Journal of Watershed Management Research

fa پیش‌بینی تأثیر تغییر اقلیم بر حداکثر بارش محتمل (PMP) ایران مطابق گزارش ششم IPCC Predicting Climate Change Effect on Probable Maximum Precipitation (PMP) in Iran According to the CMIP6 of IPCC هواشناسی هواشناسی پژوهشي Research چکیده مبسوط مقدمه و هدف: با توجه ‌به گرمایش جهانی، رویدادهای مربوط به بارش‌های سیل‌آسا در سراسر جهان در دهه‌های گذشته افزایش ‌یافته &lrm;اند. اطلاعات مربوط به بارش و پیش‌بینی آن در کاربردهای مختلف هیدرولوژیکی از نظر مطالعات اقتصادی و ارزیابی ریسک مانند برآورد حداکثر سیلاب محتمل و مهندسی و مدیریت منابع آب اهمیت دارد. یکی از پارامترهای مهم مرتبط با تغییر اقلیم، حداکثر بارش محتمل (PMP) است. PMP به‌عنوان حداکثر عمق بارش محتمل در مدت‌زمان مشخص مانند ۲۴ ساعت و در یک مکان معین تعریف می‌شود. مطالعه جامعی در مورد تأثیر تغییر اقلیم بر PMP در ایران انجام نشده است. این مطالعه با پیش‌بینی مقدار بارش برای دوره آتی در ایران، شکاف مذکور در مطالعات این موضوع در کشور را پر می‌کند. در نتیجه تغییرات اقلیمی، انتظار می‌رود که PMP و پیامدهای منفی چنین بارشی تا پایان قرن افزایش یابد. در نتیجه، مطالعه اثر تغییر اقلیم بر بارش شدید و PMP ایستگاه‌های مختلف ایران می‌تواند بسیار مهم و کاربردی باشد. مواد و روش&lrm;ها: در این مطالعه، با هدف بررسی اثرات تغییرات اقلیمی آینده بر مقادیر PMP در اقلیم‌های مختلف ایران، از دو سناریو مختلف به نام‌های SSP1-2.6 و SSP5-8.5 (به &lrm;ترتیب سناریوهای خوش‌بینانه و بدبینانه) و مدل HadGEM3-GC31-LL از خروجی آخرین گزارش هیئت بین‌دولتی تغییر اقلیم (IPCC) یعنی گزارش CMIP6 استفاده شد. برای ریزمقیاس‌نمایی خروجی این مدل و سناریوها، از مدل LARS-WG و برای ارزیابی عملکرد مدل LARS-WG از معیارهای آماری ضریب همبستگی (r) و جذر میانگین مربعات خطا (RMSE) استفاده شد. برای برآورد مقادیر PMP از دو روش آماری هرشفیلد تعمیم‌یافته و هرشفیلد - دسا و داده‌های ۳۰ساله (۱۹۹۳-۲۰۲۲) مربوط به ۱۳ ایستگاه همدید واقع در اقلیم‌های مختلف در سراسر ایران استفاده شد. یافته‌ها: نتایج شبیه‌سازی بارش و دمای دوره پایه (۱۹۹۳-۲۰۲۲) با استفاده از مدل Lars-WG حاکی از آن هستند که در کل ۱۳ ایستگاه همدید ایران، محدوده معیار r برای بارش بین 0/95-0/99 و برای دماهای کمینه و بیشینه برابر با 0/99 است. محدوده معیار RMSE نیز برای بارش بین 1/22 و 16/29 میلی‌متر و برای دماهای کمینه و بیشینه به ترتیب، در دامنه 0/18-0/42 و 0/14-0/32 درجۀ سانتی‌گراد است. بنابر این، مدل Lars-WG در شبیه‌سازی متغیرهای اقلیمی دوره پایه همه ایستگاه‌ها عملکرد قابل ‌قبولی دارد. تأثیر تغییر اقلیم بر میانگین بارش سالانه در همه اقلیم‌های ایران افزایشی است و بیشترین درصد افزایش آن در دوره ۲۰ساله آتی (۲۰۲۱-۲۰۴۰) نسبت به دوره پایه، در اصفهان با 61/18 درصد افزایش نسبت به دوره پایه و تحت سناریو بدبینانه (SSP5-8.5) پیش‌بینی می‌شود. حداکثر بارش ۲۴ ساعته سالانه در اکثر مناطق با اقلیم خشک افزایش و در اقلیم بسیار مرطوب (بندر انزلی و آستارا) کاهش خواهد یافت. حداکثر بارش ۲۴ ساعته سالانه ایستگاه‌ها در دوره پایه از ۲۵ میلی‌متر در طبس تا ۲۱۴ میلی‌متر در بندر انزلی متغیر است. در دوره آتی، حداکثر بارش ۲۴ ساعته سالانه در اصفهان، طبس، کاشان، بیرجند، زاهدان، اردبیل و یاسوج تحت هر دو سناریو و در خرم‌آباد تحت سناریو SSP5-8.5 افزایش خواهد یافت. در تهران، مشهد، تبریز، بندر انزلی و آستارا تحت هر دو سناریو و در خرم‌آباد تحت سناریو SSP1-2.6 کاهش حداکثر بارش ۲۴ ساعته سالانه پیش‌بینی می‌شود. بیشترین افزایش و کاهش حداکثر بارش ۲۴ ساعته نسبت به دوره پایه، به&lrm; ترتیب با 55/70+ درصد افزایش در یاسوج و 26/92- درصد کاهش در بندر انزلی پیش‌بینی می‌شود. بیشترین نسبت PMP به حداکثر بارش ۲۴ ساعته سالانه در اقلیم‌های خشک برآورد می‌شود، به‌طوری&lrm;که طبق روش دسا، بیشترین نسبت PMP به حداکثر بارش ۲۴ ساعته در آینده و تحت هر دو سناریو، در زاهدان خواهد بود. بیشترین افزایش این نسبت نیز در مشهد اتفاق خواهد افتاد. مقدار PMP طبق روش هرشفیلد تعمیم‌یافته در همه ایستگاه‌ها به‌مراتب بیشتر از روش اصلاحی دسا برآورد شده است. ولی با توجه ‌به اصلاح عامل فرکانس (Km) در روش دسا، مقادیر برآورد شده طبق این روش بیشتر مورد انتظار به نظر می‌رسد. مقدار PMP در اکثر ایستگاه‌های همدید ایران افزایش خواهد یافت. بیشترین افزایش PMP در زاهدان تحت سناریو SSP1-2.6 و کاهش تحت هر دو سناریو موردبررسی، فقط در بندر انزلی پیش‌بینی می‌شود. درصد تغییرات PMP در آینده در اکثر اقلیم‌های خشک و نیمه‌خشک بیشتر از اقلیم مرطوب خواهد بود. نتیجه&lrm;گیری: نتایج کلی این مطالعه حاکی از آن هستند که تحت ‌تأثیر تغییر اقلیم، میانگین بارش سالانه در همه اقلیم‌های ایران افزایش خواهد یافت. افزون بر این، حداکثر بارش ۲۴ ساعته سالانه در اکثر مناطق با اقلیم خشک افزایش خواهد یافت. این مقدار در اقلیم بسیار مرطوب کاهشی خواهد بود. روش هرشفیلد تعمیم‌یافته در برآورد مقادیر PMP بیش‌برآوردی دارد، ولی مقادیر برآوردشده با استفاده از روش هرشفیلد - دسا مورد انتظار هستند. به‌طور کلی، مقدار PMP در اکثر ایستگاه‌های همدید ایران در آینده افزایش خواهد یافت. درصد تغییرات مقدار PMP در آینده در اقلیم‌های خشک و نیمه‌خشک بیشتر از اقلیم مرطوب خواهد بود. بنابر این، توجه به مناطق مستعد پیامدهای ناگوار در برابر سیلاب‌های محتمل حاصل از بارش‌های این‌چنینی ضروری است. نتایج تحقیق حاضر می‌توانند در موضوعات مهندسی و مدیریت منابع آب، مورد استفاده مدیران و تصمیم‌گیران در جهت پیش‌آگاهی از تأثیرات تغییر اقلیم بر بارش‌های شدید و حداکثر بارش محتمل در شهرها و مناطق مختلف ایران قرار گیرند.   Extended Abstract Background: Global warming has increased the frequency of extreme precipitation events across the globe during the past decades. Information about precipitation and its forecast in various hydrological applications is important in terms of economic studies and risk assessment, such as estimating the maximum probable flood and engineering and management of water resources. One of the important parameters that changes with climate change is probable maximum precipitation (PMP), defined as the maximum probable precipitation depth in a certain duration, such as 24 hours, at a single site. There is no comprehensive study on the impact of climate change on PMP in Iran. This study fills the mentioned gap in the country by generating the precipitation depths for future periods in Iran. As a result of climate change, PMP and the negative consequences of such precipitation are expected to increase until the end of the century. As a result, studying the effect of climate change on extreme precipitation and PMP of different stations in Iran can be very important and practical. Methods: In this study, the effects of future climate changes on PMP values in different climates in Iran were investigated using two distinct scenarios, namely SSP1-2.6 and SSP5-8.5 (optimistic and pessimistic scenarios, respectively), and the HadGEM3-GC31-LL model from the output of the latest report of the Intergovernmental Panel on Climate Change (IPCC), i.e., CMIP6 report. The output of this model and scenarios was downscaled using the LARS-WG model. The statistical measures of the correlation coefficient (r) and Root Mean Square Error (RMSE) were used to evaluate the performance of the LARS-WG model. Two statistical methods, generalized Hershfield and Hershfield-DESA and 30-year data (1993-2022) related to 13 synoptic stations located in different climates across Iran, were used to estimate the PMP values. Results: The results of the simulation of precipitation and temperature in the base period (1993-2022) using the Lars-WG model indicate that the correlation coefficient (r) for precipitation ranges between 0.95 and 0.99, and for minimum and maximum temperatures is equal to 0.99 in all 13 synoptic stations in Iran. The range of RMSE for precipitation is between 1.22 and 16.29 mm, and for minimum and maximum temperatures is in the range of 0.18-0.42 and 0.14-0.32 °C, respectively. Therefore, the Lars-WG model has an acceptable performance in simulating the climate variables in the base period at all stations. The effect of climate change on the average annual precipitation is increasing in all regions of Iran, and the highest range of increase in the next 20-year period (2021-2040) is at Isfahan with a +61.18% increase compared to the base period and under the pessimistic scenario (SSP5-8.5). The maximum annual 24-hour precipitation will increase in most areas with arid climates and decrease in per-humid climates (Bandar Anzali and Astara). The maximum annual 24-hour precipitation of the stations in the base period ranges from 25 mm in Tabas to 214 mm in Bandar Anzali. In the future period, the annual maximum 24-hour precipitation will increase in Isfahan, Tabas, Kashan, Birjand, Zahedan, Ardabil, and Yasuj under both scenarios, and in Khorramabad under the SSP5-8.5 scenario. A decrease in the maximum annual 24-hour precipitation is predicted in Tehran, Mashhad, Tabriz, BandareAnzali, and Astara under both scenarios and in Khorramabad under the SSP1-2.6 scenario. The largest increase and decrease in maximum 24-hour precipitation is predicted with a +55.70% increase in Yasouj and a -26.92% decrease in Bandar Anzali, respectively, compared to the base period. The highest ratio of PMP to maximum annual 24-hour precipitation is estimated in arid climates. According to the Desa method, the highest ratio of PMP to the maximum 24-hour precipitation in the future will be at Zahedan under both scenarios. The biggest increase in this ratio will be in Mashhad. According to the generalized Hershfield method, the value of PMP in all stations has been estimated many times higher than that of the modified Desa method. According to the modification of the frequency factor (Km) in the Desa method, the estimated values seem more expected according to this method. The amount of PMP will increase in most synoptic stations in Iran. The highest PMP increase in Zahedan under the SSP1-2.6 scenario and decrease under both scenarios are predicted only in Bandar Anzali. The percentage of PMP changes in the future will be higher in most arid and semi-arid climates than in humid climates. Conclusion: The general results of this study indicate that the average annual precipitation will increase in all climates of Iran under the effect of climate change. In addition, the maximum annual 24-hour precipitation will increase in most regions with arid climates. This amount will decrease in per-humid climates. The generalized Hershfield method overestimates PMP values, but the values estimated using the Hershfield-DESA method are more expected. In general, the PMP will increase in most synoptic stations in Iran in the future. The percentage of PMP changes in the future will be higher in arid and semi-arid climates than in humid climates. Therefore, it is necessary to pay attention to the areas prone to adverse consequences from probable floods resulting from such precipitation. The results of the present research can be used by managers and decision-makers in engineering and water resources management issues to anticipate the effects of climate change on extreme precipitation and maximum probable precipitation in different cities and regions of Iran.   ایران, تغییر اقلیم, حداکثر بارش محتمل, روش هرشفیلد, گزارش ششم Iran, Climate Change, Maximum Probable Precipitation, Hershfield Methode, CMIP6 94 107 http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1692-2&slc_lang=fa&sid=1 Pouya Allahverdipour پویا الله ویردی‌پور a.pouya1996@gmail.com 100319475328460015825 100319475328460015825 No Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران Yagob Dinpashoh یعقوب دین پژوه dinpazhoh@tabrizu.ac.ir 100319475328460015826 100319475328460015826 Yes Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران