شبیه سازی اثرات تغییر اقلیم بر یخبندان-های زاهدان با استفاده از مدل‌های سه بعدی گردش عمومی جو

نوع مقاله : مروری

نویسندگان

1 دانشگاه شهید بهشتی

2 دانشگاه اصفهان

چکیده

اقلیم یک سیستم پیچیده است. در سال­های اخیر به دلیل افزایش گازهای گلخانه­ای در حال تغییر است. این پژوهش در نظر دارد اثرات تغییر اقلیم را در یخبندان­های شهر زاهدان با استفاده از مدل­های سه بعدی گردش عمومی جو شبیه سازی نماید. در این پژوهش ابتدا ده مدل گردش عمومی جو بررسی شد . سپس با ارزیابی مناسبت هر نمونه، مدل مناسب جهت استخراج یخبندان های ایستگاه زاهدان شناسایی گردید. پس از صحت سنجی مدل­های بکار گرفته شده با روش­های آماری و چشمی مشخص گردید، مدل HADGEM با میزان خطای مطلق 16/0، با انطباق کامل قابلیت شبیه سازی مولفه کمینه دما در دوره سرد سال را دارد. نتایج نشان داد، تعداد یخبندانهای سالانه در آینده حدود 18 روز نسبت به دوره حاضر کاهش خواهد یافت. در میان طبقات مورد بررسی یخبندان­های ضعیف دارای روند افزایشی و یخبندان­های شدید و خیلی شدید دارای روند کاهشی مشاهده گردید. بازه زمانی یخبندان­های شدید و خیلی شدید از هفت ماه در دوره آماری حاضر به پنج ماه در دوره آماری آینده تقلیل خواهد یافت.

کلیدواژه‌ها


  1. -اسماعیلی، ر.، 1386. بررسی یخبندان‌های دیررس بهاره از دیدگاه آماری- سینوپتیکی واثرات آن بر محصولات باغی مطالعه موردی شهرستان مه ولات، پایان نامه کارشناسی ارشد. دانشگاه سیستان و بلوچستان.
  2. -آذرانفر، آ.، ابریشم‌چی، ا. و تجریشی. م.، 1386. ارزیابی اثرات تغییر اقلیم بر بارش و دما در حوضه آبریز زاینده رود با استفاده از خروجی مدل‌های چرخش عمومی اتمسفر، پایان نامه کارشناسی ارشد دانشگاه صنعتی شریف دانشکده مهندسی عمران.
  3. -بابائیان، ا.، نجفی نیک، ز.، حبیبی نوخندان، م.، زابل عباسی، ف.، ملبوسی، ش. و ادب، ح.، 1388. ارزیابی تغییر اقلیم کشور در دوره 2039-2010 میلادی با استفاده از ریزنمایی داده‌های مدل گردش عمومی جوECHO-G، فصلنامه جغرافیا و توسعه، شماره 16، ص 135-152.
  4. -بابائیان، ا.، نجفی نیک، ز.، حبیبی نوخندان، م.، زابل عباسی، ف.، ملبوسی، ش.، ادب، ح.، رسولی، س. ج.، بذرافشان، ب. و پیشقدم، ن.، 1386. مدلسازی اقلیم و مطالعه تغییر اقلیم در ایران، مجری طرح: پژوهشکده اقلیم شناسی، گزارش پروژه.
  5. -تلان، ا. و ضرغامی، م.، 1387. بررسی تغییر اقلیم استان آذربایجان شرقی در دوره سالهای 2049-2020 میلادی با استفاده از ریز مقیاس نمایی آماری مدل ECHO-G،سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز، دانشکده مهندسی عمران، 23الی 25 مهر.
  6. -حسامی‌کرمانی، م. ر.، محزونی، ج. م.، نجفی نیک، ز.، یاوری، م. و خواجه‌حسنی، س.، 1386. هفتمین همایش پیش بینی عددی وضع هوا، 28 آذر .
  7. -سادات‌آشفته، پ. و مساح-بوانی، ع.، 1387. تاثیر عدم قطعیت تغییر اقلیم بر رژیم سیلاب، مطالعه موردی، حوضه آیدوغموش، آذربایجان شرقی، مجله تحقیقات منابع آب ایران، سال پنجم، شماره 2، پاییز 1388، ص 27 - 39.
  8. -کارآموز، م.، ایمن، س. و نظیف، س.، 1386. تدوین مدل پیش بینی بارش جهت بهره برداری از منابع آب حوزه آبریز اهر چای: ریزمقیاس کردن آماری، سومین کنگره ملی مهندسی عمران، دانشگاه تبریز.
  9. -نجفی نیک، ز.، 1387. تدوین مدل پیش بینی بارش جهت پایش و پیش آگهی خشکسالی استان کرمان با استفاده از شاخص دهک برای دوره 2039-2010، اولین کنفرانس بین المللی بحران آب، دانشگاه زابل، 22-20 اسفند ماه.
  10. -Babaeian, I., Kwon,W.T. and Im, E.S., 2004. Application of weather generator technique for Climate change assessment over Korea. Korea Meteorological Research Institute, climate research lab, 98p.
  11. -Elshamy, M. E., Wheater, H.S., Gedney, N. and Huntingford, C., 2005. Evaluation of the rainfall component of weather generator for climate change studies, journal of hydrology, v. 326, p. 1-24.
  12. -Harmel, R.D., Richardson, C. W., Hanson, C. L. and Johnson, G. L. ,2002. Evaluating the Adequecy of Simulating Maximum and Minimum Daily Air Temprature With the Normal Distributian, Canadian Society for engineering, 26p.
  13. -IPCC., 1999. Guidelines on the use of scenario data for climate impact and adaptation assessment, eds, Carter, T.R., Hulme, M. and Lal, M., Version, v. 1, 69p. Intergovernmental Panel on Climate Change, Task Group on Scenarios for Climate Impact Assessment.
  14. -Johnson, G.L., Hanson, C.L., Hardegree, S.P. and Ballard, E.B., 1996. Stochastic weather simulation: overview and analysis of two commonly used models, J. Applied Meteorology, v. 35, p.1878-1896.
  15. -Mc kague, k., 2003. Clim Gen- A ZGnvenient weather Genera Tion Tool for Canadian climat stations, proceeding of CCAE/SCGR 2003 Meeting, Montreal, Canada.
  16. -Rasco, P., Szeidl, L. and Semenov, M.A., 1991. A serial approach to local stochastic models, J.Ecological Modeling, v. 57, p. 27-41.
  17. -Richardson, C.W. and Wright, D.A., 1984. WGEN: A model for generating daily weather variables, U.S. Dept. Agr., Agricultural Research Service, Publ. ARS-8, 83 p.
  18. -Semenov, M.A., 2007. Development of high-resolution UKCIP02-based climate change scenarios in the UK, Agricultural and Forest Meteorology, v. 144, p. 127-138.
  19. -Semenov, M.A., 2008. Simulation of extreme weather events by a stochastic weather generator, Climate Research, v. 35, p. 203-212.
  20. -Semenov, M.A. and Brooks, R.J., 1999. Spatial interpolation of the LARS-WG stochastic weather generation in Great Britain, Climate Research, v. 11, p. 137-148.
  21. -Thompson, C.S. and Mullan, A.B., 1995. Weather Generators, NIWA Internal report, p. 115- 120.
  22. -Wilks, D.S., 1992. Adapting stochastic weather generation algorithms for climate change studies, Climate Change, v. 22, p. 67-84.
  23. -Wilks, D.S. and Wilby, R.L., 1999. The Weather Generation game: a review of Stochastic Weather Models, Progress in Physical Geography, v. 23, p. 329-357.
  24. -Willby, R.L., Dawson, C.W. and Barrow, E. M., 2001. SDSM Version 3.1 –A decision support tool for the assessment of regional climate change impacts.