عدم قطعیت مدل‌های گزارش پنجم تغییر اقلیم در برآورد دما و بارش

الموضوعات :

مصطفی یعقوب زاده ¹ (استادیار گروه علوم و مهندسی آب و گروه پژوهشی خشک‌سالی و تغییر اقلیم، دانشگاه بیرجند، بیرجند، ایران)
محسن پور رضا بیلندی ² (دانشیار گروه علوم و مهندسی آب و گروه پژوهشی خشک‌سالی و تغییر اقلیم، دانشگاه بیرجند، بیرجند، ایران)
عباس خاشعی سیوکی ³ (استاد گروه علوم و مهندسی آب و گروه پژوهشی خشک‌سالی و تغییر اقلیم، دانشگاه بیرجند، بیرجند، ایران)
جواد رمضانی مقدم ⁴ (استادیار گروه علوم و مهندسی آب دانشگاه محقق اردبیلی، اردبیل، ایران)

تاريخ الإرسال : 19 الجمعة , ذو القعدة, 1441 تاريخ التأكيد : 01 الأحد , ربيع الأول, 1442 تاريخ الإصدار : 08 الأحد , شعبان, 1442

الکلمات المفتاحية: تغییر اقلیم, عدم قطعیت, مدل AOGCM, نمودار جعبه‌ای, متغیر هواشناسی,

ملخص المقالة :

مدل‌های GCM تفاوت آشکاری در برآورد متغیرهای هواشناسی دارند. بدین منظور در این پژوهش، قطعیت مدل‌های گزارش پنجم تغییر اقلیم ایستگاه سینوپتیک بیرجند با استفاده از سه دوره آتی 2040-2010، 2070-2040 و 2100-2070 در مقابل دوره پایه 2005-1975 و دو سناریو RCP 4.5 و RCP 8.5 برای تعیین متغیرهای هواشناسی مدل‌های GCM بررسی شد. بدین منظور، ابتدا مقایسه‌ای بین داده پایه ایستگاه سینوپتیک با داده پایه مدل انجام شد و سپس برای اطمینان از نتایج مدل‌ها برای هریک از متغیرهای دما و بارش، قطعیت یا عدم قطعیت مدل‌ها با استفاده از نمودار جعبه‌ای مشخص شد. نتایج نشان داد که برای بارش، مدل‌های CESM1-CAM5 و CANESM2 دارای باند جعبه‌ای بزرگ و قطعیت کم و مدل‌های BNU-ESM و MIROC-ESM-CHEM دارای قطعیت بیشتری نسبت به بقیه مدل‌ها هستند. در مورد دمای کمینه و دمای بیشینه، مدل‌های سری GFDL کمترین قطعیت و سری GISS-E2 دارای بهترین قطعیت می‌باشند. همچنین نتایج نشان داد که قطعیت مدل‌ها برای برآورد دمای کمینه و دمای بیشینه نسبت به بارش بیشتر است. همچنین مشخص شد علاوه بر اینکه سناریو RCP 8.5 نسبت به سناریو RCP 4.5 متوسط تغییرات دمای بیشتری را نسبت به دوره پایه نشان می‌دهد در سناریو RCP 8.5 انحراف مدل‌ها نسبت به مقدار متوسط نیز بیشتر است.

المصادر:

1- آشفته، پریسا سادات، مساح بوانی، علیرضا (1388): تأثیر عدم قطعیت تغییر اقلیم بر دما و بارش حوضه آیدوغموش در دوره  2069-2040 میلادی. مجله دانش آب و خاک، دوره 1 شماره19، صص 98-85.

2- آشفته، پریسا سادات، مساح بوانی، علیرضا (1391): بررسی تأثیر عدم قطعیت مدل‌های چرخه عمومی جو و اقیانوس (AOGCM) و سناریوهای انتشار گازهای گلخانه‌ای بر رواناب حوضه تحت تأثیر تغییر اقلیم، مطالعه موردی: حوضه قرنقو، آذربایجان شرقی، مجله تحقیقات منابع آب، دوره 8، شماره2، صص 47-36.

3- انصاری، حسین، خدیوی، مهدی، صالح نیا، نسرین، بابائیان ایمان (1393): بررسی عدم قطعیت مدل LARS تحت سناریوهای A1B، A2 و B1 در پیش‌بینی بارش و دما (مطالعه موردی: ایستگاه سینوپتیک مشهد). مجله آبیاری و زهکشی ایران، جلد 8، شماره4، صص 672-664.

4- عباس نیا، محسن، طاووسی، تقی، خسروی، محمود، توروس، حسین (1395): تحلیل دامنه عدم قطعیت تغییرات آینده دمای بیشینه روزانه بر روی ایران با استفاده از سیستم اطلاعات جغرافیایی، مجله اطلاعات جغرافیایی، دوره 25، شماره97، صص 43-29.

5- قاسمی، الهه، فتاحی، ابراهیم، ام السلمه (1392): تأثیر تغییر اقلیم بر رواناب با رویکرد عدم قطعیت مدل‌های گردش عمومی جو، مجله مطالعات جغرافیایی مناطق خشک، جلد 4، شماره13، صص 53-37.

6- هوشمند، دل آرام، خردادی، محمدجواد (1393): بررسی عدم قطعیت مدل‌های AOGCM و سناریوهای انتشار در برآورد پارامترهای اقلیمی(مطالعه موردی: ایستگاه سینوپتیک مشهد)، مجله جغرافیا و مخاطرات محیطی، شماره 11، صص 92-77.

7- یعقوب زاده، مصطفی، امیرآبادی‌زاده، مهدی، رمضانی، یوسف، پور رضا بیلندی، محسن (1396): بررسی عدم قطعیت مدل‌های گردش عمومی جو در برآورد رطوبت خاک تحت تأثیر تغییر اقلیم، مجله تحقیقات آب و خاک ایران، دوره 48، شماره 5، صص 1119-1109.

8- یعقوب زاده، مصطفی، رمضانی، یوسف (1398): ارزیابی مدل‌ها و سناریوهای گزارش پنجم تغییر اقلیم در برآورد دما و بارش ایستگاه بیرجند، مجله پژوهش اقلیم‌شناسی، دوره 37، صص 100-87.

 

9- Bae, D_H., Jung, Il-W, And Lettenmaier, D.P. (2011): Hydrologic Uncertainties In Climate Change From IPCC AR4 GCM Simulations Of The Chungju Basin, Korea. Journal Of Hydrology, 401: 90–105.

10- Chen, J., Brissette, F.P., Poulin, A. And Leconte, R. (2011): Overall Uncertainty Study Of The Hydrological Impacts Of Climate Change For A Canadian Watershed. Water Resource. Res. 47, W12509. Https://Doi.Org/10.1029/2011wr010602.

11- IPCC, (Intergovernmental Panel On Climate Change). (2013): The Physical Science Basis. In: Stocker, T.F., Qin, D., Plattner, G.K., Tignor, M., Allen, S.K., Boschung, J., Nauels, A., Xia, Y., Bex, V., Midgley, P.M. (Eds.), Contribution Of Working Group I To The Fifth Assessment Report Of The Intergovernmental Panel On Climate Change. Cambridge University Press, Cambridge.

12- Knutti, R. And Sedlácek, J. (2013): Robustness And Uncertainties In The New CMIP 5 Climate Model Projections. Nature Climate Change. 3 (4): 369–373. Https://Doi.Org/10.1038/ Nclimate1716.

13- Minville, M., Brissette, F. And Leconte, R. (2008): Uncertainty Of The Impact Of Climate Change On The Hydrology Of A Nordic Watershed, Journal Of Hydrolog, 358 (2):70–83.

14- Prudhomme, C. And Davies, H. (2009): Assessing Uncertainties In Climate Change Impact Analyses On The River Flow Regimes In The UK. Part 2: Future Climate,  Climatic Change, 93 (1–2): 197–222.

15- Samadi, Z., Sagareswar, G. And Tajiki, M. (2010): Comparison Of General Circulation Models: Methodology For Selecting The Best GCM In Kermanshah Synoptic Station, Iran. Int. J. Global Warming, 2(4), 347-365.

16- Shen, M.; Chen, J. Zhuan, M. Hua Chen, H.  Xu, CH. And Xiong. L. (2018): Estimating Uncertainty And Its Temporal Variation Related To Global Climate Models In Quantifying Climate Change Impacts On Hydrology, Journal Of Hydrology, 556: 10–24.

17- Van Vuuren, D.P., Edmonds, J., Kainuma, M., Riahi, K., Thomson, A., Hibbard, K., ... Rose, S.K., (2011): The Representative Concentration Pathways: An Overview. Climatic Change, 109(1):5–31.