شبیهسازی و پیش‌بینی مؤلفه‌های اقلیمی دما و بارش در مناطق خشک (مطالعه موردی: دشت میناب)
محورهای موضوعی : جغرافیای طبیعیحسن خسروي 1 , حامد اسکندری دامنه 2 , غلامرضا زهتابیان 3 , حسین آذرنیوند 4 , علی اکبر براتی 5
1 - هیات علمی دانشگاه تهران
2 - دانشگاه تهران
3 - دانشگاه تهران
4 - استاد دانشگاه تهران
5 - استادیار دانشگاه تهران
کلید واژه: تغییر اقلیم, گزارش پنجم, سناریو, مناطق خشک,
چکیده مقاله :
در این پژوهش تغییرات متوسط دما و بارش ماهانه دو ایستگاه سینوپتیک بندرعباس و میناب در دو دوره زمانی (2015-2044 و 2074-2045) و بر اساس خروجی مدل گردش عمومی جو CanESM2 و سه سناریو RCP2.6، RCP4.5 و RCP8.5 مورد بررسی قرار گرفت. سپس با استفاده از آزمون من-کندال، روند این دو پارامتر ارزیابی شد. همچنین داده‌های شبیهسازی شده توسط این مدل‌ها با داده‌های مشاهداتی با استفاده از ضرایب (NS, R2 ,RMSE) مورد ارزیابی قرار گرفتند. بررسی این ضرایب، نشان‌دهنده توانایی بالای مدل SDSM در مدل‌سازی پارامتر بارش و دما در هر دو ایستگاه می‌باشد. همچنین نتایج نشان داد که بارش سالانه در سناریو RCP2.6 ایستگاه سینوپتیک بندرعباس و در سناریو RCP4.5 و RCP8.5 ایستگاه میناب کاهش می‌یابد و بیشترین کاهش در مؤلفه بارش در ایستگاه سینوپتیک میناب اتفاق می‌افتد. مقادیر درجه حرارت متوسط در دوره آتی در سناریوی انتشار RCP8.5 بیشتر از سایر سناریوهای انتشار می‌باشد. به طور کلی، این نتایج نشان می‌دهد که مقادیر درجه حرارت در ابتدای قرن 21 در دشت میناب افزایش پیدا خواهد کرد، ولی مؤلفه بارندگی تنها در سناریو RCP2.6 افزایش می‌یابد. در حالی که در میانه قرن (2045-2074) در ایستگاه سینوپتیک میناب و بندرعباس تنها در سناریو RCP2.6، شاهد کاهش دما در مقیاس سالانه می‌باشیم. لذا با کاهش بارش و افزایش دما و نقش آن‌ها در افزایش میزان تبخیر و تعرق، پیشنهاد می‌گردد، برنامه‌ریزان به دنبال راهکار هایی برای مدیریت بهتر منابع آب و اصلاح روش‌های بهره‌برداری از آن به ویژه در بخش کشاورزی، باشند و خود را با شرایط آینده تطبیق دهند.
هn this study, the temperature and precipitation monthly averages of two synoptic stations of Bandar-Abbas and Minab were investigated during two periods (2044-20-2015 and 2074-2074) based on the general atmospheric circulation model outputs (CanESM2) and three scenarios (RCP2.6, RCP4.5 and RCP8.5). Then, the trend of these two parameters was evaluated using Mann-Kendall (MK) test. Also, the simulated and observational data were evaluated using three coefficients including NS, R2, RMSE. The investigation of these coefficients showed high ability of SDSM model for modeling of precipitation and temperature parameters at both stations. According to the results, annual precipitation in RCP2.6 scenario of Bandar-Abbas synoptic station and RCP4.5 and RCP8.5 scenarios of Minab station will decrease and the most reduction of rainfall will be related to Minab synoptic station. The average amount of temperature for the future in RCP8.5 emission scenario is more than other emission scenarios. Generally, these results indicated that temperature values will increase at the beginning of the 21st century in the Minab Plain, and the rainfall will increase just in RCP2.6 scenarios. While in the middle of the 20th century (2074-2045) at Minab and Bandar-Abbas synoptic stations, the temperature reduction is observed only in the RCP2.6 scenarios on an annual scale. Therefore, considering the reduction of rainfall and increasing of temperature and also their role in evapotranspiration enhancement, planners and authorities are recommended to seek solutions for proper management of water resources and modification of utilization methods in these areas, especially in the agricultural section and also use solutions to adapt to the new weather conditions in these regions.
انصاری، مریم؛ توری، غلامرضا؛ فتوحی، صمد (1395). روند تغییرات دما، بارش و دبی با استفاده از آزمون ناپارامتري من-کندال (مطالعه موردي: حوزه آبخیز رودخانه کاجو استان سیستان و بلوچستان). پژوهش نامه مدیریت حوزه آبخیز دوره 7، شماره 3، صفحات 158-152
2. آقاخانی افشار، امیرحسین؛ حسن¬زاده، یوسف؛ بسالت¬پور، علی¬اصغر؛ پوررضا بیلندی، محسن(1395). ارزیابی سالیانه مؤلفه¬های اقلیمی حوزه آبخیز کشف رود در دوره¬های آتی با استفاده از گزارش پنجم هیئت بین¬الدول تغییر اقلیم، نشریه پژوهش¬های حفاظت آب و خاک، دوره 23، شماره 6، صفحات 233-217.
3. اسکندری دامنه، حامد؛ زهتابیان، غلامرضا؛ خسروی، حسن؛ آذرنیوند، حسین؛ براتی، علی اکبر (1399). بررسی روند تغییرات پوشش گیاهی متأثر از خشکسالی در مناطق خشک و نیمهخشک با استفاده از تکنیک سنجش از دور (مطالعۀ موردی: استان هرمزگان). نشریه اکوسیستم بیابان، دوره 9، شماره 28، صفحات 20-13.
4. اسکندری دامنه، هادی؛ اسکندری دامنه، حامد؛ خسروی، حسن؛ غلامی، حمید (1398). تحلیل و پایش خشکسالی با استفاده از شاخص پوشش گیاهیNDVI (مطالعه موردی: حوضه غرب تالاب جازموریان). نشریه مرتع. دوره 13، شماره 3، صفحات 475-461.
5. اسکندری دامنه، حامد؛ زهتابیان، غلامرضا؛ خسروی، حسن؛ آذره، علی (1395). بررسی و تحلیل ارتباط زمانی و مکانی بین خشکسالی هواشناسی و هیدرولوژیکی در استان تهران. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی «سپهر»، دوره 24، شماره 96، صفحات 120-113.
6. امیری، فاطمه؛ لشکری، حسن؛ قربانیان، جبرئیل؛ مرشدی، جعفر (1399). تأثیر تغییر اقلیم بر تقویم زراعی گندم دیم (رقم چمران) مطالعه موردی: دزفول، فصلنامه علمی ـ پژوهشی و بینالمللی انجمن جغرافیایی ایران، دوره 18، شماره65، صفحات 18-5.
7. باقرپور، مهسا؛ سیدیان، سید مرتضی؛ فتح آبادی، ابوالحسن؛ محمدی، امین (1396). بررسی کارایی آزمون من-کندال در شناسایی روند سریهای دارای خودهمبستگی، نشریه علوم آبخیزداری ایران، شماره 36، صفحات 21-11.
8. باهک، بتول. (1392). بررسی احتمال تغییر اقلیم در استان کرمان با روش من–کندال (مطالعه موردي ایستگاه کرمان(. فصلنامه جغرافیایی سرزمین، دوره 10، شماره 39، صفحات 72-65.
9. حقشناس گتابی، رحمان علی؛ محسنی، بهروز؛ حسینی، علیرضا؛ داداشی، نوربخت (1392). بررسی روند تغییر اقلیم استان تهران با استفاده از شاخصهای حدی دما و بارش، پنجمین کنفرانس بینالمللی مدیریت جامع بحرانهای طبیعی، تهران، دبیرخانه دائمی کنفرانس مدیریت جامع بحران.
10. عباسی، فاطمه؛ بابائیان، ایمان؛ حبیبی نوخندان، مجید؛ گلی مختاری، لیلا؛ ملبوسی، شراره؛ عسگری، شمس الله (1389). ارزیابی تاثیر تغییر اقلیم بر دما و بارش ایران در دهههای آینده، با کمک مدل MAGICC-SCENGEN پژوهشهای جغرافیایی، شماره 72، صفحات 109-91.
11. عراقینژاد، شهاب؛ انصاری قوجقار، محمد؛ پورغلام آمیجی، مسعود؛ لیاقت، عبدالمجید؛ بذرافشان، جواد (1397). تأثیر نوسانات اقلیمی بر فراوانی طوفانهای گردوغبار در ایران، مجله علمی پژوهشی مهندسی اکوسیستم بیابان، دوره 7، شماره 21، صفحات 13-32.
12. عساکره، حسین؛ اکبرزاده، یونس (1396). شبیهسازی تغییرات دما و بارش ايستگاه سینوپتیک تبريز طی دوره 2100-2010 با استفاده از -ريزمقیاس نمايی آماریSDSM و خروجی مدل CanESM2، جغرافیا و مخاطرات محیطی، شماره 21، صفحات 174-153.
13. کریمی، مصطفی؛ نبیزاده، عادل (1397). ارزیابی اثرات تغییر اقلیم بر پارامترهای اقلیمی حوضه آبخیز دریاچه ارومیه طی سالهای 2011-2040 با استفاده از مدل Lars-WG. نشریه علمی پژوهشی جغرافیا، دوره 22، شماره 65، صفحات 285-267.
14. گودرزی، محمدرضا؛ فاتحی فر، آتیه (1398). پهنهبندی خطر سیلاب در اثر تغییرات اقلیمی تحت سناریو RCP 8.5 با استفاده از مدل هیدرولوژیکی SWAT در محیطGis (حوضه آذرشهر چای). نشریه تحقیقات کاربردی علوم جغرافیایی، دوره 19 شماره 53، صفحات 117-99.
15. منصوری، افشین؛ امین نژاد، بابک؛ احمدی؛ حسن (1397). بررسی اثر تغییر اقلیم بر رواناب ورودی به مخزن سد کارون 4 براساس گزارشات چهارم و پنجمIPCC. نشریه علوم آب و خاک-علوم و فنون کشاورزی و منابع طبیعی، دوره 22، شماره 2، صفحات 359-345.
16. مهرآذر، آیدا؛ مساح بوانی، مشعل؛ رحیمی خوب، حدیثه (1397). بررسی اثرات تغییراقلیم بر بخش کشاورزی دشت هشتگرد با تأکید بر عدم قطعیت مدلهای AOGCM گزارش ارزیابی پنجمIPCC علوم و مهندسی آبیاری، دوره 41، شماره3، صفحات 45-59.
17. ورشاویان، وحید؛ خلیلی، علی؛ قهرمان، نوذر؛ حجام، سهراب (1390). بررسي روند تغييرات مقادير حدي دماي حداقل، حداکثر و ميانگين روزانه در چند نمونه اقليمي ايران. مجله فيزيك زمين و فضا، دوره 37، شماره 1، صفحات 179-169.
18. Awal, R., Bayabil, H. K., Fares, A., 2016. Analysis of potential future climate and climate Extremes in the Brazos Headwaters basin, Texas. Water, 8(12), 1–18.
19. Cheema, S. B., Rasul, G., Ali, G., Kazmi, D. H., 2011 A comparison of minimum temperature trends with model projections. Pakistan Journal of Meteorology, 8(15), 39-52.
20. Eskandari Damaneh, H., Borji, M., Khosravi, H. and Mesbahzadeh, T., 2017. Desertification of forest, range and desert in Tehran province, affected by climate change. Solid Earth 7 (3), 905-915
21. European Environment Agency, European Commission, World Health Organization (Eds.), 2008. Impacts of Europe's Changing Climate: 2008 Indicator-Based Assessment: Joint EEA-JRC-WHO Report. Office for Official Publications of the European Communities, Copenhagen: Luxembourg. EEA Report No 4/2008, JRC Reference Report No. JRC47756, doi: 10.2800/48117.
22. Goyal, M., Burn, D. and Ojha, C.S.P., 2012. Evaluation of machine learning tools as a statistical downscaling tool: temperatures projections for multi-stations for Thames River Basin, Canada. Theoretical and Applied Climatology 108, 519 -534.
23. IPCC- TGCIA. 2007: Guidelines on the Use of Scenario Data for Climate impact and Adaption Assessment. Version 2. Prepared by Carter, T. R. Hulme, M. and Lal, M. Intergovermental Panel on Climate change, Task Group on Scenarios for Climate Impact Assessment, 66 PP.
24. IPCC, 2013. Summary for policymakers. 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. (2013). Climate Change: The Physical Science Basis, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
25. IPCC. 2007. Climate Change 2007: the physical science basis. In: Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M., Miller H.L. (Eds), Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge.
26. Kazmi, D. H., Rasul, G., Li, J., Cheema, S. B., 2014. Comparative study for ECHAM5 and SDSM in downscaling temperature for a geo-climatically diversified region, Pakistan. Applied Mathematics, 5(1), 137.
27. Keggenhoff, I., Elizbarashvili, M., Amiri-Farahani, A., King, L., 2014.Trends in daily temperature and precipitation extreme sover Georgia., 1971–2010. Weather and Climate Extremes. 4:75–85.
28. Kendall, M. G., 1975. Rank Correlation Methods. 4th ed.Charles Griffin: London
29. Khosravi, H., Azareh, A., Dameneh, H. E., Sardoii, E. R., & Dameneh, H. E., 2017. Assessing the effects of the climate change on land cover changes in different time periods. Arabian Journal of Geosciences, 10(4), 93.
30. Khosravi, H., Eskandari Dameneh, H., Eskandari Dameneh, H., Borji, M., Nakhaee Nejadfard, S., 2018. Drought Trend Assessment in Riverheads of Karkheh and Dez Basins based on Streamflow Drought Index (SDI). Desert Ecosystem Engineering Journal, 1(2), 45-54.
31. Khosravi, H., Sajedi Hosseini, F., Nasrollahi, M., Gharechaee, H. R., 2017. Trend analysis and detection of precipitation fluctuations in arid and semi-arid regions. Desert, 22(1), 77-84.
32. Mann, H.B., 1945. Nonparametric tests against trend.Econometrica, 13, 245–259.
33. Maraun, D., Wetterhall, F., Ireson, A.M., Chandler, R.E., Kendon, E.J., Widmann, M. Brienen, S., 2010. Precipitation downscaling under climate change: Recent developments to bridge the gap between dynamical models and the end user. Reviews of Geophysics 48(3), 1-34.
34. Nilawar, A. P., Waikar, M. L., 2019. Impacts of climate change on streamflow and sediment concentration under RCP 4.5 and 8.5: A case study in Purna river basin, India. Science of The Total Environment, 650, 2685-2696.
35. Noor, M., Ismail, T., 2018. DOWNSCALING OF DAILY AVERAGE RAINFALL OF KOTA BHARU KELANTAN, MALAYSIA. Malaysian Journal of Civil Engineering 30(1),13-22.
36. Pholkern, K., Saraphirom, P., Srisuk, K., 2018. Potential impact of climate change on groundwater resources in the Central Huai Luang Basin, Northeast Thailand. Science of The Total Environment, 633, 1518-1535.
37. Rowell, D.P., Senior, C.A., Vellinga, M., and Graham, R.J. 2016. Can climate projection uncertainty be constrained over Africa using metrics of contemporary performance Climate Change. 134: 621-633.
38. Tan, M. L., Yusop, Z., Chua, V. P., & Chan, N. W. (2017). Climate change impacts under CMIP5 RCP scenarios on water resources of the Kelantan River Basin, Malaysia. Atmospheric Research, 189, 1-10.
39. Weli, V. E., Nwagbara, M. O., Ozabor, F., 2017. The Minimum and Maximum Temperature Forecast Using Statistical Downscaling Techniques for Port-Harcourt Metropolis, Nigeria. Atmospheric and Climate Sciences, 7(04), 424.
40. Wilby, R. L., Dawson, C. W., 2013. The statistical downscaling model: insights from one decade of application. International Journal of Climatology. (7)33,1719-1707
41. Wilby, R. L., Dawson, C. W., Barrow, E. M., 2002. SDSM—a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software.17 (2). 157-145.
42. Zachariadis, T., Hadjinicolaou, P., 2014. The effect of climate change on electricity needs–a case study from Mediterranean Europe. Energy, 76, 899-910.
