هواشناسی کشاورزی

هواشناسی کشاورزی

امکان‌سنجی پیش‌بینی شاخص‌های تداوم بارش حدی با استفاده از دورپیوندها (مطالعه موردی: ایستگاه‌های هواشناسی گرگان و رشت)

نوع مقاله : مقاله پژوهشی

نویسندگان
گلنار قنبرزاده 1
خلیل قربانی 2
میثم سالاری جزی 3
چوقی بایرام کمکی 4
لاله رضائی قلعه 5
1 دانشکده مهندسی آب و خاک دانشگاه علوم کشاورزی و منابع طبیعی گرگان/گرگان/ایران
2 هیأت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
3 دانشکده مهندسی آب و خاک/دانشگاه علوم کشاورزی و منابع طبیعی گرگان/گرگان/ایران
4 هیات علمی گروه بیابان دانشگاه علوم کشاورزی و منابع طبیعی گرگان
5 گروه مهندسی آب و خاک/ دانشگاه ارومیه/ارومیه/ایران
10.22125/agmj.2024.436966.1164
چکیده
مطالعه وقایع حدی بارش به دلیل بروز پدیده‌های زیان‌باری نظیر سیل و فرسایش خاک اهمیت زیادی در هواشناسی کشاورزی دارد. پدیده‌های دورپیوند با توجه به اثر آنها بر عوامل اقلیمی، متغیرهای مناسبی جهت پیش‌بینی بارش‌های فرین محسوب می‌شوند. در این مطالعه، دو شاخص‌ حدی بارش بیشترین تعداد روزهای خشک و مرطوب متوالی انتخاب و امکان پیش‌بینی آنها در دو ایستگاه هواشناسی رشت و هاشم‌آباد گرگان طی دوره آماری 1362-1402 با استفاده از مقادیر چند شاخص دورپیوند با دو گروه از معادلات بررسی شد. برای روابط خطی از رگرسیون چند متغیره خطی (MLR) و روابط غیرخطی از رگرسیون درخت تصمیم M5 استفاده شد. این مدل‌ها به منظور غلبه بر مشکل حریصانه بودن الگوریتم داده‌کاوی M5 و شناسایی متغیرهای مؤثر، گام به گام اجرا شدند. اثر تأخیری شاخص‌های دورپیوند از همبستگی بالاتر آن با شاخص‌های حدی بارش تأیید شد. دقت بالاتر مدل M5 نیز وجود رابطه غیرخطی بین شاخص‌های دورپیوند با شاخص‌های حدی مدت بارش را نشان می‌دهد به طوری که با متوسط درصد خطایی کمتر از 21 درصد پیش‌بینی شدند. دقت بیشتر مدل M5 با دخالت دادن تنها 5 متغیر در مقایسه با کلیه شاخص‌های دورپیوندی، نشانگر اهمیت متغیرها و حریصانه بودن الگوریتم M5 است. در نهایت می‌توان نتیجه گرفت شاخص‌های دورپیوند بر تغییرات عوامل اقلیمی در دو ایستگاه مطالعاتی مؤثر بوده ولی تنها یک شاخص نمی‌تواند تمام تغییرات را توجیه کند بلکه اثر همزمان چند شاخص، با بکار بردن مدلی مناسب جهت یافتن رابطه آنها با شاخص‌های حدی، می‌تواند امکان پیش‌بینی وقایع حدی بارندگی را میسر سازد.
کلیدواژه‌ها
پیش‌بینی
دوره خشک متوالی
دوره تر متوالی
شاخص‌های دورپیوند
درخت تصمیم M5

موضوعات

عنوان مقاله English

Feasibility of forecasting extreme precipitation duration indices using teleconnections (Case study: Gorgan and Rasht weather stations)

نویسندگان English

golnar qanbarzadeh 1
Khalil Ghorbani 2
meysam salaryjazi 3
Chooghi bairam komaki 4
laleh Rezaei Ghaleh 5
1 Department of Water Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran.
2 Faculty member of Gorgan University of Agricultural Sciences and Natural Resources
3 Department of Water Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran
4 Department of Desert Management, Faculty of Water and Soil Engineering, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran.
5 Department of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran.
چکیده English

Precipitation is the most important source of water supply for the agricultural sector, which is unevenly distributed across the country based on the long-term average. In this research, the MPI-ESM1.2-HR Earth System Model boundary condition data has been used for dynamically downscaling by RegCM4.7 regional climate model to project the country's average precipitation in the future period of 2026-2075 based on the SSP scenarios. Dynamical downscaling was performed according to SSP2-4.5 and SSP5-8.5 Shared Socio-economic Pathway scenarios from the primary horizontal resolution of 100×100 to 30×30 km. Precipitation projected by the regional climate model was bias corrected using the Linear Scaling (LS) method. In bias correctoion process, CRU gridded observation data and dynamically downscaled precipitation values in the historical period of 2000-2014 were used. The results showed that the annual precipitation in the southern third of the country will be increased by 7 to 15% in all future periods and SSP scenarios, when comparing to the mean observation period. However, in the northern and central third of the country, both increasing and decreasing changes in precipitation (between -2% and +7%) were projected. In the spring and summer seasons, the precipitation is mainly increasing, with the largest increase in the spring in the southern regions and in the summer in the south and east of the country. On the other hand, in the western regions of the country, the precipitation is projected to decrease.  In the autumn season, the country's precipitation is decreasing (increasing) based on SSP2-4.5 (SSP5-8.5). In the winter season, in all model-scenarios, the direction of precipitation change is increasing in the southwest of the country, decreasing in the west, and in other areas within the range of normal fluctuations.

کلیدواژه‌ها English

Precipitation
Downscaling
CMIP6
RegCM4.7
MPI-ESM1.2-HR
Alavinia, S. H., Zarei, M. 2022. climate change trends analysis using by extreme indices of long-term rainfall and temperature in South East of Iran. Regional Planning, 11(44), 119-134. doi: 10.30495/jzpm.2022.4059. (In Farsi)
Atif, R. M., Almazroui, M., Saeed, S., Abid, M. A., Islam, M. N., Ismail, M. 2020. Extreme precipitation events over Saudi Arabia during the wet season and their associated teleconnections. Atmospheric Research, 231, 104655.
Baldi, Marina 2008. Climate extreme in the Asia-Pasific Region: a tale of 15 years of international collaborative research. NIWA, Auckland, Rome.
choubin, B., KHalighi Sigaroodi, S., Malekian, A. 2016. Impacts of Large-Scale Climate Signals on Seasonal Rainfall in the Maharlu - Bakhtegan Watershed. Journal of Range and Watershed Managment, 69(1), 51-63. (In Farsi)
Fatehi Marj, A. Borhani Darian, M. H. Mahdian. 2006. Forecasting Seasonal Rainfall Using Teleconnection Pattern Case Study: Orumiyeh Lake Basin. Journal of Crop Production and Processing, 10 (3), 45-58
Bazrafshan, O. 2018. Impact of climatic signals on the wet and dry season precipitation (case study: Persian Gulf and Oman Sea watersheds). (In Farsi)
Gerkaninezhad Moshozi, z., Bazrafshan, O. 2018. Impact of climatic signals on the wet and dry season precipitation (case study: Persian Gulf and Oman Sea watersheds). Journal of The Earth and Space Physics, 44(2), 333-349. (In Farsi)
Ghorbani, K., Salarijazi, M., Ghahreman, N. 2022. Developing stepwise M5 tree model to determine the influential factors on rainfall prediction and to overcome the greedy problem of its algorithm. Water Resources Management, 36(9), 3327-3348.
Hejazizadeh, Z., Fatahi, E., Saligheh, M.,  Arsalani, F. 2013. Study on the impact of climate signals on the precipitation of the central of Iran using artificial neural network. Journal of geographical sciences, 13(29), 75-89. (in Farsi)
Khalili, A., Bazrafshan, J., Cheraghalizadeh, M. 2022. A Comparative study on climate maps of Iran in extended de Martonne classification and application of the method for world climate zoning. Journal of Agricultural Meteorology, 10(1), 3-16. (In Farsi)
Khodakhah, H., Ghorbani, K., Salarijazi, M., Abdolhosseini, M. 2022. Monthly and seasonal runoff estimation using time series, decision tree, and multivariable linear regression. Journal of Water and Soil Conservation, 28(4), 27-52. (In Farsi)
Legates, D.R., McCabe Jr, G.J. 1999. Evaluating the use of “goodness‐of‐fit” measures in hydrologic and hydroclimatic model validation. Water resources research, 35(1), 233-241.
Mahmoodabadi, M., Omidvar, K., Mozafari, Gh., Mazidi, A. 2018. Assessment of teleconnection patterns affecting rainfall extreme indices (case study: Sistan-Baluchestan province). Journal of Watershed Management Research, 9(17), 280-294. (In Farsi)
Mehravar, S., Ghaedamini, H. A., Nazemosadat, M. J. 2018. On the Madden-Julian Oscillations and El Niño-Southern Oscillation connection and their feedback on autumnal precipitation in Fars province, Iran. Iranian Journal of Geophysics, 12(2), 109-126. (In Farsi)
Moetamedi, M., Ehteramian, K., Shahabfar, A. 2007. The Study of Teleconnection Between ENSO as a Weather Signals and Rain Fall and Temperature Fluctuation’s of the Khorasan Province. Environmental Sciences, 4(4). (In Farsi)
Muller, M., Kaspar, M., Rezacova, D., Sokol, Z. 2009. Extremeness of Meteorological Variables as An Indicator of Extreme Precipitation Events, Atmospheric Research, 92, 308-317.
Nassaji Zavareh, M., Ghermezcheshmeh, B. 2022. Assessment of Spatial and Temporal Variability of Extreme Precipitation Indices (North and West of Iran). Journal of Rainwater Catchment Systems, 10 (1), 3. (In Farsi)
Olaya-Arenas, P., Meléndez-Ackerman, E. J., Pérez, M. E. 2020. Long-term temperature and precipitation trends in the Luquillo Mountains, and their relationships to global atmospheric indices used in climate change predictions. Caribbean Journal of Science, 50(1), 107-131.
Quinlan, J.R. 1992. November. Learning with continuous classes. In 5th Australian joint conference on artificial intelligence, 92, 343-348.
Rafati, P., Rezazadeh, M. 2020. Correlation of NAO, IOD and ENSO with the sea surface temperature changes in the Persian Gulf. Journal of the Earth and Space Physics, 46(2), 395-408. (In Farsi)
Shirmohammadi, Z., Ansari, H., Alizadeh, A., Mohammadian, A. 2012. The relationship between ENSO index and seasonal extreme rainfalls in Khorasan provinces. Journal of Water and Soil Conservation (Journal of Agricultural Sciences and Natural Resources), 19(1), 61-79. (In Farsi)
Tramblay, Y. S., El Adlouni, Servat, E. 2013. Trends and Variability in Extreme Precipitation Indices Over Maghreb Countries. Hazards Earth Systems, 13, 3235-3248.
UNEP. 2006. Extreme Events. One Planet Many People: Atlas of Our Changing Environment. UN/ISDR2006.
Valverde, M., Marengo, J. 2014. Extreme Rainfall Indices in The Hydrographic Basins of Brazil, Modern Hydrology, 4, 10-26.
Wang, X., Li, Y., Wang, M., Li, Y., Gong, X., Chen, Y., Chen, Y., Cao, W. 2021. Changes in daily extreme temperature and precipitation events in mainland China from 1960 to 2016 under global warming. International Journal of Climatology, 41(2),1465-1483.
Zand, M., Miri, M., Kousari, M. 2023. Detection of climate change in Lorestan Province using climate extreme indices. Watershed Engineering and Management, 15(1), 27-41. (In Farsi)