ارزیابی تغییر اقلیم ایستگاه بجنورد طی دورۀ 2016 تا 2050 با استفاده از مدل‌های ریزمقیاس‌نمایی LARS WG و SDSM

نوع مقاله : پژوهشی

نویسندگان

1 دانشیار دانشکدۀ جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار

2 دانشیار دانشکدۀ علوم و فنون نوین دانشگاه تهران

3 دانشجوی دکتر‌ی اقلیم‌شناسی شهری، دانشکدۀ جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار

4 دانشجوی دکتر‌ی تغییر اقلیم، دانشکدۀ جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار

5 دانشجوی کارشناسی ارشد اکوهیدرولوژی، دانشکدۀ علوم و فنون نوین، دانشگاه تهران

چکیده

اقلیم زمین همواره ‌در حال تغییر بوده است، ولی روند فعلی تغییرات اقلیمی زمین به‌دلیل تأثیر انسان بر آن، اهمیت بی‌سابقه‌ای پیدا کرده است. در پژوهش حاضر برای ارزیابی تغییرات اقلیمی در ایستگاه بجنورد از مدل‌های‌ LARS WG و SDSM به منظور ریزمقیاس‌نمایی استفاده شده است. در هر دو مدل سناریوهای A و B ‌بررسی شده، اما در مدل SDSM از سناریوهای جدید RCP نیز استفاده شده است. نتایج بررسی وضعیت ایستگاه از نظر دما این نکته را روشن می‌کند که متوسط دمای ایستگاه طی دورۀ مطالعه حدود 52/13 درجۀ سانتی‏گراد است، اما بعد از سال 2000 دمای ایستگاه بیشتر از میانگین درازمدت آن قرار گرفته است. نتایج مدل LARS WG نشان می‏دهد بارش در ایستگاه تا سال 2050 افزایش می‏یابد. در سناریوی B1 مقدار افزایش بارش تا سال 2050، 258 میلی‏متر برآورد شده که 16 میلی‏متر بیشتر از بارش پایه است و تمامی فصول در این سناریو افزایش بارش دارند و مقدار افزایش در سناریوی A2 به میزان 256 میلی‌متر در سال می‏رسد. در مدل SDSM بارش افزایش می‏یابد و این افزایش بارش در سناریوهای A2 و B1 بیشتر از سناریوهای RCP است. این مقدار در سناریوی A2، 289 میلی‏متر؛ در سناریوی B2، ‌294 میلی‏متر؛ در سناریوی 6/2 RCP، این مقدار 264 میلی‏متر؛ در سناریوی 5/4 RCP، 273 میلی‏متر و در سناریوی 5/8 RCP، این مقدار 264 میلی‏متر افزایش می‏یابد. ‌در مدل LARS WG دمای کمینه در هر دو حالت روند افزایشی دارد و بیشترین مقدار افزایش دمای کمینه به فصل زمستان سناریوی A2 به میزان 8/0 درجۀ سانتی‏گراد مربوط است. از نظر ماهانه در هر دو سناریو دمای بیشینه در ماه‏های مارس، آوریل و می بیشترین افزایش را نسبت به دیگر فصول را دارد. مدل SDSM ‌دمای بیشینه و کمینۀ سالانۀ کمتری را نسبت به دورۀ پایه نشان می‏دهد؛ اما از نظر ماهانه ماه‏های مارس، آوریل و می هم ‏دمای کمینه افزایش‏ یافته و هم‏ دمای بیشینه افزایش می‏یابد که نشان‌دهندۀ تطابق نتایج هر دو مدل با هم است.

کلیدواژه‌ها

موضوعات


[1].   Mozafari gh, shafiei sh. predictive and spatial analysis drought in Yazd province in the period from 2030 to 2011 AD using general circulation models of the atmosphere International Conference on Architecture. International Conference on Architecture, Urbanism, Civil Engineering, Art, Environment Future Horizons & Retrospect. tehran. 2015:1-9. [Persian]
[2].   kelanki m and karandish f. Forecasting the long-term effects of climate change on climatic components in the region wet, journal of Water and Irrigation Engineering,2015,20(5),131-148. [Persian]
[3].   Tirgarfakheri f, arezomandi f. Application downscaling of GCMs to create a map of rainfall on the southern shores of the Caspian. International Symposium on Environmental and Water Resources Engineering. tehran: Environmental and Water Resources Engineering. 2015:1-10.[Persian]
[4].    Mazafari gh,moradi h,khodaqoli m. Evaluation of drought conditions in Sistan and Balouchestan province during 1391 – 1410 Using the finer scale of exponential data of the general circulation model of the atmosphere.Quarterly Journal of Geographical Information.2014;93.[Persian]
[5].   Falah ghalhari gh. Climate data downscaling. Publisher sokhan gostar. Second volume.[Persian]
[6].   Lüliu L, Zhaofei L, Xiyan R, Thomas F, Ying X. Hydrological impacts of climate change in the Yellow River Basin for the 21st century using hydrological model and statistical downscaling model. Quaternary International.2011; 244(2):211-220.
[7].   Saadatfar A, Barani H, Bahremand A, Massah Bavani A, Sepehry A, Abedi A. Statistical Downscaling HadCM3 Model for Detection and Perdiction of Seasonal Climatic Variations (Case Study: Khabr Rangeland, Kerman, Iran). Journal of Rangeland Science. 2013; 3(3).[Persian]
[8].   Aida T, Thamer A, Abdul H, MalekM, Mashohor S. Potential Impacts of Climate Change on Precipitation and Temperature at Jor Dam Lake, Pertanika.J. Sci. & Technol. 2016;24 (1): 213 – 224.
[9].   Goodarzi E, Massah Bavani A, Dastorani M, Talebi A. Evaluating effect of downscaling methods; change-factor and LARS-WG on surface runoff (A case study of Azam-Harat River basin, Iran).Desert.2014; 19(2): 99-109.[Persian]
[10].       Rashid M, Mukand S. Future changes in extreme temperature events using the statistical downscaling model (SDSM) in the trans-boundary region of the Jhelum river basin.2014; 5(66): 56–66.
[11].       Arun Mondalp, Deepak K,  Kundu S. Change in rainfall erosivity in the past and future due to climate change in the central part of India.2016;4(3):186-194.
[12].       Rezaei m, nohtani m, abkar a, mehri mirkazehi m. Performance Evaluation of Statistical Downscaling Model (SDSM) in Forecasting Temperature Indexes in Two Arid and Hyper Arid Regions (Case Study: Kerman and Bam). Journal of Watershed Management Research.2014; 4(14): 113-177.[Persian]
[13].       kelanki m and karandish f. Forecasting the long-term effects of climate change on climatic components in the region wet, journal of Water and Irrigation Engineering,2015,20(5),131-148. [Persian]
[14].        Dehqan z, fathian f,eslamian s. Comparative evaluation of SDSM, IDW and LARS-WG models to simulate and fine-scale the temperature and precipitation.Water and Soil Journal.2013; 29(5).[Persian]
[15].       Semenov M, Barrow E. LARS-WG A Stochastic Weather Generator for Use in Climate Impact Studies. 2002.
[16].       Wilby R, Dawson C, Barrow E. SDSM – a decision support tool for the assessment of regional climate change impacts. Environmental and Modelling Software.2002; 17: 145-157.
[17].       Falah ghalhari gh. Climate data downscaling. Publisher sokhan gostar. First volume.[Persian]
دوره 6، شماره 1
فروردین 1398
صفحه 99-109
  • تاریخ دریافت: 01 شهریور 1397
  • تاریخ بازنگری: 03 آذر 1397
  • تاریخ پذیرش: 03 آذر 1397
  • تاریخ اولین انتشار: 01 فروردین 1398
  • تاریخ انتشار: 01 فروردین 1398