نوع مقاله : مقاله علمی پژوهشی

نویسندگان

• محمود هوشیار ¹
• بهروز سبحانی ²
• سید اسعد حسینی ³

¹ دانشگاه پیام نور، واحد پیرانشهر، گروه جغرافیا

² دانشگاه محقق اردبیلی، دانشکده ادبیات و علوم انسانی

³ مدرس/ دانشگاه پیام نور

چکیده

 





 





افزایش دما و گرمایش جهانی از بزرگ­ترین چالش­هایی است که بشر در قرن بیست و یکم با آن مواجه است. تغییرات در پارامترهای اقلیمی به ویژه دما و بارش به عنوان  مهم­ترین پارامترهای اقلیمی می­تواند فرایندهای هیدرولوژیکی، کشاورزی، محیط زیست، بهداشت، صنعت و اقتصاد را تحت تاثیر قرار دهد. بنابراین چشم انداز تغییرات آن، کمک فراوانی به چالش‌های مدیران و برنامه­ریزان محیطی خواهد نمود. لذا در این پژوهش به منظور بررسی روند تغییرات دماهای حداکثر در طول دوره آماری پایه (2005-1961) و همچنین چشم انداز تغییرات آتی دماهای حداکثر در یک دوره­ی 30 ساله (2051-2021) در ایستگاه­ سینوپتیک ارومیه با کاربست مدل ریزمقیاس گردانی SDSM پرداخته شد. بدین منظور ابتدا با استفاده آزمون ناپارامتری من- کندال و تخمین­گر شیب سن، روند تغییرات این پارامتر بررسی شد. سپس میزان کار آیی مدل SDSM با استفاده از داده­های مشاهداتی­ و مدل شده مرکز ملی پیش­بینی محیطی (NCEP) و شاخص­های MSE، RMSE، MAE و همچنین ضریب تعیین و همبستگی مورد ارزیابی قرار گرفت. بعد از اطمینان از دقت مدل، با استفاده از مدل گردش عمومی CanESM2 تحت سه سناریوی RCP2.6 و RCP4.5 و RCP8.5  چشم انداز آتی دماهای حداکثر و حدی در دوره (2051-2021)  بررسی گردید. نتایج نشان داد که  در طول دوره آماری پایه، دما دارای روند افزایشی است اما معنی­داری روند مورد تأیید قرار نگرفت. نتایج حاصل ارزیابی مدل SDSM نیز نشان داد که مدل مذکور توانایی لازم جهت مدل­سازی دمای حداکثر را دارد. بر اساس نتایج بدست آمده از داده­های مدل CanESM2 میزان دماهای حداکثر افزایش خواهد یافت که این میزان برابر با 7/۰ درجه سلسیوس نسبت به دوره­ی پایه می­باشد. از نظر فصلی نیز بیشترین و کمترین تغییرات مربوط به تابستان با 6/1 درجه سلسیوس و فصل زمستان  با 1/0 درجه سلسیوس می­باشد.
 

کلیدواژه‌ها

• ارومیه
• تغییر اقلیم
• دمای حداکثر
• SDSM
• RCP

موضوعات

• آب و هواشناسی

عنوان مقاله [English]

Future projection of Maximum Temperature in Urmia through Downscaling output of CanESM2 Model

نویسندگان [English]

• Mahmoud Houshyar ¹
• Behrooz Sobhani ²
• Seyed Asaad Hosseini ³

چکیده [English]

With the seriousness of the climate change debate in the world, the study of parameters and elements of the climate has been widely considered. With changes in climate patterns and changes in temperature and precipitation patterns, other components such as runoff and soil moisture, which are important for natural and human systems, will undergo metamorphosis. Therefore, long-term prediction of climatic variables has been considered by many scientific communities worldwide in order to know about their changes and considering the necessary measures to moderate the adverse effects of climate change. The phenomenon of climate change is of increasing importance due to its scientific and practical dimensions, since human systems dependent on climatic elements such as agriculture, industry and the like are designed and operated on the basis of the stability and stability of the climate. Accordingly, general circulation models (GCMs) have been developed. Although these models represent significant results on the atmospheric and continental spatial scales, they combine a large part of the complexity of the planet's system, but they are inherently unable to control the dynamics and forms with a fine grid Local scalability. Therefore, an assessment of the effect of climate change on a local scale requires an interim and spatial gap between large-scale climatic variables and meteorological variables with local scale, in which case the main approach is the same downscaling models. The SDSM model is one of the most widely used statistical microscopic instruments, which has many uses in meteorological, hydrological, geographic and environmental studies. Because in this method, large-scale daily circulation patterns are used on a stationary scale; and when used for the rapid and cost-effective estimation of climate change, and for randomized meteorological generators and modified functions, have given acceptable results. Given that global models have generally simulated climatic elements until the year 2100, it is possible to use global model data to simulate the desired variables such as precipitation and temperature on a station scale. The Intergovernmental Panel on Climate Change (IPCC) has used its latest assessment report (AR5) on new scenarios for the RCP as representatives of different levels of greenhouse gas emissions. The new emission scenarios have four key paths RCP2.6, RCP4.5, RCP6 and RCP8.5, which are named after their radiation in 2100, Future Perspective. The variation of the maximum temperatures of the synoptic station of Urmia during the period (2021-2050) of the CanESM2 global model has been used under three scenarios RCP2.6, RCP4.5 and RCP8.5.

کلیدواژه‌ها [English]

• The prospect of changes in maximum temperatures Urmia Using Statistical Downscaling model output CanESM2