نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکترای اقلیم‌شناسی، دانشگاه تبریز، تبریز، ایران.

2 استاد اقلیم‌شناسی، دانشگاه تبریز، تبریز، ایران.

3 استادیار اقلیم‌شناسی، دانشگاه تبریز، تبریز، ایران.

چکیده

تغییرات اقلیمی یکی از اصلی‌ترین معضل کره زمین در عصر حاضر است بنابراین پیش‌بینی این تغییرات در آینده و اثرات آن بر منابع آب، محیط طبیعی، کشاورزی و اثرات زیست‌محیطی، اقتصادی و اجتماعی از اهمیت ویژه‌ای برخوردار است. به همین دلیل در پژوهش حاضر اثرات تغییر اقلیم جهانی بر نواحی مختلف آب‌وهوایی کشور در نواحی 12 گانه اقلیمی مورد بررسی قرار گرفت. در این پژوهش از داده‌های NCEP و عناصر اقلیمی بارش، دمای بیشینه و کمینه در دوره پایه (2005-1961) برای ریزمقیاس نمایی آماری با مدل SDSM استفاده شد؛ و با استفاده از خروجی مدل CanEMS2 تحت سناریوهای RCP برای سه دوره آماری 2040- 2011، 2070-2041 و 2099-2071 تغییرات سالانه عناصر اقلیمی به دست آمد. برای ارزیابی عملکرد مدل از ضریب همبستگی، ضریب تعیین و شاخص‌های خطا سنجی RMSE، MSE و MAD استفاده شد و نتایج نشان داد که مدل SDSM عملکرد مناسبی برای تولید عناصر اقلیمی دارد. بااین‌حال نتایج به‌دست‌آمده نشان داد که دقت مدل در ایستگاه‌های مختلف متفاوت است. بدین‌صورت که هر مدل در شبیه‌سازی دمای کمینه و بیشینه از عملکرد مناسبی نسبت به بارش برخوردار است. همچنین نتایج بلندمدت سالانه نشان داد که بارش در تمامی نواحی اقلیمی مورد مطالعه در دهه‌های آتی کاهش پیدا خواهد کرد که بیشترین کاهش در نواحی بیابانی نیمه گرم داخلی (35 درصد) و خیلی مرطوب و معتدل (32 درصد) اتفاق خواهد افتاد؛ اما تغییرات دمای کمینه و بیشینه در نواحی مختلف اقلیمی متفاوت خواهد بود به‌طوری‌که تحت سناریوهای RCP در طول تمام دوره آماری در ایستگاه سبزوار و طبس تغییرات کمینه دما کاهشی خواهد بود ولی در دیگر نواحی اقلیمی روند تغییر دمای کمینه و بیشینه افزایشی خواهد بود. بیشترین افزایش کمینه و بیشینه دما بر اساس سناریوهای RCP تحت سناریوی RCP8.5 در دوره آماری 2099-2071 در ناحیه اقلیمی کوهستانی سرد به ترتیب با 03/3، 27/4 درجه سانتی‌گراد خواهد بود.

کلیدواژه‌ها

عنوان مقاله [English]

Assessing the Impacts of Global Climate Change on Climate Elements of Temperature and Precipitation in Disparate Climatic Zones of Iran Using RCP Scenarios

نویسندگان [English]

  • Yousef Zarei 1
  • Ali Mohammad Khorshiddoust 2
  • Majid Rezaeebanafshe 2
  • Hashem Rostamzadeh 3

1 PhD Student of Climatology, University of Tabriz, Tabriz, Iran.

2 Professor of Climatology, University of Tabriz, Tabriz, Iran.

3 Assistant Professor of Climatology, University of Tabriz, Tabriz, Iran.

چکیده [English]

Climate change is one of the main problems on Earth today, so predicting these changes in the future and their impacts on water resources, the natural environment, agriculture, and environmental, economic and social impacts is of particular importance. Therefore, in the present study, the effects of global climate change on different climatic regions of the country were studied in 12 climatic regions. In this study, NCEP data and climatic elements of precipitation, maximum and minimum temperature were used for statistical downscaling with SDSM model. And using the CanEMS2 model output under RCP scenarios for the three statistical periods of 2011-2040, 2041-2070, and 2071-2099 annual climate change data were obtained. Correlation coefficient, determination coefficient and error indexes of RMSE, MSE and MAD were used to evaluate the performance of the model. However, the results showed that the accuracy of the model was different at different stations. In this way, each model performs better than rainfall in simulating minimum and maximum temperatures. The annual long-run results also show that precipitation will decrease in all climates studied in the coming decades, with the largest decrease occurring in semi-warm (35%) and very humid and temperate (32%) desert areas. But minimum and maximum temperature variations will be different in different climatic regions so that under RCP scenarios during all statistical periods at Sabzevar and Tabas stations minimum temperature changes will decrease but in other climatic regions the trend of minimum and maximum temperatures will be incremental. The highest minimum and maximum temperature increases based on RCP scenarios under RCP8.5 scenario during the period 2071-2099 in the cold mountain climatic region will be 3.03, 4.27 ° C, respectively.

کلیدواژه‌ها [English]

  • Climate
  • Change
  • Temperature
  • Precipitation
  • Iran
  • CanESM2
اقاشاهی، محسن؛ اردستانی، مجتبی؛ نیک سخن، محمدحسن؛ طهماسبی، بهشنه (1391) معرفی مدل‌های LARS-WG و SDSM به‌منظور ریزمقیاس نمایی پارامترهای زیست‌محیطی در مطالعات تغییر اقلیم، ششمین همایش ملی و نمایشگاه تخصصی مهندسی محیط‌زیست، تهران، ص 10.
حسینی، سید اسعد، (1394) بررسی اثرات تغییرات اقلیمی بر تغییرات روان آب سطحی در حوضه آبریز دریاچه ارومیه، استاد راهنما: برومند صلاحی، استاد مشاور: مسعود گودرزی.
حیدری، حسن؛ علیجانی، بهلول (1378): طبقه‌بندی اقلیمی ایران با استفاده از تکنیک‌های آماری چند متغیره، پژوهش‌های جغرافیایی، شماره سی و هفتم، صص 74-57.
رضایی بنفشه، مجید؛ جلالی عنصرودی، طاهره؛ ضرغامی، مهدی؛ اصغری مقدم، اصغر (1394): بررسی تأثیر تغییر اقلیم بر تراز آب زیرزمینی حوضه آبریز تسوج به روش ریزمقیاس نمایی آماری، تحقیقات منابع آب، شماره دوم، صص 116-106.
رضایی، مریم؛ نهتانی، محمد؛ مقدم نیا، علی‌رضا؛ آبکار، علیجان؛ رضایی، معصومه (1393) بررسی کار آیی مدل ریزمقیاس نمایی آماری در پیش‌بینی بارش در دو اقلیم خشک و فرا خشک؛ نشریه آب‌وخاک. جلد 28، شماره 4، مهرـ آبان 1393، صص 845 ـ 836.
سیاری، نسرین؛ علیزاده، امین؛ بنایان اول، محمد؛ فرید حسینی، علیرضا؛ حسامی کرمانی، مسعود رضا (1390) مقایسه دو مدل گردش عمومی جو (CGCM2 و HadCM3) در پیش‌بینی پارامترهای اقلیمی و نیاز آبی گیاهان تحت تغیر اقلیم (مطالعه موردی: حوضه کشف رود)، نشریه آب‌وخاک. جلد بیست و پنجم، شماره سوم، صص 925-912.
صمدی، سینا؛ محمدخورشیددوست، علی‌؛ حبیبی نوخندان، علی محمد؛ زابل عباسی، فاطمه (1390) به‌کارگیری مدل SDSM جهت ریزمقیاس نمائی داده‌های GCM بارش و دما مطالعه موردی: پیش‌بینی‌های اقلیمی ایستگاهی در ایران، پژوهش‌های جغرافیایی؛ صص 68-57.
عزیزی، قاسم؛ احمدی، محمد؛ کردوانی، پرویز (1398): چشم‌انداز تغییرات دمای هوای دوره آینده بر اساس مدل‌های CMIP5 و سناریوهای واداشت تابشی RCP ( مطالعه موردی: ایستگاه‌های منتخب استان ایلام ، فصل‌نامه جغرافیای طبیعی. شماره 43، صص 88-71.
عساکره، حسین (1386) تغییر اقلیم، چاپ اول، زنجان، انتشارات دانشگاه زنجان، 234 ص.
عساکره، حسین؛ اکبر زاده، یونس ( 1396): شبیه‌سازی تغییرات دما و بارش ایستگاه سینوپتیک تبریز طی دوره (2100-2010) با استفاده از ریزمقیاس نمایی آماری (SDSM) و خروجی مدل CanESM2، نشریه جغرافیا و مخاطرات محیطی. شماره بیست و یکم، صص 174-153. 
عساکره، حسین؛ سیدابوالفضل مسعودیان؛ فاطمه ترکارانی (1400): بررسی وردایی دهه‌ای بارش سالانۀ ایران ‌زمین طی چهار دهۀ اخیر (1394-1355)، نشریه جغرافیا و برنامه‌ریزی، دوره 25، شماره 76 ، تیرماه، صفحه 187-202.
قویدل رحیمی، یوسف؛ منوچهر فرج زاده اصل، مسعود صالحیان (1397): تحلیل نقش گاز دی اکسید کربن در نوسانات دمای حداکثر فصلی ایران، نشریه جغرافیا و برنامه ریزی، 22(63): 223-203.
گل محمدی، مریم؛ مساح بوانی، علیرضا (1390): بررسی تغییرات شدت و دوره بازکشت خشک‌سالی حوضه قره‌سو در دوره‌های آتی تحت تأثیر تغییر اقلیم، نشریه آب‌وخاک (علوم و صنایع کشاورزی). شماره 2، صص 326-315.
گودرزی، مسعود؛ صلاحی، برومند حسینی، اسعد (1394): ارزیابی عملکرد مدل‌های ریزمقیاس نمایی LARS-WG و SDSM در شبیه‌سازی تغییرات اقلیمی در حوضه آبریز دریاچه ارومیه، مجله علوم محیطی و آبخیزداری ایران، شماره سی یکم، صص 11-23.
محمدخورشید دوست، علی؛ ساری صراف، بهروز؛ قرمز چشمه، باقر؛ جعفر زاده، فاطمه. (1396): برآورد و تحلیل مقادیر آتی بارش‌های نواحی خزری با به‌کارگیری مدل‌های گردش عمومی جو، نشریه تحقیقات کاربردی علوم جغرافیایی. شماره چهل هفتم، صص 226-213.
مظفری، غلامعلی (1391): بررسی روند تاریخ آغاز و خاتمه آستانه‌های بارش 1/0 و 5 میلی‌متر در ایستگاه‌های منتخب ایران، نشریه جغرافیا و برنامه ریزی، 16(39): 150-129.
Abbasina, M; T. Tavousi and M. Khosravi (2016) Assessment of Future changes in the Maximum Temperature at Selected Station in Iran Based on HADCM3 and CGCM3 Models, Asia- Pac. J. Atmos. Sci. 54: 371-377.
Al- Mukhtar, Mustafa; Mariam, Qasim (2019) Future prediction of precipitation and temperature in Iraq using the statistical downscaling models. Arabian Journal of Geosdences. Pp 1-16.
IPCC (2013) climate change (2013) The physical basis. Contribution of working group I to the fifth Assessment Report of the International Panel on Climate Change, Stocker, T.F.D; Qin, G. k. Plattner, M; Tignor, S.K; Allen, J; Boschung, A; Cambridge University press, Cambrigdge, United Kingdom and New Yourk, NY, USA, 1535p.
IPCC. 2001. Climate Change (2001): The Scientific Basis. Contribution of Working Group I to the Thrid Assessment Report of the Intergovernmental Panel on Climate Change Editors: J. T. Hhoughton; Y. Ding; D. J. Griggs; M. Noguer; P. J. Van der Linden; X. Dai; K. Maskell and C. A Johnson.
Jason. P. E. (2009): 21st century Climate Change in the Middle East. Climate Change. Vol 92, pp 417-432.
Jiaxu, Liu; Sujing, Chen; Lijuan, Li; Jiuyi, Li (2017) Statistical Downscaling and Projection of Future Air Temperature Changes in Yunnan Province, china; Advances in Meteorology, Article ID 2175904; 11 page.
Kilisby, C.G; Jones, P.D; Burton, A.C; Fowler, H.J; Harpham, C; James, P; Smith, A; Wilby, R.L. (2007) A daily Weather generator for use in Climate Change Studis; Environmental Modelling and Software, 22: 1705-1719.
Osman, Y; Al-Ansari, N; Abdellatif, M; Aljawad, S.B, Knutsson, S (2013) Expected Future precioitation in central Iraq using LARS-WG stochastic weather generator, Engineering scientific research, 6: 948-959.
Philippe, G; Yonas, B; Dibike, P (2007) temperature change signal in northern Canada: convergence of statistical downscaling results using two Driving GCM, International Journal of Climatology, 260: 161-175.
Saeed, F. Athar, H. (2018): Assessment of simulated and projected Climate change in Pakestan using IPCC AR4-based AOGCMs. Theoretical and Applied Climatology. Vol 134, page 967-980.
Sharma, D., Gupta, A. D., & Babel, M. S. (2007):  Spatial Disaggregation of Bias-Ccorrected GCM Precipitation for Improved Hydrologic Simulation: Ping River Basin, Thailand. Hydrology and Earth System Sciences Discussions, 11(4), 1373-1390.
Vidya R. Saraf; Dattatray G. REGulwar; (2016) assessment of climate cjange for precipitation and temperature using statistical downscaling methods in upper Godavari River basin, India; Journal of water resource and protection, page 31- 45.
Wilby, R. L., Dawson, W., C. (2007): SDSM 4.2- A Decision Support Tool for the Assessment of Regional Climate Change Impacts, SDSM Manual Version 4.2. Environment Agency of England and Wales. 94 pp.
Wilby, R.L., Dawson, C.W., and Barrow, E.M. (2002): A Decision Support Tool for the Assessment of Regional Climate Change Impacts. Environmental Modelling & Software. 17: 147–159.
Wilby, R.L; Dawson, C.W; Barrow, E.M (2002) SDSM a decision support tool for rhe assessment of regional climate change impacts, Environmental Modeling & Softwer, 17: 147-159.
Wilby, R.L; harris, L (2006) A frame work for assessing uncertainties in climate change impact: low flow scenarios for the River thames, UK Water Reserch, 42: 10 p.
Wilkes, D.S; Wilby, R.L (1999) THE WEWTHER GENERATION Game: a review of stochastic weather models, progress in Physical Geography, 23: 329-357.
Wilks, D.S (1992) Adapting stochastic Weather generation algorithms for climate change studies, Climate Change, 22: 67-84.
Wilks, D.s; (1999) Multisite downscaling of daily precipitation with a stochastic weather generator; Climate Research, 11: 125-136.