پیش بینی تغییرات پارامترهای اقلیمی استان لرستان در 50 سال آتی با استفاده از مدل HADCM3

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار اقلیم شناسی دانشگاه لرستان

2 دانشجوی دکترای اقلیم شناسی، دانشگاه لرستان

چکیده

افزایش‌گازهای‌گلخانه‌ای در چند دهه‌اخیر باعث بر هم خوردن تعادل اقلیمی کره زمین شده که به‌آن پدیده تغییر اقلیم اطلاق می‌شود. مهم‌ترین تبعات تغییر اقلیم افزایش دمای ‌متوسط کره زمین، افزایش پدیده‌های حدی‌اقلیمی نظیر سیل، طوفان، تگرگ، امواج گرمایی، افزایش سطح آب دریاها، ذوب شدن یخ های قطبی و سرماهای نابهنگام خواهد بود. استفاده از مدل‌های ریز مقیاس نمایی آماری در برآورد نوسانات اقلیمی، این امکان را فراهم ساخته که بتوان داده‌های آب و هوایی را در مقیاس مکانی و زمانی مناسب تولید کرد. چنین قابلیتی کمک شایانی به مطالعه نوسانات اقلیمی در مقیاس محلی و منطقه‌ای کرده است. در این تحقیق کارایی مدل LARS-WG  برای تولید و شبیه سازی داده‌های روزانه دما، بارش و ساعت آفتابی در استان لرستان با استفاده از پارامترهای آماری  MAE, T-STUDENT,MAE,R2 مورد بررسی و ارزیابی قرار گرفت و تغییرات ناشی از آن‌ها نیز در آینده آشکارشد. نتایج حاصل از آن نشان داد که در سطح اطمینان 99 درصد تفاوت معنی داری بین داده‌های واقعی و داده‌های حاصل از مدل وجود ندارد و مدل کارایی لازم را در جهت تولید داد‌ه‌های روزانه داراست. پس از اطمینان از کارایی مدل، از خروجی های مدل HADCM3 استفاده شد و داده‌های روزانه دما، تابش و بارش برای دوره پایه (2005-1961)، تحت سه سناریوی A1B(سناریوی حد وسط)، A2(سناریوی حداکثر) و B1 (سناریوی حداقل) شبیه سازی گردید.بر اساس برآورد مدل HADCM3 برای سناریوهای مورد بررسی در دوره‌های آتی، میانگین دمای بیشینه و بارش استان به ترتیب حدود(9/0 تا 03/1 درجه) و(04/12 درصد)افزایش‌و میانگین‌ساعات آفتابی‌حدود6/0 کاهش خواهد یافت.همچنین با وجود تغییرات کمتر دمای بیشینه نسبت به دمای کمینه، افزایش متوسط دمای هوا در این دوره قابل انتظار می‌باشد. طبق این نتایج شرایط اقلیمی استان لرستان در 50 سال آینده تفاوت محسوسی با شرایط فعلی خواهد داشت و برنامه ریزی‌های بلند مدت و استراتژیک برای مدیریت این شرایط ضروری بنظر می‌رسد.

کلیدواژه‌ها

عنوان مقاله [English]

Predicting the Climatic Parameters Changes ofLorestan Province in the next 50 years using the HADCM3 model

نویسندگان [English]

  • Behrouz Nasiri 1
  • zahra yarmoradi 2
1 Assistant professor of climatology at the University of Lorestan
2 Ph.D candidate of climatology the University of
چکیده [English]

Abstract[1]
The increase in greenhouse gases in the last few decades has disrupted the climatic balance of the Earth which is called the phenomenon of climate change. The main consequences of climate change will be the increase in global average temperature, the increase of climatic extreme phenomena such as floods, storms, hail, thermal waves, sea level rise, melting of polar ice and untimely cold. The use of Statistical Downscaling Models for estimating climatic fluctuations allows weather data to be generated at the appropriate spatial and temporal scales. Such capabilities have contributed greatly to studying local and regional climatic fluctuations. In this research, the efficiency of LARS-WG model was examined and evaluated for generating and simulating daily temperature, sunny hours and rainfall data in Lorestan province using MAE, T-STUDENT, MAE, R2 statistical parameters and their subsequent changes in the future became apparent too. The results showed that at 99% confidence level, there is no significant difference between actual data and data obtained from the model and the model has the necessary efficiency in generating daily data. After making sure of the model’s efficiency, the outputs of the HADCM3 model were used and the daily temperature, radiation and precipitation data for the base period (1961-2005) were simulated under three scenarios of A1B (mid-range scenario), A2 (maximum scenario) and B1 (scenario Minimum).Based on the HADCM3 model estimates for the scenarios under study in future periods, the average maximum temperature and precipitation of the province would increase about (0.9 to 1.3 degrees) and (12.04 percent), respectively, and average sunny hours would decrease by about 0.6.Also, despite lower changes in maximum temperature than the minimum temperature, the average temperature increase in this period is expected. According to these results, the climatic conditions of Lorestan province in the next 50 years will have a significant difference with the current situation and long-term strategic plans seem necessary to manage these conditions.



[1] - به دلیل کیفیت نامناسب متن چکیده مبسوط انگلیسیِ ارائه شده توسط نویسنده مسئول مقاله، نشریه به ناچار اقدام به ترجمه مجدد متن چکیده فارسی و انتشار آن به جای چکیده مبسوط انگلیسی نموده است.

کلیدواژه‌ها [English]

  • Climate change
  • Downscaling
  • HADCM3
  • scenario
  • Lorestan

مراجع

1- بابایی،  میرزائی، سهرابی؛ بهنام، فرهاد، تیمور (1390)،  ارزیابی عملکرد مدل LARS-WG در 12 ایستگاه هواشناسی ساحلی ایران، مجله پژوهش آب ایران، شماره 5، صص 222-217.
2- بابائیان، نجفی‌نیک؛ ایمان، زهرا (1385)، معرفی و ارزیابی مدل LARS-WG برای مدلسازی پارامترهای هواشناسی استان خراسان در دوره 2003-1961، مجله نیوار، شماره63، صص 30-24.
3- بابائیان، نجفی‌نیک، زابل عباسی، حبیبی‌نوخندان،  ادب، ملبوسی؛ ایمان، زهرا، فاطمه، مجید، حامد، شراره (1387)، ارزیابی تغییر اقلیم شمال شرق ایران در دوره 2010 تا 2039 میلادی با استفاده از ریزمقیاس نمایی داده‌های مدل گردش عمومی جو ECHO-G، مجله جغرافیا و توسعه، شماره16، صص 152-135.
4- خزانه‌داری، کوهی، قندهاری، آسیائی؛ لیلی، منصوره، شهزاد، مهدی (1387)، تغییر اقلیم علل، اثرات و راه‌حل‌ها، هاردی، جانتی، برگردان؛ انتشارات پاپلی.
5- سبحانی، فاطمی‌نیا؛ بهروز، فخری‌سادات(1393)، مدلسازی فراسنج‌های اقلیمی استان خراسان جنوبی، مجله پژوهش‌های جغرافیای طبیعی، سال46، شماره3، صص 311-332.
6- سبزی‌پرور،شادمانی؛ علی اکبر، مجتبی(1390)، تحلیل روند تبخیر و تعرق مرجع با استفاده از آزمون من‌کندال و اسپیرمن در مناطق خشک ایران، نشریه آب و خاک، شماره4، صص 823-834.
7- طاووسی، خسروی، زهرایی؛ تقی، محمود، اکبر (1391)، پیش‌بینی تغییرات یخبندان شهر زابل برپایه شبیه‌سازی مدل گردش عمومی جو، مجله مخاطرات محیطی، سال اول، شماره 2.
8- عزیزی، روشنی؛ قاسم، محمود (1387)، مطالعه تغییر اقلیم در سواحل جنوبی دریای خزر به روش من‌کندال، مجله پژوهش‌های جغرافیایی، شماره64، صص 28-13.
عساکره، حسین(1386)، تغییر اقلیم، انتشارات دانشگاه زنجان، چاپ اول، زنجان.
9- فیروزی، نگارش، خسروی؛ فاطمه، حسین، محمود (1391)، مدلسازی، پیش‌بینی و بررسی روند بارش در ایستگاه‌های منتخب استان فارس، فصلنامه علمی-پژوهشی برنامه‌ریزی منطقه‌ای، شماره 7، صص 91-77.
10- فیضی، فرج‌زاده؛ وحید، منوچهر(1389)، مطالعه تغییر اقلیم در استان سیستان و بلوچستان به روش من‌کندال، چهارمین کنگره بین‌المللی جغرافیدانان جهان اسلام، صص12-1.
11- کمال، مساح‌بوانی، نجفی؛ علیرضا، علیرضا،محمدسعید (1388)، عدم قطعیت مدل‌های AOGCM و هیدرولوژیکی درتخمین روانآب تحت تأثیر تغییر اقلیم، کنفرانس بین‌المللی منابع آب شاهرود.
12- کمالی، غلامعلی (1381)، سرماهای زیان‌بخش به بخش کشاورزی ایران در قالب معیارهای احتمالی، فصلنامه تحقیقات جغرافیایی، شماره63،صص 19-4.
13- Babaeian, I., Kwon, W. T., Im, E. S., 2004, Application of Weather GeneratorTechnique for Climate Change Assessment over Korea. Korea Meteorological Research Institute, Climate Research lab.
14- Cowden, J.R., Watkins Jr, D.W., Mihelcic, J.R., 2008, Stochastic Rainfall Modeling inWest Africa: Parsimonious Approaches for Domestic Rainwater Harvesting Assessment, Journal of hydrology, 361, 64-77.
15- Farzaneh M. R., Eslamian, S. S., Samadi S. Z. &Akbarpour, A. (2011).An Appropriate general circulation model (GCM) to investigateclimate change.International Journal of Hydrology Science &Technology. 2(1): 43-51.
16- Harmsen, E., Miller, N.L., Schlegel, N.J., and Gonzalez, J.E., 2009, Seasonal climatechange impacts on evapotranspiration, precipitation deficit and crop yield in Puerto Rico.Journal of Agricultural Water Management. 96:1085– 1095.
17- IPCC-TGCIA.(1999). Guidelines on the use of scenario data forclimate impact and adaptation assessment. UK: IntergovernmentalPanel on Climate Change (IPCC) Publications.
18- IPCC-TGICA (2007) General guidelines on the use of scenario data for climate impact and adaptation assessment.eds. Carter, T.R., Version 2, 71p. Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment.
19- Liang, L., Lijuan, L., and Qiang, L., (2010), Temporal variation of referenceevapotranspiration during 1961-2005 in the Taoer river basin of Northeast China.Agricultural and Forest Meteorology, 150: 298-306.
20- Luo, Qanyan, M.A., Williams, J., Belloti, W., Bryan, B., (2003), Quantative and VisualAssessments of Climate Change Impacts on South Australian Wheat Production.AgricultureSystems, 77: 3. 173-186.
21- Minville.M, Brissette.F, Leconte. R. (2008), Uncertainty of the impact of climatechange on the hydrology of a Nordic watershed.Journal of Hydrology (2008) 358, 70– 83.
22- MassahBavani, A.R., and Morid, S., (2006), Impact of Climate Change on the WaterResources of Zayandehrud Basin. Journal of Science and Technology.Agriculture and NatureResource.9: 4.28-34.
23- Mavromatis, Th., Hansen, J.W., (2001), Inter Annual Variability Characteristics andSimulated Crop Response of four Stochastic Weather Generators.Agricultural and ForestMeteorology, 109: 283-296.
24- Peterson, T. C., Zhang, X. B., India, M. B., Aguirre, J. L. V., (2008), Changes in NorthAmerican Extremes Derived from Daily Weather Data. Journal of Geophysical Research.41,123-135.
25- Richter, G.M., and Semenov, M.A., (2004), Modelling Impacts of Climate Change onWheat Yields in England and Wales. Assessing Drought Risks, Agriculture Systems, 84: 1.77-97.
26- Sajjad Khan, M., Coulibaly, P., Dibike, Y., (2006), Uncertainty Analysis ofStochastically Downscaling Methods.Journal of Hydrology. 319: 1-4. 357-382.
27- Semenov, M.A., Brooks, R.J., Barrow, E.M., C.W. Richardson., (1998), Comparison ofthe WGEN and LARS-WG Stochastic Weather Generators for Diverse Climates. Journal ofClimate Researches 10(2):95–107.
28- Steele- Dunne, S., Lynch, P., McGrath, R., Semmler, T., Wang, Sh., Hanafin, J. andNolan, P., (2008), The impacts of climate change on hydrology in Ireland. Journal of Hydrology, 356: 28-45.
29- Samadi, S. Z., Mahdavi, M., Sharifi, F. &Bihamta, M. R. (2009).Methodology for selecting the best predictor for climate change impactassessment in Karkheh Basin, Iran. Journal of Environmental Scienceand Engineering. 61: 18-33.
30- Wang, Q-x., Fan, X-h., Qin, Z-d., Wang, M.-b., (2012), Change Trends of Temperatureand Precipitation in the Loess Plateau Region of China, 1961–2010. Global and PlanetaryChange, 138–147.
31- Williams, A.G., (1991), Modelling Future Climates: From GCMs to StatisticalDownscalingApproaches. University of Toronto at Scarborough, 56.
32- Zarghami, M., Abdi, A., Babaeian, I., Hasanzadeh, Y., and Kanani, R., (2011).Impactsof Climate Change on Runoffs in East Azerbaijan, Iran, Global and Planetary Change. In Press, Corrected Proof, Available online 30 June 2011.
فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر»

دوره 26، شماره 101
بهار 1396
صفحه 143-154

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار