دوره 11، شماره 22 - ( پاییز و زمستان 1399 )
جلد 11 شماره 22 صفحات 232-220 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mohamadi S, Ghazanfari S, Abkar A. (2020). Prediction of Rainfall under HadCM3 and CanESM2 Climate Change Models using Statistical Downscaling Model (Case Study: Tabriz Synoptic Station). jwmr. 11(22), 220-232. doi:10.52547/jwmr.11.22.220
URL: http://jwmr.sanru.ac.ir/article-1-1039-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1039-fa.html
محمدی صدیقه، غضنفری مقدم محمدصادق، آبکار علیجان. پیش‌بینی میزان بارندگی با استفاده از مدل ریزمقیاس نمایی آماری SDSM و خروجی مدل های CanESM2 و HadCM3 (مطالعه موردی: ایستگاه همدیدی تبریز) پژوهشنامه مديريت حوزه آبخيز 1399; 11 (22) :232-220 10.52547/jwmr.11.22.220
دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، گروه اکولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته
چکیده: (2406 مشاهده)
تغییر اقلیم به‌عنوان یک عامل تأثیرگذار برهمه فاکتورهای اکولوژِیکی، در سال‌های اخیر مورد توجه پژوهشگران در سراسر جهان قرار گرفته است. در این راستا از داده‌های بازسازی‌شده مرکز ملی پیش‌بینی متغیرهای محیطی کانادا (NCEP)N)،داده‌های مدل جهانی HadCM3 تحت دو سناریوی A2 و B2 و داده‌های مدل CanESM2 تحت سه سناریوی RCP2.6، RCP4.5 و RCP8.5 جهت شبیه سازی میزان بارندگی استفاده شد. ریزمقیاس نمایی به کمک مدلSDSM برای دوره پایه 31 ساله (2001-1971) و دوره پایه 35 ساله (2005-1971) در ایستگاه همدیدی تبریز انجام شد. بر اساس نتایج حاصل از پیش‌بینی بارندگی در دوره‌های 30 ساله آتی با استفاده از دو سناریوی A2 و B2، متوسط بارندگی ماهانه به ترتیب به میزان 11/22 و 9/58 میلی‌متر طی دوره 30 ساله اول (2039-2010)، 11/69 و 12/69 میلی‌متر طی دوره 30 ساله دوم (2069-2040) و 12/77 و 13/10 میلی‌متر طی دوره 30 ساله سوم (2099-2070) افزایش خواهد یافت. همچنین نتایج حاکی از افزایش متوسط بارش ماهانه با استفاده از سناریوهای RCP2.6، RCP4.5 و RCP8.5 به ترتیب برابر 6/29، 7/59 و 7/53 میلی‌متر طی دوره 30 ساله اول (2039-2010)، 9/28، 8/09 و 7/43 میلی‌متر طی دوره 30 ساله دوم (2069-2040) و 7/90، 10/50 و 7/08 میلی‌متر طی دوره 30 ساله سوم (2099-2070) نسبت به میانگین دراز مدت دوره پایه است. بیشترین میزان افزایش بارندگی در همه دوره‌های مورد بررسی با استفاده از هر دو مدل مربوط به ماه‌های مارس، آوریل و می (فصل بهار) است. دلیل این مهم می‌تواند به گرمایش جهانی و به تبع آن تغییر الگو و مقدار بارش مربوط باشد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
هواشناسی
دریافت: 1398/5/26 | ویرایش نهایی: 1399/12/13 | پذیرش: 1399/1/9 | انتشار: 1399/12/13
دریافت: 1398/5/26 | ویرایش نهایی: 1399/12/13 | پذیرش: 1399/1/9 | انتشار: 1399/12/13
فهرست منابع
1. Abassi, F., S. Malbusi, I. Babaeian, M. Asmari and R. Borhani. 2010. Climate change prediction of south Khorasan province during 2010-2039 by using statistical downscaling of ECHO-G data. Journal of Water and Soil, 24(2): 218-233 (In Persian).
2. Abkar, A., M. Habibnajad, K. Solaimani and H. Naghavi. 2013. Investigation efficiency SDSM model to simulate temperture indexes in arid and semi-arid regions. Journal of Irrigation and Water Engineering, 4(14): 1-18 (In Persian).
3. Arora, V.K., J.F. Scinocca, G.J. Boer, J.R. Christian, K.L. Denman, G.M. Flato, V.V. Kharin, W.G. Lee, and W.J. Merryfield. 2011. Carbon emission limits required to satisfy future representative concentration pathways of greenhouse gases. Geophysical Research Letters, 38(5): 1-6. [DOI:10.1029/2010GL046270]
4. Asakereh, H. and Y. Akbarzadeh. 2017. Simulation of temperature and precipitation changes of Tabriz synoptic station using statistical downscaling and CanESM2 climate change model output. Journal of Geoghraphy and Environmental Hazards. 6(21): 153-174 (In Persian).
5. Baede, A.P., M.E. Ahlonsou, Y. Ding and and D. Schimel. 2001. The climate system: an overview. In: climate change 2001: the scientific basis. In: Houghton, J.T., Y. Ding, D.J. Griggs, M. Noguer, J. van der Linden, X. Dai, K. Maskell and C.A. Johnson. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 881 pp.
6. Barrow, E. and G. Yu. 2005. Climate Scenarios for Alberta. A Report Prepared for the Prairie Adaptation Research Climate Research Services, 1-73 pp.
7. Chaumont, D. 2016. A guidebook on climate scenarios: Using climate information to guide adaptation research and decisions. Canada, 94 pp.
8. Dorji, S., S. Herath and M. Binaya Kumar. 2017. Future Climate of Colombo Downscaled with SDSM-Neural Network. Climate, 5(24): 1-11. [DOI:10.3390/cli5010024]
9. Fung, F., A. Lopez and M. New. 2011. Modeling the impact of climate change on water resources. Wiley-Blackwell, 187: 43-62. [DOI:10.1002/9781444324921]
10. Ghazavi, R., A. Ghafari and S. Dokhani. 2018. Modelling the future impacts of climate change on watershed suspended sediment transport. Journal of Watershed Management Research, 10(18): 271-283 (In Persian). [DOI:10.29252/jwmr.9.18.271]
11. Goodarzi, M., M. Hoseini and M. Parekar. 2017. Evaluation of statistical downscaling method in simulation of climate change of Karkheh basin up to the Karkheh dam. Iran-Watershed Management Science and Engineering, 10(35): 51-64 (In Persian).
12. Goodarzi, M., B. Salahi and S.A. Hosseini. 2018. Future landscape of precipitation and tempreture changes using by statistical downscaling model (case study: Ouromiyeh basin). Journal of Geographical Space, 18(64): 41-60 (In Persian).
13. Gulacha, M.M. and D.M.M. Mulungu. 2016. Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River basin Tanzania. Physics and Chemistry of the Earth, 1-11. [DOI:10.1016/j.pce.2016.10.003]
14. Gutierrez, J.M., D. San-Martín, S. Brands, R. Manzanas and S. Herrera. 2013. Reassessing statistical downscaling techniques for their robust application under climate change conditions. Journal Climate, 26: 171-188. [DOI:10.1175/JCLI-D-11-00687.1]
15. Hafezparast, M. and Z. Pourkheirolah. 2018. Meteorological drought monitoring in order to sustainability in RCP scenarios Case study: Doiraj watershed. Iranian Journal of Ecohydrology, 4(4): 1227-1239 (In Persian).
16. Hardy, J.T. 2015. Climate Change, Causes, Effects and Solutions. John Wiley Press, Washigton, USA, 260 pp.
17. Hashemi nasab, F., M. Mousavi baygi, B. Bakhtiari and K. Davari. 2013. Prediction the Rainfall Changes with Downscaling LARS-WG and HadCM3 models in Kerman during the next 20 years (2030-2011). Journal of Water and Irrigation Engineering, 3(12): 43-58 (In Persian).
18. Intergovernmental Panel on Climate Change, (IPCC). 2001. Climate Change Impacts Adaptation and Vulnerability. Cambridge University Press, Cambridge. Contri-bution of Working Group II to the third Assessment Report of IPCC.
19. Jana, B.K. and M. Majumder. 2011. Impact change on Natural Resource management. Springer, 493: 23-37. [DOI:10.1007/978-90-481-3581-3]
20. Khorshiddoost, A.M. and Y. Ghvidel. 2006. Simulation impacts of doubling Co2 on Tabriz climate change using by laboratory dynamic model (GFDL). Jornal of Environmentology, 39: 1-10.
21. Kim, J.W., J.T. Chang, N.L. Baker, D.S. Wilks and W.L. Gates. 1984. The statistical problem of climate inversion: determination of the relationship between local and large scale. Climate Monthly Weather Review, 12: 2069-2077.
https://doi.org/10.1175/1520-0493(1984)112<2069:TSPOCI>2.0.CO;2 [DOI:10.1175/1520-0493(1984)1122.0.CO;2]
22. Koukidis, E.N. and A.A. Berg. 2009. Sensitivity of statistical downscaling model (SDSM) to reanalysis products. Atmosphere Ocean, 47(1): 1-18. [DOI:10.3137/AO924.2009]
23. Loukas, A., L. Vasiliades and J. Tzabiras. 2007. Evaluation of Climate Change on Drought Impulses in Thessaly, Greece, European Water, E.W Department of Civil Engineering. University of Thessaly, 17(18): 17-28.
24. Massah Bavani, A.R. and S. Morid. 2005. Impacts of climate change on water resources and food production (a case study of Zayandeh rood basin, Isfahan, Iran). Iran Water Resources Research, 1(1): 40-47 (In Persian).
25. Mitchell, T.D. 2003. Pattern scaling: An examination of the accuracy of the technique for describing future climates. Climatic Change, 60: 217-242. [DOI:10.1023/A:1026035305597]
26. NASA. 2005. A warmer world might not be a wetter one, Available from: http://science. Nasa. Gov/earth science/ big question how well can predict future changes in the earth system.
27. Omidvar, E., M. Rezaei and A. Pirnia. 2018. Performance evaluation of artificial neural network models for downscaling and predicting of climate variables. Journal of Watershed Management Research, 10(18): 80-90 (In Persian). [DOI:10.29252/jwmr.9.18.80]
28. Pachauri R.K. and L.A. Meyer. 2014. Climate Change 2. Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva, Switzerland, 151 pp.
29. Rezaei, M., M. Nohtani, A. Moghaddamnia, A. Abkar and M. Rezaei. 2014. Performance evaluation of statistical downscaling model (SDSM) in Forecasting Precipitation in two Arid and hyper arid Regions. Journal of Water and Soil, 28(4): 836-845 (In Persian).
30. Salehnia, N., A. Alizadeh and N. Sayari. 2014. Comparison of two downscaling methods (LARS-WG and ASD) in predicting precipitation and temperature under climate change in different climate. Iranian Journal of Irrigation and Drainage, 2(8): 233-245 (In Persian).
31. Semenov, M.A. and P. Tratonovitch. 2009. The use of multi-model ensembles from global climate models for impact assessments of climate Change. Climate Research, 22(3): 1-12. [DOI:10.3354/cr00836]
32. Shirvani, A. and N. Ahmadi Baseri. 2019. On the relationship between zonal wind variations and precipitation of southern regions of Iran. Journal of Water Engineering, 39(4): 45-56 (In Persian).
33. Turini, N. and M.R. Hessami Kermani. 2014. Climate change prediction using Neuro-Fuzzy (Case study: Tehran and Tabriz stations). Sharif Civil Engineering Journal, 30(1.1): 139-147 (In Persian).
34. Watson, R.T., M.C. Zinyowera, R.H. Moss and D.J. Dokken. 1997. The regional impact of climate change: an assessment of vulnerability: A Special Report of IPCC working group II. Cambridge University Press, Cambridge, England, 517 pp.
35. Wilby, R.L. and I. Harris. 2006. A framework for assessing uncertainties in climate change impacts: low flow scenarios for the River Thames. UK. Water Resources Research, 42: 19-24. [DOI:10.1029/2005WR004065]
36. Wilby, R.L. and W.C. Dawson. 2007. SDSM 4.2- A decision support tool for the assessment of regional climate change impacts, SDSM manual version 4.2. Environment Agency of England and Wales. 94 pp.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
