چشم انداز تغییرات دما با استفاده از ریزمقیاس نمایی آماری خروجی های مدل HadCM3

نوع مقاله: یادداشت فنی

نویسندگان

1 مدرس گروه جغرافیای طبیعی، دانشگاه پیام نور، مرکز سقز

2 دانشجوی دکتری آب و هواشناسی کشاورزی دانشگاه حکیم‌سبزواری

چکیده

تغییرات اقلیمی به ویژه گرمایش جهانی از بزرگ ترین چالش هایی است که بشر درقرن بیست و یکم با آن مواجه است و تأثیرات مشهودی بر کشاورزی، منابع آب و محیط زیست به همراه دارد. در این پژوهش خروجی مدل گردش عمومی HadCM3 تحت سه سناریوی انتشار A1B، A2 و B1 توسط مدل آماری LARS-WG در ایستگاه سینوپتیک سقز برای دو متغیر اقلیمی دمای کمینه و دمای بیشینه ریزمقیاس نمایی شد و نتایج حاصل از آن در دوره پایه (1990-1961) و دوره آینده (2065-2046) مورد مقایسه قرار گرفت. عملکرد مدل LARS-WG در شبیه سازی داده های دما با استفاده از شاخص های MSE، RMSE و MAE ارزیابی شد. داده های چشم انداز مدل نشان داد که دمای کمینه و بیشینه در تمامی ماه های سال افزایش خواهد یافت. این افزایش در طی دوره 20 ساله آتی، برای دمای کمینه و بیشینه به ترتیب 3/2 و 3 درجه سانتی گراد اساس متوسط سناریوهای مورد بررسی در منطقه مطالعاتی نسبت به دوره پایه می باشد. بیش ترین و کم ترین افزایش در هر دو متغیر مورد بررسی نیز به ترتیب توسطسناریوهای A1B و B1 ارزیابی شده است. از نتایج حاصل از این بررسی می توان در مدیریت منابع آب و برآوردنیاز آبی گیاهان استفاده نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Technical NoteStatistical downscaling of HadCM3 model for projection of temperature (Case study: Saghez station)

نویسندگان [English]

  • S.A. Hosseini 1
  • H. Ahmadi 2
1 Lecturer of Physical Geography (Climatology), Payam e Noor University ,Saghez branch, Iran
2 Ph. D. Student in Physical Geography (Agroclimatology), University of Hakim Sabzavari
چکیده [English]

Climate change and global warming are major challenges in 21 century which affects agriculture, water resource and environment significantly. In this study, the outputs of HadCM3 general circulation model were statistically downscaled using LARS-WG model under A1B, A2 and B1 scenarios for projection of Tmax and Tmin variables. The outputs for future period of 2046 to 2065 were compared with baseline period of 1961-1990. The Weather generator performance in simulation of temperature data were evaluated using statistical indices of MSE, RMSE and MAE. The projected data showed that both minimum and maximum temperature would rise during all month of future period. This increase is 3.2 and 3 ◦C for Tmin and Tmax comparing to baseline period, respectively. Highest and lowest increase for both variables was projected by A1B and B1 scenarios. The results may be used in water resource management and crop water requirement calculation.

کلیدواژه‌ها [English]

  • Saghez
  • Temperature
  • Projection
  • general circulation model
  • LARS-WG

آبابایی، ب.، میرزایی، ف.، سهرابی، ت. 1390. ارزیابی عملکرد مدل LARS-WG در 12 ایستگاه ساحلی ایران. نشریه پژوهش آب ایران، 5 (9): 217-222.

آبکار، ع.، حبیب­نژاد، م.، سلیمانی، ک.، نقوی، ه. 1392. بررسی میزان کارآیی مدل SDSM در شبیه­سازی شاخص­های دمایی در مناطق خشک و نیمه­خشک. نشریه مهندسی آبیاری و آب، 4(14): 17-1.

آشفته، پ.، مساح بوانی، ع. 1389. تأثیر تغییر اقلیم بر دبی‌های حداکثر: مطالعه موردی، حوضه آیدوغموش، آذربایجان شرقی. نشریه علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک، 14(53): 39-25.

آقاشاهی، م.، اردستانی، م.، نیک­سخن، م.، طهماسبی، ب. 1391. معرفی و مقایسه مدل­های LARS-WG و SDSM به منظور ریز‌مقیاس‌نمایی پارامترهای زیست‌محیطی در مطالعات تغییر اقلیم. ششمین همایش ملی و نمایشگاه تخصصی مهندسی محیط‌زیست، تهران.

خلیلی­اقدم، ن.، مساعدی، ا.، سلطانی، ا.، کامکار، ب. 1391. ارزیابی توانایی مدل LARS-WG در پیش­بینی برخی پارامترهای جوی سنندج. نشریه پژوهش حفاظت آب و خاک، 19(4): 122-85.

رسولی، ع ا.، رضایی­بنفشه، م، مساح­بوانی، ع.، خورشید دوست، ع. م.، قرمز چشمه، ب. 1393. بررسی اثر عوامل مرفو- اقلیمی بر دقت ریز‌مقیاس‌گردانی مدل LARS-WG. نشریه علوم و مهندسی آبخیزداری ایران، 8 (24): 18-9.

صداقت­کردار، ع.، فتاحی، ا. 1387. شاخص­های پیش آگاهی خشکسالی در ایران. نشریه جغرافیا و توسعه، دانشگاه سیستان و بلوچستان، 6 (11): 76-59.

صلاحی، ب.، فاطمی­نیا، ف.، حسینی، س م. 1393. ارزیابی تغییرات اقلیمی آینده استان اصفهان با استفاده از دو مدل BCM2 و HadCM3 در مدل ریزگردان LARS-WG. مطالعات جغرافیایی مناطق خشک، 5 (16):71-55.

کارآموز، م.، رمضانی، ف.، رضوی، س. 1385. پیش­بینی بلند مدت بارش با استفاده از سیگنال­های هواشناسی. کاربرد شبکه­های عصبی مصنوعی. هفتمین کنگره بین المللی مهندسی عمران، تهران.

هاشمی­نسب، ف. ا.، موسوی بایگی، م.، بختیاری، ب.، داوری، ک. 1392. پیش­بینی تغییرات بارش 20 سال آینده در استان کرمان با استفاده از مدل ریز‌مقیاس کننده LARS-WG و گردش عمومی HadCM3. نشریه مهندسی آبیاری و آب، 3 (12): 58-43.

Barnett, T. P., Pierce, D. W., Hidalgo, H. G., Bonfils, C., Santer, B. D., Das, T., Bala, G., Wood, A. W., Nozawa, T., Mirin, A. A., Cayan, D. R., Dettinger, M. D. 2008. Human-induced changes in the hydrology of the western United States. Science, 319(5866): 1080-1083.

Carter, T. R., Parry, M. L., Harasawa, H., Nishioka, S. 1994. IPCC technical guidelines for assessing climate change impacts and adaptions, IPCC Special Report to Working Group II of IPCC, London.

Dibike, Y. B., Coulibaly, P. 2005. Hydrologic impact of climate change in the Saguenay watershed: comparison of downscaling methods and hydrologic models, J. Hydrol., 307: 145-163.

Fowler, H J., Blenkinsop, S., Tebaldi, C. 2007. Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modeling. Int. J. Clim., 27: 1547-1578.

Huntington, T. G. 2006. Evidence for intensification of the global water cycle: Review and synthesis. J. Hydrol., 319(1-4): 83-95.

Osman,Y., AL-Ansari, N,. Abdellatif, M,. Aljawad, S. B., Knutsson, S. 2013. Expected future precipitation in central Iraq using Lars-WG stochastic weather generator. Engineering, 6: 948-959.

Semonov, M. A., Stratonovitch, P. 2010. Use of multi-model ensembles from global climate models for assessment of climate change impacts. Clim. Res., 41: 1-14.

Sharma, D., Gupta, A. D., Babel, M. S. 2007. Spatial disaggregation of bias-corrected GCM precipitation for improved hydrologic simulation: Ping River Basin, Thailand. Hydrol. Earth Syst. Sci., 11: 1373-1390.

Valizadeh, J., Ziaei, S. M., Mazloumzadeh, S. M. 2014. Assessing climate change impacts on wheat production (a case study), J. Saudi Soc. Agric. Sci., 13(2): 107-115.

Wigley, T. W. L., Jones, P. D., Briffa, K. R. Smith, G. 1990. Obtaining sub-grid scale information from coarse resolution general circulation model output, J. Geophys. Res., 951: 1943-1953.

Wilby, R .L., Dawson, C. W., Barrow, E. M. 2002. SDSM- a decision support tool for the assessment of regional climate change impacts. J. Environ. Modeling & Soft., 17: 147-159.

Wilks, D. S., Wilby, R. L. 1999. The weather generation game: a review of stochastic weather models. Progress in Physical Geography, 2: 329-357.

Zarghami, M., Abdi, A., Babaeian, I., Hassanzadeh, Y., Kanani, R. 2011. Impacts of climate change on runoffs in East Azerbaijan, Iran. Global and Planetary Change, 78(3, 4): 137-146.