ارزیابی و پیش‌بینی تغییرات اقلیم در دهه‌های آینده با استفاده از ریزمقیاس‌نمایی مدل‌های گردش عمومی جو(GCMs)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی

2 مرکز تحقیقات کشاورزی و منابع طبیعی خراسان

چکیده

این تحقیق به منظور پیش‌بینی مقادیر بارش و دما و تعیین اقلیم آینده با کاربرد مدل‌های گردش عمومی جو و شبیه سازی اقلیمی در دوره‌های 2099-2070 و 2049-2020 در ایستگاه‌های سینوپتیکی بابلسر، گرگان، رامسر، رشت، قزوین، تهران و زنجان انجام گردید. به منظور تهیه سناریو‌های اقلیمی در آینده از خروجی‌های مدل گردش عمومی HadCM3 تحت سناریوی انتشار A2 و B2 و روش ریزمقیاس نمایی آماری و به کارگیری مدل SDSM استفاده گردید و در ادامه با استفاده از روش دومارتن اقلیم آینده تعیین گردید. نتایج حاصل از پیش‌بینی پارامترهای اقلیمی نشان داد شبیه‌سازی پارامترهای اقلیمی توسط مدل با دقت بالایی انجام گرفته است. در همه ایستگاه‌های مورد مطالعه بارش در دوره 2049-2020 در مقایسه با دوره مشاهداتی 2008-1979 دارای یک روند افزایشی می‌باشد و در دوره 2099-2070 نسبت به دوره مشاهداتی(2008-1979) بارش افزایش یافته است ولی نسبت به دوره 2049-2020 دارای یک روند کاهشی می‌باشد. درجه حرارت حداکثر، حداقل و میانگین در دوره‌های 2099-2070 و 2049-2020 نسبت به دوره مشاهداتی 2008-1979 افزایش خواهد یافت. نتایج حاصل از تعیین اقلیم به روش دومارتن نشان داد که اقلیم در ایستگاه-های بابلسر، قزوین، رامسر و رشت نسبت به اقلیم مشاهداتی 2008-1979 در دوره‌های آتی تغییری نخواهد کرد. ولی در ایستگاه گرگان در دوره 2099-2070 تحت سناریو A2 اقلیم از مدیترانه‌ای به نیمه خشک تغییر خواهد کرد. در ایستگاه تهران در دوره 2049-2020 تحت سناریوA2 اقلیم از نیمه خشک به خشک تغییر خواهد کرد. در ایستگاه زنجان در دوره 2049-2020 تحت سناریو A2 اقلیم از نیمه خشک به مدیترانه‌ای و در دوره 2099-2070 از اقلیم مدیترانه‌ای دوباره به اقلیم نیمه‌خشک تغییر خواهد کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Assessment and prediction of climate change in the next decade, by downscaling General Circulation Models (GCMs)

نویسندگان [English]

  • Ali Dastranj 1
  • mohammad Rostami 2
2 a
چکیده [English]

This study predicted amount of precipitation and temperature by using atmospheric General Circulation Models, simulation of climate in the periods 2070-2099 and 2020-2049 in Babolsar, Gorgan, Ramsar, Qazvin, Rasht, Zanjan and Tehran synoptic stations. In order to prepare climate scenario for the future was used of outputs from general circulation model HADCM3, A2 and B2 scenario. General circulation models have a low precision; further the small-scale model of the SDSM was alternated. And then the method of Domarten for the determination of future climatic were used. The results of the prediction of climate parameters indicated that the model well simulated climate parameters. Results of precipitations at all stations in the study period 2020- 2049 compared with the period 1979-2008 and showing an increasing trend in all stations; the period 2070-2099 compared to observation periods and results show the increasing in precipitation; but with decreasing trend with the periods was 2020-2049. In the 2070-2099 and 2020 – 2049 periods, maximum, minimum and maximum temperature relative to the observation period 1979-2008 has increased. The results of the climate determination by Domarten method has showed climate in the Babolsar, Qazvin, Ramsar and Rasht station compared to climate observed to 1979-2008 in future periods will not change. In the Gorgan station at periods 2070-2099 under the A2 scenario climate from Semi-arid will change to arid climate. In the Zanjan station at periods 2020-2049 under the A2 scenario climate from Semi-arid to Mediterranean climate and at periods 2070-2099 climate from Mediterranean will change to Semi-arid climate.

کلیدواژه‌ها [English]

  • Domarten
  • climate change
  • Predict
  • GCM
  • SDSM
  1. آبکار، ع؛ حبیب­نژاد محمود، م؛ سلیمانی، ک؛ نقوی، ه. 1392. "بررسی میزان کارایی  مدل SDSM در شبیه­سازی شاخص­های دمایی در مناطق خشک و نیمه خشک". فصلنامه علمی پژوهشی مهندسی آبیاری و آب. سال چهارم، شماره چهاردهم، ص 17-1.
  2. بابائیان، ا؛ نجفی­نیک، ز؛ عباسی، ف؛ نوخندان، م؛ ادب، ح. 1388. " ارزیابی تغییر اقلیم کشور در دوره 2039-2010 با استفاده از ریزمقیاس­نمایی داده­های مدل گردش عمومی جو ECHO – G ". جغرافیا و توسعه، شماره 16، ص 152-135.
  3. حجارپور، ا؛ یوسفی، م؛ کامکار، ب. 1393. " آزمون دقت شبیه­سازی LARS-WG، WeatherMan و CLIMGEN در شبیه­سازی پارامترهای اقلیمی سه اقلیم مختلف(گرگان، گنبد و مشهد)". مجله جغرغیا و توسعه. شماره 35. ص 216- 201.
  4. حق­طلب، ن؛ گودرزی، م؛ حبیبی نوخندان، م؛ یاوری، ا؛ جعفری، ح. 1393. " مدل­سازی اقلیم استان­های تهران و مازندران با استفاده از مدل اقلیمی LARS-WG و مقایسه تغییرات آن در جبهه­های شمالی و جنوبی البرز مرکزی" . علوم و تکنولوژی محیط زیست. دوره پانزدهم، شماره یک، ص 49-37.
  5. خام­چین مقدم، ف؛ رضایی پژند، ح؛ 1388. " نقد روش اقلیم بندی دومارتن برای بارش حداکثر روزانه در ایران به کمک روش گشتاورهای خطی". نشریه فنی و مهندسی، دوره 2، شماره 2، ص 103-93.
  6. دوستی، م؛ حبیب­نژاد روشن، م؛ شاهدی، ک؛ میریعقوب­زاده، م. 1392. " بررسی شاخص­های اقلیمی حوضه آبخیز تمر، استان گلستان در شرایط تغییر اقلیم با کاربرد مدل LARS-WG ". مجله فیزیک زمین و فضا. دوره 39. شماره 4، ص 189-177.
  7. رضایی­زمان، م؛ مرید، س؛ دلاور، م. 1392.  "ارزیابی اثرات تغییر اقلیم بر متغیرهای هیدروکلیماتولوژی حوضه سیمینه رود". نشریه آب و خاک. جلد 27، شماره 6، ص 1259-1247.
  8. روشن، غ؛ خوش اخلاق، ف؛ عزیزی، ق. 1392. " آزمون مدل مناسب گردش عمومی جو برای پیش­یابی مقادیر دما و بارش ایران، تحت شرایط گرمایش جهانی". جغرافیا و توسعه، شماره 27، ص 36-19.
  9. سیامک نیک مهر، منصور زیبایی، ۱۳۹۹. ارزیابی اثرات تغییر اقلیم بر شرایط هیدرولوژیکی و اقتصادی زیر حوضه کرخه جنوبی، مجله اقتصاد و توسعه کشاورزی، ۳۴(۱)، ۶۳-۷۹. 
  10. صمدی­نقاب، سینا؛ خورشیددوست، ع؛ حبیبی نوخندان، م؛ زابل عباسی، ف. " بکارگیری مدل SDSM جهت ریزمقیاس­نمایی داده­های GCM بارش و دما". 1390. نشریه پروهش­های اقلیم­شناسی، سال دوم، شماره پنجم و ششم، ص 68-57.
  11. ظهراب اداوی، محمود رضا تدین، ابوالفضل باغبانی،۱۳۹۸. پیش بینی اثر تغییر اقلیم بر تولید سیب زمینی در فریدون شهر و ارزیابی راهکارهای سازگاری (تغییر رقم و تاریخ کاشت، مجله تولید و فرآوری محصولات زراعی و باغی، ۷۹-۹۸.
  12. کاآموز، م؛ عراقی نژاد، ش. 1384. " هیدرولوژی پیشرفته". انتشارات دانشگاه صنعتی امیرکبیر. 464 ص.
    1. Ashiq M, Zhao C, Ni J, Akhtar M. 2010. GIS-based high-resolution spatial interpolation of precipitation in mountain–plain areas of Upper Pakistan for regional climate change impact studies. Theor Appl Climatol 99 (3): 239-253.
    2. Cheng CS, Auld H, Li Q, Li GL. 2012. Possible impacts of climate change on extreme weather events at local scale in south-central Canada. Climatic Change 112 (3-4): 963-979.
    3. Chu J, Xia J, Xu CY, Singh V. 2010. Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theor Appl Climatol 99 (1): 149-161.
    4. Frias MD, Minguez R, Gutierrez JM, Mendez FJ. 2012. Future regional projections of extreme temperatures in Europe: a nonstationary seasonal approach. Climatic Change 113 (2): 371- 392.
    5. Gu H, Wang G, Yu Z, Mei R. 2012. Assessing future climate changes and extreme indicators in east and south Asia using the RegCM4 regional climate model. Climatic Change 114 (2): 301- 317.
    6. Harmsen, E. W. Miller, N. L. Schelgel, N. J. and Gonzalez, J.E. 2009. Seasonal climate change Impactes on Evaportranspiration, Percipitation deficit and crop Yield in Puer Rico. J. of Agricultural Water Management, 96. 1085- 1095.
    7. IPCC. 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovern-mental Panel on Climate Change Intergovernmental Panel on Climate Change Cambridge, United Kingdom and New York,USA
    8. Lhumme, Q. Bellotti, W. Williams, M. Wange, E. 2009. Adaption to Climate change of Whest growing in South Australia: Analysis of Management and breeding Strategies. J. of Agriculture, Ecosystem and Environment, 129. 261-267.
    9. Mahmood R, Babel M. 2013. Evaluation of SDSM developed by annual and monthly sub-models for downscaling temperature and precipitation in the Jhelum basin, Pakistan and India. Theor Appl Climatol 113 (1-2): 27-44.
    10. Mastrandrea MD, Tebaldi C, Snyder CW, Schneider SH. 2011. Current and future impacts of extreme events in California. Climatic Change 10943-70.
    11. Ozkul, S. 2009. Assessment of climate change eifects in Aegean River Basins: The case Of Gediz Buyuk Menders Basins. J. climate change.
    12. Rashid M, Mukand S. 2014. Future changes in extreme temperature events using the Statistical Downscaling Model (SDSM) in the trans-boundary region of the Jhelum River basin. Weather and Climate Extremes. 2014.
    13. Shahriar .P. Geoffrey M. Henebry. 2014. Projections of the Ganges–Brahmaputra precipitation—downscaled from GCM predictors. Journal of Hydrology 517 ,120–134
    14. Sultana,H. Ali, N. Iqbal, M. M. and khan. A. 2009. Vunerability and daptability of Wheat Production in different Climatic Zones of Pakistan under Climate change scenarios. J. Climate change, 94, 123- 142.
    15. Wang XY, Yang T, Shao QX, Acharya K, Wang WG, Yu ZB. 2012. Statistical downscaling of extremes of precipitation and temperature and construction of their future scenarios in an elevated and cold zone. Stoch Env Res Risk a 26 (3): 405-418.
    16. Wetterhall, F. 2005. Statistical Downscaling of Precipitation from Large – scal Atmospheric Circulation – Comparison of methods and Climate Region. Msc dissertation, Faculty Of  Sceince and Technology , UPPSALA University.
    17. Wilby, R. L. Dawson, C. W. 2007. Using SDSM version 4.2 –A decision Support tool from assessment of regional Climate change impacts. User manual.
    18. Wilby, R. L. Dawson, C. W. Barrow, E. M. 2002. SDSM-a Decision Support tool for the assessment of regional Climate change impacts. J. Environmental Modeling and Sothware, 17. 147-159.
    19. Xu, C. Y. 1999. From GCMs to river flow: A review of downscaling methods and hydrologic Modeling approaches, J. physical Geography. 23. 203-228.
    20. Yano, T. Aydin, M. Haraguchi, T. 2007. Impact of Climate change on Irrigation Demand and Crop Growth in a Mediterranean Environment of Turkey. J. Sensors, 7, 2297-2315.