سنجش تحلیلی تغییرات اقلیمی آتی در دشت آمل-بابل با استفاده از متغیرهای اصلی اثرگذار بر روند آن

آب و توسعه پایدار

مقاله 6، دوره 10، شماره 2 - شماره پیاپی 28، شهریور 1402، صفحه 45-52   

نوع مقاله: پژوهشی کاربردی

شناسه دیجیتال (DOI): 10.22067/jwsd.v10i2.2303-1226

نویسنده

عباس غلامی^*

استادیار دانشکده فنی و مهندسی دانشگاه شمال، آمل، ایران.

چکیده

باتوجه‏‏‌به دوره پایه انتخاب شده در این پژوهش و میانگین بارش و دمای ماهانه، دوره پایه استخراج شده از آمار نزدیکترین ایستگاه سینوپتیک به محدوده مطالعاتی‏، میانگین بارش و دمای ماهانه سال‌‏های آینده توسط مدل مشهور آب‌‏‏وهوایی LARS-WG5 شبیه‌‏‏سازی شد. براساس نتایج این پژوهش آشکار می‌‏شود که از اول ماه ژانویه تا اول ماه مارس میانگین بارش ماهانه در دوره‏‌های آینده نسبت به دوره پایه افزایش می‏‌یابد، در ماه مارس کاهش و در بقیه ماه‌های سال افزایش نسبی در مقدار بارش را شاهد خواهیم بود که این موضوع در ماه اکتبر و نوامبر مشهودتر است. کم شدن بارش ماه‌های مارس آتی باتوجه‌‏‏‏به شروع دوره رویش گیاهی و نیاز آبی گیاهان زراعی و همچنین خزان زود هنگام مراتع در اثر تنش خشکی نقش موثری در تغییر فرایندهای هیدرولوژیکی و طبعاَ تأثیر آن بر سایر مولفه‏‏‌های محیط‌‏‏زیست دارد. در مورد وضعیت دمایی حال و آینده باتوجه‏‏‌به سناریوهای تغییر اقلیم دمای ماهانه از مدل HADCM3 برای ماه‌های مختلف سال نیز نشان‌دهنده بیشترین تغییرات دمایی به ترتیب در ماه‌های مارس، ژوئن و ژانویه می‏‌باشد که نشان‌دهنده گرم‌تر شدن اوایل بهار و اوایل تابستان و همینطور اوایل زمستان در دوره‌‏های آینده می‌باشد و این تغییرات دمایی نیز بر روی زمان گل‏دهی گیاهان، ایجاد تنش آبی در این فصول تأثیر قابل توجهی خواهد گذاشت.

کلیدواژه‌ها

مقادیر بارش؛ تغییرات دمایی؛ سناریوهای اقلیمی؛ دشت آمل- بابل

مراجع

گزارش فیزیوگرافی حوزه آبخیز بابل - آمل. (1391). مهندسین مشاور پایداری طبیعت. تهران. ایران.
Abdo, K.S., Fiseha, B.M., Rientjes, T.H.M., Gieske, A.S.M., & Haile, A.T. (2009). Assessment of climate change impacts on the hydrology of Gilgel Abay catchment in lake Tana Basin. Ethiopia. Hydrological Processes, 23(26), 3661-3669. https://doi.org/10.1002/hyp.7363
Amiri, M., & Eslamian, S. (2010). Investigation of climate change in Iran. Journal of Environmental Science and Technology, 3(4), 208-216. DOI: 10.3923/jest.2010.208.216
Barrett, K.N. (2014). Assessing the determinants facilitating local vulnerabilities and adaptive capacities to climate change impacts in high mountain areas: A case study of Northern Ladakh. Graduate Student Theses,  Disser tationss, & Professional Paper, University of Montana, Missoula, Montana.
Christopher, B.f., Vicente, R.b., Dokken, D.j., Katharine, J.m. & Mastrandrea, M.d. (2014). Impacts, Adaptation, and Vulnerability Part A: Global and Sectoral Aspects. . Volume 1. Cambridge University Press. Cambridge, England.
Downing, T.E., Harrison, P.A., Butterfield, R.E., & Lonsdale, K.G. (2000). Climate Change Climatic Variability and Agriculture in Europe, An integrated assessment. Environmental Change Institite/ University of Oxford. Oxford, United United Kingdom.
Ewert, F., Rounsevell, M.D.A., Reginster, I., Metzger, M.G., & Leemans, R. (2005). Future scenarios of European agricultural land use. I. Estimating changes in crop productivity. Agricultura Ecosystem Environmental, 107, 101–116. DOI: 10.1016/j.agee.2004.12.003
Feola, G., Lerner, A.M., Jain, M., Montefrio, M. J.F., & Nicholas, K. A. (2015). Researching farmer behaviour in climate change adaptation and sustainable agriculture: Lessons learned from five case studies. Journal of Rural Studies, 39, 74-84. http://dx.doi.org/10.1016/j.jrurstud.2015.03.009
Haden, V.R., Niles, M.T., Lubell, M., Perlman, J., & Jackson, L.E. (2012). Global and local concerns: What attitudes and beliefs motivate farmers to mitigate and adapt to climate change. PloS one, 7(12), e52882.  https://doi.org/10.1371/journal.pone.0052882
Harmel, R. D. & Richardson, C.W. (2002). Evaluating the Adequecy of Simulating Maximum and Minimum Daily Air Temprature With the Normal Distributian, Canadian Society for engineering , Journal of Applied Meteorology 41(7), 26. DOI: 10.1175/1520-0450(2002)041<0744:ETAOSM>2.0.CO;2                                                      
Hashmi, M.Z., Shamseldin, A.Y., & B.W. Melville. (2010). Comparison of SDSM and LARS-WG for simulation and down scaling of extreme precipitation events in a watershed. Stochastic Enviromental Research and Risk Assessment, 25, 475-484. https://doi.org/10.1007/s00477-010-0416-x
International Fund for Agricultural Development. (2015). Investing in smallholder family agriculture for global food security and nutrition. IFAD POST-2015 POLICY BRIEF.
Janjua, P.Z., Samad, G., & Khan, N. (2014). Climate Change and Wheat Production in Pakistan; autoregressive distributed lag approach, NJAS - Wageningen Journal of Life Sciences, 68, 13-19. https://doi.org/10.1016/j.njas.2013.11.002
Lu, L., Ismaïla, D., Chong-Yu, X. , & Frode, S. (2015). Hydrological projections under climate change in the near future by RegCM4 in Southern Africa using a large-scale hydrological model, Journal of Hydrology, In press. DOI: 10.1016/j.jhydrol.2015.05.028
Motha, R. & Baier, W. (2005). Impact of Present and Future Climate Change and Climate Variability on Agriculture in the Temperate Regions: North America. Climate Change, 70: 137–164.  DOI: https://doi.org/10.1007/s10584-005-5940-1
Parry, M. L., Canziani, O., Palutikof, J., Linden, P.v.d., & Hanson, C. (2007). Climate change 2007-impacts, adaptation and vulnerability: Working group II contribution to the fourth assessment report of the IPCC. Volume 4. Cambridge University Press. Cambridge, England.
Pradhan, N.S., Sijapati, S., & Bajracharya, S.R. (2015). Farmers' responses to climate change impact on water availability: insights from the Indrawati Basin in Nepal. International. Journal of Water Resources Development, 31(2), 269-283. https://doi.org/10.1080/07900627.2015.1033514
Semenov, M.A. & Barrow, E. M. (2002). LARS-WG a stochastic weather generator for use in climate impact studies. User’s manual, Environment Canada. Version 3. Saskatchewan, Canada.
Solomon, S., Plattner, G.K., Knutti, R., & Friedlingstein, P. (2009). Irreversible climate change due to carbon dioxide emissions. Proceedings of the National Academy of Sciences of the United States of America, 106, 1704-1709. https://doi.org/10.1073/pnas.0812721106, pnas-0812721106
Souvignet, M., Gaese, H., Ribbe, L., Kretschmer, N., & Oyarzun, R. (2010). Statistical downscaling of precipitation and temperature in north-central Chile: an assessment of posible climate change impacts in an arid Andean watershed. Hydrological Sciences Journal, 55(1), 41-57. https://doi.org/10.1080/02626660903526045
Stocker, T.F., D. Qin, G.-K., Plattner, M., Tignor, S.K., Allen, J., Boschung, A., Nauels, Y., Xia, V., B. & Midgley, P.M. (2013). Climate change: the physical science basis, Working Group I contribution to the Fifth assessment report of the Intergovernmental Panel on Climate Change.Cambridge University Press. Cambridge, United Kingdom.
Thorlakson, T. & Neufeldt, H. (2012). Reducing subsistence farmers’ vulnerability to climate change: Evaluating the potential contributions of agroforestry in western Kenya. Agriculture & Food Security, 1(1), 1-13. https://doi.org/10.1186/2048-7010-1-15
Vanuytrechta, E. Raesa D, Willems P b., & Semenovc, M A. (2014). Comparing climate  change impacts on cereals based on CMIP3 andEU-ENSEMBLES climate scenarios. Agricultural and Forest Meteorology, 195–196, 12–23. https://doi.org/10.1016/j.agrformet.2014.04.017
Walthall, C.L., Hatfield, J., Backlund, P., Lengnick, L., Marshall, E., Walsh, M., & Anderson, C.J. (2012).climatechange and agriculture in the United States: Effects and adaptation. USDA (United States Department of Agriculture) technical bulletin 1935. Washington, DC. USA.
Wang, Wei Wei. (2012). Three Essays on Climate Change Impacts, Adaptation and Mitigation in Agriculture. Doctoral dissertation, Texas A & M University. https://hdl.handle.net/1969.1/ETD-TAMU-2012-08-11485