palette
شبیه‌سازی آستانه دمایی موج گرما طی دوره گرم سال در ایران براساس سناریوهایRCP در بازه زمانی (2016 -2045)
فرشته رضایی, محمود احمدی, علیرضا شکیبا

چکیده

امواج گرمایی به عنوان یک پدیده­ حدی همراه با گرمایش جهانی می­تواند بخش‌های مختلف را متاثر سازد. ضرورت شناسایی این پدیده در شرایط تغییر اقلیم باعث شد که در این مقاله به شبیه­سازی آستانه دمایی منجر به موج گرما در مناطق مختلف کشور پرداخته شود. جهت رسیدن به این هدف ابتدا دمای حداکثر روزانه 90 ایستگاه در دوره گرم سال برای 30 سال آینده (2045- 2016) از طریق مدل گردش عمومی جو CanEsm2 تحت 3 سناریوی RCP 2.6، RCP 4.5 و RCP 8.5 و مدل ریزمقیاس نمایی آماری SDSM شبیه­سازی شد. سپس براساس 3 شاخص­ جهانی (صدک 95، بالدی، سازمان هواشناسی جهانی (WMO)) آستانه دمایی موج گرما در مناطق مختلف تعیین گردید. نتایج نشان داد که مقادیر آستانه دمایی در زمان­ها و مکان­های مختلف کشور یکسان نمی­باشد و از دامنه­های متفاوتی برخوردار است. براساس سناریوی مختلف RCP 2.6، RCP 4.5 و RCP 8.5  طی سال­های آتی، حد پایین آستانه دمایی در فصل بهار نسبت به وضع موجود تقریباً 5 درجه افزایش یافته است. علاوه بر این مرز پهنه­های آستانه دمایی نیز تغییر محسوسی می­یابد. به طوری که پهنه­های دارای آستانه بالا به سمت عرض­های متوسط و بالا پیشروی می­کنند. در فصل تابستان نیز هر چند حد بالا و پایین آستانه دمایی نسبت به شرایط موجود تغییر نمی­کند. اما نکته­ی قابل توجه این است که در شرایط حاضر در تابستان قسمت زیادی از کشور دارای آستانه بین °40-°35 سلسیوس است ولی در 30 ساله آینده با توجه به افزایش دما، این رنج به °45 –°40 سلسیوس می­رسد و تقریباً 70 درصد کشور آستانه بالای 40 درجه را تجربه می­کند. از لحاظ مکانی نیز آستانه دمایی در فصل بهار از تفاوت مکانی بیشتر و در تابستان تقریباً از یکنواختی نسبی برخوردار است که علت این یکنواختی را می­توان به وجود پرفشار جنب حاره­­ای آزور نسبت داد. همچنین نتایج نشان می­دهد که از میان مناطق مختلف کشور، استان خوزستان در دوره گرم سال بالاترین آستانه دمایی را به خود اختصاص داده است. بررسی تغییرات آستانه دمایی نیز نشان داد که عرض­های متوسط و بالا در دوره گرم سال در سال­های آتی نسبت به وضع موجود، بالاترین تغییرات و افزایش را در مقدار آستانه دمایی خواهند داشت.

واژگان کلیدی
آستانه دمایی، سناریوهای تغییر اقلیم، موج گرما، CanEsm2-SDSM.

منابع و مآخذ مقاله

-اسمعیل نژاد، م.، خسروی، م.، علیجانی، ب. و مسعودیان، س.ا.، 1392. شناسایی امواج گرمایی ایران، فصلنامه جغرافیا و توسعه، شماره‌ 33، ص 39-54.

-اسدی، ا. و مسعودیان، س.ا.، 1393. بررسی همدید گرماهای فرین ایران بر پایه الگوهای ضخامت جو، پژوهشهای دانش زمین، شماره‌ 17، ص 63-75.

-اعتمادیان، ا. و دوستان، ر.، 1396. تحلیل فضایی امواج گرمایی ایران، نشریه تحلیل فضایی مخاطرات محیطی، شماره 1، ص 17-32.

-براتی، غ. و موسوی، ش.، 1384. جابجایی مکانی موج‌های زمستانی گرما در ایران، فصلنامه جغرافیا و توسعه، شماره‌ 5، ص 41-52.

-دارند، م.، 1393. شناسایی و تحلیل زمانی – مکانی امواج گرمایی ایران زمین، فصلنامه جغرافیا و توسعه شماره‌ 35، ص 167-180.

-رضائی، م.، نهتانی، م.، مقدم نیا، ع.، آبکار، ع. و رضائی، م.، 1395. پیش‌بینی بلندمدت بارش با استفاده از مدل ریز مقیاس نمایی آماری، نشریه آب و خاک، شماره‌ 1، ص 115-127.

-علیجانی، ب.، 1391. آب و هوای ایران، انتشارات پیام نور، تهران، ص 1-221.

-قویدل رحیمی، ی.، سپه وند، ر. و فرج زاده اصل، منوچهر.، 1393. شناسایی و تحلیل همدید امواج گرمایی فرین غرب ایران، پژوهشهای دانش زمین، شماره‌ 18، ص 1-10.

-منتظری، م. و مسعودیان، س.ا.، 1389. شناسایی الگوهای فرارفت دمایی ایران در سال‌های سرد، پژوهش‌های جغرافیای طبیعی، شماره‌ 74، ص 79-94.

-مسعودیان، س.ا.، 1391. آب و هوای ایران، انتشارات شریعه توس، اصفهان، 264 ص.

-مولودی، گ.، خورانی، ا. و مرادی، ع.، 1395. اثر تغییر اقلیم بر امواج گرمایی سواحل شمالی خلیج فارس، نشریه تحلیل فضایی مخاطرات محیطی، شماره‌ 1، ص 1-14.

-Anderson, B.G. and Bell, M.L., 2009. Weather-Related Mortality: how heat, cold, and heat wave affect mortality in the United States: Epidemiology, v. 20(2), p. 205-213. doi:10.1097/EDE.0b013e318190ee08.

-Ashiq, M., Zhao, C., Ni, J. and Akhtar, M., 2010. GIS-based high-resolution spatial interpolation of precipitation in mountain–plain areas of Upper Pakistan for regional climate change impact studies: Theoretical and Applied, Climatology, v. 99, p. 239-253.

-Arora, V.K., Scinocca, J.F., Boer, G.J., Christian, J.R., Denman, K.L., Flato, G.M., Kharin, V.V., Lee, W.G. and Merryfield, W.J., 2011. Carbon emission limits required to satisfy future representative concentration pathways of greenhouse gases: Geophysical Research Letters, v. 38(5), p. 1-6.

-Bardosy, A. and Plate, E.J., 1992. Space-time model of daily rainfall using atmospheric circulation patterns: Water Resources Research, v. 28(5), p. 1247-1259.

-Clark, C.O., Cole, J.E. and Webster, P.J., 2000. Indian ocean SST and Indian summer rainfall: Predictive relationships and their decadal variability: Journal of Climate, v. 13, p. 2503-2519.

-Diaz, J., Cristina, L. and Aurelio, T., 2006. A Critical comment on heat Wave response plans: European Journal of publication health, v. 16, p. 600-617.

-Fowler, H.J., Blenkinsop, S. and Tebaldi, C., 2007. Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modelling: International Journal of Climatology, v. 27(12), p. 1547–1578. http://dx.doi.org/10.1002 /Joc.1556.

-Gonzalez, P., Neilson, R.P., Lenihan, J.M. and Drapek, R.J., 2010. Global patterns in the vulner ability of ecosystems to vegetation shifts due to climate change: Global Ecology and Biogeography, v. 19(6), p. 755-768.

-Gu, H., Wang, G., Yu, Z. and Mei, R., 2012. Assessing future climate changes and extreme indicators in east and south Asia using the RegCM4 regional climate model: Climatic Change, v. 114 (2), p. 301-317. http://dx.doi.org/10.1007/s10584-012-0411-y.

-Gulacha, M.M. and Mulungu, D.M., 2017. Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River Basin: Physics and Chemistry of the Earth, v. 100, p. 62-72.

-IPCC, 2013. Climate Change 2013: The Physical Science Basis, Contribution of Working Group I to the Fifth Assessment Report of the Intergovern-mental Panel on Climate Change Intergovernmental Panel on Climate Change Cam -bridge, United Kingdom and New York, USA.

-IPCC, 2014. Climate Change 2014: Synthesis Report, Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)], IPCC, Geneva, Switzerland, 151 p.

-Jing, Z., Dan, H., Xie, Y., Yong, L., Yang, Y., Hu, S., Guo, H., Lei, Z. and Rui, Z., 2015. Integrated SWAT model and statistical downscaling for estimating streamflow response to climate change in the Lake Dianchi watershed, China: Stochastic Environmental Research and Risk Assessment, v. 29(4), p. 1193-1210.

-Jinghong, G., Yunzong, S., Qiyong, L., Maigeng, Z., Yaogui, L. and Liping, L., 2015. Impact of extreme high temperature on mortality and regional level definition of heat wave: A multi-city study in China: Science of the Total Environment, v. 505, p. 535-544.

-Kent, S., McClure, L., Zaitchik, B., Smith, T. and Gohlke, J., 2014. Heat wave and health outcomes in Alabama(USA): the importance of heat wave definition: Environ Health Perspect, v. 122, p.151-158.

-Keggenhoff, I., Elizbarashvili, M. and King, L., 2015. Heat wave events over Georgia since1961, Climatology, Changes and Severity: Climate, v. 3, p. 308-328.

-Lowe, D., Ebi, K.L. and Forsberg, B., 2011. Heatwave early warning systems and adaptation advice to reduce human health consequences of heatwaves: Int J Environ Res Public Health, v. 8, p. 4623-4648.

-Liu, G., Zhang, L., He, B., Jin, X., Zhang, Q., Razafindrabe, B. and You, H., 2015. Temporal changes in extreme high temperature, heat waves and relevant disasters in Nanjing metropolitan region, China: Natural Hazards, v. 76, p. 1415-1430. DOI 10.1007/s11069-014-1556-y.

-Mastrandrea, M.D., Tebaldi, C., Snyder, C.W. and Schneider, S.H., 2011. Current and future impacts of extreme events in California: Climate Change Center, p. 10943–10970. http://dx.doi.org/10.1007/s10584-011-0311-6.

-Mahmood, R. and Babel, M.S., 2014. Future changes in extreme temperature events using the statistical downscaling model (SDSM) in the trans-boundary region of the Jhelum river basin: Weather and Climate Extremes, v. 5(6), p. 56-66.

-Pascal, M., 2011. TitleAn Analysis of the Mortality Risks Associated with Heat and Heat Waves in Ireland, to Assist in Planning for Climate Change: Doctoral Thesis, Dublin Institute of Technology.

-Rusticucci, M., Kyselý, G. and Lhotka, O., 2015. Long-term variability of heat waves in Argentina and recurrence probability of the severe 2008 heat wave in Buenos Aires: Theoretical and Applied Climatology,v. 124, p. 679-689. DOI: 10.1007/s00704-015-1445-7.

-Singh, A.K., Zehe, E. and Bardossy, A., 2005. Downscaling Atmospheric Circulation for Monsoon Rainfall Forecasting in Anascatchment, India: Regional Hydrological Impacts of Climatic Change—Hydroclimatic Variability, p. 291 -298.

-Samadi, S., Ehteramian, K. and Sari Sarraf, B., 2011. SDSM ability in simulate predictors for climate detecting over Khorasan province: Procedia Social and Behavioral Sciences, v. 19, p. 741–749.

-Sanchez, E., Gallardo, C., Gaertner, M.A., Arribas, A. and Castro, M., 2004. Future climate extreme events in the Mediterranean simulated by a regional climate model: a first approach: Global and Planetary Change, v. 44(1-4), p. 163-180.

-Wolf, T. and McGregor, G., 2013. The Development of A Heat Wave Vulnerability Index for London, United Kingdom, Weather and Climate Extremes, v. 1, p. 59-68.

-Wilby, R.L., Dawson, C.W., Murphy, C., Connor, P. O. and Hawkin, S.E., 2014. the statitical Down Scaling Model – Decision Centric (SDSM-DC): conceptual basis and applications: Climate Research, v. 61(3), p. 251-268.

-Zhang, Y., You, Q., Chen, C. and Ge, J., 2016. Impacts of climate change on streamflows under RCP scenarios: A case study in Xin River Basin, China: Atmospheric Research, v. 178(179), p. 521-534.


ارجاعات
  • در حال حاضر ارجاعی نیست.