بررسی روند تغییر پارامتر¬های اقلیمی در دوره 2030-2011 با استفاده از داده-های شبیه¬سازی شده مدل LARS-WG، مطالعه موردی: منطقه سردشت، آذربایجان غربی
محورهای موضوعی : ارزیابی اثرات زیست محیطیمریم آقائی 1 * , زهرا اسلامیان 2
1 - شهرداری کاشان
2 - دانشگاه کاشان
کلید واژه: تغییر اقلیم, ریز مقیاس نمائی, HadCM3, LARS-WG, سردشت,
چکیده مقاله :
با توجه به اهميتي كه تغيير اقليم بر ساختار محيط كره زمين و ساكنين آن داشته و خواهد داشت تلاش در جهت شناخت هر چه بيشتر چگونگي رخداد هاي تغيير اقليم امري مسلم است. در این مطالعه در فاز اقلیمی، داده های روزانه دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی ایستگاه سینوپتیک سردشت در دوره 2014-1996 با استفاده از مدل آماری LARS-WG شبیه سازی شد و پس از اطمینان از کارآیی این مدل در شبیه سازی پارامتر های هواشناسی مذکور در منطقه سردشت، جهت بررسی پارامتر های اقلیمی در تغییر اقلیم، داده ها؛ سه سناریوی A2 (سناریوی حداکثر)،A1B (سناریوی حد وسط) و B1 (سناریوی حداقل) مدل HadCM3 در دوره 2030-2011 با مدل آماری LARS-WG کوچک مقیاس گردید. نتایج نشان داد که بر اساس برآورد مدل LARS-WGبرای سناریو های مورد بررسی در دوره های آتی میانگین دمای حوزه آبخیز سردشت به میزان 4 درجه سلسیوس افزایش می یابد. مقدار بارش نیز در مقایسه با دوره پایه به میزان 2 درصد افزایش را نشان می دهد. هم چنین نتايج به دست آمده نشان مي دهد كه بطوركلي عملكرد مدل LARS-WG در مدل سازي متغيير هاي هواشناسي ايستگاه هاي تحت بررسي مناسب است و مي توان از آن جهت بازسازي داده هاي ايستگاه ها در دوره گذشته و يا تطويل اين داده ها به دوره آينده بهره جست. همچنين مي توان از آن در جهت ارزيابي اقليم آينده استان در مقياس محلي استفاده نمود.
Given the importance of climate change on the structure of the planet's environment and its in habitants, and will continue to try to understand as much as possible how climate change is happening. In this study in the climatic phase, daily data of minimum temperature, maximum temperature, precipitation and sunshine hours of Sardasht synoptic station in the period 1996-1996 were simulated using LARS-WG statistical model and after ensuring the efficiency of this model in Simulation of meteorological parameters in Sardasht region, to study climatic parameters in climate change, data; Three scenarios A2 (maximum scenario), A1B (medium scenario) and B1 (minimum scenario) of HadCM3 model in the period 2030-2011 were scaled with LARS-WG small statistical model. The results showed that according to the estimation of LARS-WG model for the studied scenarios in the future periods, the average temperature of Sardasht watershed will increase by 4 degrees Celsius. The amount of precipitation also shows a 2% increase compared to the base period. The results also show that in general, the performance of Lars model in modeling the meteorological variables of the stations under study is appropriate and can be used to reconstruct the data of stations in the past or Extend this data to the next period. It can also be used to assess the future climate of the province on a local scale.
ثانی خانی هادی؛ دین پژوه یعقوب؛ پوریوسف سعید؛ زمان زاد قویدل سروین ؛ صولتی بهاره. (1392). بررسی اثرات تغییر اقلیم بر رواناب حوضه های آبریز (مطالعه موردی : حوضه آبریز آجی چای در استان آذربایجان شرقی). آب و خاک.27(6)،1234 -1225. doi: 10.22067/jsw.v0i0.21513
جهانگیر محمد حسین؛ جهان‌پناه مریم؛ ابوالقاسمی مهناز. (1399). پیش‌بینی وضعیت خشکسالی برای دوره‌های آتی با استفاده از مدل LARS-WG (مطالعه موردی: ایستگاه شیراز). محیط زیست و مهندسی آب، 6(1)، 69-82.
حمیدیان پور محسن؛ باعقیده محمد؛ عباس نیا محسن. (1395). ارزیابی تغییرات دما و بارش جنوب‌شرق ایران با استفاده از ریزمقیاس نمایی خروجی مدل‌های مختلف گردش عمومی جو در دورة 2011-2099. پژوهش¬های جغرافیای طبیعی، 48(1)،107-123.
خسروانیان، جهانتاب.، اونق مجید.، گودرزی مسعود. و حجازی، سید .اسداله. (1394). کاربرد مدل LARS-WG در پیش بینی پارامترهای هواشناسی حوضه قره سوه در استان گلستان. جغرافیا و برنامه ریزی، 19 (53)، 93-115.
رحیم‌زاده فاطمه؛ فتاحی ابراهیم؛ حسینی دستک سیده‌فاطمه. (2005). بررسی تغییر پذیری اقلیمی در ایران با بهره گیری از مدل های آماری. تحقیقات منابع آب ایران, 1(2), 61-73.
سبحانی بهروز.، اصلاحی مهدی.، و باباییان ایمان.(1394). کارایی مدل‌های کاهش مقیاس آماری SDSM و LARS-WG در شبیه‌سازی پارامترهای هواشناسی حوضه دریاچه ارومیه. فصلنامه تحقیقات جغرافیای فیزیکی، 47(4)، 499-516.
شیراوند، هنگامه ؛ درگاهیان فاطمه) 1389). بررسی تغییرات نوع بارش¬های استان لرستان طی دهه های آتی در مقایسه با گذشته،چهارمین کنفرانس منطقه ای تغییر اقلیم،تهران، ص 109-101.
طایی سمیرمی سیاوش.، مرادی حمیدرضا.، خداقلی مرتضی. (1393). شبیه‌سازی و پیش‌بینی برخی از متغیرهای اقلیمی با استفاده از مدل‌های چند خطی SDSM و گردش جهانی (مطالعه موردی: آبخیز بار نیشابور). انسان و محیط زیست، 12 (28): 1-15.
مشکواتی امیرحسین.، کردجزی محمد.، بابایان آیمان. (1389). بررسی و ارزیابی مدل لارس در برنامه ریزی فضایی داده های هواشناسی استان گلستان در بازه زمانی 1997-1993. مجله تحقیقات کاربردی علوم زمین، دوره 16:19، صفحات 96-81.
نصیری بهروز.، یارمرادی زهرا. (1396). پیش بینی تغییرات پارامترهای اقلیمی استان لرستان در 50 سال آتی با استفاده از مدل HADCM3. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی «سپهر», 26(101), 143-154.
Adavi, Z., Moradi, R., Saeidnejad, A. H., Tadayon, M. R and Mansouri, H. (2018). Assessment of potato response to climate change and adaptation strategies. ScientiaHorticulturae, 228, 91-102
Babaeian, I., Kwon, W.T. and Im, E.S. (2004). “Application of WeatherGenerator Technique for Climate Change Assessment over Korea.Korea Meteorological Research Institute”, Climate Research Lab., 98pp
Babaeian, I., and Najafi Nik, Z. (2006). Assessment of lars-wg model to simulate meteorological parameters in khorasan province, 1961-2003 statistical period. Journal of Nivar, 62, 49-65.
Babaeian, E., Nagafineik, Z., Zabolabasi, F., Habeibei, M., Adab, H., and Malbisei, S. (2009). Climate change assessment over Iran during 2010-2039 by using statistical downscaling of ECHO-G model. Geography and development Iranian journal, 7(16), 135-152.
Behmanesh, J., Azad Talatappeh, N., Montaseri, M., Rezayi, H., and Khalili, K. (2015). Climate change impact on reference evapotranspiration, precipitation deficit and vapor pressure deficit in Urmia. Water and Soil Science, 25(2), 79-91.
Ghanghermeh, A., Roshan, G.R., Orosa, J., Calvo-Rolle, L., and Costa Ángel, M. (2013). New climatic indicators for improving Urban Sprawl a case study of Tehran city. Entropy, 15: 999-1013.
Hessami, M., Gachon, P., Ouarda, T. B., and St-Hilaire, A. (2008). Automated regression-based statistical downscaling tool. Environmental Modelling & Software, 23(6), 813-834.
IPCC Fourth Assessment report, Climate Change.( 2007). Syntesis Report. Valencia, Spain, 12-17 November 2007: 52p.
Li, H., Yang, X. (2014). Temperate dryland vegetation changes under a warming climate and strong human intervention—with a particular reference to the district XilinGol, Inner Mongolia, China. CATENA, 119: 9-20.
Lopes, P. M. D. A. G. (2008). Assessment of climate change statistical downscaling methods: Application and comparison of two statistical methods to a single site in Lisbon M.Sc thesis, Faculdade de Ciências e Tecnologia University Nova de lisboa. 51p.
Meena, P.K., Khare, D and Nema, M.K. (2013). Constructing the downscale precipitation using ANN model over the Kshipra river basin, Madhya Pradesh. Journal of Agrometeorology, 18 (1): 113–119.
Nury, A. H., and Alam, M. J. B. (2014). Performance study of global circulation model HADCM3 using SDSM for temperature and rainfall in North-Eastern Bangladesh. Journal of Scientific Research, 6(1), 87-96.
Pope, V., Gallani, M., Rowtree, P., and Stratton, R. (2000). The impact o f new physical parameterizations in the Hadley Centre climate model. Climate Dynamics, 16:123–146.
Roshan, G. and A Orosa, J. (2015). Regional climate changes and their effects on monthly energy consumption in buildings in Iran. Natural Environment Change, 1(1), 31-48.
Semenov, M.A., Brooks, R.J., Barrow, E.M. and C. W. Richardson. (1998). Comparison of the WGEN and LARS-WG stochasticweather generators fordivers climates, Climate Research, Vol 10: (2)95–107.
Semenov, M.A.. Barrow.E.M (2002). Stochastic Weather Generator and LARS-WG for Use in Climate Impact Studies, .. User Manual, Version, 3.0: 28.
Semenov, M. A. )2007(. Developing of high-resolution UKCUP02-based climate change scenarios in the UK. Agricultural and Forest Meteorology. Vol (144): 127-138.
Sha, J., Li, X., and 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.
Stocker, T.F., Dahe, Q., and Plattner, G.K. (2013). The Physical Science Basis. Working Group I Contribution to the Fifth Assessment Report of IPCC: Summary for Policymakers.159-254
Zarghami, M., Abdi, A., Babaeian, I., Hassanzadeh, Y., and Kanani, R. (2011). Impacts of climate change on runoffs in East Azerbaijan, Iran. Global and Planetary Change, 78(3-4), 137-146.
Zhang, Y., You, Q., Chen, C.H., and Jing, G.E. (2016). Impacts of climate change on streamflows under RCP scenarios: A case study in Xin River Basin, China. Atmospheric research, 178-179: 521-534.