پایش و پیش بینی خشکسالی با استفاده از شاخص خشکسالی هواشناسی SPI براساس گزارش ششم IPCC (مطالعه موردی شهر تهران)
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 19، شماره: 1
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 270
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-19-1_008
تاریخ نمایه سازی: 20 اردیبهشت 1404
چکیده مقاله:
امروزه تغییراقلیم یکی از چالش های مهم زیست محیطی در قرن ۲۱ شناخته می شود گرمایش زمین هم زمان با کاهش در میزان بارش اثرات تغییراقلیم را شدیدتر کرده است. هدف از انجام این مطالعه پایش و پیش بینی خشکسالی با استفاده از شاخص خشکسالی هواشناسی SPI براساس گزارش ششم IPCC می باشد. برای انجام پژوهش، برونداد ۱۱ مدل از مدل های GCM در دوره پایه (۲۰۱۴-۱۹۹۴) مورد بررسی قرار گرفت. داده کاوی توسط نرم افزار CMhyd صورت گرفت. به منظور ارزیابی دقت مدل های CMIP۶ در مقایسه با داده های مشاهداتی از معیارهای آماریMSE ، RMSE، MAE و R۲ و برای اعتبارسنجی و تصمیم گیری در انتخاب مدل از سنجه های نش-ساتکلیف و گلینگ گوپتا بهره گرفته شد. پیش بینی آینده با استفاده از سناریوهایSSP۱-۲.۶ ، SSP۲-۴.۵، SSP۳-۷.۰ و SSP۵-۸.۵ در بازه زمانی (۲۰۴۳-۲۰۲۳) صورت گرفت. در نهایت ۳ مدل EC-Earth۳، EC-Earth۳-Veg و GFDL-ESM۴ به عنوان مدل برتر شناسایی شدند. که بالاترین هم پوشانی را با داده های مشاهداتی تهران داشتند. برای پیش بینی خشکسالی آینده از شاخصSPI بهره گرفته شد. نتایج پژوهش نشان داد در سال های آتی به جز برخی سال ها، بارش ها افزایش چشم گیری نخواهند داشت. نتایج پیش بینی براساس مدل EC-Earth۳-Veg در تمام سناریو افزایش بارش در ژانویه (دی) و کاهش بارش ها در دسامبر ( آذر) و براساس مدلGFDL-ESM۴ افزایش بارش در فوریه (بهمن) براساس سناریوی SSP۱-۲.۶ و کاهش بارش در می (اردیبهشت) براساس تمام سناریوها و افزایش بارش در دسامبر (آذر) براساس تمام سناریوها رخ خواهد داد.
کلیدواژه ها:
نویسندگان
راضیه موسوی حصاری
کارشناسی ارشد، دانشکدگان علوم و فناوری های میان رشته ای ، دانشگاه تهران، تهران، ایران
محمد حسین جهانگیر
گروه انرژی های نو و محیط زیست دانشکده علوم و فنون نوین دانشگاه تهران
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 :
