شبیه‌سازی تغییرات دما و بارش ایستگاه سینوپتیک تبریز طی دوره (2100-2010) با استفاده از ریزمقیاس نمایی آماری (SDSM) و خروجی مدل CanESM2

جغرافیا و مخاطرات محیطی

مقاله 4، دوره 6، شماره 1 - شماره پیاپی 21، فروردین 1396، صفحه 153-174   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/geo.v6i1.54791

نویسندگان

حسین عساکره¹؛ یونس اکبرزاده^{* 2}

¹nhka'hi زنجان

²دانشگاه زنجان

چکیده

مدل‌های GCM به‌طور وسیع برای ارزیابی تغییر اقلیم در یک مقیاس جهانی استفاده می‌شود؛ اما خروجی این مدل‌ها برای ارزیابی تغییرات اقلیمی در سطح محلی و منطقه‌ای کافی و دقیق نیست. در این مقاله با استفاده از مدل SDSM خروجی مدل تغییر اقلیم canESM2 را در منطقه مورد مطالعه به‌وسیله داده‌های مشاهداتی ایستگاه تبریز که دارای آمار بلندمدت اقلیمی است، ریزمقیاس نموده و با در نظر گرفتن سناریوهای تغییر اقلیم RCP2.6، RCP4.5 و RCP8.5برای دوره‌های آیندۀ 2039-2010، 2069-2040 و 2099-2070 تغییر اقلیم منطقه مورد نظر، مورد ارزیابی قرار گرفته است. مشاهدات روزانه حداقل و حداکثر دما، بارش برای دوره پایۀ 1990-1960 به عنوان ورودی وارد مدل شده است. نتایج خروجی مدل ریزمقیاس نشان می‌دهد که در دوره‌های آینده دما در ایستگاه تبریز بر اساس سه سناریوی مورد بررسی افزایش خواهد یافت. این افزایش برای دوره 2069-2040 و 2099-2070 محسوس‌تر خواهد بود. در ایستگاه تبریز به‌طورکلی بارش در سه سناریوی مورد بررسی برای دو دوره 2039-2010 و 2099-2070 کاهش و برای دوره 2069-2040 افزایش می‌یابد. همچنین بارش به‌طورکلی در فصل زمستان افزایش و بقیه فصول با کاهش بارش مواجه خواهد بود. تغییرات میانگین حداقل دمای ایستگاه تبریز در کلیه ماه‌ها به‌غیراز ماه نوامبر و دسامبر در دوره‌های آینده افزایش داشته است. حداقل دما در سه سناریوی مورد بررسی برای سه دوره مورد مطالعه افزایش می‌یابد. همچنین حداقل دما به‌طورکلی در تمام فصول افزایش می‌یابد که در فصل تابستان تا 8 درجه نیز افزایش دما مشاهده می‌گردد.

کلیدواژه‌ها

بارش؛ دما؛ تغییر اقلیم؛ تبریز

مراجع

خزانه داری، لیلی؛ کوهی، منصوره؛ قندهاری، شهزاد؛ آسیایی، مهدی؛ 1387. تغییر اقلیم، علل، اثرات و راه حل‌ها. مشهد: انتشارات پاپلی. ترجمه. 364 صفحه.

دهقانی پور، امیر حسین؛ حسن زاده، محمد جواد؛ عطاری، جلال؛ عراقی نژاد، شهاب؛ 1390. ارزیاتی توانمندی مدل SDSM در ریز مقیاس نمایی بارش، دما و تبخیر )مطالعه موردی: ایستگاه سینوپتیک تبریز(. یازدهمین سمینار سراسری آبیاری و کاهش تبخیر، 20-18 بهمن ماه 1390. کرمان.

گل محمدی، مریم؛ مساح بوانی، علیرضا؛ 1390. بررسی تغییرات شدت و دوره بازگشت خشکسالی حوضه قره سو در دورههای آتی تحت تأثیر تغییر اقلیم. نشریه آب و خاک (علوم و صنایع کشاورزی). جلد 25. شماره 2. خرداد – تیر1390. 326-315.

محمدی، سولماز؛ مهدی نژاد، حسین؛ امیراصلانی، شاهرخ؛ 1389. بررسی اثرات تغییرات اقلیم بر روی پارامترهای هواشناسی و آبشناختی حوضه آبریز. اولین کنفرانس ملی پژوهش‌های کاربردی منابع آب ایران. 23-21 اردیبهشت ماه 1389. کرمانشاه.

Chaumont, D. (2014). A guidebook on climate scenarios: Using climate information to guide adaptation research and decisions.

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.

Fowler, H. J., Blenkinsop, S., & Tebaldi, C. (2007). Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modelling. International journal of climatology, 27(12), 1547-1578.

Karamouz, M., Fallahi, M., Nazif, S., & Rahimi Farahani, M. (2009). Long lead rainfall prediction using statistical downscaling and artificial neural network modeling. Scintia Iranica, 16(1), 165-72.

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.

Giorgi F., B. Hewitson, J. Christensen, M. Hulme, H. Von Storch, P. Whetton, R. Jones, L. Mearns and C. Fu, (2001). Regional climate information – Evaluation and projections. In: Climate Change 2001: The Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change (J. T. Houghton, Y. Ding, D. J. Griggs, M. Noguer, P. J. van der Linden, X. Dai, K. Maskell and C. A. Johnson, Eds.). Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. 583-638.

Meenu, R., Rehana, S., & Mujumdar, P. P. (2013). Assessment of hydrologic impacts of climate change in Tunga–Bhadra river basin, India with HEC-HMS and SDSM. Hydrological Processes, 27(11), 1572-1589.

Nury, A. H., & Alam, M. J. B. (2013). Performance Study of Global Circulation Model HADCM3 Using SDSM for Temperature and Rainfall in North-Eastern Bangladesh. Journal of Scientific Research, 6(1), 87-96.

Rajabi, A., & Shabanlou, S. (2012). Climate index changes in future by using SDSM in Kermanshah, Iran. J. Environ. Res. Dev, 7(1).

Ramanathan, V. (1988). The greenhouse theory of climate change: A test by an inadvertent global experiment. Science, 240(4850), 293-299.

Rasco, P., Szeidl, L., & Semenov, M. A. (1991). A serial approach to local stochastic models. Journal of Ecological Modeling, 57, 27-41.

Khan, M. S., Coulibaly, P., & Dibike, Y. (2006). Uncertainty analysis of statistical downscaling methods. Journal of Hydrology, 319(1), 357-382.

King, L., Solaiman, T., & Simonovic, S. P. (2009). Assessment of climatic vulnerability in the Upper Thames River Basin. Department of Civil and Environmental Engineering, The University of Western Ontario.

King, L., Solaiman, T., & Simonovic, S. P. (2009). Assessment of climatic vulnerability in the Upper Thames River Basin. Department of Civil and Environmental Engineering, The University of Western Ontario.

Wilby, R. L., & Harris, I. (2006). A framework for assessing uncertainties in climate change impacts: Low-flow scenarios for the River Thames, UK. Water Resources Research, 42(2).

Liu, Z., Xu, Z., Charles, S. P., Fu, G., & Liu, L. (2011). Evaluation of two statistical downscaling models for daily precipitation over an arid basin in China. International Journal of Climatology, 31(13), 2006-2020.