مقایسه دو شبیهHadCM3 و ECHO-Gدر ارزیابی تغییر اقلیم حوضۀ آبخیز بابلرود در دوره 2065-2046

محورهای موضوعی : مقالات برگرفته از پایان نامه

هادی رزاقیان ¹ (استادیار دانشگاه پیام‌نور، دانشکده ی علوم کشاورزی، گروه علمی منابع‌طبیعی و محیط زیست، تهران، 4697-19395، ج.ا.ا.)
بهروز محسنی ² (مربی دانشگاه پیام‌نور، دانشکده ی علوم کشاورزی، گروه علمی منابع‌طبیعی و محیط زیست، تهران، 4697-19395، ج.ا.ا.)
قربان شهریاری ³ (استادیار دانشگاه پیام‌نور، دانشکده ی علوم کشاورزی، گروه علمی منابع‌طبیعی و محیط زیست، تهران، 4697-19395، ج.ا.ا.)

تاریخ دریافت : 1394/08/06 تاریخ پذیرش : 1396/12/05 تاریخ انتشار : 1396/08/01

کلید واژه: خشکسالی, گردش عمومی, مولد هواشناسی, نمایشنامه, نرم‌افزار لارس,

چکیده مقاله :

حوادث اقلیمی متفاوتی اعم از سیل و خشکسالی را در سالیان اخیر در سطح حوضۀ آبخیز بابلرود شاهد بوده­ایم که لزوم مطالعه هر چه بیشتر مؤلفه­های نرم­افزار­های اقلیمی مؤثر را در فرایندهای هواشناسی و آب­شناسی حوضۀ آبخیز مورد تأکید قرار می­دهند. این کار از طریق نرم­افزار­های گردش عمومی جو انجام می­پذیرد. به­دلیل بزرگ مقیاس بودن شبکۀ محاسباتی نرم­افزار­های گردش عمومی جو، این نرم­افزار­ها قادر به پیش­بینی فراسنج­های آب و هواشناسی در مقیاس نقطه­ای نیستند. ابزار واسطی به­نام مولد هواشناسی ابداع گردیده است که به وسیلۀ آن می­توان تغییر اقلیم را در مقیاس نقطه­ای، و ایستگاه موردنظر، ارزیابی کرد. در این پژوهش، داده­های نرم­افزار­های گردش عمومی جو HadCM3 و ECHO-G، با به­کارگیری نرم­افزار LARS-WG تحت نمایشنامه ی مشابۀ A1B برای دورۀ­ زمانی 2065-2046 ریزمقیاس شده و مورد مقایسه و ارزیابی قرار گرفتند. نرم­افزار لارس با معرفی چهار متغیر اقلیمی مربوط به دورۀ پایۀ آماری 2011-1982، مورد واسنجی و صحت­سنجی قرار گرفت. سپس، خودهمبستگی میانگین بین داده­های دیده­بانی شده برای شبیه­سازی بارش، دمای بیشینه، دمای کمینه و تابش به­وسیلۀ نرم­افزار لارس برای شبیه­سازی دوره­های آتی به­کار گرفته شد. بر پایۀ یافته­های این پژوهش، نرم­افزار ECHO-G نسبت به نرم­افزار HadCM3 تحت نمایشنامه ی مشابه، بارش کمتر و دمای بیشتر را پیش­بینی کرد. بارش در حوضۀ آبخیز بابلرود در دورۀ مربوطه، 52- تا 17+ درصد متغیر خواهد بود. همچنین، این حدود تغییرات با افزایش بارش در ماه­های پر بارش و کاهش شدید بارندگی در ماه­های کم بارش تابستان همراه خواهند بود. بیشترین کاهش مربوط به ماه­ کم بارش آگوست (43 میلیمتر) در نرم­افزار ECHO-G است. بیشترین افزایش بارش نیز مربوط به ماه اکتبر (27 میلی­متر) در نرم­افزار HadCM3 می­باشد.

چکیده انگلیسی:

The Babolroud watershed has experienced different climate related events such as flooding and drought in recent years that emphasize the urgent need to investigate the impact of climate change on meteorology and hydrology of the watershed. Two general atmospheric circulation softwares were used to predict these changes. However, the large scale computational grid of such software discourages their application to meteorology parameters prediction in small scales. Therefore, an interface tool called the LARS- WG model has been developed to facilitate assessment of such parameters in more manageable scales and at the desired localities. The data generated by the HadCM3 general circulation of the atmosphere software were incorporated into the LARS-WG software under a similar scenario for the 2046-2065 periods. They were downscaled, compared and evaluated the four climatic variables related to the statistical base period of 1982-2011. These data were introduced into the LARS-WG software for calibration and verification. Furthermore, the relationships between the collected data were established between rainfall depth, maximum and minimum temperatures and radiation to simulate the future events. It was observed that the ECHO-G software prediction was lower for precipitation and higher for temperature under the similar scenario as compared to those predicted by the HadCM3 software. Precipitation depth as predicted by this software for the Babolroud watershed ranged from -52 to +17 %. The results indicated a moderate increase in precipitation in the rainy season and an extreme decrease in the summer month. The highest reduction was related to the August rainfall (43 mm) as predicted by the ECHO-G software. The highest increase in precipitation was related to October (27 mm) as predicted by the HadCM3 software.

منابع و مأخذ:

1)       آذری، م.، مرادی، ح.ر.، ثقفیان، ب.، و فرامرزی، م. 1392. ارزیابی اثرات آب­شناسی تغییر اقلیم در حوضه آبخیز گرگانرود. نشریه آب و خاک 27: 547-537.

2)       بابائیان، ا.، نجفی­نیک، ز.، زابل­عباسی، ف.، حبیبی­نوخندان، م.، ادب، ح.، و ملبوسی. ش. 1388. ارزیابی تغییر اقلیم کشور در دوره­ی 2039-2010 با استفاده از ریزمقیاس نمایی داده­های شبیه گردش عمومی جو ECCHO-G. فصل­نامه جغرافیا و توسعه 16: 152-135.

3)       بابائیان، ا.، ضرغامی، م.، کوهی، م.، بابائیان، ا.، کریمیان، م.، و مدیریان. ر.  1392. بررسی رفتار منابع آب حوضۀ قره­قوم تحت شرایط اقلیم (مطالعه موردی: زیر حوضۀ درگز). نشریه آب و خاک 5: 918-907.

4)       بختیاری، ب.، پورموسوی، ش.، و سیاری، ن.  1393. بررسی اثر تغییر اقلیم بر منحنی­های شدت-مدت-فراوانی ایستگاه بابلسر طی دوره زمانی 2030-2011. نشریه آبیاری و زهکشی 4: 704-694.

5)       حجازی­زاده، ز.، فتاحی، ا.، مساح­بوانی، ع.، و ناصرزاده، م. 1391. ارزیابی اثرات تغییر اقلیم بر هیدروگراف سیلاب در دوره­های آتی (مطالعه موردی: حوضۀ آبخیز بختیاری). فصل­نامه جغرافیا و توسعه 34: 24-5.

6)       خزانه­داری، ل.، کوهی، م.،  قندهاری، ش.، و آسیایی. 1391. تغییر اقلیم، علل، اثرات و راه حل­ها. جان­تی هاردی. انتشارات پاپلی، مشهد 362ص.

7)       دوستی، م. 1391. ارزیابی اثر تغییر اقلیم بر بده جریان با کاربرد شبیه  بارش- رواناب (مطالعه موردی: حوضۀ آبخیز تمر، استان گلستان). پایان­نامه دوره کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری، 92 ص.

8)       ذهبیون، ب.، گودرزی، م.، و مساح­بوانی، ع.،  1389. کاربرد شبیه  SWAT در تخمین رواناب حوضه در دوره­های آتی تحت تاثیر تغییر اقلیم. نشریه پژوهش­های اقلیم­شناسی، 3 و 4: 58-43.

9)       رسولی، ع.ا.، رضایی­بنفشه، م.، و مساح­بوانی، ع.  1393. بررسی اثر عوامل مورفواقلیمی بر دقت ریزمقیاس گردانی شبیه  LARS-WG. علوم و مهندسی آبخیزداری ایران 24: 18-9.

10)   رضایی، م.، نهتانی، م.، مقدم­نیا، ع.، آبکار، ع.، و رضایی، م.، 1393. بررسی کارآیی شبیه  ریزمقیاس نمایی آماری در پیش­بینی بارش در دو اقلیم خشک و فرا خشک. نشریه آب و خاک (علوم و صنایع غذایی) 4: 845-836.

11)   زهرایی، ا. 1391. شبیه­سازی تغییرات اقلیمی استان سیستان و بلوچستان با کمک ریزگردانی داده­های گردش عمومی جو (GCMs) برای دوره اقلیمی (2040-2009)، پایان­نامه کارشناسی­ارشد اقلیم­شناسی دانشگاه سیستان و بلوچستان، دانشکده جغرافیا و برنامه­ریزی محیطی.

12)   سیدکابلی، ح.، آخوند­علی، س.م.، مساح­بوانی، ع.، و رادمنش، ف.،  1391. ارائه شبیه  ریزمقیاس نمایی داده­های اقلیمی بر اساس روش ناپارامتریک نزدیکترین همسایگی (K-NN). نشریه آب و خاک 4: 779-808.

13)   عباسی، ف.، بابائیان، ا.، اثمری، م.، و برهانی، ر.،  1391. ارزیابی تغییر اقلیم ایران در دهه­های آینده (2025-2100) با استفاده از ریز مقیاس نمایی داده­های شبیه  گردش عمومی جو. تحقیقات جغرافیایی 1: 229-205.

14)   کاویان، ع.، و صفری، ع.  1391. تعیین شبیه  مناسب برای برآورد رسوبدهی با استفاده از روش­های آماری (مطالعه موردی؛ حوضۀ آبخیز بابلرود). نشریه تحقیقات کاربردی علوم جغرافیایی 13: 130-111.

15)   کمال، ع.، و مساح­بوانی، ع.  1389. تأثیر تغییر و نوسانات اقلیمی بر رواناب حوضه با دخالت عدم قطعیت دو شبیه  هیدرولوژی. نشریه آب وخاک 5: 931-920.

16)   مشکواتی، ا.ح.، م. کردجزی، و ا. بابائیان. 1389. بررسی و ارزیابی شبیه  لارس در شبیه­سازی داده­های هواشناسی استان گلستان در دوره (2007-1993) میلادی. نشریه تحقیقات کاربردی علوم جغرافیایی 19: 96-81.

17)    Arnell, N.W., M.B. Charlton, and J.A. Lowe. 2014. The effect of climate policy on the impacts of climate change on river flows in the UK. Journal of Hydrology 510:424-435.

18)    Boyer, C., D. Chaumon, I. Chartier, and A.G. Roy. 2010. Impact of climate change on the hydrology of St. Lawrence tributaries Journal of Hydrology 384:65-83.

19)    Bozkurt, D., and Senو O. Lutfi. 2013. Climate change impacts in the Euphrates–Tigris Basin based on different model and scenario simulations Journal of Hydrology 480:149-161.

20)    Chen, J., Xia, J., Zhao, C., Zhang, Sh., Fu, G., and Ning. L. 2014. The mechanism and scenarios of how mean annual runoff varies with climate change in Asian monsoon areas, Journal of Hydrology 517:595-606.

21)    Guardiola, M., Troch, P.A.,  Breshears, D.D.,  Huxman, T.E.,  Switanek, M.B.,  Durcik, M., and Cobb., N.S. 2011. Decreased streamflow in semi-arid basins following drought-induced tree die-off: A counter-intuitive and indirect climate impact on hydrology. Journal of Hydrology 406:225-233.

22)    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.

23)    Nigel, W.A., and Lloyd, B. 2014. The global-scale impacts of climate change on water resources and flooding under new climate and socio-economic scenarios. Journal of Climatic Change 122:127–140.

24)    Pope, V.D., Gallani, M.L., Rowntree, P.R.,  and Stratton, R.A.  2000. The impact of new physical parameterizations in the Hadley Centre climate model HadAM3. Climate Dynamics 16, 123-146.

25)    Sarkar, J., and Chicholikar, J.R.  2016. Future climate change scenario at hot semi-arid climate of Ahmedabad (23.04°N, 72.38°E), India based on statistical downscaling by LARS-WG Model. Asian Journal of Water, Environment and Pollution 13: 35-42.

26)    Semenov, M.A., and Barrow, E.M.  2002. LARS-WG: a stochastic weather generator for use in climate impact studies: User’s manual. Rothamsted Research, Harpenden. Version 3.0.

27)    Steele-Dunne, S., Lynch, P., McGrath, R., Semmler, T., Wang, SH., Hanafin, J., and P. Nolan. 2008. The impacts of climate change on hydrology in Ireland. Journal of Hydrology 356: 28-45.

28)    Surfleet, C.G., and Tullos, D., 2013. Variability in effect of climate change on rain-on-snow peak flow events in a temperate climate, Journal of Hydrology 479: 24–34.