ارزیابی روش های ریزمقیاس‌نمایی پارامترهای حداقل و حداکثردما ( مطالعه موردی: ایستگاه‌های سینوپتیک بیرجند و رشت)

Authorsعلی شهیدی,مهدیه فروزان مهر
Journalپژوهش های اقلیم شناسی
Page number۷۷-۸۹
Serial number۱۳
Volume number۴۹
Paper TypeFull Paper
Published At۲۰۲۲
Journal GradeScientific - research
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Journal Indexisc

Abstract

تغییر اقلیم می‌تواند اثرات مخربی بر منابع مختلف ازجمله آب و جنگل و کشاورزی و غیره داشته باشد، باتوجه به اینکه اولین اثرات تغییر اقلیم بر عناصر اتمسفری به ویژه درجه حرارت و بارش می‌باشد بنابراین بررسی روند تغییرات عناصر جوی از اهمیت بالایی برخوردار است. در پژوهش حاضر از مدل GCM، CanESM2 و سه مدل ریزمقیاس‌نمایی SDSM، LARS-WG و یک روش آماری اصلاح اریبی(qmap) به منظور ریزمقیاس‌نمایی و شبیه سازی حداقل و حداثر دما در دو ایستگاه سینوپتیک بیرجند و رشت، برای پیش‌آگاهی از میزان تغییرات این پارامترها تحت دو سناریو RCP4.5 و RCP8.5 و برای دوره 2056-2025 استفاده شده است. نتایج نشان می‌دهد، بهترین عملکرد مربوط به مدل SDSM با بیشترین مقدار همبستگی می‌باشد، همچنین مدل qmap برای پارامتر حداقل دما در ایستگاه بیرجند عملکرد مناسبی ندارد. مقایسه تغییرات سالانه حداکثر و حداقل دما در دو ایستگاه سینوپتیک بیرجند و رشت نشان می‌دهد، پارامترهای حداقل و حداکثر دما در هر دو ایستگاه در دوره آتی 2056-2025 نسبت به دوره پایه(1974-2005) افزایش می‌یابد، همچنین تغییرات دما تحت سناریو rcp8.5 نسبت به سناریوrcp4.5 بیشتر است، علاوه بر این نوسانات پارامتر حداقل دما در دوره آتی ایستگاه رشت نسبت به ایستگاه بیرجند بیشتر است. علاوه‌بر این تغییرات میانگین حداکثر و حداقل دما ماهانه در دوره 2056-2025 نسبت به دروه پایه(1974-2005) نشان می‌دهد این تغییرات برای ایستگاه بیرجند به صورت افرایشی است و در ایستگاه رشت نیز به جز مدلSDSM در ماه‌های فوریه، مارس، آوریل، اکتبر، نوامبر و دسامبر و مدل qmap در ماه آوریل، تغییرات به صورت افزایشی است. تغییرات میانگین حداقل دما ماهانه دوره آتی در هر دو ایستگاه مورد مطالعه نیز یه صورت افزایشی است، البته در مدل SDSM در ماه آوریل برای ایستگاه بیرجند و در ماه‌های اکتبر، نوامبر و دسامبر برای ایستگاه رشت این تغییرات به صورت کاهشی است.

Paper URL

tags: تغییر اقلیم، ریزمقیاس‌نمایی، SDSM، RCP