پهنه بندی شاخص آسیب پذیری ساختاری ناشی از تغییر اقلیم (SVCCI) (مطالعه موردی استان کردستان)

محورهای موضوعی : آمایش سرزمین

اقبال وحدانی ¹ , حسین محمدی ² , فریده اسدیان ³

1 - دانش آموخته دکتری رشته اقلیم‌شناسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، ایران.
2 - استاد اقلیم‌شناسی - گروه آموزشی جغرافیای طبیعی دانشگاه تهران، ایران. (نویسنده مسوول*)
3 - استادیار گروه جغرافیا - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، ایران.

تاریخ دریافت : 1396/05/30 تاریخ پذیرش : 1396/09/14 تاریخ انتشار : 1399/01/01

کلید واژه: پهنه‌بندی, شاخص آسیب‌پذیری (SVCCI), تغییر اقلیم, کردستان,

چکیده مقاله :

زمینه و هدف : نوسانات اقلیمی آینده یکی از بزرگ ترین چالش های پیش روی بشر است که اثرات بسیار شدیدی بر بخش کشاورزی می گذارد. یکی از روش های بررسی میزان خسارت های ناشی از اقلیم بوجود آمده، محاسبه شاخص آسیب پذیری ساختاری ناشی از تغییر اقلیم یا شاخص (SVCCI) است. در این پژوهش محاسبه این شاخص در سطح استان کردستان مورد بررسی قرار گرفته است.روش بررسی : در این مطالعه با استفاده از داده های 11 ایستگاه هواشناسی در بازه زمانی 1395 1380 برای 10 شهرستان استان کردستان، شاخص مورد محاسبه قرار گرفت. برای محاسبه اجزای شاخص نیاز به محاسبه شاخص بارش، شاخص خشکی و تبخیر و تعرق پتانسیل در منطقه است. در ادامه برای هر یک از اجزای شاخص، روند و بی ثباتی در روند با آزمون ناپارامتری من ــ کندال مورد بررسی قرار گرفت. سپس نسبت به وزن دهی به روش های مختلف اقدام شد و در نهایت با توجه به متفاوت بودن واحدهای اجزای شاخص هر یک از اجزا به کمک معادله (CN) مؤلفه ها نرمال شدند و بر اساس نتایج حاصل از محاسبه شاخص، آسیب پذیرترین مناطق در استان کردستان نسبت به نوسانات عوامل اقلیمی شناسایی شدند.یافته ها : نتایج حاصل از محاسبه این شاخص نشان داد که مقدار متوسط شاخص در شهرستان های استان کردستان 41/51 می باشد. در این بین شهرستان دهگلان بیش ترین مقدار آسیب پذیری و شهرستان سروآباد کم ترین مقدار آسیب پذیری را نسبت به نوسانات عوامل اقلیمی دارند.بحث و نتیجه گیری : هدف از این پژوهش، ارایه یک روش برای تهیه نقشه آسیب پذیری اقتصادی ناشی از نوسانات اقلیمی است که بسته به در دسترس بودن و قابلیت اطمینان داده ها می تواند مبنایی برای برنامه ریزی آینده باشد. تا تصمیم گیرندگان بتوانند به توسعه خط مشی هایی در مقیاس شهرستانی بپردازند تا کنترل بیش تری بر آسیب پذیری ناشی از تغییر اقلیم داشته باشند.

چکیده انگلیسی:

Background and Objective: Future climate fluctuations are one of the greatest challenges facing humankind, which have a profound effect on soil and water as a source of agricultural production. One of the methods for assessing the caused damage is the calculation of the structural vulnerability index due to climate change or index (SVCCI). In this study, the index is calculated in Kurdistan province.Method: In this study, using data from 11 meteorological stations in the period 1380-1396 for 10 cities of Kurdistan province, the index was calculated. To calculate the components of the index, it is necessary to calculate the precipitation index, drought index and potential evapotranspiration in the region. Then, for each of the index components, the trend and instability in the trend were examined by non-parametric Mann-Kendall test. Then weighting was done in different ways and finally, due to the different units of the index components of each component, the components were normalized by means of the equation (CN) and based on the results of calculating the index, the damage and the most susceptible areas in Kurdistan province to the fluctuations of climatic factors were identified.Findings: The results of this indicator showed that the mean value of the index in the cities of Kurdistan province is 51.4. Meanwhile, Dehgolan city has the highest vulnerability and Saravabad has the least amount of vulnerability compared to the climate change fluctuations.Conclusion: The purpose of this study is to provide a method for mapping the economic vulnerability of climate fluctuations which can be the basis for future planning depending on the availability and reliability of data. So that decision makers can develop urban-scale policies to control more vulnerability to climate change.

منابع و مأخذ:

1. IPCC. 2014. Fifth Assessment Report - Impacts, Adaptation, and vulnerability, Cambridge United Kingdom and New York, NY, USA, Cambridge University Press


2. Asakereh, H., »Climate Change«, First Edition, Zanjan, Zanjan University Press, (2007), Pp. 234, (In Persian)


3. IPCC. 2007. Fourth Assessment Report of the Intergovernmental Panel on Climate Change Glossary Climate Change: Climate Change Impacts, Adaptation, and vulnerability, Cambridge University Press.


4. Mohammadkhani, M., & Jamali, S., Iran’s Vulnerability assessment to climate change. Dam and Hydroelectric Power plant. (2015); 2 (4): Pp. 54 – 65, (In Persian)


5. McCarthy, J., O. Canziani, N. Leary, D. Dokken, and K. White (Eds.). 2001. Climate Change 2001: Impacts, Adaptation and Vulnerability. Cambridge University Press, New York.


6. Azizi, Gh., »Climate Change«, First Edition, Tehran , Ghoomes Publishing Company, (2004),Pp. 264, (In Persian)


7. Sullivan, C. A. & Huntingford, C. (2009). Water resources Climate Change and Human Vulnerability, 18^th Word IMACS / MODIDM Congress, Cairns, Australia 13 – 17 July 2009.


8. Hatef, H., Daneshvar Kakhki, M., Kohansal, M., Bannayan, M., Shahnoshi Foroshani, N., Evalution of economical vulnerability to climatic fluctuations (Case study: Khorasan Razavi Province), Journal of Agricultural Meteorology, Vol. 4, No. 2, Autumn & Winter. 2017, Pp. 61 – 70, (In Persian)

        9.        Guillaumont, Patrick & Simonet, Catherine (2011a). Designing an index of structural vulnerability to climate change, Ferdi Working Paper. Pp. 42

10. Guillaumont, P., 2015. Measuring vulnerability to Climate Change to allocate funds for adaptation, Joint Research Center Seminar, Bruxelles.


11. https://www.amar.org.ir


12. http://www.kurdistanmet.ir

 

 

13. Masoodian, S. A., and Kaviani, M. R, »Climatology of Iran«, First Edition, Esfahan, Esfahan University Press, (2008), Pp. 179, (In Persian)


14. United Nations Environment Program Global Resource Information Database. 1991. Global digital data sets for land degradation studies: a GIS approach by U. Deichmann and L. Eklundh. GRID Case Study Series No. 4. UNEP / GEMS and GRID.


15. Ghodoosi, M., Moridi, S., & Delavar, M. (2013), Comparison of detruding methods for the temperature and precipitations time series (2013), Journal of Agricultural Meteorology, Vol. 1, No. 2, Autumn & Winter. 2013, Pp. 32 – 45, (In Persian)                 


16. Guillaumont, P., 2009. An Economic vulnerability Index: Its Design and Use for International Development Policy, Oxford Devel. Study, 37(3): 193 – 227


17. Guillaumont, P., Simonet, C. 2011. To what extent are African countries made vulnerable to Climate Change? Lessons from a new indicator of physical vulnerability to Climate Change. Ferdi Working Paper.