عدم قطعیت حداکثر بارش روزانه تحت سناریوهای انتشار گازهای گلخانه‏ای در افق 2040 (مطالعۀ موردی: استان خراسان رضوی)

نوع مقاله : پژوهشی

نویسنده

استادیار گروه مهندسی عمران، دانشگاه صنعتی جندی‌شاپور

چکیده

امروزه افزایش غلظت گازهای گلخانه‏ای ناشی از فعالیت‏های بشری عامل اصلی تغییرات آب و هوایی به‌شمار می‏آید. افزایش دمای جهانی نیز فراوانی وقوع بارش‏های حدی را در بسیاری از مناطق دگرگون ساخته است. این پژوهش تحلیلی از  چگونگی تغییر فراوانی بیشترین بارش روزانه در استان خراسان رضوی تحت سه سناریوی انتشار گازهای گلخانه‏ای در دورۀ 2021- 2040 ارائه می‏کند. سری‏های بیشترین بارش روزانه در دورۀ آتی برای 23 ایستگاه بررسی‌شده با توسعۀ یک مدل ریزمقیاس نمایی ناپارامتریک برای مناطق خشک و نیمه‌خشک تصویرسازی می‏شوند. عدم قطعیت سناریوهای تغییر اقلیم نیز با استفاده از یک برآوردگر پارامتریک در سه سطح ریسک (25، 50‌ و 75 درصد) به تفکیک نوع سناریوی انتشار فرموله شدند. تحلیل فراوانی سری‏های حداکثر نشان می‏دهد که شدت بارش‏های روزانه در سطح ریسک 50 درصد نسبت به دورۀ پایه 1993‌ـ 2012 بین 9/22- درصد تا 5/20 درصد تغییر خواهد کرد، که دوره‏‏های بازگشت بالاتر دامنۀ وسیع‌تری از تغییر را به‌خود اختصاص داده‏اند. به‌طور‌کلی، مناطق مرکزی و جنوبی افزایش کمتری را نسبت به نواحی شمالی استان شاهد خواهند بود. با افزایش غلظت گازهای گلخانه‏ای نیز نواحی بیشتری دچار کاهش بارش‏ها می‏شوند، که این تأثیر بر بارش‏ها با دورۀ بازگشت کمتر، شدیدتر خواهد بود. همچنین مناطق پرباران شدت سیل‌خیزی بیشتری را پیش رو خواهند داشت؛ و در‌مقابل مناطق کم‌باران کاهش شدیدتری را متحمل می‏شوند. با کاهش سطح ریسک نیز بیشترین بارش روزانه در آینده افزایش خواهد یافت؛ که به این موضوع باید در طراحی سازه‏های پراهمیت ‌توجه خاص شود.
 
 
 

کلیدواژه‌ها

موضوعات


[1] سیدکابلی، حسام؛ آخوندعلی، محمدعلی؛ مساح بوانی،علیرضا و رادمنش، فریدون، 1391. «ارائۀ مدل ریز‌مقیاس نمایی داده‌های اقلیمی براساس روش ناپارامتریک نزدیک‌ترین همسایگی (KNN)». نشریۀ آب و خاک، 26(4): 1063-799.
[2] Abbaspour, K.C., Faramarzi, M., Ghasemi, S.S. and Yang, H., 2009. Assessing the impact ofclimate change on water resources in Iran. Water Resources Research 45, W10434.
[3] Beniston M., Stephenson, D. B., Christensen, O. B., Ferro, C. A. T., Frei, C., Goyette, S., Halsnaes, K., Holt, T., Jylhä, K., Koffi, B., Palutikof, J., Schöll, R., Semmler, T. and Woth, K., 2007. Future extreme events in European climate: an exploration of regional climate model projections. Climatic Change 81(s.1): 71-95.
[4] Brissette, F., Leconte, R. and Khalili, M., 2007. Efficient stochastic generation of multi-site synthetic precipitation data. Journal of Hydrology, 345,121-133.
[5] Buytaert, W., Ce´lleri, R. and Timbe, L., 2009. Predicting climate change impacts on water resources in the tropical Andes: Effects of GCM uncertainty, Geophysical Research Letters, 36, L07406, doi:10.1029/2008GL037048.
[6] Emori, S., and Brown, S. J., 2005. Dynamic and thermodynamic changes in mean and extreme precipitation under changed climate. Geophys. Res. Lett., 32, L17706.
[7] Fowler, H. J., Ekström, M., Blenkinsop, S. and Smith, A. P., 2007. Estimating change in extreme European precipitation using a multimodel ensemble. J. Geophys. Res., 112, D18104.
[8] Frich, P., Alexander, L.V., Della-Marta, P., Gleason, B., Haylock, M., Klein Tank, A. M.G. and Peterson, T., 2002. Observed coherent changes in climatic extremes during the second half of the twentieth century. Climate Research 19, 193–212.
[9] Goyal M. K., Burn, D. H. and C.S.P.Ojha, 2012. Precipitation Simulation based on k-Nearest Neighbour Approach using Gamma Kernel. ASCE Journal of Hydrologic Engineering, doi:10.1061/(ASCE)HE.1943-5584.0000615.
[10] Helfer F., Lemckert C., and Zhang H., 2012. Impacts of climate change on temperature and evaporation from a large reservoir in Australia. Journal of Hydrology, 475: 365–378.
[11] Intergovernmental Panel on Climate Change (IPCC) 2007. Climate change 2007: The physical science basis—Summary for policy makers.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Intergovernmental Panel on Climate Change, Geneva.
[12] Kharin, V. V., Zwiers, F. W., Zhang, X. and Hegerl, G. C., 2007.Changes in temperature and precipitation extremes in the IPCCensemble of global coupled model simulations. J. Clim., 20, 1419–1444.
[13] Krishnamurthy, S.K.B., Lall, U. and Kwon, H., 2009. Changing Frequency and Intensity of Rainfall Extremes over India from 1951 to 2003. Journal of Climate (22), 4737-4746, DOI: 10.1175/2009JCLI2896.1.
[14] Mailhot, A., Duchesne, S., Caya, D. and Talbot, G., 2007. Assessment of future change in intensity-duration-frequency (IDF) curves for southern Quebec using the Canadian Regional Climate Model (CRCM). Journal of Hydrology 347, 197-210.
[15] Minville M., Brissette F. and Leconte R. 2008. Uncertainty of the impact of climate change on the hydrology of a Nordic watershed. Journal of Hydrology, 358: 70-83
[16] Prodanovic P. 2008. Response of Water Resources Systems to Climate Change. Ph.D. dissertations, Department of Civil and Environmental Engineering, The University of Western Ontario, London, Ontario, Canada. 356pp.
[17] Prudhomme, C., Jakob, D. and Svensson C., 2003. Uncertainty and climate change impact on the flood regime of small UK catchments, Journal of Hydrology, 277, 1 – 23.
[18] Sharif, M. and Burn, D.H., 2006. Simulating climate change scenarios using an improved K-nearst neighbor model. Journal of Hydrology 325,179-196.
[19] SolaimanT.A. and Simonovic, S. P., 2011a. Quantifying Uncertainties in the Modelled Estimates of Extreme Precipitation Events at Upper Thames River Basin. Water Resources Research Report no. 067, Facility for Intelligent Decision Support, Department of Civil and Environmental Engineering, London, Ontario, Canada, 64 pages.
[20] SolaimanT.A., Simonovic, S. P., 2011b. Development of Probability Based Intensity-Duration-Frequency Curves under Climate Change. Water Resources Research Report no. 072, Facility for Intelligent Decision Support, Department of Civil and Environmental Engineering, London, Ontario, Canada, 94 pages. ISSN: (print) 1913-3200; (online) 1913-3219.
[21] Stainforth, D. A., Downing, T. E., Lopez, R. W. A. and New, M., 2007. Issues in the interpretation of climate model ensembles to inform decisions, Philos. Trans. R. Soc., Ser. A, 365, 2163–2177.
[22] Tank, A.K., Wijngaard, J. and van Engelen, A., 2002. Climate of Europe. Assessment of observed daily temperature and precipitation extremes. European Climate Assessment. De Bilt, The Netherlands. ISBN 90-396- 2208-9.
[23] ToewsM.W. and Allen D.M., 2009. Evaluating different GCMs for predicting spatial recharge in an irrigated arid region. Journal of Hydrology, 374: 265-281
[24] Tolika K., Anagnostopoulou C., Maheras P. and Vafiadis M. 2008. Simulation of future changes in extreme rainfall and temperature conditions over the Greek area: A comparison of two statistical downscaling approaches. Global and Planetary change, 63, 132-151.
[25] Yi Zheng, Y., Wanga, W., Han, F. and Ping,J., 2001. Uncertainty assessment for watershed water quality modeling: A Probabilistic Collocation Method based approach. Advances in Water Resources, 34, 887-898.
 
دوره 2، شماره 4
دی 1394
صفحه 455-465
  • تاریخ دریافت: 26 شهریور 1394
  • تاریخ بازنگری: 06 اسفند 1394
  • تاریخ پذیرش: 06 اسفند 1394
  • تاریخ اولین انتشار: 06 اسفند 1394
  • تاریخ انتشار: 01 دی 1394