نوع مقاله : مقاله علمی پژوهشی

نویسندگان

• نادر پیرمرادیان ¹
• حسین هادی نیا ²
• افشین اشرف زاده ¹

¹ استادیار گروه مهندسی آب، دانشکده علوم کشاورزی، دانشگاه گیلان

² ـ دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده علوم کشاورزی، دانشگاه گیلان

چکیده

 چکیده 
پیش­بینی و ارزیابی میزان تغییرات پارامتر­های هواشناسی در اثر تغییر اقلیم به­ویژه از منظر مدیریت منابع آب از اهمیت بالایی برخوردار است. مدل LARS یک مدل تولیدکننده داده­های هواشناسی است که با ریزمقیاس نمایی مدل­های گردش عمومی جو (GCM) اقدام به پیش­بینی پارامتر­های هواشناسی می­نماید. در این مطالعه، ابتدا برای ارزیابی عملکرد 15 مدل مختلف گردش عمومی جو در شبیه­سازی داده­های بارش، تابش، دمای کمینه و دمای بیشینه ایستگاه سینوپتیک رشت در دوره (2012-2011)، ریزمقیاس آماری هر کدام از مدل­های GCM توسط مدل LARS انجام پذیرفت. سپس پیش­بینی پارامترهای مذکور بر پایه مدل­های GCM منتخب برای دو دوره 30 ساله 2042-2013 و 2072- 2043 انجام شد. نتایج پیش­بینی نشان داد در مورد پارامترهای دمای کمینه و بیشینه بیش­ترین تغییرات میانگین بلندمدت سالانه نسبت به دوره پایه، در دوره 30 ساله دوم و به ترتیب تحت سناریوی­های  A2و A1B و به میزان 3/1 و 0/2 درجه سانتی­گراد رخ خواهد داد. روند تغییرات تابش در دوره­های آینده و برای تمام فصول سال کاهشی خواهد بود. بیش­ترین کاهش تحت سناریوی A2 و در دوره دوم 30 ساله به میزان 4/143 مگاژول بر مترمربع و در فصل زمستان رخ خواهد داد. میزان بارش، در اکثر فصول سال در دوره­های آتی افزایش خواهدداشت. بر این اساس، بیش­ترین افزایش در دوره 30 ساله دوم تحت سناریوی B1 به مقدار 5/55 میلی­متر و در فصل پاییز خواهد بود.

کلیدواژه‌ها

• مدل‌های گردش عمومی جو
• Lars-WG
• تغییر اقلیم
• رشت

موضوعات

• آب و هواشناسی

عنوان مقاله [English]

Prediction of Minimum and Maximum Temperature, Radiation and Precipitation in Rasht Synoptic Station under Different Climate Change Scenarios

نویسندگان [English]

• nader pir moradian ¹
• hossein hadinia ²
• afshin Ashrafzadeh ¹

¹ Assistant Professor, Water Engineering Department, Faculty of Agricultural Sciences, University of Guilan - Msc. Candidate,

² - Msc. Candidate, Water Engineering Department, Faculty of Agricultural Sciences, University of Guilan

چکیده [English]

Abstract
Prediction and evaluation of meteorological data in effect of climate change is very important especially in water resources management. LARS is a model that generates weather data and predicts weather parameters by downscaling global circulation models (GCM). In this study, in order to evaluate 15 GCM models performance in simulating the minimum and maximum temperature, radiation and precipitation in Rasht synoptic station (2011-2012), statistical downscaling of each model was performed by LARS model. Then, the mentioned data were predicted on the basis selected GCM models for 2013-2042 and 2043-2072 periods. The results showed that the highest increase in annual average of minimum and maximum temperature will occur during the 2043-2072 periods with 1.3 and 2.0 °C, under A2 scenario, respectively. The amounts of radiation will decrease in future periods for all seasons. The highest decrease (143.4 MJ m^-2) of radiation will occur in 2013-2042periods in winter under A2 scenario. The seasonal precipitation will often increase in future periods. The highest increase of seasonal precipitation (55.5 mm) will occur under B1 scenario in 2043-2072 periods for autumn.

کلیدواژه‌ها [English]

• Keywords: Global circulation models
• Lars-WG
• Climate Change
• Rasht