رزومه


EN
مصطفی یعقوب زاده

مصطفی یعقوب زاده

دانشیار

عضو هیئت علمی تمام وقت

دانشکده: کشاورزی

گروه: علوم و مهندسی آب

مقطع تحصیلی: دکتری

سال تولد: ۱۳۶۲

رزومه
EN
مصطفی یعقوب زاده

دانشیار مصطفی یعقوب زاده

عضو هیئت علمی تمام وقت
دانشکده: کشاورزی - گروه: علوم و مهندسی آب مقطع تحصیلی: دکتری | سال تولد: ۱۳۶۲ |

My affiliation

دانشیار گروه علوم ومهندسی آب، دانشکده کشاورزی، دانشگاه یرجند، بیرجند، ایران.

عضو گروه پژوهشی خشکسالی و تغییراقلیم، دانشگاه بیرجند، بیرجند، ایران.

نمایش بیشتر

ارزیابی اثر تغییر ‌اقلیم بر خشکسالی کشاورزی به‌کمک شاخص SMDIبا استفاده از مدل‌ها و سناریوهای گزارش پنجم

نویسندگانمصطفی یعقوب زاده
نشریهتحقیقات آب و خاک ایران
شماره صفحات2425-2438
شماره سریال۵۰
شماره مجلد۱۰
نوع مقالهFull Paper
تاریخ انتشار۲۰۲۰
رتبه نشریهعلمی - پژوهشی
نوع نشریهچاپی
کشور محل چاپایران
نمایه نشریهisc
کلید واژه هاسناریو انتشار شاخص کمبود رطوبت خاک عدم قطعیت مدل GCM مدل SWAP

چکیده مقاله

رطوبت خاک یک پارامتر تعیین‌‌کننده در بسیاری از فرآیند‌های پیچیده زیست محیطی است و نقش تعیین‌کننده‌ای در وقوع خشکسالی کشاورزی دارد. لذا در این تحقیق، با استفاده از داده‌های برآورد شده رطوبت خاک توسط مدل SWAP و داده‌های گزارش پنجم تغییر ‌اقلیم، خشکسالی کشاورزی به‌کمک شاخص کمبود رطوبت خاک برای دوره آتی (2039-2020) برای مزرعه گندم فاروب نیشابور تعیین شد. داده‌های اقلیمی به‌کمک شش مدل GCM و دو سناریو انتشار 5/4 و 5/8 برآورد و توسط مدل LARS-WG ریزمقیاس شدند. سپس داده‌های اقلیمی ریزمقیاس شده به‌همراه داده‌های زراعی، خاک و آبیاری وارد مدل SWAP گردید. در نهایت با استفاده از داده‌های رطوبت عمق صفر تا 30 سانتی‌متری خاک، خشکسالی کشاورزی به‌کمک شاخص SMDI مورد ارزیابی قرار گرفت. نتایج نشان داد، دمای مینیمم، ماکزیمم و بارش در دوره آتی نسبت به دوره پایه افزایش یافته است و سناریو 5/8 نسبت به سناریو 5/4 دمای بیشتر و بارش کمتری را برآورد کرده است. همچنین میانگین SMDI در دوره آتی نسبت به دوره پایه برای هر دو سناریو افزایش یافته است. نتایج قطعیت مدل‌های GCM در برآورد شاخص SMDI نیز نشان داد تحت سناریو 5/4 مدل‌های‌ IPSL و MIROC بیشترین قطعیت و مدل Canesm2 کمترین قطعیت ولی تحت سناریو 5/8 مدل‌ MIROC بیشترین قطعیت و مدل‌های Csiromk-3.6 و GFDL کمترین قطعیت را دارند.