تحلیل حساسیت و بررسی تغییرات شاخص خشکی (AI) در چند نمونه اقلیمی ایران

شاخص خشکی (AI) به عنوان نسبت تبخیر-تعرق به بارش برای کمی سازی مقدار خشکی به کار می رود. در این مطالعه، تحلیل حساسیت AI براساس ۷ متغیر هواشناسی شامل بارش، دمای حداکثر، دمای حداقل، فشار بخار هوا، سرعت باد و تابش ورودی در ۵ نمونه اقلیمی متفاوت بر اساس طبقه بندی دومارتن طی دوره ۲۰۱۹-۱۹۹۰ در مقیاس زمانی سالانه با استفاده از روش مشتقات جزئی محاسبه شد. برای روندیابی تغییرات AI، از آزمون من-کندال و روش تخمین گر شیب خط سن استفاده شد. به منظور پیش نگری تغییرات AI در دوره آینده ۲۰۵۰-۲۰۲۰، از مدل گردش عمومی جو (canESM۲) تحت دو سناریوی RCP۴.۵ و RCP۸.۵ و مدل ریز مقیاس نمایی (SDSM) استفاده شد. نتایج تحلیل روند حاکی از افزایش خشکی در همه ایستگاه ها به جز مشهد بود. نتایج ضریب حساسیت نشان داد، در بین متغیرهای اقلیمی، بارش بیش ترین سهم را در تغییرات AI داشته است. به طوری که %۱۰ افزایش در بارش، باعث کاهش AI در ایستگاه های رشت، ایلام، یاسوج، مشهد و کرمان به ترتیب %۱۰/۷۲، %۱۱/۸۱، %۱۲/۴۸، %۱۱/۱۴ و %۱۲/۸۲ می شود. بعد از بارش، بیشترین حساسیت AI به متغیرهای اقلیمی در ایستگاه های ایلام و رشت به ترتیب دمای حداکثر و حداقل، در ایستگاه های کرمان و مشهد، فشار بخار هوا، و در ایستگاه یاسوج مقدار تابش ورودی است. طی دوره ۳۰ سال پیش رو، انتظار می رود مقادیر AI در همه ی ایستگاه ها ی مطالعاتی به جز یاسوج افزایش یافته و بیشترین و کمترین نرخ افزایش AI سالانه به ترتیب در ایستگاه های رشت تحت سناریوی RCP۸.۵ و مشهد تحت سناریوی RCP۴.۵، رخ دهد.

کلیدواژه ها:

شاخص خشکی ، ضرایب حساسیت ، سناریوهای تغییر اقلیم ، آزمون روند