اثر تغییراقلیم بر خشک‌سالی هواشناسی به‌کمک داده‌های گزارش ششم تغییر اقلیم (مطالعه موردی: شهرستان شیراز)

الموضوعات :

مهدی دستورانی ¹ , سعیده حسین آبادی ² , مصطفی یعقوب زاده ³ , مهدیه فروزان‌مهر ⁴

1 - استادیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
2 - دانشجوی دکترای منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
3 - دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران
4 - دانشجوی دکترای منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران

تاريخ الإرسال : 17 الخميس , ذو القعدة, 1443 تاريخ التأكيد : 04 الأربعاء , شعبان, 1445 تاريخ الإصدار : 04 الأربعاء , شعبان, 1445

الکلمات المفتاحية: خشک‌سالی, شاخص spi, شیراز, گزارش ششم تغییراقلیم,

ملخص المقالة :

مقدمه: مطالعات متعدد نشان داده‌اند که تغییرات آب‌وهوایی تاثیرات شدیدی بر منابع آب موجود در سراسر جهان خواهد گذاشت. با توجه به اینکه یکی از مهمترین مشکلاتی که بشر در سال‌های اخیر با آن مواجه شده است، بحران آب و وقوع خشک‌سالی است در مطالعه‌ی حاضر سعی شده است که وقوع خشک‌سالی در منطقه شیراز و در شرایط تغییراقلیم بررسی گردد.

 

روش­: در تحقیق حاضر از بین مدل‌های متنوعی که در گزارش ارزیابی ششم به کار رفته است، 4 مدل (BCC-ESM2-MR)، (CanESM5)، (MIROC6) و (MRI-ESM2-0) مورد انتخاب قرار گرفته است. با استفاده از خروجی چهار مدل GCM ارائه شده در گزارش ششم تغییر اقلیم (CMIP6) و دو سناریوی SSP2-4.5 و SSP5-8.5 اقدام به تولید داده‌های بارش برای دو دوره‌ی آتی 2025-2045 و 2065-2085 گردید و پس از ریزمقیاس‌نمایی داده‌های تولید شده با استفاده از روش BCSD، شدت خشک‌سالی به کمک شاخص خشک‌سالی بارش استاندارد (SPI) با مقیاس‌های زمانی مختلف (6، 12 و 48ماهه) برای منطقه مورد مطالعه تعیین گردید. این شاخص برای هر منطقه بر اساس ثبت بارندگی‌های طولانی‌مدت آن محاسبه می‌شود. سادگی و چندکاره بودن این شاخص از مزایای آن به شمار می‌رود. این شاخص دارای توزیع نرمال است و نسبت به مقیاس‌های زمانی و مکانی متفاوت، انعطاف‌پذیری دارد. طول دوره پایه داده‌های مورد بررسی در پژوهش حاضر، 20 سال و مربوط به بازه زمانی 1985-2005 بوده است.

یافته­ ها و نتیجه‌گیری: نتایج ریزمقیاس‌نمایی با استفاده از روش BCSD نشان‌دهنده افزایش مقدار دما در هر دو دوره آتی می‌باشد. این افزایش در مورد هر دو پارامتر دمای بیشینه و کمینه و هر دو دوره آتی صدق می‌کند. که با توجه به نتایج مشاهده می‌گردد اختلاف مدل MIROC6 در هر دو سناریوی انتشار با مقادیر مشاهداتی نست به سایر مدل‌های GCM استفاده شده، بیشتر بوده است. طبق سایر نتایج پژوهش حاضر، در تمام مدل‌های مورد استفاده و در هر دو سناریوی SSP2-4.5 و SSP5-8.5، مقادیر میانگین 20 ساله‌ی شاخص SPI شش ماهه نشان‌دهنده‌ی بیشترین مقادیر منفی است. علاوه بر این، مقایسه‌ی مدل‌ها و سناریوها در پژوهش حاضر نشان می‌دهد که مدل CanESM5 با اختلاف کم نسبت به مدل‌های دیگر شدت خشک‌سالی را بیشتر نشان می‌دهد و می‌توان برای پیش‌بینی شدت خشک‌سالی در منطقه مطالعاتی از این مدل استفاده نمود. همچنین نتایج مقادیر میانگین شاخص SPI برای چهار مدل و طی 20 سال برای دو دوره‌ی آتی نشان می‌دهد که این شاخص با مقیاس زمانی 48 ماهه شدت خشک‌سالی را بیشتر نشان می‌دهد و در این مقیاس زمانی سناریوی SSP5-8.5 نشان‌دهنده‌ی شدت بیشتر خشک‌سالی و محدوده نرمال تا خشک‌سالی بسیار شدید نسبت به دوره‌ی پایه می‌باشد.

المصادر:

1. Waseem M, Park D H, Kim T W. 2016. Comprehensive climatological drought projection over South Korea under climate change. Procedia engineering, 154, 284-290.‏
2. Bagheri R, Mohammadi S. 2012. Investigation on spatial variations of drought using geostatistics in Kerman province over a thirty-year period (1970- 2000). 19(2), 283-296. doi: 10.22092/ijrdr.2012.103158
3. Hernández-Vásquez C. C, Ibáñez-Castillo L. A, Gómez-Díaz J D, Arteaga-Ramírez R. 2020. Analysis of meteorological droughts in the Sonora River Basin, Mexico. Atmósfera.‏
4. Heim Jr R R. 2002. A review of twentieth-century drought indices used in the United States. Bulletin of the American Meteorological Society, 83(8), 1149-1166.‏
5. Mostafazadeh R, Shahabi M, Zabihi M. 2015. Analysis of meteorological drought using Triple Diagram Model in the Kurdistan Province, Iran. Geographical Planning of Space, 5(17), 129-140.
6. Naserzadeh MH, Ahmadi E. 2013. Investigating the performance of meteorological drought indicators in assessing drought and its zoning in Qazvin province. Journal of Applied Research in Geographical Sciences; 12 (27), 141-162.
7. Montaseri M, Nourjoo A, Behmanesh J, Akbari M. 1397. Investigation of wet season and meteorological drought in the southern basins of Lake Urmia (Case study: Zarrineh and Siminehroud catchments). Echo Hydrology, 5 (1), 189-202.
8. McKee T B, Doesken N J, Kleist J. 1993, January. The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology (Vol. 17, No. 22, pp. 179-183).‏
9. Morid S, Smakhtin V, Moghaddasi M. 2006: Comparison Of Seven Meteorological Indices For Drought Monitoring In Iran. Int. J. Climatol, Volume 26, Issue 7, Pp. 971–985
10. Huang Y F, Ang J T, Tiong Y J, Mirzaei M, Amin M Z M. 2016. Drought forecasting using SPI and EDI under RCP-8.5 climate change scenarios for Langat River Basin, Malaysia. Procedia Engineering, 154, 710-717.‏
11. Hashemi-Ana SK, Khosravi M, Tavousi T, Nazaripour H. Validation of AOGCMs capabilities for simulation length of dry spells under the climate change and uncertainty in Iran. Scientific-Research Quarterly of Geographical Data. 2017; 26(103): 43-58.
12. LI X X, Hui J U, Sarah G, YAN C R, Batchelor W D, Qin L I U. 2017. Spatiotemporal variation of drought characteristics in the Huang-Huai-Hai Plain, China under the climate change scenario. Journal of integrative agriculture, 16(10), 2308-2322.
13. Yaghoubzadeh M, Ahmadi M, Seyed Kaboli H, Zamani G, Amirabadizadeh M. 2017. The evaluation of Effect of Climate Change on Agricultural Drought Using ETDI and SPI Indexes. Journal of Water and Soil Conservation, 24(4), 43-61
14. Hernández-Vásquez C. C, Ibáñez-Castillo L. A, Gómez-Díaz J D, Arteaga-Ramírez R. 2020. Analysis of meteorological droughts in the Sonora River Basin, Mexico. Atmósfera.‏
15. Saharwardi M S, Mahadeo A S, Kumar P. 2021. Understanding drought dynamics and variability over Bundelkhand region. Journal of Earth System Science, 130(3), 1-16.‏
16. Noguera I, Domínguez-Castro F, Vicente-Serrano S M. 2021. Flash Drought Response to Precipitation and Atmospheric Evaporative Demand in Spain. Atmosphere, 12(2), 165.‏
17. Aadhar S, Mishra V. 2020. On the projected decline in droughts over South Asia in CMIP6 multimodel ensemble. Journal of Geophysical Research: Atmospheres, 125(20), e2020JD033587.
18. Wang T, Tu X, Singh V P, Chen X, Lin K. 2021. Global data assessment and analysis of drought characteristics based on CMIP6. Journal of Hydrology, 596, 126091.‏
19. Chiang F, Mazdiyasni O, AghaKouchak A. 2021. Evidence of anthropogenic impacts on global drought frequency, duration, and intensity. Nature communications, 12(1), 1-10.‏
20. Song Z, Xia J, She D, Li L, Hu C, Hong S. 2021. Assessment of meteorological drought change in the 21st century based on CMIP6 multi-model ensemble projections over mainland China. Journal of Hydrology, 601, 126643.‏
21. Meresa H, Murphy C, Fealy R. 2021, April. Climate change impact on the hydrometeorological drought propagation. In EGU General Assembly Conference Abstracts (pp. EGU21-8285).‏‏
22. Ayugi B, Shilenje Z W, Babaousmail H, Sian K. T. L. K, Mumo R, Dike V. N, Ongoma V. 2021. Projected Changes in Meteorological Drought Over East Africa Inferred from Bias-Adjusted CMIP6 Models.‏
23. Ashofteh P, Massah A. 2010. Impact of Climate Change Uncertainty on Temperature and Precipitation of Aidoghmoush Basin in 2040-2069 Period. Water and Soil Science, 19(2), 85-98.
24. Hewitson B. C, Crane R G. 1996. Climate downscaling: techniques and application. Climate Research, 7(2), 85-95.
25. Jafarzadeh A, Pourreza-Bilondi M, Afshar A A, Khashei-Siuki A, Yaghoobzadeh M. 2019. Estimating the reliability of a rainwater catchment system using the output data of general circulation models for the future period (case study: Birjand City, Iran). Theoretical and Applied Climatology, 137(3), 1975-1986. ‏
26. Poodineh MR, Heidarinia M, Moosavi SR, DoostiMoghadam H. 2020. Monitoring drought indicators in Zahedan in different periods. Geography Quarterly, 13(47), 133-143.‏
27. Yaghoobzadeh M, Amirabadizadeh M, khozeymehnezhad H, zeraatkar Z. 2018. The evaluation of the three downscaling methods in Meteorological droughts forecastingunder the effects of climate change. Iranian Journal of Irrigation & Drainage, 12(2), 323-334.
28. Nasiri MA, Jabbari S, Bustani F, Shamsnia SA. 2009. Drought Analysis and Monitoring Using Standardized Precipitation Index (SPI) Case Study: Marvdasht County, National Conference on Water Crisis Management, Marvdasht University.
29. Hosseinabadi S, Yaghoobzadeh M, Amirabadizadeh M, Foroozanmehr M. 2020. Meteorological Drought Assessment in Future Periods by Using of the Data of the Fifth Report of Climate Change (Case Study: Zabol and Shiraz Cities). Arid Regions Geographic Studies. 10 (40) :78-87