تاثیر‏ تغییر‏ اقلیم‏ آتی‏ بر‏ بارش‏ و‏ دما‏ و‏ تعیین‏ عدم‏ قطعیت‏ سناریوهای‏ اقلیمی‏ A1B،‏ A2‏ و‏ B1‏ در‏ پیش‏بینی‏ آنها؛‏ مطالعه‏ موردی‏ حوضه‏ دریاچه‏ ارومیه

محورهای موضوعی : مدیریت محیط زیست

الهام ابراهیمی ¹ , مهدی ضرغامی ² , محمدرضا شیری ³

1 - استادیار، دانشکده فنی و مهندسی دانشگاه ارومیه، ارومیه، ایران
2 - استادیار، دانشکده مهندسی عمران دانشگاه تبریز، تبریز، ایران
3 - دانشیار، موسسه تحقیقات، اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

تاریخ دریافت : 1403/12/22 تاریخ پذیرش : 1404/01/31 تاریخ انتشار : 1404/08/26

کلید واژه: تغییر‏ اقلیم, ‏ عدم‏ قطعیت, ‏ دریاچه‏ ارومیه, ‏ دما, ‏ بارش.,

چکیده مقاله :

زمینه‏ و‏ هدف:‏ پیامد‏ منفی‏ تغییرات‏ کنونی‏ و‏ آتی‏ اقلیم‏ بر‏ منابع‏ آب‏ جهان‏ محرز‏ شده‏ و‏ بایستی‏ در‏ مدیریت‏ منابع‏ آب‏ در‏ سطح‏ جهانی‏ و‏ محلی‏ مورد‏ توجه‏ قرار‏ گیرد.‏ ریزمقیاس­نمایی‏ با‏ مدل‏ LARS-WG‏ انجام‏ می‏گیرد،‏ با‏ این‏ حال‏ ریزمقیاس­نمایی‏ سبب‏ افزایش‏ عدم‏ قطعیت‏ می­شود؛‏ بنابراین‏ بررسی‏ عدم‏ قطعیت‏ تاثیر‏ تغییر‏ اقلیم‏ در‏ مدیریت‏ منابع‏ آب‏ امری‏ ضروری‏ به‏ نظر‏ می­رسد.‏

روش‏ بررسی:‏ در‏ مطالعه‏ حاضر‏ ابتدا‏ خروجی‏ مدل­های‏ گردش‏ عمومی‏ جو‏ تحت‏ سه‏ سناریو‏ (A1B،‏ A2‏ و‏ B1)‏ با‏ مدل‏ LARS-WG‏ ریزمقیاس­نمایی‏ شدند‏ و‏ عدم‏ قطعیت‏ خروجی‏ در‏ پیش­بینی‏ پارامترهای‏ دما‏ و‏ بارش‏ حوضه‏ دریاچه‏ ارومیه‏ در‏ افق‏ 2030‏ بررسی‏ شد.

یافته­ها:‏ مطابق‏ با‏ نتایج‏ بدست‏ آمده‏ دما‏ در‏ دوره‏ 2011‏ تا‏ 2030‏ روند‏ افزایشی‏ خود‏ را‏ حفظ‏ می­کند‏ و‏ احتمال‏ افزایش‏ تا‏ حدود‏ 68/0‏ درجه‏ سلسیوس‏ در‏ این‏ دوره‏ زمانی‏ وجود‏ دارد.‏ تغییرات‏ پیش­بینی­شده‏ بارش‏ در‏ دوره‏ 2011‏ تا‏ 2030،‏ بین‏ 08/4-‏ درصد‏ (1/1‏ میلی­متر‏ کاهش)‏ در‏ ماه‏ می‏ تا‏ 79/4‏ درصد‏ (36/1‏ میلی­متر‏ افزایش)‏ در‏ آبان‏ ماه‏ می­باشد.‏ طبق‏ نتایج‏ SPSS‏ در‏ ماه‏ فروردین‏ احتمال‏ وقوع‏ بارش‏ بیش‏ از‏ 37‏ میلی­متر‏ 75‏ درصد‏ و‏ احتمال‏ داشتن‏ بارشی‏ معادل‏ 50‏ میلی­متر،‏ 50‏ درصد‏ است.‏ همچنین‏ احتمال‏ وقوع‏ بارش‏ بیشتر‏ از‏ 65‏ میلی­متر،‏ حداکثر‏ 25‏ درصد‏ می­باشد.

بحث‏ و‏ نتیجه­گیری:‏ با‏ توجه‏ به‏ استفاده‏ از‏ نتایج‏ تمامی‏ 15‏ مدل،‏ علی‏رغم‏ تفاوت‏ دمای‏ حداقل‏ و‏ دمای‏ حداکثر‏ در‏ سناریوهای‏ مختلف،‏ روند‏ دما‏ در‏ افق‏ 2030‏ در‏ سه‏ سناریو‏ تقریباً‏ یکسان‏ می­باشد.‏ طبق‏ نتایج‏ هر‏ سه‏ سناریوی‏ انتشار،‏ بیشترین‏ افزایش‏ دما‏ در‏ تابستان‏ رخ‏ خواهد‏ داد.‏ با‏ توجه‏ به‏ افزایش‏ دما‏ در‏ ماه­های‏ تابستان‏ به‏ خصوص‏ شهریور‏ ماه،‏ لزوم‏ توجه‏ بیشتر‏ به‏ تبخیر‏ به‏ عنوان‏ خروجی‏ آب‏ دریاچه‏ ارومیه‏ بیش‏ از‏ پیش‏ نمایان‏ می­شود.‏

 

چکیده انگلیسی:

Background‏ and‏ Purpose:‏ The‏ present‏ and‏ future‏ negative‏ impact‏ of‏ climate‏ change‏ on‏ world‏ water‏ resources,‏ has‏ became‏ clear‏ and‏ should‏ be‏ considered‏ in‏ the‏ global‏ and‏ local‏ levels‏ of‏ water‏ resources‏ management.‏ In‏ this‏ regard,‏ in‏ order‏ to‏ using‏ general‏ circulation‏ models‏ in‏ smaller‏ place,‏ downscaling‏ was‏ done‏ with‏ LARS-WG‏ model,‏ however‏ downscaling‏ increases‏ uncertainty.‏ Thus,‏ evaluating‏ the‏ uncertainty‏ of‏ climate‏ change‏ impacts‏ on‏ water‏ resources‏ management‏ is‏ essential.‏

Method:‏ In‏ this‏ study,‏ the‏ output‏ of‏ the‏ general‏ circulation‏ models‏ under‏ A1B,‏ A2‏ and‏ B1scenarios‏ were‏ downscaled‏ using‏ LARS-WG‏ model‏ and‏ output‏ uncertainties‏ in‏ prediction‏ of‏ temperature‏ and‏ precipitation‏ parameters‏ in‏ 2030‏ horizon‏ in‏ 8‏ synoptic‏ stations‏ around‏ Urmia‏ lake‏ basin‏ were‏ assessed.‏

Findings:‏ Due‏ to‏ the‏ results‏ the‏ temperature‏ maintains‏ its‏ increasing‏ trend‏ in‏ the‏ period‏ 2011-2030‏ and‏ would‏ rise‏ about‏ 0.68‏ °C‏ in‏ 2011-2030.‏ Anticipated‏ precipitation‏ change‏ will‏ be‏ between‏ -4.08‏ percent‏ (1.1‏ mm‏ decrease)‏ in‏ May‏ and‏ 4.79‏ percent‏ (1.36‏ mm‏ increase)‏ in‏ November‏ from‏ 2011‏ to‏ 2030.‏ Due‏ to‏ SPSS‏ results‏ in‏ March,‏ the‏ probability‏ of‏ more‏ than‏ 37‏ mm‏ precipitation‏ was‏ 75‏ percent‏ and‏ the‏ probability‏ of‏ precipitation‏ equal‏ to‏ 50‏ mm,‏ was‏ 50‏ percent.‏ Also‏ the‏ maximum‏ probability‏ of‏ precipitation‏ greater‏ than‏ 65‏ mm,‏ was‏ 25‏ percent.

Discussion‏ and‏ Counclusion:‏ According‏ to‏ using‏ the‏ results‏ of‏ all‏ 15‏ models,‏ despite‏ the‏ difference‏ among‏ the‏ minimum‏ and‏ maximum‏ temperature‏ in‏ different‏ scenarios,‏ temperature‏ trends‏ in‏ three‏ scenarios‏ on‏ the‏ horizon‏ of‏ 2030‏ are‏ almost‏ identical.‏ Due‏ to‏ the‏ results‏ of‏ three‏ emission‏ scenarios,‏ the‏ maximum‏ temperature‏ rise‏ will‏ occur‏ in‏ summer.‏ Due‏ to‏ the‏ temperature‏ rise‏ in‏ the‏ summer‏ months,‏ particularly‏ August,‏ more‏ attention‏ to‏ the‏ evaporation‏ of‏ lake‏ water‏ as‏ the‏ only‏ output‏ is‏ very‏ crucial.

منابع و مأخذ:

1. Ababaei,‏ B.,‏ Mirzaei,‏ F.,‏ Sohrabi,‏ T.‏ 2011.‏ Performance‏ evaluation‏ of‏ the‏ LARS-WG‏ model‏ at‏ 12‏ coastal‏ meteorological‏ stations‏ in‏ Iran.‏ Iranian‏ Journal‏ of‏ Water‏ Research,‏ 9,‏ 217-222.‏ (in‏ Persian).
2. UN.‏ 2024.‏ ECA,‏ U.,‏ ECE,‏ U.,‏ ECLAC,‏ U.,‏ ESCAP,‏ U.,‏ ESCWA,‏ U.,‏ &‏ World‏ Health‏ Organization‏ (WHO.‏ (2020).‏ Water‏ and‏ climate‏ change.
3. Sari‏ sarraf,‏ B.,‏ Jalali‏ Ansaroodi,‏ T.‏ 2019.‏ The‏ Investigation‏ of‏ the‏ Impact‏ of‏ Climate‏ Change‏ on‏ Water‏ Balance‏ Caused‏ by‏ Precipitation‏ in‏ Tasuj‏ Aquifer‏ for‏ the‏ Period‏ of‏ 2017-2030.‏ Hydrogeomorphology,‏ 6(19),‏ 163-185.‏ (in‏ Persian).
4. Pathak,‏ R.,‏ Dasari,‏ H.‏ P.,‏ Ashok,‏ K.,‏ &‏ Hoteit,‏ I.‏ 2023.‏ Effects‏ of‏ multi-observations‏ uncertainty‏ and‏ models‏ similarity‏ on‏ climate‏ change‏ projections.‏ Npj‏ Climate‏ and‏ Atmospheric‏ Science,‏ 6(1),‏ 144.
5. Qasmi,‏ S.,‏ &‏ Ribes,‏ A.‏ 2022.‏ Reducing‏ uncertainty‏ in‏ local‏ temperature‏ projections.‏ Science‏ Advances,‏ 8(41),‏ eabo6872.
6. Khaliliaqdam,‏ N.,‏ Mosaedi,‏ A.,‏ Soltani,‏ A.,‏ Kamkar,‏ B.‏ 2013.‏ Evaluation‏ of‏ ability‏ of‏ LARS-WG‏ model‏ for‏ simulating‏ some‏ weather‏ parameters‏ in‏ Sanandaj.‏ Journal‏ of‏ Water‏ and‏ Soil‏ Conservation,‏ 19(4),‏ 85-102.‏ (in‏ Persian).
7. Iizumi,‏ T.,‏ Semenov,‏ M.‏ A.,‏ Nishimori,‏ M.,‏ Ishigooka,‏ Y.,‏ &‏ Kuwagata,‏ T.‏ 2012.‏ ELPIS-JP:‏ a‏ dataset‏ of‏ local-scale‏ daily‏ climate‏ change‏ scenarios‏ for‏ Japan.‏ Philosophical‏ Transactions‏ of‏ the‏ Royal‏ Society‏ A:‏ Mathematical,‏ Physical‏ and‏ Engineering‏ Sciences,‏ 370(1962),‏ 1121-1139.

8. Sarkar,‏ J.,‏ Chicholikar,‏ J.‏ R.,‏ &‏ Rathore,‏ L.‏ S.‏ 2015.‏ Predicting‏ future‏ changes‏ in‏ temperature‏ and‏ precipitation‏ in‏ arid‏ climate‏ of‏ Kutch,‏ Gujarat:‏ analyses‏ based‏ on‏ LARS-WG‏ model.‏ Current‏ science,‏ 2084-2093.
9. Meshkati,‏ A.,‏ Kordjazi,‏ M.,‏ and‏ Babaeian,‏ A.‏ 2010.‏ Investigation‏ and‏ evaluation‏ of‏ the‏ Lars‏ model‏ in‏ simulating‏ meteorological‏ data‏ of‏ Golestan‏ province‏ during‏ the‏ period‏ 1993-2007.‏ Journal‏ of‏ Applied‏ Researches‏ in‏ Geographical‏ Sciences.‏ 10‏ (13).‏ 81-96.‏ (in‏ Persian).
10. Kavwenje,‏ S.,‏ Zhao,‏ L.,‏ Chen,‏ L.,‏ &‏ Chaima,‏ E.‏ 2022.‏ Projected‏ temperature‏ and‏ precipitation‏ changes‏ using‏ the‏ LARS‐WG‏ statistical‏ downscaling‏ model‏ in‏ the‏ Shire‏ River‏ Basin,‏ Malawi.‏ International‏ Journal‏ of‏ Climatology,‏ 42(1),‏ 400-415.‏
11. ‏ Ebrahimi,‏ E.,‏ Zarghami,‏ M.‏ 2018.‏ Comparing‏ Effects‏ of‏ Restoration‏ Policies‏ Under‏ Climate‏ Change‏ By‏ Using‏ System‏ Dynamics;‏ Case‏ Study‏ Urmia‏ Lake‏ Ecosystem.‏ Iran-Water‏ Resources‏ Research,‏ 13‏ (4),‏ 184-189.‏ (in‏ Persian).
12. Alipour،‏ S.‏ 2006.‏ Hydrogeochemistry‏ of‏ seasonal‏ variation‏ of‏ Urmia‏ Salt‏ Lake،‏ Iran.‏ Saline‏ Systems،‏ 2:9.
13. Ebrahimi‏ Sarindizaj,‏ E.,‏ Zarghami,‏ M.‏ 2019.‏ Sustainability‏ assessment‏ of‏ restoration‏ plans‏ under‏ climate‏ change‏ by‏ using‏ system‏ dynamics:‏ application‏ on‏ Urmia‏ Lake,‏ Iran.‏ Journal‏ of‏ Water‏ and‏ Climate‏ Change,‏ 10(4),‏ 938-952.
14. Sheykh‏ Rabiee,‏ M.‏ R.‏ ,‏ Peyrowan,‏ H.‏ R.‏ ,‏ Daneshkar‏ Arasteh,‏ P.‏ ,‏ Akbary,‏ M.‏ and‏ Motamedvaziri,‏ B.‏ 2021.‏ Comparison‏ of‏ the‏ efficiency‏ of‏ SDSM‏ and‏ CCT‏ models‏ in‏ climate‏ change‏ studies(Case‏ study‏ of‏ Karganrood‏ watershed).‏ Journal‏ of‏ Meteorology‏ and‏ Atmospheric‏ Science,‏ 4(2),‏ 128-146.‏ (in‏ Persian).
15. Mahsafar,‏ H.,‏ Maknun,‏ R.,‏ and‏ Thaqafian,‏ B.‏ 2011.‏ The‏ effects‏ of‏ climate‏ change‏ on‏ the‏ water‏ balance‏ of‏ Lake‏ Urmia.‏ Iran-Water‏ Resources‏ Research,‏ 7,‏ 47-58.‏ (in‏ Persian).
16. Roshan,‏ G.,‏ Mohammadnezhad‏ Arough,‏ V.‏ 2012.‏ Projecting‏ hydrological‏ changes‏ of‏ the‏ Urmia‏ Lake‏ water‏ level‏ by‏ different‏ hypothetical‏ approaches‏ to‏ the‏ global‏ warming‏ plans‏ in‏ the‏ coming‏ decades,‏ Quantitative‏ geomorphology‏ researchs,‏ 3,‏ 69-88.
17. Ansari,‏ H.‏ ,‏ Khadivi,‏ M.‏ ,‏ Salehnia,‏ N.‏ and‏ Babaeian,‏ I.‏ 2014.‏ Evaluation‏ of‏ Uncertainty‏ LARS‏ Model‏ under‏ Scenarios‏ A1B,‏ A2‏ and‏ B1‏ in‏ Precipitation‏ and‏ Temperature‏ Forecast‏ (Case‏ Study:‏ Mashhad‏ Synoptic‏ Stations).‏ Iranian‏ Journal‏ of‏ Irrigation‏ &‏ Drainage,‏ 8(4),‏ 664-672.‏ (in‏ Persian).
18. Salahi‏ B,‏ Goudarzi‏ M,‏ Hosseini‏ S‏ A.‏ 2017.‏ Prediction‏ of‏ the‏ Climate‏ Parameters‏ in‏ the‏ Urmia‏ Lake‏ Basin‏ during‏ 2011-2030.‏ jwmseir;‏ 11‏ (37)‏ :47-56.‏ (in‏ Persian).
19. Mirgol,‏ B.,‏ Nazari,‏ M.,‏ Etedali,‏ H.‏ R.,‏ &‏ Zamanian,‏ K.‏ 2021.‏ Past‏ and‏ future‏ drought‏ trends,‏ duration,‏ and‏ frequency‏ in‏ the‏ semi‐arid‏ Urmia‏ Lake‏ Basin‏ under‏ a‏ changing‏ climate.‏ Meteorological‏ applications,‏ 28(4),‏ e2009.
20. Radmanesh,‏ F.,‏ Esmaeili-Gisavandani,‏ H.,‏ &‏ Lotfirad,‏ M.‏ 2022.‏ Climate‏ change‏ impacts‏ on‏ the‏ shrinkage‏ of‏ Lake‏ Urmia.‏ Journal‏ of‏ Water‏ and‏ Climate‏ Change,‏ 13(6),‏ 2255-2277.‏
21. Faramarzi,‏ N.‏ 2012.‏ Agricultural‏ water‏ use‏ in‏ Lake‏ Urmia‏ basin،‏ Iran:‏ an‏ approach‏ to‏ adaptive‏ policies‏ and‏ transition‏ to‏ sustainable‏ irrigation‏ water‏ use.‏ Master‏ Thesis،‏ Uppsala‏ University،‏ Uppsala،‏ Sweden
22. CIWP.‏ Conservation‏ of‏ Iranian‏ Wetlands‏ Project.‏ 2008.‏ Integrated‏ management‏ plan‏ for‏ Lake‏ Urmia،‏ Tehran:‏ Department‏ of‏ Environment.
23. Haghtalab,‏ N.,‏ Goodarzi,‏ M.,‏ Habibi‏ Khandan,‏ M.,‏ Yavari,‏ A.,‏ Jafari,‏ H.‏ 2013.‏ Modeling‏ Climate‏ of‏ Tehran‏ and‏ Mazandaran‏ provinces‏ using‏ the‏ LARS-WG‏ climate‏ model‏ and‏ comparing‏ its‏ changes‏ in‏ the‏ northern‏ and‏ southern‏ fronts‏ of‏ the‏ central‏ Alborz.‏ Journal‏ of‏ Environmental‏ Science‏ and‏ Technology,‏ 15,‏ 37-49.‏ (in‏ Persian).
24. Semenov,‏ M.A.,‏ Brooks,‏ R.j.,‏ Barrow,‏ E.M.‏ &‏ Richardson,‏ C.W.‏ 1998.‏ Comparison‏ of‏ the‏ WGEN‏ and‏ LARS-WG‏ stochastic‏ weather‏ generators‏ for‏ diverse‏ climates.‏ Climate‏ Research,‏ 10,‏ 95-107.‏
25. Semenov,‏ M.A.‏ &‏ Stratonovitch,‏ P.‏ 2010.‏ Use‏ of‏ multi-model‏ ensembles‏ from‏ global‏ climate‏ models‏ for‏ assessment‏ of‏ climate‏ change‏ impacts.‏ Climate‏ Research,‏ 41,‏ 1-14.
26. Yaghoubzadeh,‏ M.,‏ Pourreza‏ Bailandi,‏ M.,‏ Khashaei-Siouki,‏ A.,‏ Ramezani-Moghaddam,‏ J.‏ 2021.‏ Uncertainty‏ of‏ the‏ Fifth‏ Assessment‏ Report‏ on‏ Climate‏ Change‏ models‏ in‏ estimating‏ temperature‏ and‏ precipitation.‏ Physical‏ Geography,‏ 51(13),‏ 21-37.‏ (in‏ Persian).
27. Hoseini,‏ S.‏ M.,‏ Soltanpour,‏ M.,‏ &‏ Zolfaghari,‏ M.‏ R.‏ 2025.‏ Climate‏ change‏ impacts‏ on‏ temperature‏ and‏ precipitation‏ over‏ the‏ Caspian‏ Sea.‏ International‏ Journal‏ of‏ Water‏ Resources‏ Development,‏ 41(1),‏ 31-56.