کارایی الگوهای مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامترهای دمایی درحوضه آبریز میناب

الموضوعات :

فرشاد جوادی زاده ¹ , پرویز کردوانی ² , بهلول علیجانی ³ , فریده اسدیان ⁴

1 - دانشجوی دکتری اقلیم شناسی،واحد علوم و تحقیقات تهران، دانشگاه آزاداسلامی، تهران،ایران
2 - استاد گروه جغرافیا،واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی،تهران،ایران
3 - استاد آب و هواشناسی و مدیر قطب علمی تحلیل فضایی مخاطرات محیطی،دانشگاه خوارزمی،تهران،ایران
4 - استادیار گروه جغرافیا،واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی،تهران،ایران

تاريخ الإرسال : 24 الخميس , ربيع الثاني, 1439 تاريخ التأكيد : 06 الأربعاء , شوال, 1439 تاريخ الإصدار : 13 الأربعاء , رجب, 1440

الکلمات المفتاحية: تغییر اقلیم, درجه حرارت, ریزمقیاس نمایی, سناریوهای RCP, حوضه رودخانه میناب,

ملخص المقالة :

امروزه تغییر اقلیم از چالش‌های جدی جوامع بشری و محیط‌زیست تلقی شده و سببایجادیکناهنجاریدرسیستماقلیمکرهزمین گردیدهاست. بر اساس ارزیابی دانشمندان افزایش میانگین دمای جهانی امری اجتناب ناپذیر است. بنابراین شناخت و ارزیابی اقلیم در دهه‌های آینده می‌تواند افق روشنی را برای برنامه ریزان در جهت سازگاری و مقابله با اثرات آن فراهم نماید. هدف این مطالعه پیش‌بینی دما بر اساس پروژه دورنمقایسه‌ایمدل‌هایجفتشده فاز 5(CMIP5)طی دوره2011 تا2100 با استفاده از سناریوهای خط سیر غلظت عامل(RCP) در حوضه رودخانه میناب می‌باشد. برای این منظور داده‌های دمای روزانه منطقه در دوره تاریخی(2016-1985( تهیه گردید. سپس داده‌های حاصل از خروجی مدل گردش عمومی جو(GCM) مربوط به پنجمین گزارش ارزیابی تغییر اقلیم(AR5) جهت استخراج خروجی مدل‌های تغییر اقلیم تحت سناریوهایRCP4.5,RCP2.6و RCP8.5 درنظر گرفته شد. برای پیش‌بینی اثر سناریوهای مختلف تغییر اقلیم بر درجه حرارت در سال‌ها و دوره‌های آتی در مقیاس‌های محلی یک فرایند آماری ریزمقیاس نمایی((SDSMدر محیط متلب به کار برده شده است. بنابراین در این مطالعه کلیه مراحل ارزیابی تغییرات دمای حوضه رودخانه، مرحله گزینش داده و کالیبره کردن داده‌ها در محیط متلب بهره گرفته شده است و از SDSMتنها برایپیش‌بینی تغییرات دما تحت سناریوهایGCMها بهره گرفته شده است. نتایج حاصل از تغییرات روند دمای حوضه میناب در ناحیه مرکزی، شمالی، جنوبی، شرقیو بخش‌های غربی حوضه میناب با استفاده از مدل‌های گردش عمومی GCMنشان داد که دمای حوضه رودخانه میناب در اکثر نواحی روند افزایشی را تجربه کرده است. با این وجود مقدار افزایشی دما در بخش‌هایمختلف حوضه متفاوت می‌باشدبه‌طوری که بیشترین افزایش دما تا 2100 با مقدار 12/1درجه سانتی‌گراد در بخش شرقی و جنوبی حوضه میناب مشاهده شده است. این در حالی است که ناحیه مرکزی حوضه میناب دارای کمترین مقدار افزایشی دما بوده است تا جایی که روند دمای بخش مرکزی حوضه میناب بر اساسسناریوهایRCP4.5,RCP2.6 و RCP8.5 در مجموع 3/. درجه سانتی‌گراد افزایش داشته است. با این حال روند تغییرات دما در هر سه سناریو برای بخش‌هایمختلف تفاوت قابل محسوسی باهم ندارند.تقریباً دمای مشابهی را برای آینده حوضه میناب متصور است ولی با این وجود در سناریویRCP8.5 همواره مقادیر بیشتری برای آینده برآورد کرده است. ارزیابی تغییرات فصلی دما بیانگر این است که فصل زمستان نسبت به سایر فصول از روند افزایشی معنی‌داری برخوردار است در حالی که در فصل تابستان تغییرات دمای نامحسوسی را پیش‌بینیمی‌نماید.نتایج ارزیابی پیش‌بینیدمای ماهانه بیانگر این است که بر اساس سناریوهایRCP 8.5,RCP 4.5,RCP2.6برای ماه‌های ژانویه، فوریه و مارس در فصل زمستان روند افزایش دما و به عبارتی زمستان گرم‌تر نسبت به زمان حال پیش‌بینی شده است. همچنین در فصل بهار برای ماه آوریل برای دوره اول کاهش دما و در دوره آخر (2011-2100) افزایش میانگین دما مشاهدهمی‌شود. در تمامی ماه‌های فصل تابستان نیز تمامی بخش‌های حوضه از روند افزایش دما برخوردار بوده‌اندبه‌خصوص بخش شرقی حوضه مینابکه یکافزایش میانگین دمای ماهانه در حدود 2 تا 3 درجه سانتی‌گرادرا تجربه می‌کند. در ماه‌های جولای، آگوست و سپتامبر نیز از روندی افزایشی ولی نه‌چندان محسوس برخوردار بوده‌اند. در ماه‌های اکتبر، نوامبر و دسامبر نیز روند افزایش دمایی پیش‌بینی می‌شود.

المصادر:

1- آذر، عادل؛ مؤمنی، منصور، (1388): آمار و کاربرد آن در مدیریت. تهران: انتشارات سمت. جلد دوم.

2- اشرف، بتول؛ موسوی بایگی، محمد؛ کمالی، غلامعلی، داوری، کامران، (1390): پیش‌بینی تغییرات فصلی پارامترهای اقلیمی در 20 سال آن با استفاده از ریزمقیاس نمایی آماری داده‌های مدل Hadcm3 مطالعه موردی خراسان رضوی. مجله آب و خاک. دوره 25. شماره 4، صص 957-945.

3- دهقانی پور، امیرحسین؛ حسن زاده، محمد جواد؛ عطاری، جلال؛ عراقی‌نژاد، شهاب، (1390): ارزیابی توانمندی مدل SDSM در ریزنمایی بارش، دما و تبخیر (مطالعه موردی، ایستگاه سینوپتیک تبریز)، یازدهمین سمینار سراسری آبیاری و کاهش تبخیر، 18 تا 20 بهمن 1390.

4- روحی پناه، فاطمه، میررکنی، سید مجید، مساح بوانی، علی رضا، (1394): بررسی توانمندی مدل SDSM در ریزمقیاس نمایی دما و بارش در اقلیم گرم و خشک (بررسی موردی: ایستگاه‌های یزد و طبس). مجله ژئوفیزیک ایران. جلد 9. شماره 4، 125-104.

5- عباسی، فاطمه و باباییان، ایمان و ملبوسی، شراره و ایمری، مرتضی و گلی مختاری، لیلی (1391): ارزیابی تغییر اقلیم ایران در دهه‌های آینده (2025-2100) با استفاده از ریزمقیاس نمایی مدل‌های گردش عمومی جو، فصل‏نامه تحقیقات جغرافیایی، شماره 104، صص 17979-18005.

6- عساکره، حسین، (1391): تحلیل تغییرات مؤلفه‌های مبنای نمایه‌های فرین بارش شهر زنجان. مجله تحقیقات جغرافیایی. شماره 105. صص 1859-18041.

7- Brown, Cheryl A. Sharp, Darrin, Collura, T. Chris Mochon, (2016): Effect of Climate Change on Water Temperature and Attainment of Water Temperature Criteria in The Yaquina Estuary, Oregon (USA). Estuarine, Coastal and Shelf Science. 169,136-146.

8- Caserini, Stefano, et al. (2017): Influence of Climate Change on The Frequency of Daytime Temperature Inversions and Stagnation Events in The Po Valley: Historical Trend and Future Projections. Atmospheric Research. 184,15–23.

9- Collins, M. et al. (2013): Long-Term Climate Change: Projections, Commitments and Irreversibility.

10- Dracup, J. A. & Vicuna, S. (2005): An Overview of Hydrology and Water Resources Studies on Climate Change: The California Experience. In World Water Congress.15-19.

11-Ficklin, D.L. Stewart, I.T. Maurer, E.P. (2012): Effects of Projected Climate Change on The Hydrology in The Lake Basin, California. Climate Change 116, 111–131.

12- Gulacha, Metekiya M.& Mulungu, Deogratias M.M. (2017): Generation of Climate Change Scenarios For Precipitation and Temperature at Local Scales Using SDSM in Wami-Ruvu River Basin Tanzania. Physics and Chemistry of The Earth. 100, 62-72.

13- Hewitson, B. C. and R. G. Crane. (1992): Large‐Scale Atmospheric Controls on Local Precipitation in Tropical Mexico. Geophysical Research Letters 19(18), 1835-1838.

14- IPCC, (2013): In Climate Change 2013: The Physical Science Basic Contribution of Working Group 1 To the. Fifth Assessment Report of The Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdomand NewYork, USA.

15- IPCC. (2007): Climate Change 2007. PP.1-8. In: Solomon, S. D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M.Tignor and H.L. Miller (Eds.), The Physical Science Basis, Contribution of Working Group I to The Fourth Assessment Report of The Intergovernmental Panel on Climate Change, Cambridge University Press, UK.

16- Lorena, L. V. Leonardo, R. Enrique, and L. Goffredi. (2010): Basin-Scale Water Resources Assessment in Oklahoma Under Systematic Climate Change Scenarios Using A Fully Distributed Hydrologic Model. J. Hydrol. Eng. 15, 107-118.

17- Miao, C.Y. Duan, Q.Y. Sun, Q.H. and Li, J.D. (2013): Evaluation and Application of Bayesian Multi-Model Estimation in Temperature Simulations. J. Prog Phys. Geog. 37, 727-744.

18- Najafi, M.R. Zwiers, F.P. and Gillett, N.P. (2015): Attribution of Arctic Temperature Change to Greenhouse- Gas and Aerosol Influences. J. Nat. Clim. Change. 5: 3. 246-249.National Research Council. 2. Reconciling Observations of Global Temerature Change. National Academy Press, Washington D.C. USA, 85 Pp.

19- Paparrizos, S. Maris, F. Matzarakis, A. (2016): Integrated Analysis of Present and Future Responses of Precipitation Over Selected Greek Areas With Different Climate Conditions. Atmos. Res. 169 (Part A), 199–208.

20- Reshmidevi, T.V. et al. (2017): Estimation of The Climate Change Impact On a Catchment Water Balance Using an Ensemble of GCMs. Journal of Hydrology. Available Online 14 February 2017. http:dx.doi.org.10.1016.j.jhydrol.2017.02.016 .

21- Salon, S. Cossarini, G. Libralato, S. Gao, X. Solidoro, C. & Giorgi, F. (2008): Downscaling Experiment for The Venice Lagoon. I. Validation of The Present-Day Precipitation Climatology. Clim. Res, .38, 41-31.

22- Santer, B.D. K.E. Taylor, T.M. Wigley, T.C. Johns, P.D. Jones, D.J. Karoly, J.F.B. Mitchell, A.H. Oort, J.E. Penner, V. Ramaswamy, M.D. Schwarzkopf, R.J. Stouffer and S. Tett. (1996): A Search For Human Influences on The Thermal Structure of The Atmosphere. Nature, 382, 39-46.

23- Venkatarman, Kartik; et al. (2016): 21st Century Drought Outlook For Major Climate Divisions of Texas Based on Texas Based on CMIP5 Multimodel Ensemble: Implications For Water Resource Management. Journal of Hydrology. 534, 300–316.

24- Tan, Mou Leong, Ibrahim, Ab Latif, Yusop, Zulkifli, Chua, Vivien P, Chan, Ngai Weng, (2017): Climate Change Impacts Under CMIP5 RCP Scenarios on Water Resources of The Kelantan River Basin, Malaysia Atmospheric Research. 189, 1–10.

25- Yue, TianXiang; et al. (2016): CMIP5 Downscaling and Its Uncertainty in China. Global and Planetary Change.414, 30–37.

26- Wilby, R. L. C.W. Dawson and E.M. Barrow, (2002): SDSM- A Decision Suport Tool for The Assessment of Regional Climate Change Impacts. Journal of Environmental Modeling and Software, 17, 147-159.