پیش بینی میزان بارندگی با استفاده از مدل ریزمقیاس نمایی آماری SDSM و خروجی مدل های CanESM۲ و HadCM۳ (مطالعه موردی: ایستگاه همدیدی تبریز)
- سال انتشار: 1399
- محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 11، شماره: 22
- کد COI اختصاصی: JR_JWMR-11-22_019
- زبان مقاله: فارسی
- تعداد مشاهده: 445
نویسندگان
Graduate University of Advanced Technology
Graduate University of Advanced Technology
Kerman Agricultural and Natural Resources Research Center, AREEO
چکیده
تغییر اقلیم به عنوان یک عامل تاثیرگذار برهمه فاکتورهای اکولوژیکی، در سال های اخیر مورد توجه پژوهشگران در سراسر جهان قرار گرفته است. در این راستا از داده های بازسازی شده مرکز ملی پیش بینی متغیرهای محیطی کانادا (NCEP)N)،داده های مدل جهانی HadCM۳ تحت دو سناریوی A۲ و B۲ و داده های مدل CanESM۲ تحت سه سناریوی RCP۲.۶، RCP۴.۵ و RCP۸.۵ جهت شبیه سازی میزان بارندگی استفاده شد. ریزمقیاس نمایی به کمک مدلSDSM برای دوره پایه ۳۱ ساله (۲۰۰۱-۱۹۷۱) و دوره پایه ۳۵ ساله (۲۰۰۵-۱۹۷۱) در ایستگاه همدیدی تبریز انجام شد. بر اساس نتایج حاصل از پیش بینی بارندگی در دوره های ۳۰ ساله آتی با استفاده از دو سناریوی A۲ و B۲، متوسط بارندگی ماهانه به ترتیب به میزان ۱۱/۲۲ و ۹/۵۸ میلی متر طی دوره ۳۰ ساله اول (۲۰۳۹-۲۰۱۰)، ۱۱/۶۹ و ۱۲/۶۹ میلی متر طی دوره ۳۰ ساله دوم (۲۰۶۹-۲۰۴۰) و ۱۲/۷۷ و ۱۳/۱۰ میلی متر طی دوره ۳۰ ساله سوم (۲۰۹۹-۲۰۷۰) افزایش خواهد یافت. همچنین نتایج حاکی از افزایش متوسط بارش ماهانه با استفاده از سناریوهای RCP۲.۶، RCP۴.۵ و RCP۸.۵ به ترتیب برابر ۶/۲۹، ۷/۵۹ و ۷/۵۳ میلی متر طی دوره ۳۰ ساله اول (۲۰۳۹-۲۰۱۰)، ۹/۲۸، ۸/۰۹ و ۷/۴۳ میلی متر طی دوره ۳۰ ساله دوم (۲۰۶۹-۲۰۴۰) و ۷/۹۰، ۱۰/۵۰ و ۷/۰۸ میلی متر طی دوره ۳۰ ساله سوم (۲۰۹۹-۲۰۷۰) نسبت به میانگین دراز مدت دوره پایه است. بیشترین میزان افزایش بارندگی در همه دوره های مورد بررسی با استفاده از هر دو مدل مربوط به ماه های مارس، آوریل و می (فصل بهار) است. دلیل این مهم می تواند به گرمایش جهانی و به تبع آن تغییر الگو و مقدار بارش مربوط باشد.کلیدواژه ها
Climate Change, RCP Scenarios, Statistical Downscaling Model, Tabriz Synoptic Station, ایستگاه همدیدی تبریز, تغییر اقلیم, سناریوهای RCP, مدل ریزمقیاس نمایی آماریاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.