نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشیار گروه جغرافیا، دانشگاه هرمزگان

2 دانشجوی دکتری بیابان‌زدایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

2

چکیده

 
هدف از این تحقیق بررسی و مقایسه شدت خشکسالی در شرایط تغییراقلیم در دو ایستگاه بندرعباس (خشک) و شهرکرد (نیمه­خشک) است. به این منظور داده‌های روزانه بارش، ساعت آفتابی، دمای کمینه و بیشینه مورد استفاده قرار گرفته است. این داده‌ها به روش آماری و با مدل LARS-WG تحت سه سناریوی A1B, A2 وB1 ریزگردانی شده‌اند. سپس پارامترهای اقلیمی مذکور برای دوره 2040-2011 شبیه‌سازی شده و اقدام به استخراج شاخص RDI از داده‌های پایه و داده‌های به­دست آمده از مدل اقلیمی HADCM3 شده است. بر اساس تمام سناریوهای مورد مطالعه شدت خشکسالی در هر دو ایستگاه افزایش می‌یابد، بجز سناریوی B1 که کاهش خشکسالی را برای ایستگاه شهرکرد پیش‌بینی نموده است. در مجموع در ایستگاه بندرعباس طبق سناریوهای A1B، A2 و B1 درصد سال‌های خشک به­ترتیب به میزان 7/6 ، 10 و 10 درصد افزایش می‌یابد و در ایستگاه شهرکرد به ترتیب به میزان 7/6 و3/3 افزایش می‌یابد درحالی­که طبق سناریوی B1 در حدود 10 درصد از شدت خشکسالی­های ایستگاه شهرکرد کاسته می‌شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Effects of Climate Change on Drought Duration and Severity in Arid and Semi-arid Stations (Bandarabbassand Shahrekord), Based on HADCM3 Model

نویسندگان [English]

  • asadollah khoorani 1
  • zahra jamali 2

1 Associate Professor, Department of Geography, University of Hormozgan.

2 Ph.D Student of Combatting Desertification, Gorgan University of Agriculture Sciences and Natural Resources

چکیده [English]

 
The aim of this paper is assessment and comparison of potential impacts of climate change on drought indices in an arid and a semiarid station. For this purpose, daily data of minimum and maximum temperature, sunshine and precipitation are used. This data were downscaled statistically by using LARS-WG model based on A2, B1 and A1B scenarios. These climatic parameters are projected for 2011-2040, and RDI index was extracted for both observed (1961-1990) and projected data from HADCM3 model. The research outcomes show drought severity has increased under each scenario in both stations, except for Shahrekord under B1 scenario. For Bandarabbbas station, percent of droughts are about 6.7, 10 and 10 under A1B, A2 and B1 scenarios respectively. This parameter is 6.7 and 3.3 percent under A1B and A2 in Shahrekord station and the number (percent) of droughts will decrease about %10 under B1 scenario in this station. 

کلیدواژه‌ها [English]

  • RDI؛ Climate Change
  • Lars-WG
  • HadCM3
  • Bandarabbass
  • Shahrekord
ـ اسدی‌زارچ، امین (1388)، «بررسی خشکسالی اقلیمی و شدت، تداوم و وسعت آن در ایران با استفاده از شاخص RDI»، کارشناسی ارشد، دانشکده کشاورزی و منابع طبیعی، دانشگاه یزد.
ـ خزانه‌داری، لیلی؛ زابل عباسی، فاطمه؛ قندهاری، شهرزاد؛ کوهی، منصوره و شراره ملبوسی (1388)، «دورنمایی از وضعیت خشکسالی ایران طی سی سال آینده»، جغرافیا و توسعه‌ ناحیه‌ای، شماره 12، صص 83-99.
ـ صمدی بروجنی، حسین و عطاالله ابراهیمی (1389)، «پیامدهای خشکسالی و راه‌های مقابله با آن (در استان چهارمحال و بختیاری)»، 1000 نسخه، چاپ اول، مرز تحقیقات منابع آب،(دانشگاه شهرکرد)، انتشارات سروش.
-Allen, R.G., Bastiaanssen W.G.M., Wright, JL., Morse, A., Tasumi m. and Trezza, R., (2002), “Evapotranspiration from satellite Image for Water Management and Hydrologic balances”, ProceeedingS of the 2002 ICID Conference, Monteral, Canada pp, 1-12.
-Arora, VK, and Boer, Gj. (2001), “Effects of Simulated Climate Change on the Hydrology of MajorRiver Basin”, J. Geophys. Res. 106, (D4), 3335-3348.
-AsadiZarch, M.A., Malekinezhad, H., Mobin, M.H., Dastorani, M. T.,Kousari, M.R. (2011), “Drought Monitoring by Reconnaissance Drought Index (RDI) in Iran.Water Resour Manage, Vol. 25, Issue 13, pp 3485-3504.
-Ashok, K., Mishra, a., Vijay, P., Singh, B., (2010), “A review of drought Concepts”, Journal of Hydrology, 391 (2010) 202-216.
-Dastorani, M.T., Massahbavani, A.R., Poormohamadi, S., Rahimian. M.H, (2011), “Assessment of potential climate change impacts on drought indicators (case study: Yazd station, Central Iran)”, Desert, 16 (2011) 159-167.
-IPCC. (1995), “Impacts, Adaptations and Mitigation of Climate Change: Scientific-Technical Analysis”, CambridgeUniversity Press, 878 PP.
Johnson G.L., Hanson C.L., Hardegree S.P., and Ballard E.B. (1996), “Stochastic weather simulation: overview and analysis of two commonly used models”, Journal of Applied Meteorology, 35, 1878-1896.
-Kirono, D.G.C., Kent, D.M., Hennessy, K.J., Mpelasoka, F. (2011), “Characteristics of Australian droughts under enhanced green house conditions: results from global climate models”, Journal of Arid Environment, 75 (2011) 566- 575.
-Rossi G. (2000), “Drought mitigation measures: a comprehensive framework”, In: Voght JV, Somma F (eds) Drought and Drought Mitigation in Europe, Kluwer, Dordrecht.
-Mohammad Sajjad Khan, M., Coulibaly, P., Dibike, Y. (2006), “Uncertainty analysis of statistical downscaling methods”, Journal of Hydrology, Vol. 319, Issues 1–4, 15 March 2006, Pages 357–382.
-Vangelis, H. Tigkas, D. Tsakiris, G. (2013), “The effect of PET method on Reconnaissance Drought Index (RDI) calculation”, Journal of Arid Environments, 88 (2013) 130e140.
-Vrochidou, A.-E.K., Tsanis, I.K., Grillakis, M.G., Koutroulis, A.G., (2013), “The impact of climate change on hydrometeorological droughts at a basin scale”, Journal of Hydrology, Vol. 476 (2013) 290-301.
-Wilby R.L., Wigley T.M.L., Conway D., Jones P.D., Hewitson B.C., Main J., and Wilks D.S. (1998), “Statistical downscaling of General Circulation Model output: A comparison of methods”, Water Resources Reserch, 34, 2995– 3008.
-Wilhite D. (2000), “Drought preparedness in the U.S.”, In: Vogt JV, Somma F (eds) Drought and drought mitigation in Europe, Kluwer, The Netherlands, pp 119–132