دوره 12، شماره 23 - ( بهار و تابستان 1400 )
جلد 12 شماره 23 صفحات 107-95 |
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:
Hemmati L, Miryaghoubzadeh M. (2021). Forecasting of Climate Variables in Future Periods Based on HadCM3 Data using Statistical Downscaling Model (SDSM) in Agh-Chay Basin (West Azarbayjan). J Watershed Manage Res. 12(23), 95-107. doi:10.52547/jwmr.12.23.95
URL: http://jwmr.sanru.ac.ir/article-1-1020-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1020-fa.html
همتی لیلا، میریعقوب‌زاده میرحسن. پیش بینی متغیر های اقلیمی در دوره آتی بر پایه مدل HadCM3 با استفاده از مدل ریزمقیاسنمایی SDSM در حوزه آبخیز آق‌چای (آذربایجان‌غربی) پژوهشنامه مديريت حوزه آبخيز 1400; 12 (23) :107-95 10.52547/jwmr.12.23.95
چکیده: (3238 مشاهده)
صنعتی شدن جوامع و افزایش گازهای گلخانه ای موجب افزایش دمای کره زمین و تغییر دیگر متغیرهای اقلیمی شده است. این پدیده مهمترین معضل کره زمین در قرن حاضر می باشد از این رو ارزیابی میزان روند شکل گیری آن در مقیاس جهانی و منطقه ای از اهمیت ویژه ای برخوردار است. تاکنون مدلهای گردش عمومی متعددی برای پیش بینی وضعیت اقلیم در آینده طراحی شده است، اما خروجی حاصل از این مدلها به دلیل محدودیت در تفکیک مکانی در مقیاس محلی، قابل استفاده نمی باشد. بنابراین روشهای مختلفی به منظور استفاده از خروجی این مدلها در مقیاس منطقه ای و محلی ابداع شده است. در این پژوهش برای بررسی تغییرات متغیرهای اقلیمی در حوزه آبخیز آق چای واقع در شمالغرب کشور از مدل ریزمقیاسنمایی SDSM استفاده شده است بدین منظور ابتدا میزان کارایی این مدل برای ریزمقیاسن مایی متغیرهای اقلیمی در ایستگاه سینوپتیک خوی مورد ارزیابی قرار گرفت، سپس شاخص های مذکور تا سال 2100 شبیه سازی شد. مدل SDSM با استفاده از داده های مشاهداتی ایستگاه سینوپتیک خوی و داده های NCEP کالیبره و واسنجی شد. به منظور ارزیابی مدل از معیار میانگین خطای مطلق و مجذور میانگین مربعات خطا استفاده شد و پس از حصول اطمینان از کارایی مدل، خروجی های مدل HadCM3 در دوره های زمانی 2050-2020 و 2100-2070 حوزه آبخیز آق چای، تحت سناریوهای A2 و B2 توسط مدل آماری SDSM ریزمقیاس شد. نتایج نشان دهنده افزایش دمای کمینه و بیشینه منطقه مطالعاتی در اکثر ماه های سال می باشد. به طوریکه افزایش 3/48 درجه سانتیگراد دمای بیشینه در دوره 2050-2020 و 5/6 سانتی گراد در دوره 2100-2070 و دمای کمینه بهمیزان 3/45 برای دوره 2050-2020 و 5/51 برای دوره 2100-2070 قابل مشاهده بود. همچنین نتایج نشاندهنده افزایش بارش در اکثر ماه های سال برای دوره 2050-2020 (در محدوده 1/0 تا 74/95 ) میباشد. تغییرات بارش برای دوره 2100-2070 نیز به صورت افزایش در اکثر ماه های سال با حداکثر مقدار 94/64 و حداقل مقدار 1/34 درصد می باشد.
فهرست منابع
1. Abbasi, F. and M. Asmari. 2010. Forecasting and assessment of climate change over Iran during future decades by using MAGICC-SCENGEN model. Journal of Water and Soil, 25(1): 70-83.
2. Abkar, A., M. Habibnenajad, K. Solaimani, H. Naghavi. 2013. Investigation efficiency SDSM model to simulate temperature indexes in arid and semi -arid regions. Journal of Irrigation and Water Engineering, 4(14): 17 pp.
3. Ahmadi, A. 2008. Evaluation of statistical decline in northern Iran. MS. Thesis, Isfahan University of Technology, Isfahan, Iran.
4. Athansion, L. and M. Quick. 1996. Effect of climate change on hydrologic regime of two climatically different watersheds. Journal of Hydrologic Engineering., 22(1): 77-78. [DOI:10.1061/(ASCE)1084-0699(1996)1:2(77)]
5. Babaeian, I. and Z. Najafi Nik. 2006. Introducing and evaluation of LARS-WG model for modeling meteorological parameters of Khorasan province 1961-2003. Journal of Nivar, 62 and 63: 49-65.
6. Babaeian, I., Z. Najafi Nik, F. Zabol Abbasi, M. Habibi Nokhandan and Sh. Mabousi. 2009. Climate change assessment over iran during 2010-2039 by using statistical downscaling of ECHO-G model. Geography and Development Iranian Journal, 16: 135-152.
7. Dousti, M., M. Habibnezhad, K. Shahedi and M.H. Miryaghoubzadeh. 2013. Study of climate indices of Tamar River basin Golestan Province in terms of climate change using by LARS-WG model. Journal of Earth Space Physics, 39(4): 177-189.
8. Fung, F., A.L. Lopez and M. New. 2011. Modeling the impact of climate change on water resources. Wiley-Blackwell, (187): 43-62. [DOI:10.1002/9781444324921]
9. Gordon, C., C. Cooper, C.A. Senior, H. Banks, J.M. Gregory, T.C. Johns, J.F.B. Mitchell and R.A. Wood. 2000. The simulation of SST, sea ice extents and ocean heat transports in a version of the Hadley Center coupled model without flux adjustments. Journal of Climate Dynamics, 16: 147-168. [DOI:10.1007/s003820050010]
10. Hamlet, A.F. and D.P. Lettenmaier. 2007. Effects of 20th century warming and climate variability on flood risk in the western U.S. Water Resource Research, 43(6): p. W06427. [DOI:10.1029/2006WR005099]
11. Hashmi, M.Z., A.Y. Shamseldin and B.W. Melville. 2011. Comparison of SDSM and LARS-WG for simulation and downscaling of extreme precipitation events in a watershed. Stochastic Environmental Research and Risk Assessment, 25(4): 475-484. [DOI:10.1007/s00477-010-0416-x]
12. Khan, M.S., P. Coulibaly and Y.B. Bibike. 2006. Uncertainty analysis of statistical downscaling methods. Journal of Hydrology, 319: 357-382. [DOI:10.1016/j.jhydrol.2005.06.035]
13. Liu, L., Z. Liu, X. Ren, T. Fischer and Y. Xu. 2011. Hydrological impacts of climate change in the yellow river basin for the 21-century using hydrological model and statistical downscaling model. Journal of Hydrology, 244: 211-220. [DOI:10.1016/j.quaint.2010.12.001]
14. Rezaei, M., M. Nohtani, A. Abkar, M. Rezaei and R.M. Mirkazehi. 2014. Performance evaluation of Statistical Downscaling Model (SDSM) in Forecasting Temperature Indexes in Two Arid and Hyper Arid Regions (Case study: Kerman and Bam). Journal of WatershedManagement Research, 10(5): 117-131.
15. Salalajegheh, A., E. Rafiei Sardooei, A. Moghadamnia, A. Malekian, Sh. Araghinejad, Sh. Khalighi Sigaroodi and A. Salehpourjam. 2016. Prediction of climatic variable using statistical downscaling model (SDSM) in future under scenario A2. Desert Management , 4 (7): 12-25.
16. Samadi, Z., A. Massah Bavani and M. Mahdavi. 2009. Selection of predictive variable for downscaling of temperature and precipitation data in karkhe watershed. Fifth National Conference on Watershed Management Sciences and Engineering (sustainable disaster management), Gorgan university of agricultural sciences and natural resources.
17. Sayari, N., A. Alizadeh, M. Bannayan, M.R. Hessami Kermani and A. Faridi Hosseini. 2010. Climate change prediction of Kashaf rood watershed during 2010-2039, 2040-2069, 2070-2099 by using statistical downscaling of HadCM3 output. The first international conference on plant, water, soil and weather modelling, International center for science, high technology and environmental sciences shahid bahonar university of kerman, 19 pp.
18. Sheidaeian. M., M.Kh. Ziatabar Ahmadi and R. Fazloula. 2015. Comparison of artificial neural network (ANN) and SDSM model to downscaling of temperature. Irrigation sciences and engineering, 40: 59-73.
19. Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (Eds.); The physical science basis, contribution of working group I to the fourth assessment report of the Intergovernmental panel on climate change. IPCC. 2007, Cambridge University Press, UK, 1-8 pp.
20. Kermani, R.M. and N. Tourin. 2012. Maximum, minimum and average temperature prediction using Nero fuzzy algorithm at Kerman station. 5th National Conference of Watershed Management and Soil and Water Resources Management, 13 pp.
21. Van, T. and N. Van. 2005. Downscaling methods for evaluating the impact of climate change and variability on hydrological regim at basin scale. Role of Water Sciences in Transboundary River basin Management. Thailand: 1-8.
22. Watson, R.T., M.C. Zinyowera, R.H. Moss and D.J. Dokken. 2001. (Eds.); Special report on the regional impacts of climate change, an assessment of vulnerability. IPCC. 2001. Cambridge University Press, UK, 68 pp.
23. Wilby, R.L. and C. Dawson. 2007. SDSM 4.2- A decision support tool for the assessment of regiona climate change impacts, SDSM manual version 4.2, Environment Agency of England and Wales, 94 pp (In Persian).
24. Zarei, K., H. Mohammdi and S. Bazgir. 2020. Simulation of Gorgan synoptic station temperature and precipitation climates with RCP scenarios. Jounal of natural geography research, 51(4): 563-579.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
