بررسی اثرات پدیده تغییر اقلیم بر دما، بارش با استفاده از مدل¬LARS-WG (مطالعه موردی حوضه آبخیز رودخانه بشار)
محورهای موضوعی : ارزیابی اثرات زیست محیطی
حمیدرضا پناهی
1
(کارشناس ¬ارشد، مهندسی عمران گرایش مهندسی و مدیریت منابع آب، دانشگاه یاسوج)
حسین منتصری
2
(استادیار گروه مهندسی عمران،مهندسی و مدیریت منابع آب، دانشگاه یاسوج)
علی‌اکبر حکمت زاده
3
(دانشیار گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران و محیط زیست دانشگاه صنعتی شیراز)
رضا خلیلی
4
(کارشناس ¬ارشد، مهندسی عمران گرایش مهندسی و مدیریت منابع آب، دانشگاه یاسوج)
کلید واژه: تغییرات اقلیمی, بارش, سناریو¬های اقلیمی, رودخانه بشار, مدل گردش عمومی,
چکیده مقاله :
افزایش گاز های گلخانه ای در چند دهه اخیر و افزایش دمای ناشی از آن باعث به هم خوردن تعادل سیستم اقلیمی کره زمین و تغییرات اقلیمی در اغلب نواحی کره زمین شده است. ازاین‌رو تطبیق و مقابله با تغییرات اقلیمی در بخش منابع آب به همراه کاهش بازتاب آن‌ها می بایستی بهعنوان بخشی از یک پاسخ جامع منطقهای به آسیب‌پذیری ناشی از تغییر اقلیم مورد رسیدگی جدی قرار گیرد. در این مطالعه با استفاده از نرم‌افزار ریزمقیاس نمایی LARS-WG و مدل گردش عمومی جوی اقیانوسی HadCM3 در قالب سناریو های مختلف تعریف‌شده در گزارش چهارم IPCC (سناریوهای پایه) ازجمله سناریو A1، A2، B1، B2 که بیشتر به مسائل منطقه ای و جهانی از منظر اقتصادی و محیط‌زیستی توجه دارد، میزان تغییرات دمایی و بارش در 100 سال آینده حوضه رودخانه بشار پیش نگری شد. سپس با استفاده از سناریوی گزارش پنجم (RCP) استفاده شد و نتایج با سناریوهای پایه مقایسه گردد. نتایج نشان داد در هر دو سناریو در دوره آتی با افزایش زیاد متوسط دمای هوا مواجه خواهیم بود ولی کاهش میزان بارش چشمگیر نخواهد بود. در بخش سناریوسازی تغییرات اقلیمی RCP ها تا انتهای قرن 21 نشان از افزایش درجه حرارت و کاهش بارش در سال های آتی دارد. میزان تغییرات دمایی در RCP2.6 بین 3 تا 13 درصد و در RCP8.5 بین 4 تا 14 درصد تخمین زده شد؛ این افزایش دما در مقیاس های بزرگ باعث افزایش تبخیر و طولانی‌تر شدن دوره های خشکسالی می شود.
The increase of greenhouse gases and the resulting increase in temperature have caused the balance of the earth's climate system and climate changes in most areas of the earth. Therefore, adapting and dealing with climate changes in the water resources sector along with reducing their reflection should be seriously addressed as part of a comprehensive regional response to the vulnerability caused by climate change. In this study, using LARS-WG exponential microscale software and the HadCM3 oceanic atmospheric general circulation model in the form of different scenarios defined in the fourth IPCC report (basic scenarios), including scenario A1, A2, B1, B2, which are more related to regional issues. And the world is concerned from an economic and environmental point of view, the amount of temperature changes and precipitation in the next 100 years of Bashar river basin was predicted. Then the fifth report scenario (RCP) was used and the results were compared with the basic scenarios. The results showed that in both scenarios in the coming period, we will face a large increase in average air temperature, but the decrease in precipitation will not be significant. In the climate change scenario section, RCPs until the end of the 21st century indicate an increase in temperature and a decrease in precipitation in the coming years. The amount of temperature changes in RCP2.6 was estimated between 3 and 13% and in RCP8.5 between 4 and 14%; This increase in temperature on a large scale increases evaporation and prolongs drought periods.
Chang, J., Wang, Y., Istanbulluoglu, E., Bai, T., Huang, Q., Yang, D., & Huang, S. (2015). Impact of climate change and human activities on runoff in the Weihe River Basin, China. Quaternary International, 380, 169–179.
Chun, K. P., Wheater, H. S., Nazemi, A., & Khaliq, M. N. (2013). Precipitation downscaling in Canadian Prairie Provinces using the LARS-WG and GLM approaches. Canadian Water Resources Journal, 38(4), 311–332.
Fenta Mekonnen, D., & Disse, M. (2018). Analyzing the future climate change of Upper Blue Nile River basin using statistical downscaling techniques. Hydrology and Earth System Sciences, 22(4), 2391–2408.
Fiseha, B. M., Melesse, A. M., Romano, E., Volpi, E., & Fiori, A. (2012). Statistical downscaling of precipitation and temperature for the Upper Tiber Basin in Central Italy. International Journal of Water Sciences, 1.
Hassan, Z., Shamsudin, S., & Harun, S. (2014). Application of SDSM and LARS-WG for simulating and downscaling of rainfall and temperature. Theoretical and Applied Climatology, 116(1–2), 243–257.
Heydari Tasheh Kaboud, S. (2019). Projection and prediction of the annual and seasonal future reference evapotranspiration time scales in the West of Iran under RCP emission scenarios TT. Jgs, 19(53), 157–176. https://doi.org/10.29252/jgs.19.53.157
Khalili, R., Montaseri, H., & Motaghi, H. (2021). Evaluation of water quality in the Chalus River using the statistical analysis and water quality index (WQI). Water and Soil Management and Modelling. https://doi.org/10.22098/mmws.2021.9300.1031
Khalili, R., Zali, A., & Motaghi, H. (2021). Evaluating the Heavy Metals in the Water and Sediments of Haraz River, Using Pollution Load Index (PLI) and Geo accumulation Index (Igeo). Iranian Journal of Soil and Water Research. https://doi.org/10.22059/ijswr.2021.316080.668850
Kisi, O., Shiri, J., & Tombul, M. (2013). Modeling rainfall-runoff process using soft computing techniques. Computers & Geosciences, 51, 108–117.
Lenderink, G., Buishand, A., & Van Deursen, W. (2007). Estimates of future discharges of the river Rhine using two scenario methodologies: direct versus delta approach. Hydrology and Earth System Sciences, 11(3), 1145–1159.
Mohammadi, H., khalili, R., & Mohammadi, S. (2021). Forecasting future temperature and precipitation under the effects of climate change using the LARS-WG climate generator (Case Study: South Zagros Region of Iran(. Nivar, 45(114–115), 137–153. https://doi.org/10.30467/nivar.2022.319565.1209
Panahi, A., & Khorramabadi, F. (2020). Evaluation of CSIRO and LARS WG data accuracy in simulation of climatic variables of East Azerbaijan province. Climate Change and Climate Change, 1(2), 139–163.
Sarkar, J., & Chicholikar, J. R. (2017). Future climate change scenario in hot semi-arid climate of Saurashtra, Gujarat by using statistical downscaling by LARS-WG model. MAUSAM, 68(4), 589–596.
Sarkar, J., Chicholikar, J. R., & Rathore, L. S. (2015). Predicting future changes in temperature and precipitation in arid climate of Kutch, Gujarat: analyses based on LARS-WG model. Current Science, 2084–2093.
Sha, J., Li, X., & Wang, Z.-L. (2019). Estimation of future climate change in cold weather areas with the LARS-WG model under CMIP5 scenarios. Theoretical and Applied Climatology, 137(3), 3027–3039.
Thamo, T., Addai, D., Pannell, D. J., Robertson, M. J., Thomas, D. T., & Young, J. M. (2017). Climate change impacts and farm-level adaptation: Economic analysis of a mixed cropping–livestock system. Agricultural Systems, 150, 99–108.
Veijalainen, N., Lotsari, E., Alho, P., Vehviläinen, B., & Käyhkö, J. (2010). National scale assessment of climate change impacts on flooding in Finland. Journal of Hydrology, 391(3–4), 333–350.
Zubaidi, S. L., Kot, P., Hashim, K., Alkhaddar, R., Abdellatif, M., & Muhsin, Y. R. (2019). Using LARS–WG model for prediction of temperature in Columbia City, USA. IOP Conference Series: Materials Science and Engineering, 584(1), 12026.
پژوهش و فناوری محیط زیست، 1401 7(12)، 129-142
| |||
بررسی اثرات پدیده تغییر اقلیم بر دما، بارش با استفاده از مدل LARS-WG، مطالعه موردی حوضه آبخیز رودخانه بشار |
| ||
1- کارشناس ارشد، مهندسی عمران گرایش مهندسی و مدیریت منابع آب، دانشگاه یاسوج، کهکیلویه و بویراحمد 2- استادیار، گروه مهندسی عمران، مهندسی و مدیریت منابع آب، دانشگاه یاسوج، کهکیلویه و بویراحمد 3- دانشیار، گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی شیراز، شیراز 4- دانشجوی دکتری، مهندسی محیط زیست -آب و فاضلاب، دانشگاه شهید بهشتی، تهران | ||
چکیده | اطلاعات مقاله | |
افزایش گازهای گلخانهای در چند دهه اخیر و افزایش دمای ناشی از آن باعث به هم خوردن تعادل سیستم اقلیمی کره زمین و تغییرات اقلیمی در اغلب نواحی کره زمین شده است. ازاین‌رو، تطبیق و مقابله با تغییرات اقلیمی در بخش منابع آب به همراه کاهش بازتاب آن‌ها باید بهعنوان بخشی از یک پاسخ جامع منطقهای به آسیب‌پذیری ناشی از تغییر اقلیم مورد رسیدگی جدی قرار گیرد. در این مطالعه با استفاده از نرم‌افزار ریزمقیاس نمایی LARS-WG و مدل گردش عمومی جوی اقیانوسی HadCM3 در قالب سناریوهای مختلف تعریف شده در گزارش چهارم IPCC (سناریوهای پایه) ازجمله سناریو A1، A2، B1، B2 که بیشتر به مسائل منطقهای و جهانی از منظر اقتصادی و محیط‌زیستی توجه دارد، میزان تغییرات دمایی و بارش در 100 سال آینده حوضه آبخیز رودخانه بشار پیش‌نگری شد. سپس با استفاده از سناریوی گزارش پنجم (RCP) استفاده شد و نتایج با سناریوهای پایه مقایسه گردید. نتایج نشان داد در هر دو سناریو در دوره آتی با افزایش زیاد متوسط دمای هوا مواجه خواهیم بود، ولی کاهش میزان بارش چشمگیر نخواهد بود. در بخش سناریوسازی تغییرات اقلیمی RCP ها تا انتهای قرن 21 نشان از افزایش درجه حرارت و کاهش بارش در سالهای آتی دارد. میزان تغییرات دمایی در RCP2/6 بین 3 تا 13 درصد و در RCP8/5 بین 4 تا 14 درصد تخمین زده شد؛ این افزایش دما در مقیاسهای بزرگ باعث افزایش تبخیر و طولانی‌تر شدن دورههای خشکسالی میشود. |
نوع مقاله: پژوهشی تاریخ دریافت: 31/04/1401 تاریخ پذیرش: 12/09/1401 دسترسی آنلاین: 15/10/1401
كليد واژه‌ها: تغییرات اقلیمی، بارش، سناریوهای اقلیمی، رودخانه بشار، مدل گردش عمومی | |
| ||
[1] *پست الکترونیکی نویسنده مسئول: hmontaseri@yu.ac.ir
Journal of Environmental Research and Technology, 7(12)2022. 129-142
|
Hamidreza Panahi1, Hossein Montaseri12*, Ali Akbar Hekmatzadeh3, Reza Khalili4
1- MSc in Civil Engineering- Water Resources Engineering and Management, Faculty of Civil Engineering - Water and Environment, University of Yasouj, yasouj, Iran 2- Assistant Professor, Department of Civil Engineering, Water Resources Engineering and Management, University of Yasouj, yasouj, Iran 3- Associate Professor, Department of Water Engineering and Hydraulic Structures, Faculty of Civil and Environmental Engineering, Shiraz University of Technology, shiraz, Iran 4- PhD Student, Department of Environmental Engineering- Water and Wastewater, University of Shahid Beheshti, Tehran,Iran | |||
Article Info | Abstract | ||
Article type: Research Article
Keywords: Climate changes, Precipitation, Climate scenarios, Bashar River, General circulation model | The increase of greenhouse gases and as the result, the increase in temperature have caused the balance of the earth's climate system and climate changes in most areas of the earth. Therefore, adapting and dealing with climate changes in the water resources sector along with reducing their reflection should be seriously addressed as part of a comprehensive regional response to the vulnerability caused by climate change. In this study, using LARS-WG exponential microscale software and the HadCM3 oceanic atmospheric general circulation model in the form of different scenarios defined in the fourth IPCC report (basic scenarios), including scenario A1, A2, B1, B2, which are more attended to regional and the world issues from an economic and environmental point of view, the amount of temperature changes and precipitation in the next 100 years of Bashar River basin was predicted. Then the fifth report scenario (RCP) was used and the results were compared with the basic scenarios. The results showed that in both scenarios in the coming period, we will face a large increase in average air temperature, but the decrease in precipitation will not be significant. In the scenario section, climate changes of RCPs until the end of the 21st century indicate an increase in temperature and a decrease in precipitation in the coming years. The amount of temperature changes in RCP2/6 was estimated between 3 and 13% and in RCP8/5 between 4 to 14%. This increase in temperature on a large scale increases evaporation and prolongs drought periods. | ||
| |||
[1] * Corresponding author E-mail address: hmontaseri@yu.ac.ir
مقدمه
مسئله‌‌ی تغییر اقلیم بهعنوان یک بحران و نگرانی اصلی محیط زیستی توسط سازمان هواشناسی جهانی شناخته شده است(Mardani et al., 2022). به دلیل اینکه عواقب آن میتواند اجزای مختلف اجتماعی-اقتصادی و اکوسیستم یک منطقه را بهطور عمده تحت تأثیر قرار دهد. امروزه، یکی از نگرانی‌های مهندسان در مورد سناریوهای آب و هوایی بر کفایت و توانایی زیرساخت موجود برای مقابله با حوادث شدید آب‌وهوا است (Sarkar et al., 2015). در هسته این نگرانی‌‌ها درک علمی از فرآیندهای آب‌وهوایی است که عملکرد فیزیکی و محیط زیستی در محیط را تحت تأثیر قرار میدهند (Zubaidi et al., 2019). برای درک بهتر فرآیندهای آب‌وهوایی و تأثیرات ناشی از آن بر منابع آب، باید بامطالعه و مدل‌سازی حوضهی آبی، شرایط پیش‌نگری اثرات تغییر آب‌وهوا را فراهم آورد(Panahi et al., 2020). در ایران بارش یکی از متغیرهای اساسی برای ارزیابی منابع آب بالقوه‌ی موجود است، اما توزیع زمانی و مکانی آن بسیار ناهمگن است و به همین دلیل توزیع منابع آب کشور یکنواخت نیست (Hassan et al., 2014). نگهداری و مدیریت منابع آب، تابعی از بارش دریافتی و تغییرپذیری بارش است. تغییر اقلیم منجر به تغییر در مقادیر و الگوی بارش و دما در سطح حوضه میشود که هرگونه تغییر در مقادیر و الگوی هر یک از این دو عامل و نیز تغییر در ارتباط زمانی بین عوامل مذکور، در کمیت تولید رواناب و نیز الگوی زمانی آن بسیار مؤثر است (Sarkar et al., 2017). به همین دلیل تغییرپذیری زمانی بارش در ارزیابی منابع آب موجود آبخیز‌ها و مطالعه نسبی منابع آب موجود در مقیاس محلی و منطقهای اهمیت زیادی دارد (Sha et al., 2019) .تأثیر تغییر اقلیم بر روی منابع آب یک موضوع حیاتی برای زندگی بشر است (Mohammadi et al., 2021). در دهه‌های اخیر شدید‌ترین پدیده‌های بارندگی رخ‌داده است و بخش‌هایی از جهان بدترین پدیده‌های هواشناسی مانند سیلاب‌های شدید، خشک‌سالی‌ها و امواج گرما را تجربه کرده‌اند (Chun et al., 2013). این تغییرات اثر شکننده‌ای بر چرخه هیدرولوژیکی و منابع آب خواهد گذاشت.
فنتا و دیسه1 (2018) به‌منظور درک تغییر اقلیم آینده در بالادست حوضه رودخانه نیل آبی از دو روش ریزمقیاس نمایی آماری LARS-WG و SDSM استفاده کردند. آن‌ها در این مطالعه نتیجه گرفتند هر دو روش ریزمقیاس نمایی توانایی زیادی برای شبیه‌سازی مقادیر تغییر اقلیم منطقهای کنونی با اطمینان زیاد دارند. هر دو روش روند افزایش بارش، کمترین و بیش‌ترین دما را نشان دادند. همچنین تحلیل داده‌های اقلیم ریزمقیاس شده در دو روش نشان داد LARS-WG افزایش نسبتاً بیش‌تری از SDSM دارد.
چانگ2 و همکاران(2015) به بررسی تأثیر تغییرات اقلیمی و فعالیت‌های انسانی در رواناب حوضهی رودخانه وایه در چین پرداختند. آن‌ها دریافتند رواناب تنها تحت تأثیر شرایط جغرافیایی قرار میگیرد و تغییر اقلیمی تأثیر کمی بر آن خواهد داشت. همچنین آن‌ها دریافتند زمانی که پارامتر بارش و تبخیر در تعادل نیستند امکان افزایش آب رودخانه (تزریق از سد)وجود ندارد ، که در صورت انجام منجر به مشکلات اکوسیستم شده و در خطرات جدی است، بر این اساس، رواناب را می‌توان بهعنوان شاخص ارزیابی پاسخ‌های هیدرولوژیکی به تغییرات آب و هوایی مورداستفاده قرارداد.
توما3 و همکاران(2017) به بررسی تأثیر تغییرات اقلیمی و سازگاری در سطح مزرعه و همچنین سازگاری سیستم‌های کشاورزی با شرایط آب و هوایی جدید پرداختند. آن‌ها به این نتیجه رسیدند که اثرات تغییرات آب و هوایی بر سودآوری کشاورزی بستگی دارد و فقط در مورد تغییر در تولید نیست.
حیدری (2019) به بررسی اثر تغییر اقلیم بر تبخیر و تعرق گیاه مرجع در مقیاسهای زمانی فصلی و سالانه در چند ایستگاه منتخب در غرب ایران پرداختند. از چهار ایستگاه سینوپتیک سنندج، سقز، خرم‌آباد و کرمانشاه که واجد آمار کافی در یک دوره طولانی‌مدت بودند انتخاب شدند. اثر تغییر اقلیم بر تبخیر و تعرق مرجع این ایستگاهها تحت دو سناریو انتشار RCP2/6، RCP8/5 و در سه دوره زمانی 2040-2011، 2070-2041 و 2100-2071 در مقایسه با دوره پایه 1999-1970 مورد بررسی قرار گرفت. نتایج نشان داد که در تمامی دورههای آتی و تحت تمامی سناریوها و برای کل ایستگاهها، میانگین تبخیر و تعرق مرجع در مقیاسهای سالانه و برای فصول پاییز و زمستان در مقایسه با دوره پایه افزایش معنی‌داری در سطح 01/0 خواهد داشت.
فیسها4 و همکاران (2012) بخش فوقانی حوضه آبریز رودخانه تایبر در ناحیه مرکزی ایتالیا را موردمطالعه قراردادند. این محققان با استفاده از دو روش ریزمقیاس نمایی رگرسیونی SDSM و مدل تصادفی مولد هواشناسی LARS-WG پارامترهای بارش و دما را بر اساس خروجی مدل جوی HadCM3 برای دورههای 2020 و 2050 و 2080 تحت سناریوهای B2, A2 پیش‌نگری کردند. یافته‌های مدل رگرسیونی SDSM نشانگر روند افزایشی در مقادیر کمینه و بیشینه دما و بارش در دوره آتی است. نتایج مدل LARS-WG در پیش‌نگری مقادیر دما منطبق با مدل رگرسیونی بوده حال‌آنکه برای متغیر بارش روند کاهشی خصوصاً در فصل تابستان به میزان 60 درصد در بازه زمانی 2080 نسبت به دوره پایه 1961-1990 پیش‌نگری میشود. گرچه نتایج دو مدل یکسان نیست، اما هر دو مدل اثرات تغییر اقلیم در حوضه آبریز موردمطالعه را بر اساس سری زمانی بارش و دما را نشان میدهند. نتیجه کلی نشانگر عملکرد مدل LARS-WG مشابه نتایج مطالعات گذشته و پیش‌نگری بر پایه گزارش چهارم هیئت تغییر اقلیم IPCC است.
کیسی5 و همکاران (2013) فرآیند بارش-رواناب حوضه کوروکاواک واقع در شمال غرب ترکیه را به کمک سه روش شبکه عصبی مصنوعی، عصبی فازی و برنامه‌ریزی ژنتیک مدل‌سازی و با روش رگرسیون خطی مورد مقایسه قراردادند؛ که نتایج آن‌ها حاکی از برتری مدلهای هوشمند نسبت به رگرسیون خطی بود. در این تحقیق خروجی مدل گردش عمومی HadCM3 با استفاده از مدل LARS-WG تحت سناریوهای A2 و A1B ریزمقیاس شده و به کمک مدلهای هوشمند به ارزیابی تأثیر تغییر اقلیم بر بارش-رواناب حوضه صوفی چای پرداخته شده است. با توجه به مطالعات انجام شده توسط محققان، تأثیر پدیده تغییر اقلیم بر بارش و رواناب در ایران در برخی از استان‌ها مورد بررسی قرار گرفته است، ولی به دلیل مطالعات بسیار اندک در استان کهگیلویه و بویراحمد و شهرستان بویراحمد، در این تحقیق تلاش بر این است که اثرات این پدیده بر بارش و رواناب در این شهرستان مورد بررسی قرار گیرد. در این پژوهش ابتدا با استفاده از سناریوهای انتشار، میزان تغییرات بارش و دما در آینده مورد بررسی قرار میگیرد. سپس با استفاده از سناریوهای واداشت تابشی (گزارش پنجم) میزان تغییرات گازهای گلخانهای، میزان تغییرات بارش و دما مورد بررسی قرار میگیرد.
مواد و روش‌ها
حوضه مورد مطالعه، حوضه آبخیز رودخانه بشار واقع در محدوده جغرافیایی ˚51 تا ˚52 طول شرقی و ˚30 تا ˚31 عرض شمالی در جنوب غربی ایران در استان کهگیلویه و بویر احمد شهر یاسوج است. مساحت حوضه 2800 کیلومتر مربع و ارتفاع متوسط آن 2277 متر از سطح دریاست، در این مطالعه از داده‌های ایستگاه‌های هیدرومتری پاتاوه مورد استفاده قرار گرفته است.
- شکل (1) حوضه آبخیز رودخانه بشار
معرفی مدل LARS-WG
نرم‌افزار LARS-WG6 یک تولیدکننده تصادفی اطلاعات هواشناسی7 است که قادر به مدل کردن اطلاعات هواشناسی در یک محل بر اساس اطلاعات فعلی است. این اطلاعات به‌صورت سری زمانه روزانه متغیرهای اقلیمی کمینه و بیشینه دما، بارندگی و تشعشعات خورشید است (Mardani et al., 2022). خواص آماری داده‌های تولید شده مشابه دوره آماری بوده اما انحراف معیار آن‌ها به نسبت اختلاف داده‌های مدل GCM در دوره آینده و گذشته مقایسه میشود. داده‌ها در سری‌های زمانی روزانه برای یک سری متغیرهای اقلیمی مناسب برای مثال بارش، دمای کمینه و بیشینه و تابش ایجاد میشوند. نکته قابل‌توجه این است که مولدهای مصنوعی داده‌های آب و هوایی ابزاری برای پیش‌نگری نیستند که بتوان در پیش‌نگری‌های آب و هوایی استفاده کرد. اما توانایی تولید سری‌های زمانی داده‌های آب و هوایی یکسان با دوره دیده‌بانی رادارند. در این روش با شبیه‌سازی و تولید داده‌های آب و هوایی مصنوعی در مقیاس محلی می‌توان مطالعات تغییر اقلیم را در یک ایستگاه انجام داد. مولد مصنوعی، داده‌های آب و هوایی است که میتواند برای شبیه‌سازی داده‌های هواشناسی در یک مکان واحد تحت شرایط اقلیم حال و آینده بکار رود (Munawar et al., 2022). درواقع تولید نرم‌افزار دارای دو هدف اصلی می‌باشد، عبارت‌اند از:
الف) ایجاد ابزاری برای شبیه‌سازی و تولید داده‌های آماری هواشناسی مرتبط با داده‌های مشاهداتی منطقه موردمطالعه
ب) ابزاری برای شبیه‌سازی و تولید داده‌های آماری هواشناسی با استفاده از درون‌یابی پارامترهای تولید شده نقاط مجاور برای نقاطی که فاقد اطلاعات مشاهده‌ای هستند (Kavwenje et al., 2022).
نسخه اولیه مدل LARS-WG در سال 1990 در بوداپست بهعنوان بخشی از پروژهای ارزیابی ریسک کشاورزی ارائه شد و کار آیی این مدل توسط سمنوف8 در 18 ایستگاه هواشناسی واقع در آمریکا، اروپا و آسیا ارزیابی گردید. هسته اصلی این مدل استفاده از زنجیره مارکف است که یک روش مرسوم برای مدل‌سازی پدیده بارش است و درواقع هدف اصلی از کاربرد مدل LARS-WG برطرف نمودن محدودیت‌های زنجیره مارکف است. زنجیره مارکف همیشه قادر نیست بهطور صحیح طول دوره خشکی را شبیه‌سازی نماید. طول دوره‌ی خشکی برای ارزیابی عملکرد محصولات کشاورزی در مناطق مختلف جهان بسیار مهم است (Mohammed & Hassan, 2022).
در این مدل وقوع بارش به‌صورت سری‌های تر و خشک مدل میشود، به‌طوری‌که سری‌تر به‌روزهایی با بارش بیش از صفر میلی‌متر تعریف میشود و طول هر سری به‌صورت تصادفی از طریق توزیع نیمه تجربی‌تر و خشک اختصاص‌یافته به آغاز هرماه تعیین میشود. برای روزهای تر، مقادیر بارش از طریق توزیع نیمه تجربی‌ای تعیین میشود که مربوط به بارش می‌باشد که از طول سری‌های تر با بارش روزهای قبلی مستقل است. درجه حرارت‌های کمینه و بیشینه روزانه به‌صورت فرآیندهای تصادفی با میانگین و انحراف معیارهای روزانه که وابسته به وضعیت‌تر یا خشک بودن روز موردنظر هستند، مدل‌سازی میشوند.
در توزیع نیمه تجربی فاصله‌ها بهطور مساوی بین مقادیر بیشینه و کمینه سری زمانه ماهانه به‌صورت رابطه زیر تقسیم میشوند:
(1) EMP={
,
,
,i=1, 2, 3, …,10}
که در اینجا EMP یک هیستوگرام با 10 بازه با شدتهای مختلف بارش است.
[ai-1, ai] ai-1<ai
hi تعداد رخداد بارش در i مین فاصله را نشان میدهد. فاصله‌ها برای طول روزهای تر و خشک و بارش افزایشی هستند.
در این مدل به‌جای تابش می‌توان از ساعت آفتابی نیز استفاده کرد. مقدار بارش یک روز تر از توزیع نیمه تجربی بارش ماه موردنظر و مستقل ازسری‌های تر یا مقدار بارش در روز قبل به‌دست میآید. در این مدل سری‌های فوریه، درجه حرارت را تخمین میزنند. درجه حرارت‌های کمینه و بیشینه روزانه به‌صورت فرآیندهای تصادفی با میانگین و انحراف معیارهای روزانه که وابسته به وضعیت‌تر یا خشک بودن روز موردنظر هستند، مدل‌سازی میشوند(Majumder et al., 2019).
سری فوریه مرتبه‌ی سوم برای شبیه‌سازی میانگین و انحراف معیار درجه‌ی حرارت فصلی استفاده میشود.
فرآیند تولید داده‌ها توسط مدل LARS-WG در سه مرحله انجام میگیرد که عبارت‌اند از: واسنجی، ارزیابی و تولید یا شبیه‌سازی داده‌های هواشناسی دهه‌های آینده.
الف) واسنجی مدل: در این مرحله مدل با دریافت داده‌های هواشناسی مشاهداتی منطقه در مقیاس روزانه و همچنین اطلاعات جغرافیایی منطقه تنظیم‌شده و داده‌های آب و هوایی مشاهداتی برای تعیین مشخصات آماری آن آنالیز میشود.
ب) ارزیابی مدل: در این مرحله با تولید داده‌های آب و هوایی مصنوعی برای دوره مشاهداتی در منطقه مطالعاتی (بدون اعمال تغییر اقلیم) و مقایسه مشخصات داده‌های شبیه‌سازی‌شده توسط مدل با داده‌های مشاهداتی، توانایی مدل در شبیه‌سازی داده‌های هواشناسی روزانه مورد ارزیابی و تصدیق قرار میگیرد.
ج) تولید داده‌های آب و هوایی آینده: در این مرحله پارامترهای اقلیمی دورههای آتی با توجه به مدل GCM و سناریوهای تعیین‌شده مدل‌سازی میشود.
دوره بازگشت عکس احتمال است و آن تعداد مهروموم‌هایی است که بهطور میانگین بین وقوع دو حادثه مشابه وجود دارد. اگر دوره بازگشت T (سال) و احتمال وقوع P باشد خواهیم داشت (Punyawansiri & Kwanyuen, 2020).
بدون اتخاذ هیچ‌گونه سیاستهای کاهش آثار و مقابله با پیامدهای اقلیم، آب‌وهوای کره زمین در خط سیر سناریوی انتشار RCP8/5 پیش خواهد رفت. به‌طوری‌که ادامه این روند منجر به واداشت تابشی به میزان5/8 وات بر مترمربع در سال 2100 میگردد. در این هنگام غلظت دی‌اکسید کربن به 1000 ppm رسیده و همچنان روند افزایش خواهد داشت. میزان جمعیت تا سال 2100 در این سناریو حدود 12 میلیارد نفر خواهد بود. این سناریو وجه مشخصه آن روند افزایش گازهای گلخانهای است(Osman et al., 2014).
در این سناریو با کاهش واداشت تابشی، میزان افزایش دی‌اکسید کربن نیز کاهش مییابد. این سناریو انتشار توسط گروه مدل‌سازی AIM در موسسه ملی مطالعات محیطی ژاپن طراحی شد. میزان جمعیت حدود 9 میلیارد نفر تخمین زده شده است که مقداری کم‌تر از میزان جمعیت پیش‌نگری‌شده در سناریو A2 است. در این سناریو واداشت تابشی بعد از سال 2100 به دلیل استفاده از فناوریهای جدید و سیاستهای کاهش گازهای گلخانهای ثابت میماند(Chuwah et al., 2016).
این سناریو توسط گروه مدل‌سازی Mini CAM طراحی شده است و در آن واداشت تابشی ناشی از گازهای گلخانهای قبل از سال 2100 در مقدار 5/4 وات بر مترمربع ثابت میماند.
این سناریو توسط گروه مدل‌سازی IMAGE از موسسه ارزیابی‌های محیطی هلند طراحی شده است. این سناریو دربرگیرنده کمترین نرخ افزایش گازهای گلخانهای و واداشت تابشی ناشی از آن است. مطابق این سناریو واداشت تابشی در اواسط این قرن به حدود 1/3 رسیده و سپس کاهش‌یافته و به 6/2 وات بر مترمربع در سال 2100 می‌رسد. برای رسیدن به این سطح واداشت تابشی بایستی گازهای گلخانهای به میزان قابل‌توجهی کاهش یابند. مدلهای جفت شده CMIP5 نسل جدیدی از مدلهای گردش عمومی است که در تهیه گزارش پنجم هیئت بین‌الدول تغییر اقلیم استفاده میگردد(Masui et al., 2011).
نتایج نرم‌افزار LARS-WG
نتایج حاصل از بخش تحلیل منطقهای در جداول 1 و 2 نشان داده شده است. جدول 1 نشان‌دهنده فصلهای ترسالی و خشکسالی و آزمونهای آماری k-s جهت مقایسه توزیعهای فراوانی است که یک مقدار احتمالاتی p-value برای دوره پایه ارائه میدهند. مقدار p-value بین 5/0تا 1 قابل‌قبول است.
جدول (1) فصلهای ترسالی و خشکسالی و آزمونهای آماری k-s و مقدار احتمالاتی P-value برای دوره پایه
P-value | k-s | تر یا خشک | فصلها |
9885/0 | 126/0 | تر | زمستان |
1 | 054/0 | خشک | زمستان |
1 | 055/0 | تر | بهار |
1 | 036/0 | خشک | بهار |
6967/0 | 200/0 | تر | تابستان |
7998/0 | 182/0 | خشک | تابستان |
1 | 030/0 | تر | پاییز |
9705/0 | 138/0 | خشک | پاییز |
جدول (2) بارش مشاهداتی و تولیدشده و اختلاف بین آن‌ها در دوره پایه بدون اعمال سناریو
دی | بهمن | اسفند | فروردین | اردیبهشت | خرداد | تیر | مرداد | شهریور | مهر | آبان | آذر | ماه |
87/162 | 68/136 | 41/14 | 11/71 | 18/74 | 85/0 | 1/17 | 84/2 | 75/0 | 69/8 | 06/88 | 6/156 | مشاهداتی |
834/10 | 478/91 | 185/9 | 095/53 | 397/20 | 194/2 | 535/2 | 269/6 | 48/2 | 589/11 | 764/93 | 8/138 | SD |
02/163 | 72/126 | 89/14 | 63.93 | 39.27 | 03/3 | 81/0 | 03/3 | 55/0 | 74/16 | 29/70 | 9/162 | تولیدشده |
274/80 | 673/57 | 513/7 | 791/55 | 759/30 | 336/7 | 83/1 | 66/7 | 207/2 | 527/26 | 169/58 | 8/105 | SD |
931/0 | 563/0 | 666/0 | 094/0 | 2/0 | 144/0 | 479/0 | 912/0 | 718/0 | 145/0 | 316/0 | 827/0 | T-t |
171/0 | 006/0 | 041/0 | 807/0 | 029/0 | 0 | 051/0 | 278/0 | 477/0 | 0 | 005/0 | 107/0 | f-t |
135/1 |