بررسی اثر تغییر اقلیم بر ویژگی‏های خشکسالی دورة ‏آتی با کاربرد مدل گردش عمومی جو HadCM3 (مطالعة موردی: شمال غربی ایران)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری آبخیزداری، دانشکدة منابع طبیعی، دانشگاه تهران

2 *؛ استاد دانشکدة منابع طبیعی، دانشگاه تهران

3 ا؛ استادیار دانشکدة کشاورزی، دانشگاه تهران

4 استادیار دانشکدة منابع طبیعی، دانشگاه تهران

چکیده

بررسی رخداد خشکسالی، به منزلة حادثه‏ای محیطی، از جایگاه ویژه‏ای در مدیریت منابع‏ طبیعی و نیز برنامه‌ریزی‏های مرتبط با مدیریت منابع آبی برخوردار است. در این تحقیق به بررسی اثر تغییر اقلیم بر ویژگی‏های خشکسالی در ایستگاه‏های منتخب سینوپتیکی شمال ‏غربی ایران با کاربرد مدل گردش عمومی جو HadCM3 تحت سناریوی A2 اقدام گردید. بدین منظور، با بهره‌گیری از مدل کوچک ‏مقیاس‌‌کنندة آماری[1] SDSM 4.2.9، ریزمقیاس‌نمایی آماری با کاربرد داده‌های مشاهداتی روزانه، پیش‌بینی‌‏کننده‌های مشاهداتی، و نیز پیش‌بینی‌‏کننده‌های بزرگ مقیاس مشتق از مدل‌ گردش عمومی جو همراه با صحت‌‏سنجی مدل‏ها به‌انجام رسید. سپس، به محاسبة نمایة استانداردشدة بارش[2] (SPI) در مقیاس‌های زمانی مختلف 3، 12، 24، و 48 ماهه در دورة مشاهداتی (۱۳۵۶ ـ 1385) و سه دورة شبیه‌سازی‌‏شدة آتی (مشتمل بر دوره‌های ۱۳۸۶ ـ 1415، ۱۴۱۶ ـ 1445، و ۱۴۴۶ ـ 1475) اقدام گردید. نتایج به‌دست‌آمده نشان‌‏دهندة کاهش بارش متوسط سالانه در دوره‏های شبیه‌‏سازی‌‏شدة آتی نسبت به دورة مبنا در ایستگاه‏های اردبیل، خوی، و ارومیه و نیز افزایش بارش متوسط سالانه در دوره‏های شبیه‌سازی‌‏شدة آتی نسبت به دورة مبنا در ایستگاه‏ تبریز است. این در حالی است که ایستگاه اردبیل با کاهش 97 میلی‌متری (32 درصدی) بارش متوسط سالانه در دورة چهارم نسبت به دورة مبنا بیشینة مقادیر کاهش را به خود اختصاص داده ‏است. همچنین، نتایج این تحقیق نشان‌دهندة امکان رخداد خشکسالی‏هایی با شدت، مدت، و فراوانی بیشتر در دوره‏های شبیه‌‏سازی‌‏شدة آتی است. همچنین، مقایسة نتایج حاصل از ایستگاه‏های مختلف نشان می‏دهد که ایستگاه اردبیل در مقیاس‏های زمانی 3، 12، و 24 ماهه شدیدترین دورة خشکی را مبتنی بر بیشینة شدت تجمعی دوره‏های خشکی در میان ایستگاه‏های مختلف داراست. در مقیاس‏ زمانی 48 ماهه نیز ایستگاه ارومیه با دارابودن شدت تجمعی SPI برابر 78/92- (دورة 49 ماهة خشکی واقع در دورة دوم) شدیدترین دورة خشکی را در میان ایستگاه‏های مختلف به خود اختصاص داده است.
 



[1]. Statistical Down Scaling Model


[2]. Standardized Precipitation Index

کلیدواژه‌ها


[1] Abbasi, F. and Asmari, M. (2011). Forecasting and assessment of climate change over Iran during future decades using MAGICC-SCENGEN model, Water and Soil, 25, 70-83.
[2] Bootsma, A., Gameda, S. and McKenney, D.W. (2005). Impacts of potential climate change on selected agroclimatic indices in Atlantic Canada, Canadian Journal of soil science, 85, 329-343.
[3] Dastorani, M.T., Massah Bavani, A.R., Poormohammadi, S. and Rahimian, M.H. (2011). Assessment of potential climate change impacts on drought indicators (case study: Yazd Station, Central Iran), Desert, 16, 159-167.
[4] Golmohammadi, M. and Massah Bavani, A. (2011). Investigation of climate change impact on drought intensity and duration, Water and Soil, 25, 315-326.
[5] IPCC (Intergovernmental Panel on Climate Change) (2007). Summary for policy makers. In: IPCC. Climate change: The physical Science basic, Contribution of working group first to the Fourth assessment report of the intergovernmental panel on climate change, Cambridge university press, 450p.
[6] Labedzki, L. (2006). Estimation of local drought frequency in central Poland using the standardized precipitation Index (SPI), Irrigation and Drainage, 56, 67-77.
[7] Lazar, B. and Williams, M. (2008). Climate change in western ski areas: potential changes in the timing of wet avalanches and snow quality for the Aspen ski area in the years 2030 and 2100, Cold regions science and technology, 51, 219-228.
[8] Loukas, A., Vasiliades, L. and Tzabiras, J. (2008). Climate change effects on drought severity, Advances in Geosciences, 17, 23-29.
[9] McKee, T.B., Doesken, N.J. and Kleist, J. (1993). The relationship of drought frequency and duration to time scales, 8th conference on applied climatology, Anaheim, USA.
[10] Mohammadi, H., Moghbel, M. and Ranjbar, F. (2010). The study of Iran's precipitation and temperature changes using MAGICC-SCENGEN model, Journal of Geography, 25, 125-142.
[11] Mohammadi, H. and Taghavi, F. (2005). Trend of extreme indices of temperature and precipitation in Tehran, Geography researches, 53, 151-172.
[12] Morid, S., Moghaddam, M., Paymozd, Sh. and Ghaemi, H. (2005). Design of Tehran province drought monitoring system, Final Report, Water Resources Management Co. (WRMC-Iran), 196p.
[13] Sayari, N., Alizadeh, A., Bannayan, M., Farid Hossaini, A. and Hesami Kermani, M.R. (2011). Comparison of two GCM models (HadCM3 and CGCM2) for the prediction of climate parameters and crop water use under climate change (case study: Kashafrood Basin), Water and Soil, 25, 912-925.
[14] Schoof, J.T. and Pryor, S.C. (2001). Downscaling temperature and precipitation: A Comparison of regression-based methods and artificial neural networks, International Journal of climatology, 21, 773-790.
[15] Wilby, R.L. and Wigley, T.M.L. (2000). Precipitation predictors for downscaling: Observed and general circulation model relationships, International Journal of Climatology, 20, 641-661.