بررسی تغییرات مکانی‌ـ زمانی بارش و دمای ایران تحت شرایط تغییر اقلیم با در‌نظر‌گرفتن عدم قطعیت مدل‏ های AOGCM و سناریوهای انتشار

نوع مقاله : پژوهشی

نویسندگان

استادیار گروه آب و خاک، دانشکدۀ کشاورزی، دانشگاه صنعتی شاهرود

چکیده

تأثیرات تغییر اقلیم بر دما و به‌ویژه بارش سراسر جهان به‌دلیل پیچیدگی و تغییرات مکانی آنها به‌خوبی شناخته نشده است. در این مطالعه به‌منظور بررسی تأثیرات تغییر اقلیم بر بارش و دمای ایران، 15 مدل AOGCM استفاده شدند که تحت سناریوهای انتشار گازهای گلخانه‏ای A2، A1B و B1 اجرا می‏شوند. همچنین بارش و دمای ماهانه برای 21 ایستگاه سینوپتیک در دو دورۀ آتی (2016‌ـ 2045 و 2070‌ـ 2099)، تحت هر سه سناریوی انتشار محاسبه شد. نتایج نشان داد در هر دو دورۀ آتی، افزایش دما در ماه‏های تابستان نسبت به ما‏ه‏های زمستان بیشتر است. در دورۀ آتی نخست هر سه سناریوی انتشار افزایش دمای یکسانی (حدود 1تا 5/1 درجه) را پیش‏بینی می‏کنند و تغییرات بارش در این دوره در ایستگاه‏های مختلف چشمگیر نیست؛ اما در دورۀ آتی 2070‌ـ 2099 سناریوی A2 بیشترین افزایش دما و سناریوی B1 کمترین افزایش دما را پیش‏بینی می‏کنند. در این دوره انتظار می‏رود تحت سناریوی بحرانی A2 دمای متوسط سالانۀ کشور در مناطق مرکزی و حاشیۀ دریای خزر حدود 5/3 درجۀ سانتی‌گراد و در دیگر مناطق تا حدود 5/4 درجۀ سانتی‌گراد افزایش یابد. همچنین مشخص شد در دورۀ آتی دوم تحت سناریوی بحرانی A2 فقط در استان گیلان و تا حدودی استان اردبیل افزایش بارش خواهیم داشت و در دیگر مناطق کشور شاهد کاهش بارندگی خواهیم بود. به‌طور کلی، می‏توان نتیجه گرفت که در دورۀ آتی نخست حجم بارش سالانۀ کل کشور حدود 02/1 میلیارد متر‌مکعب (حدود 25/0 درصد) و در دورۀ آتی دوم حدود 52/16 میلیارد متر‌مکعب (حدود 13/4 درصد) کاهش خواهد یافت.
 

کلیدواژه‌ها

موضوعات

مراجع

  1.  

    1. IPCC. Technical summary. In: Climate change 2001: Impacts, adaptations and mitigation of climate change: scientific–technical analyses, eds. Watson, RT, Zinyowera MC, Moss RH, contribution of working group to the second assessment report of the intergovernmental panel on climate change. Cambridge university press, Cambridge. 2001; 1–53.
    2. IPCC. Climate change. The science of climate change. Contribution of working group I to the second assessment report of the intergovernmental panel on climate change. Eds. Houghton JT, Filho LGM, Callander BA, Harris N, Attenberg A, Maskell K. Cambridge University Press, Cambridge. 2001.
    3. Lobell BD, Sibley A, Ortiz-Monasterio JI. Extreme heat effects on wheat senescence in India. Nature Climate Change. 2012; 2: 186-189.
    4. FAO. Adaptation to climate change in agriculture, forestry and fisheries: Perspective, framework and priorities. Interdepartmental Working Group on Climate Change. Rome. Available on: http://www.fao.org. 2007;
    5. Ruiz-Ramos M, Minguez MI. Evaluating uncertainty in climate change impacts on crop productivity in the Iberian Peninsula. Climate Research. 2010; 44: 69-82.
    6. IPCC-TGICA. General guidelines on the use of scenario data for climate impact and adaptation assessment. eds. Carter, T.R. 2007. Version 2, 71p. Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment.
    7. Allan RP, Soden BJ. Atmospheric warming and the amplification of precipitation extremes. Science. 2008; 321: 1481–1483.
    8. Delghandi M, Risk Assessment of climate change impact on potential evapotranspiration (Case study: Shahrood region). Iranian of Irrigation & Water Engineering. 2016; 23: 156-167. [Persian].
    9. Tapiador FJ, Sanchez E, Gaertner MA. Regional changes in precipitation in Europe under an increased greenhouse emissions scenario. Geophysical Research Letters. 2007; 34: L06701.
    10. Parracho AC, Melo-Gonçalves P, Rocha A. Regionalization of precipitation for the Iberian Peninsula and climate change. Physics and Chemistry of the Earth. 2015;  94: 146-154
    11. Rodriguez-Puebla C, Encinas, AH, Nieto S, Garmendia J. Spatial and temporal patterns of annual precipitation variability over the Iberian Peninsula. International Journal of Climatology. 1998; 18: 299-316.
    12. Tramblay Y, Badi W, Driouech F, El Adlouni S, Neppel L, Servat E. Climate change impacts on extreme precipitation in Morocco. Global and Planetary Change. 2012; 82-83: 104–114.
    13. Wu F, Wang , Cai Y, Li Ch, Spatiotemporal analysis of precipitation trends under climate change in the upper reach of Mekong River basin. Quaternary International. 2016; 392 (21): 137–146.
    14. Willems P, Vrac M. Statistical precipitation downscaling for small-scale hydrological impact investigations of climate change. Journal of Hydrology. 2011; 402: 193-205.
    15. Poulter B, Pederson N, Liu H, Zhu Z, D’Arrigo R, peCiais P, et al. Recent trends in Inner Asian forest dynamics to temperature and precipitation indicate high sensitivity to climate change Agricultural and Forest Meteorology. 2013; 178–179: 31–45.
    16. Helfer F, Lemckert C, Zhang H. 2012. Impacts of climate change on temperature and evaporation from a large reservoir in Australia. Journal of Hydrology 2012; 475: 365–378.
    17. Ribalayguaa J,  Rosa Pinob M, Pórtolesa J, Roldán E, Gaitána E, Chinarro D, et al. Climate change scenarios for temperature and precipitation in Aragón (Spain). Science of The Total Environment. 2013;  463-464: 1015–1030.
    18. Almazroui M, Saeed F,  Nazrul Islam Md,  Alkhalaf AK. Assessing the robustness and uncertainties of projected changes in temperature and precipitation in AR4 Global Climate Models over the Arabian Peninsula. Atmospheric Research. 2016; 182 (15): 163–175.
    19.  Gulacha MM, Mulungu DMM. 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, 2016: In press.
    20.  Carvalho MJ, Gonçalves PM, Teixeira JC,  Rocha A. Regionalization of Europe based on a K-Means Cluster Analysis of the climate change of temperatures and precipitation. Physics and Chemistry of the Earth. 2016; 94: 22–28.
    21. Gonçalves PM, Rocha A, Santosb JA. Robust inferences on climate change patterns of precipitation extremes in the Iberian Peninsula. Physics and Chemistry of the Earth. 2016; 94: 114–126.
    22.  Piras M, Mascaro G, Deidda R, Vivon ER. Impacts of climate change on precipitation and discharge extremes through the use of statistical downscaling approaches in a Mediterranean basin. Science of The Total Environment. 2016; 543: 952–964.
    23. Kouhestani S,  Eslamian SS, Abedi-Koupai J,  Besalatpour AA. Projection of climate change impacts on precipitation using soft-computing techniques: A case study in Zayandeh-rud Basin, Iran. Global and Planetary Change. 2016; 144:158–170.
    24. Hamidianpour M, Baaghideh M, Abbasnia M. Assessment of the Precipitation and Temperature Changes over South East Iran Using Downscaling Of General Circulation Models Outputs.Physical Geography Research Quarterly. 2016; 48 (1): 107-123. [Persian].
    25. Pirmoradian N, Hadinia H, Ashrafzadeh A. Prediction of Minimum and Maximum Temperature, Radiation and Precipitation in Rasht Synoptic Station under Different Climate Change Scenarios. Journal of Geography and Planning. 2016; 55: 29-44. [Persian].
    26. Rezaei M, Nohtani M, Moghaddamnia A, Abkar A, Rezaei M. Long- term Precipitation Prediction Using Statistical Downscaling Model. Water and Soil Science. 2016; 26 , 1(2):115-127. [Persian].
    27. Taei Semiromi S, Moradi HR, Khodagholi M. Simulation and prediction some of climate variable by using multi line SDSM and Global Circulation Models (Case study: Bar Watershed Nayshabour). Journal of Human and Environment. 2014; 12 (28): 1-15. [Persian].
    28. Khazaei MR, Byzedi M. Climate Change Impact on Annual Meteorological and Hydrological Variables of the Sirvan Basin. Iran-Water Resources Research. 2016; 12 (2): 38-48. [Persian].
    29. Salajegheh A, Rafiei Sardooei E, Moghaddamnia A, Malekian A, Araghinejad Sh, Khalighi Sigaroodi Sh,et al. Prediction of Climatic Variables using Statistical Downscaling Model (SDSM) in Future under Scenario A2. Desert Management. 2016; 7: 12-25. [Persian].
    30. López-Moreno JI, Vicente-Serrano SM, Angulo-Martínez M, Beguerías S, Kenawy A. Trends in daily precipitation on the northeastern Iberian Peninsula, 1955–2006International Journal of Climatology. 2009; 30: 1026–1041.
    31. Ghabaei Sough M, Mosaedi A. Modification of Reconnaissance Drought Index (RDI) based on the best method of evapotranspiration estimation and probability distribution function. Journal of Range and Watershed Management. 2014; 66 (4): 565-582. [Persian].
    32. Wilby RL, Harris I. A framework for assessing uncertainties in climate change impacts: low flow scenarios for the River Thames, UK. Water Resources Research. 2006; 42 (2): W02419.
    33. IPCC- TGCIA. Guidelines on the use of scenario data for climate impact and adaptation assessment. eds. Carter TR, Hulme M, Lal M.. Intergovernmental Panel on Climate Change, Task Group on Scenarios for Climate Impact Assessment. 1999; 1: 69 pp.
    34. Lobell DB, Ortiz-Manasterio I. Evaluating strategies for improved water use in spring wheat with CERES. Agricultural Water Management. 2006; 84: 249-258.
مجله اکوهیدرولوژی
دوره 3، شماره 3
مهر 1395
صفحه 321-331

فایل ها

سابقه مقاله

  • تاریخ دریافت: 06 مهر 1395
  • تاریخ بازنگری: 18 آذر 1395
  • تاریخ پذیرش: 26 آذر 1395
  • تاریخ اولین انتشار: 26 آذر 1395
  • تاریخ انتشار: 01 مهر 1395

هم رسانی

ارجاع به این مقاله

آمار