تحلیل دامنه عدم قطعیت تغییرات آینده دمای حداکثر روزانه بر روی ایران با استفاده از سیستم اطلاعات جغرافیایی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقلیم شناسی دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران

2 استاداقلیم شناسی دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران

3 دانشیار اقلیم شناسی دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه سیستان و بلوچستان، زاهدان، ایران

4 دانشیار هواشناسی دانشکده هوانوردی و فضانوردی، دانشگاه صنعتی استانبول، استانبول، ترکیه

چکیده

شناخت و ارزیابی تغییرات اقلیم در دهههای آینده با هدف برنامهریزی محیطی مناسب در جهت سازگاری و کاهش اثرات آن امری کاملاً ضروری است. در این پژوهش نیز تغییرات دمای حداکثر روزانه بر روی کشور ایران در دو دوره زمانی (70-2041 و 99-2071)و بر اساس خروجی دو مدل گردش عمومی جو Hadcm3و CGCM3 تحت سناریوهای انتشار موجود ( A1B, A2, B1 , B2) مورد بررسی مقایسهای قرار گرفت. بدین منظور پس از بررسی توانمندی مدل آماری SDSM در شبیهسازی اقلیم دوره پایه (2010-1981)، مقادیر آینده دمای حداکثر روزانه با لحاظ نمودن عدم قطعیت،بر روی 7 ایستگاه سینوپتیک به عنوان نمایندههای آب و هوایی انتخابی ایران، ریز مقیاس نمایی گردید. در تحلیل عدم قطعیت مربوط به مدل-سناریوها،مشخص شد که مدل CGCM3 تحت سناریوی B1 در بین مدل-سناریوهای مختلف، بهترین عملکرد را در شبیه سازیدمای آینده داشته است. همچنین یافتههای پژوهش بر روی ایستگاههای مورد مطالعه نشان میدهد که دمای ایران به طور متوسط دردهههای میانیو پایانی قرن بیست و یکم، بین 1 تا 2درجه سلسیوسافزایش مییابد، که البته این افزایش دما بر اساس سناریوهای مختلف مدل Hadcm3 نسبت به مدل CGCM3 شدیدتر بوده است.از نظر پراکنش فضایی تغییرات در محیط GIS نیزبر اساس خروجی همه مدل-سناریوها، کمترین افزایش دما بر روی ایستگاه بندرعباس واقع در سواحل پست جنوبی ایران مشاهده شده و بالعکس بر روی ایستگاه تبریز واقع در عرضهای شمالیتر و مناطق بلند و کوهستانی ایران، افزایش دما به حداکثر میرسد. در مجموع میتوان عوامل مهمو مؤثردر تغییرات آینده دمای ایران را در سه گروه: عاملارتفاع، عرض جغرافیایی و رطوبت جوی دستهبندی نمود. چرا که بر اساس تمامی خروجیهای مدل-سناریوها، ارتفاعات عرضهای شمالی ایران، بیشترین افزایش دما را تجربه خواهند نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Uncertainty analysis of the future changes in maximum daily temperatures over Iran using GIS

نویسندگان [English]

  • Mohsen Abbasnia 1
  • Taqi Tavousi 2
  • Mahmood Khosravi 3
  • Toros Hossein 4
1 Ph.D Student of Climatology, Department of physical geography, University of sistan and Baluchestan
2 professor of climatolgy, Department of physical geography, University of Sistan and Baluchestan
3 Associate professor of climatolgy, Department of physical geography, University of Sistan and Baluchestan
4 Associate professor of Climatology , Istanbul University of Technology
چکیده [English]

Recognizing and evaluating the climate changes in the coming decades is absolutely necessary for the purpose of appropriate environmental planning in order to adapt and mitigate its effects. In this research, the SDSM model was successfully calibrated and validated (1981-2010) tocomparatively analyze and explore the future maximum daily temperature variations over Iran forthe two future periods of (2041-70 and 2071-99) and based on the output of two general circulation models of atmosphere, namely, Hadcm3 and CGCM3 under the existing emission scenarios (A1B, A2, B1, B2), relative to the baseline period of 1981-2010. In other words, with regard to the uncertainty for the maximum daily temperature of the future data, downscaling was performed in 7 synoptic stations as the climatic representatives of Iran. Analysis of the output uncertainty showed that CGCM3 model under the B1 scenario among all different models-scenarios has had the best performance in simulating the future temperature. Also, the findings of the research on the studied stations indicate that the temperature in Iran in the middle and final decades of the 21st century increases in averagebetween 1 to 2 degrees Celsius, which based on different scenarios of the Hadcm3 model, this temperature increase has been higher compared to the CGCM3 model. In terms of spatial dispersion of the changes in the GIS environment based on the output of all scenario-models, the lowest temperature increase was observed at Bandar Abbas station located on the south lowland coast of Iran, and on the contrary, the temperature rise reaches the maximumat the Tabriz station located onthe northern latitudes and highland and mountainous regions of Iran. In total, the important and effective factors in the future changes of Iran's temperature can be classified into three groups: factors of altitude, latitude and atmospheric humidity, because, based on all the outputs of model-scenarios, the stations located on the northern latitude elevations of Iran will experience the highest temperature rise compared to the stations located on low-altitude and adjacent to the southern coast of Iran.

کلیدواژه‌ها [English]

  • Daily Maximum Temperature Changes
  • Iran
  • Uncertainty
  • Statistical Downscaling Method
  • HADCM3
  • CGCM3

1- بابائیان و نجفی نیک، ایمان و زهرا (1385)، معرفی و ارزیابی مدل LARS-WG برای مدل‌سازی پارامترهای هواشناسی استان خراسان در دوره  1961تا 2003، مجله نیوار، شماره 62 و63، صص  69- 49.

2- سادات آشفته و مساح بوانی؛ پریسا و علیرضا (1389)، بررسی تأثیر تغییر اقلیم بر رواناب؛ مطالعه موردی حوضه قرنقو، آذربایجان شرقی، مجموعه مقالات نخستین کنفرانس ملی پژوهش‌های کاربردی منابع آب ایران، هیدرولوژی، هیدرولیک و جنبه‌های مختلف منابع آب ایران، شرکت آب منطقه‌ای کرمانشاه، صص 161-147.

3- شیرغلامی و قهرمان؛ هادی و بیژن (1384)، بررسی روند تغییرات دمای متوسط سالانه در ایران، مجله علوم و فنون کشاورزی و منابع طبیعی، شماره1، صص 23-9.

4- صداقت کردار و فتاحی؛ عبدالله و ابراهیم (1387)، شاخص‌های پیش آگاهی خشکسالی در ایران، مجله جغرافیا و توسعه، شماره 11، صص 76-59.

5- عباس نیا و باعقیده؛ محسن و محمد (1394)، ناحیه بندی آب وهوایی استان چهارمحال و بختیاری با استفاده از تکنیک‌های نوین آماری، مجله پژوهش آب ایران، جلد 9، شماره 2، پیاپی 17، صص 121-126.

6- علیجانی، بهلول (1385)، آب وهوای ایران، چاپ هفتم، انتشارات پیام نور، تهران، 221ص.

7- فلاح قالهری، غلامعباس (1393)، ریز مقیاس نمایی آماری داده‌های اقلیمی، چاپ اول، انتشارات سخن گستر، مشهد، 152ص.

8- مسعودیان، سید ابوالفضل (1390)، آب و هوای ایران، چاپ اول، انتشارات شریعه توس، مشهد، 288 ص.

9- مسعودیان، سید ابوالفضل (1384)، بررسی روند دمای ایران در نیم سده‌ی گذشته، پژوهش‌های جغرافیایی، شماره 54، صص 45-29.

10- مجرد و بساطی؛ فیروز و سعید (1393)، واکاوی تغییرات زمانی و مکانی دماهای حداکثر در ایران، مجله مدرس علوم انسانی- برنامه ریزی و آمایش فضا، دوره 18، شماره 2، صص 152-129.

11- Bernstein, L., Bosch, P., Canziani, O., Chen, Z., Christ, R., & Davidson, O. (2007). Climate change 2007: synthesis report. Summary for policymakers. In Climate change 2007: synthesis report. Summary for policymakers. IPCC.‏

12- Brázdil, R., Budikova, M., Faško, P., & Lapin, M. (1995). Fluctuation of maximum and minimum air temperatures in the Czech and the Slovak Republics. Atmospheric research, (1) 37, 53-65.‏

13- Chung, Y. S., & Yoon, M. B. (2000). Interpretation of recent temperature and precipitationtrends observed in Korea. Theoretical and Applied Climatology, 67(3-4), 171-180.‏

14- Chu, J. T., Xia, J., Xu, C. Y., & Singh, V. P. (2010). Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theoretical and Applied Climatology (2-1) 99, 149-161.

15- Covey, C., AchutaRao, K. M., Cubasch, U., Jones, P., Lambert, S. J., Mann, M. E., ... & Taylor, K. E. (2003). An overview of results from the Coupled Model Intercomparison Project. Global and Planetary Change, 37(1), 103-133.‏

16- Dracup, J. A., & Vicuna, S. (2005, May). An overview of hydrology and water resources studies on climate change: the California experience. In World Water Congress (pp. 15-19).‏

17- Elagib, N. A., & Abdu, A. S. A. (2010). Development of temperatures in the Kingdom of Bahrain from 1947 to 2005. Theoretical and applied climatology, 101(3-4), 269-279.‏

18- Gemmer, M., Becker, S., & Jiang, T. (2004). Observed monthly precipitation trends in China 1951–2002. Theoretical and applied climatology, 77(1-2), 39-45.‏

19- Gu, H., Wang, G., Yu, Z., & Mei, R. (2012). Assessing future climate changes and extreme indicators in east and south Asia using the RegCM4 regional climate model. Climatic change, 114(2), 301-317.‏

20- Gagnon, S., Singh, B., Rousselle, J., & Roy, L. (2005). An application of the statistical downscaling model (SDSM) to simulate climatic data for streamflow modelling in Québec. Canadian Water Resources Journal, 30(4), 297-314.‏

21- Hodgkins, G. A., James, I. C., & Huntington, T. G. (2002). Historical changes in lake ice out dates as indicators of climate change in New England, 1850-2000. International Journal of Climatology. 1819-1827, (15)22.

22- Horton, B. (1995). Geographical distribution of changes in maximum and minimum temperatures. Atmospheric Research, 37(1), 101-117.‏

23-  Huang, J., Zhang, J., Zhang, Z., Xu, C., Wang, B., & Yao, J. (2011). Estimation of future precipitation change in the Yangtze River basin by using statistical downscaling method. Stochastic Environmental Research and Risk Assessment, 25(6), 781-792.‏

24- Hashemi-Ana, S. K., Khosravi, M., & Tavousi, T. (2015). Validation of AOGCMs Capabilities for Simulation Length of Dry Spells under the Climate Change in Southwestern Area of Iran. Open Journal of Air Pollution, 086, (02)4.

25- Islam, S., Rehman, N., & Sheikh, M. M. (2009). Future change in the frequency of warm and cold spells over Pakistan simulated by the PRECIS regional climate model. Climatic change, 94(1-2), 35-45.‏

26- IPCC. (2001). Climate Change: The Scientific Basic. Contribution of Working Group 1 to The Third Assessment report to the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK, and New York, N.Y. , U.S.A., 881pp.

27- IPCC. (2007). Climate Change 2007: the physical science basis. In: Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M., Miller H.L. )Eds(, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge.

28- IPCC. (2013). Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovern-mental Panel on Climate Change Intergovernmental Panel on Climate Change Cam-bridge, United Kingdom and New York, USA.

29- Jiang, J. M., & You, X. T. (1996). Where and when did an abrupt climatic change occur in China during the last 43 years?. Theoretical and Applied Climatology, 55(1-4), 33-39.‏

30- Jones, P. D., & Moberg, A. (2003) Hemispheric and large-scale surface air temperature variations: An extensive revision and an update to 2001. Journal of Climate, 206-223.‏

31- Jones, P. D. (1994). Hemispheric surface air temperature variations: a reanalysis and an update to 1993. Journal of Climate, 7(11), 1794-1802.‏

32- Jacovides, C. P. (1998). Reply to comment on “Statistical procedures for the evaluation of evapotranspiration computing models”. Agricultural Water Management, 37(1), 95-97‏.

33- Kadioğlu, M., Şen, Z., & Gültekin, L. (2001). Variations and trends in Turkish seasonal heating and cooling degree-days. Climatic change, 49(1-2), 209-223.‏

34- Kumar, K. R., & Hingane, L. S. (1988). Long-term variations of surface air temperature at major industrial cities of India. Climatic Change, 13(3), 287-307.‏

35- Mahmood, R., & Babel, M. S. (2013). Evaluation of SDSM developed by annual and monthly sub-models for downscaling temperature and precipitation in the Jhelum basin, Pakistan and India. Theoretical and applied climatology, 113(1-2), 27-44.‏

36- Mahmood, R., & Babel, M. S. (2014). Future changes in extreme temperature events using the statistical downscaling model (SDSM) in the trans-boundary region of the Jhelum river basin. Weather and Climate Extremes, 5, 56-66.‏

37- Nasri, M., & Modarres, R . (2009) Dry spell trend analysis of Isfahan Province, Iran. International journal of climatology, 29(10), 1430-1438.‏

38-  Parry, M. L., Rosenzweig, C., Iglesias, A., Livermore, M., & Fischer, G. (2004). Effects of climate change on global food production under SRES emissions and socio-economic scenarios. Global Environmental Change, 14(1), 53-67.‏

39- Revadekar, J. V., Kothawale, D. R., Patwardhan, S. K., Pant, G. B., & Kumar, K. R. (2012). About the observed and future changes in temperature extremes over India. Natural hazards, 60(3), 1133-1155.‏

40- Rahmstorf, S., & Ganopolski, A. (1999). Long-term global warming scenarios computed with an efficient coupled climate model. Climatic change (2) 43, 353-367.‏

41- Sonali, P., & Kumar, D. N. (2013). Review of trend detection methods and their application to detect temperature changes in India. Journal of Hydrology, 476, 212-227.‏

42- Stern, D. I., & Kaufmann, R. K. (2000). Detecting a global warming signal in hemispheric temperature series: Astructural time series analysis. Climatic Change, 47(4), 411-438.‏

43- Salon, S., Cossarini, G., Libralato, S., Gao, X., Solidoro, C., & Giorgi, F. (2008). Downscaling experiment for the Venice lagoon. I. Validation of the present-day precipitation climatology. Clim. Res, 38(1), 31-41.‏

44- Semenov, M. A., & Stratonovitch, P. (2010). Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate research (Open Access for articles 4 years old and older), 41(1), 1.‏

45-Toros, H. (2012). Spatio temporal variation of daily extreme temperatures over Turkey. International Journal of Climatology, 32(7), 1047-1055.‏

46-Tonkaz, T., Çetin, M., & Tülücü, K. (2007). The impact of water resources development projects on water vapor pressure trends in a semi-arid region, Turkey. Climatic Change, 82(1-2), 195-209.‏

47- Türkes, M., Sümer, U. M., & Kiliç, G. (1996). Observed changes in maximum and minimum temperatures in Turkey. International journal of climatology, 16(4), 463-477.‏

48-Türkeş, M., Sümer, U. M., & Kiliç, G. (1995). Variations and trends in annual mean air temperatures in Turkey with respect to climatic variability. International Journal of Climatology, 15(5), 557-569.‏

49- Tabari, H., & Talaee, P. H. (2011). Analysis of trends in temperature data in arid and semi-arid regions of Iran. Global and Planetary Change, 79(1), 1-10.‏

50- Zhang, Q., Xu, C. Y., & Zhang, Z. (2009). Observed changes of drought/wetness episodes in the Pearl River basin, China, using the standardized precipitation index and aridity index. Theoretical and Applied Climatology, 98(1-2), 89-99.‏

51- Whan, K., Alexander, L. V., Imielska, A., McGree, S., Jones, D., Ene, E., ... & Vaiimene, M. (2014). Trends and variability of temperature extremes in the tropical Western Pacific. International Journal of Climatology, 34(8), 2585-2603.‏

52- Wilby, R. L., Dawson, C. W., & Barrow, E. M. (2002). SDSM—a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17(2), 145-157.‏

53- Wilby, R. L., & Dawson, C. W. (2013). The statistical downscaling model: insights from one decade of application. International Journal of Climatology (7)33, 1707-1719.‏

54- Wang, X., Yang, T., Shao, Q., Acharya, K., Wang, W., & Yu, Z. (2012). Statistical downscaling of extremes of precipitation and temperature and construction of their future scenarios in an elevated and cold zone. Stochastic environmental research and risk assessment, 26(3), 405-418.‏

55-Yue, S., & Hashino, M. (2003). Temperature trends in Japan: 1900–-1996. Theoretical and Applied Climatology, 75(1-2), 15-27.‏