بررسی اثرات سناریوهای تغییرات اقلیمی در پیش بینی دما و بارش با استفاده از مدل LARS-WG (مطالعه موردی: بندرعباس)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 106

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAMST-2-2_001

تاریخ نمایه سازی: 21 خرداد 1403

چکیده مقاله:

در این پژوهش از روش های ریز مقیاس نمایی آماری به منظور مدل سازی متغیرهای اقلیمی دما و بارش استفاده شده است. برای شبیه سازی دما و بارش شهرستان بندرعباس از داده های اقلیمی ایستگاه سینوپتیک طی سال های ۲۰۱۷-۱۹۹۲ و هم چنین از ۵ مدل گردش عمومی جو شامل مدل HadGEM۲-ES با سناریوی RCP۲.۶، RCP۴.۵ و RCP۸.۵ و مدل های EC-EARTH۴، MPI-ESM-MR، GFDL-CM۳ و MIROC۵ با سناریوهای RCP۴.۵ و RCP۸.۵ طی سه دوره زمانی ۲۰۴۰-۲۰۲۱، ۲۰۶۰-۲۰۴۱ و ۲۰۸۰-۲۰۶۱ قابل دسترس در نرم افزار LARS-WG۶ استفاده شده است. قابلیت مدل های گزارش پنجم با استفاده از شاخص های ضریب تعیین، میانگین مربعات خطا، مجذور مربعات خطا و انحراف مطلق متوسط ارزیابی گردید. نتایج حاصل از ارزیابی داده های تولید شده در مدل LARS-WG در مقایسه با داده های اقلیمی نشان داد که بیش ترین ضریب تعیین به ترتیب مربوط به پارامترهای دماهای کمینه و بیشینه (۹۹ درصد) و بارش (۹۴ درصد) است. نتایج بررسی تغییرات پارامترهای اقلیمی حاکی از افزایش دماهای کمینه و بیشینه در تمام این مدل ها در سناریوهای مختلف اقلیمی به صورت فصلی و سالانه می باشد. میزان افزایش در دمای کمینه سالانه در کلیه مدل ها نسبت به دمای بیشینه سالانه در طی ۲۰ تا ۸۰ سال آینده بیش تر بوده و بیانگر آن است که افزایش دمای شهر بندرعباس بیش تر متاثر از افزایش در دمای کمینه آن خواهد بود. پیش بینی بارش نشان داد که تغییرات بارش سالانه در همه مدل ها مورد بررسی افزایشی بوده است. تغییرات فصلی بارش، کاهش بارش در فصل زمستان در اکثر مدل ها را نشان داده است. در حالی که افزایش بارش در دیگر فصول به ویژه فصل پاییز را پیش بینی کرده اند که حاکی از انتقال بارش به دیگر فصل ها خصوصا فصل پاییز و بهار می باشد.

نویسندگان

وحید سلامتی هرمزی

دکتری آب و هواشناسی دانشگاه یزد، ایران

احمد مزیدی

دانشیار گروه جغرافیا دانشگاه یزد، ایران

علی اکبر بلالی کمیزی

کارشناسی ارشد هواشناسی دانشگاه هرمزگان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • جعفری گدنه، م.، سلاجقه، ع.، حقیقی، پ. (۱۳۹۹). پیش بینی ...
  • عباسی، ف.، بابائیان، ا.، گلی مختاری، ل.، ملبوسی، ش. (۱۳۸۹). ...
  • Abbasi, F., Babaian, A., Goli Mokhtari, L., Malbousi, Sh. (۲۰۱۰). ...
  • Babaei Fini, A., Qasemi, A., Fatahi, A. (۲۰۱۴). Investigating the ...
  • Bayatvarkeshi, M., Zhang, B., Fasihi, R., Adnan, R. M., Kisi, ...
  • Chaumont, D. (۲۰۱۴). A guidebook on climate scenarios: using climate ...
  • Chen, H., Guo, J., Zhang, Z., Xu, C.Y. (۲۰۱۳). Prediction ...
  • Dahal, N., Shrestha, U., Tuitui, A., Ojha, H. (۲۰۱۸). Temporal ...
  • Gaitán, E., Monjo, R., Pórtoles, J., Pino-Otín, M.R. (۲۰۱۹). Projection ...
  • IPCC. Climate Change (۲۰۱۳). The Physical Science Basis; Contribution of ...
  • IPCC-TGCIA. (۱۹۹۹). Guidelines on the Use of Scenario Data for ...
  • IPCC-TGCIA. (۲۰۰۷). General Guidelines on the Use of Scenario Data ...
  • Jafari Gadneh, M., Selajgeh, A., Haghighi, P. (۲۰۲۰). Comparative prediction ...
  • Karimi, M., Nabizadeh, A. (۲۰۱۸). Evaluation of climate change impacts ...
  • Mohammadzadeh, N., Amiri, B.J., Endergoli, L.E., Karimi, S. (۲۰۱۹). Coupling ...
  • Molanezhad, M. (۲۰۱۷) Statistical modeling of the association between pervasive ...
  • Moss, R.H., Edmonds, J.A., Hibbard, K.A., Manning, M.R., Rose, S.K., ...
  • Nakicenovic, N., Alcamo, J., Grubler, A., Riahi, K., Roehrl, R.A., ...
  • Nkomozepi, T. Chung, S.O. (۲۰۱۳). Uncertainty of simulated paddy rice ...
  • Osman, Y., Al-Ansari, N., Abdellatif, M., Aljawad, S.B. Knutsson, S. ...
  • Parry, M., Canziani, O., Palutikof, J., Van Der Linden, P. ...
  • Sha, J., Li, X., Wang, Z.L. (۲۰۱۹). Estimation of future ...
  • Shagega, F.P., Munishi, S.E., Kongo, V.M. (۲۰۱۹). Prediction of future ...
  • Singh, D., Jain, S.K., Gupta, R.D. (۲۰۱۵). Trend in observed ...
  • Vallam, P., Qin, X.S. (۲۰۱۸). Projecting future precipitation and temperature ...
  • Van Beek, L.P.H., Konz, M., Shrestha, A.B., Bierkens, M.F.P. (۲۰۱۲). ...
  • Weiss, A., Hays, C.J. Won, J. (۲۰۰۳). Assessing winter wheat ...
  • Wilby, R.L. Dawson, C.W. (۲۰۰۲). SDSM-a decision support tool for ...
  • نمایش کامل مراجع