CanESM2 general circulation model, according to assessment report fifth (AR5) of the intergovernmental panel on climate change used of new scenarios Representative Concentration Pathways (RCP) Contains RCP2.6, RCP4.5 and RCP8.5 and Statistical down scaling model (SDSM) for down scaling Large scale data GCM for simulation has been used during the period 2030-2059. Then the efficiency of the model will be evaluated with three indicators: root mean square error (RMSE), coefficient of determination (R2) and nash–sutcliffe efficiency (NSE). Findings: The results of the research in the first stage of downscaling with the SDSM model show the good efficiency of the model. The R2 and NSE coefficients for the calibration period of the Azarshahr station are 0.99, 0.99 for temperature and 0.95, 0.95, precipitation and for the Ghermezigol station is 0.91, 0.86. The results indicate the minimum and maximum temperature increase, especially in the month of April to July in this basin, with the highest increase relative to RCP8.5 at 0.26 ° C. Also, precipitation in the Azarshahr station increased by 7.44% under RCP 2.6 and at the Ghermezigol station decreased by 7.57%, under RCP8.5. The decreasing trend of precipitation can be seen in the scenarios, so that the most pessimistic scenario (RCP8.5) shows the greatest decrease. The results of the investigation of extreme rainfalls showed that despite the climate changes and the decrease of precipitation and increase in temperature and consequently the increase of evaporation and the lack of water resources and drought, one should not ignore floods and extreme rainfalls. Discussion and Conclusions: In general, the results have shown an increase in the amount of maximum rainfall in the future. With such simulations, it can be seen that climate change has caused an increase in the amount and frequency of extreme rainfall, even in basins that have brought about a decrease in average annual rainfall. In the present study, in the stations where the amount of rainfall increases in different seasons, the increase in the amount of rainfall will increase the risk of flooding, so it is necessary to pay special attention to the management of water resources and flood control of the basin.

منابع و مأخذ:

• 1- Bolin B.R. The greenhouse effect, climate change and ecosystems. SCOPE Rep. 1986; 29: 541pp.


• 2- Climate Change 2014: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Yokohama, Japan. 2014.


• 3- Mohammadi H, Taghavi F. The trend of extreme temperature and precipitation indices in Tehran. GEOGRAPHICAL RESEARCH QUARTERLY. 2005;37(53): 151-172. (In Persian)


• 4- Climate Change 2007: Synthesis Report, Contribution of Working Groups I, II and III to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, Pachauri, R.K & Reisinger, A. (eds.)]. IPCC, Geneva, Switzerland, 2007b;104 pp.


• 5- Alison L.K. Richard G.J. Nicholas S.R. RCM rainfall for UK flood frequency estimation. II. Climate change results. Journal of Hydrology. 2004; 318:163-172


• 6- Hao Z. Aghakouchak A. Phillips T.J. Changes in concurrent monthly precipitation and temperature extremes. Environmental Research Letters, 2013; 8:1–7.


• 7- Bozkurt D. Sen O. L. Climate change impacts in the Euphrates–Tigris Basin based on different model and scenario simulations. Journal of hydrology. 2013; 480: 149-161.


• 8- Akurut M. Willems p. Niwagaba C.B. Potential Impacts of Climate Change on Precipitation over Lake ictoria, East Africa, in the 21st Century. Water 2114, 2014; 6: 2634-2659.


• 9- Masood M. Yeh P.J.F. Hanasaki N. Takeuchi K. Model study of the impacts of future climate change on the hydrology of Ganges–Brahmaputra–Meghna basin. Hydrology Earth Syst. Sci. 2015; 19: 242-221.


• 10- Farajzadeh M. Climate Change Effects on River Discharge-Case Study Sheshpir River. Geography and Environmental Planning. 2013; 24(1): 17-32. (In Persian)


• 11- Dashtbozorgi A. Alijani, B. Jafarpour Z. & Shakiba A. Simulatiing ExtremeTemperature Indicators Based on RCP Scenarios: The Case of Khuzestan Province. Journal of Geography and Environmental Hazards. 2016; 4(4): 105-124. (In Persian)


• 12- Mirdashtvan M. Malekian A. Mohseni Saravi M. Climate change assessment under greenhouse gases emission scenarios: Urmia Lake Basin. Desert Management. 2017; 5(9): 15-30. (In Persian)


• 13- Performance Evaluation of Statistical Downscaling Model (SDSM) in Forecasting Temperature Indexes in Two Arid and Hyper Arid Regions (Case Study: Kerman and Bam) . jwmr. 2015; 5 (10) :117-131. (In Persian)


• 14- Afrooz A. Akbari, H. Rakhshandehroo, G. Pourtouiserkani A. Climate change impact on probable maximum precipitation in Chenar-Rahdar River Basin. Watershed Management. 2015; 1: 36-47.


• 15- Chylek P. Li J. Dubey M. K. Wang M. Lesins G. Observed and model simulated 20th century Arctic temperature variability: Canadian Earth System Model CanESM2. Atmospheric Chemistry and Physics, Discuss. 2011; 11: 22893-22907.


• 16- Meinshausen M. Smith S.J. Calvin K. Daniel J.S. Kainuma M.L.T. Lamarque J.F. Matsumoto K. Montzka S.A. Raper S.C.B. Riahi K. Thomson A. Velders G.J.M. Van Vuuren D.P.P. The RCP greenhouse gas concentrations and their extensions from 1765 to 2300. Climatic Change. 2011; 109: 213–241.


• 17- Wilby R.L. Harris I. A framework for assessing uncertainties in climate change impacts: Low-flow scenarios for the River Thames, UK. Water Resources Research, 2006; 42: 1-10.


• 18- Chen J. Brissette F.P. Leconte R. Coupling statistical and dynamical methods for spatial downscaling of precipitation. Journal of Climate Change. 2012; 114: 509-526.


• 19- Motovilov Y.G. Gottschalk, L. Engeland, K. and Rodhe A. Validation of a istributed Hydrological Model again Spatial Observations. Agricultural and Forest Meteorology. 1999; 98: 257-277.


• 20- Qin X. S. & Lu Y. Study of climate change impact on flood frequencies: a combined weather generator and hydrological modeling approach, Journal of Hydrometeorology. 2014; 15(3): 1205-1219