سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,759
تعداد مشاهده مقاله115,136,072
تعداد دریافت فایل اصل مقاله89,899,627
مساح بوانی, علی رضا, قاسم زاده, سجاد, روزبهانی, عباس, رجائی, فاطمه. (1400). پیش‌بینی تغییر اقلیم با استفاده از رویکرد مدل های چندگانۀ گروهی در حوضۀ آبخیز قره سو. , 8(4), 1189-1197. doi: 10.22059/ije.2022.329152.1541
علی رضا مساح بوانی; سجاد قاسم زاده; عباس روزبهانی; فاطمه رجائی. "پیش‌بینی تغییر اقلیم با استفاده از رویکرد مدل های چندگانۀ گروهی در حوضۀ آبخیز قره سو". , 8, 4, 1400, 1189-1197. doi: 10.22059/ije.2022.329152.1541
مساح بوانی, علی رضا, قاسم زاده, سجاد, روزبهانی, عباس, رجائی, فاطمه. (1400). 'پیش‌بینی تغییر اقلیم با استفاده از رویکرد مدل های چندگانۀ گروهی در حوضۀ آبخیز قره سو', , 8(4), pp. 1189-1197. doi: 10.22059/ije.2022.329152.1541
مساح بوانی, علی رضا, قاسم زاده, سجاد, روزبهانی, عباس, رجائی, فاطمه. پیش‌بینی تغییر اقلیم با استفاده از رویکرد مدل های چندگانۀ گروهی در حوضۀ آبخیز قره سو. , 1400; 8(4): 1189-1197. doi: 10.22059/ije.2022.329152.1541

پیش‌بینی تغییر اقلیم با استفاده از رویکرد مدل های چندگانۀ گروهی در حوضۀ آبخیز قره سو

اکوهیدرولوژی
دوره 8، شماره 4، دی 1400، صفحه 1189-1197    اصل مقاله (1.29 M)
نوع مقاله: پژوهشی
شناسه دیجیتال (DOI): 10.22059/ije.2022.329152.1541
نویسندگان
علی رضا مساح بوانی1؛ سجاد قاسم زاده2؛ عباس روزبهانی1؛ فاطمه رجائی* 3
1دانشیار گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران
2دانش‏آموختۀ کارشناسی ارشد مهندسی منابع آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
3استادیار گروه علوم محیط زیست، دانشکدۀ علوم، دانشگاه زنجان
چکیده
با توجه به اینکه گرمایش زمین عامل تهدید‌کننده‏ای برای زندگی بشر در کرۀ زمین است، پیش‏بینی تغییرات اقلیمی در آینده امری ضروری به حساب می‏آید. از اهداف این مطالعه، پیش‏بینی دما و بارش روزانه آیندۀ نزدیک (2021-2040)، با استفاده از مدل‏های گردش عمومی جو- اقیانوس (AOGCM) و نیز کاهش عدم قطعیت‏‏ها آن‏ها است. بنابراین، در این تحقیق ابتدا، از میان مدل‏های بررسی‌شده، 5 مدل مناسب شامل HADGEM2-ES،MICRO IPSL-CM5A-LR،NOERESM1-M ESM2M-GFDEL  انتخاب و به روش LARS-WG ریزمقیاس‌نمایی شد. سپس، با استفاده از دو رویکرد وزن‏دهی Raisanen و میانگین مشاهداتی دما و بارش (MOTP) جهت وزن‏دهی و همادی کردن مدل‏های چندگانه (Ensemble Multi-Model) استفاده شد. نتایج نشان می‏دهد دمای حداکثر در تمامی ماه‏ها افزایش می‏یابد که بیشترین افزایش دما در مدل Raisanen، در ماه فوریه و کمترین افزایش در ماه اکتبر است. در مدل وزن‏دهی MOTP، بیشترین افزایش دما در ماه ژانویه و کمترین افزایش دما، ماه آگوست است. تغییرات بارندگی در ماه‏های ژوئن، جولای و آگوست کاهش چشم‏گیری را به دلیل بارش مشاهداتی جزئی داشته است. در این تحقیق روش وزن‏دهی MOTP برای پیش‏بینی متغیرهای اقلیمی در دوره‏های آینده به دلیل داشتن R2 بالاتر و کمترین RMSE به عنوان روش بهتر در پیش‏بینی داده‏های اقلیمی انتخاب شد. طبق نتایج به‌دست‌آمده انتظار می‏رود بازخورد بارزی در بیلان آبی منطقه به دلیل اثر افزایش دما و افزایش تبخیر به وجود آید و همچنین، پتانسیلی برای تغییر در وقایع جوی و هیدرولوژی حوزه به وجود آید.
کلیدواژه‌ها
تغییر اقلیم؛ مدل‏های گردش عمومی اقیانوس‌ـ اتمسفر (AOGCM)؛ روش‏های وزن‏دهی؛ مدل‏های چندگانۀ گروهی
عنوان مقاله [English]
Predicting Climate Change Using the Multiple Group Model Approach in Qarasu Watershed
نویسندگان [English]
Alireza Massah Bavani1؛ Sajad ghasemzadeh2؛ Abbas Rozbahani1؛ رجائی Rajaei3
1University of Tehran
2Tehrn university
3Environmental science department, Science faculty, Zanjan University
چکیده [English]
Abstract
Given that global warming is a threat to human life on Earth, predicting future climate change is essential. One of the objectives of this study is to predict daily temperature and precipitation in the near future (2021-2040), using general atmosphere-ocean circulation (AOGCM) models and reduce their uncertainties. Therefore, in this study, first, among the studied models, 5 suitable models including HADGEM2-ES, MICRO IPSL-CM5A-LR, NOERESM1-M ESM2M-GFDEL were selected and downscale by LARS-WG method. Then, using two approaches of Raisanen weighting and observational mean temperature and precipitation (MOTP) were used to weight and ensemble multiple models. The results show that the maximum temperature increases in all months, with the highest temperature increase in the Riesen model in February and the lowest increase in October. In the MOTP weighting model, the highest temperature increase is in January and the lowest temperature increase is in August. The percentage of rainfall changes in June, July and August decreased significantly due to slight observational rainfall. In this study, the MOTP weighting method was chosen to predict climate variables in future periods due to having a higher R2 and the lowest RMSE as a better method in predicting climate data. Therefore, according to the results, it is expected that significant feedback in the water balance of the region will be due to the effect of increasing temperature and increased evaporation, as well as the potential for changes in atmospheric events and hydrology of the basin.
کلیدواژه‌ها [English]
Keywords: Climate change, Ocean-atmosphere general circulation models (AOGCM), Weighting methods, Multiple group models
مراجع
  • Stanzel P, Hannes H . Climate change impact on West African rivers under an ensemble of CORDEX climate projections Climate Services. 2018; 11: 36-48.
  • Tegegnea G, Melesse A, Worqlul Development of multi-model ensemble approach for enhanced assessment of impacts of climate change on climate extremes. Science of The Total Environment. 2020; 704: 135357.
  • Feng J. Fu C. A. Multi-Ensemble of Regional Climate Simulation from RMIP for Asia. Report of Key Laboratory of Regional Climate Environment for East Asia, START Regional Center for Temperature East Asia, IAPCAS. 2012; 1-38.
  • Chen J, Brissette F.P. Leconte R. Uncertainty of downscaling method in quantifying the impact of climatechange on hydrology. Hydrology. 2011; 401 (3-4): 190-202.
  • Madadgar Sh, AghaKouchak A, Shukla. A hybrid statistical-dynamical framework for meteorological drought prediction: Application to the southwestern United States. Water Resources Research. 2016;52(7): 11-21.
  • Giorgi F, Coppola E. Does the model regional bias affect the projected regional climate change? An analysis of global model projections. Climate change. 2010; 100, 787-795.
  • Fei S, Desprez J , Potter K. Divergence of species responses to climate change. Science Advances; 2017. 3(5): 1603055.
  • Cavazos T, Arriaga-Ramírez S. Downscaled climate change scenarios for Baja California and the North American monsoon during the twenty-first century. Journal of Climate. 2012;25 (17): 5904-5915.
  • Rokhsar P, Ansari H, Alizadeh and Ghorbani M. Investigation of group uncertainty of atmospheric general circulation models in simulation of meteorological data (Case study of Rasht synoptic station) Iranian Journal of Irrigation and Drainage. 2020; 6(5): 1897-1909 (Persian)
  • Naseri H. Salemieh, surveyor Boani A. The effect of output uncertainty of climate models in predicting changes in groundwater level (Case study: Hamadan-Bahar plain aquifer. Earth knowledge research, 2016. ;(26) 56-61 (Persian).
  • Safavi H., Stepani F, Ahmadi A. Assessing the effects of climate change using the weight of AOGCM multiple models, 8th National Congress of Civil Engineering, Babol. 17 May 2014. (Persian).
 

  • Malmir M., Rezapour A., Sharif Azari. 2016. Investigation of the effects of climate change on the runoff of Qara Sood basin using statistical microscale of HADCM3 data and dynamic neural network. Journal of Soil and Water Conservation Research. 23: 11-21.
  • Malmir M., Rezapour A., Sharif Azari. 2016. Evaluation of the effect of climate change on agricultural water allocation in Qarasu basin with WEAP model. Irrigation and water engineering. 23: 143-151
  • Pirmoradian N, Hadi Nia, H. And Ashrafzadeh, A. Prediction of minimum and maximum temperature, radiation and precipitation in Rasht synoptic station under different scenarios of climate change. Journal of Geography and Planning. 2016; 20: 29 - 44. (Persian)
  • Massah Bavani., A. R. Climate change risk assessment and its impact on water resources, a case study: Zayandehrud basin. PhD Thesis, Faculty of Agriculture, Tarbiat Modares University, Tehran
  • Raisanen J, Ruokolainen L., Jussi Ylha¨isi.2009. Weighting of model results for improving best estimates of climate Change”
 

  • Xu Z, .Li L, Huang G, Wang A multi-scenario ensemble streamflow forecast method for Amu Darya River Basin under considering climate and land-use changes. Journal of Hydrology. 2021;598: 126276.
  • Semenov M, Stratonovitch P. Use of Multi Model Ensembles from Global Climate Models for Assessment of Climate Change Impacts. Climate Research. 2010; 41: 1-14.
  • Fowler H.J, Ekstrom M. Multi-Model Ensemble Estimates of Climate Change Impacts On UK Seasonal Precipitation Extremes. International Journal of Climatology. 2009; 29: 385-416.
  • Ashraf B, Alizadeh A, Mousavi M. Builders M. Validation of temperature and precipitation data simulated by individual and group implementation of five AOGCM models for the northeastern region of Iran. Journal of Water and Soil. 2012; 2: 253-266.
  • Diallo I and Sylla Multimodel GCM-RCM Ensemble-Based Projections of Temperature and Precipitation over West Africa for the Early 21st Century. International Journal of Geophysics. 2012; 19(2): 1-19.
آمار
تعداد مشاهده مقاله: 414
تعداد دریافت فایل اصل مقاله: 282


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب