تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,504 |
تعداد مشاهده مقاله | 124,124,152 |
تعداد دریافت فایل اصل مقاله | 97,232,483 |
پیشبینی تغییرات عوامل محیطی اقلیمی منطقة زاگرس برای دورههای آتی | ||
نشریه محیط زیست طبیعی | ||
دوره 75، شماره 2، تیر 1401، صفحه 177-194 اصل مقاله (1.58 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jne.2022.332568.2325 | ||
نویسندگان | ||
نگار صالحی هفشجانی1؛ آرش ملکیان* 1؛ حسین آذرنیوند1؛ علی سلاجقه1؛ رفعت زارع بیدکی2؛ باقر شیرمحمدی1 | ||
1گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران،کرج، ایران | ||
2گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهرکرد، ایران | ||
چکیده | ||
انتشار غیر قابل کنترل گازهای گلخانهای دراتمسفر بهعنوان عامل اصلی و تهدید برای تغییر اقلیم مطرح شده است. این امر موجب کاهش بـارشهـا، افـزایش درجه حرارت و وقوع پیامدهای حدی اقلیمی در آینده است. با توجه به ویژگیهای جوامع و محـدودیتهـا مـیتوانـد پیامدهای زیانباری بههمراه داشته باشد. درک روند این تغییرات در انجام پروژههای تغییر اقلیمی در مقیاس جهانی برای فهم تغییرات اقلیمی آینده بسیار مهم است. در این پژوهش، از مدل اقلیمی ریزمقیاس نمایی آماری جهت ریز مقیاسسازی در مقیاس منطقهای برگرفته از مدلهای گردش جهانی جو استفاده شده است. این پژوهش در حوزة آبخیز کارون شمالی به بررسی روند مؤلفههای بارش و درجه حرارت میانگین، جهت آشکارسازی تأثیر تغییرات بر اقلیم منطقه، انجام شده است که نتایج در پیشبینیهای انجامشده نشان میدهد، در بازة پیشبینی شده (2100-2020) با استفاده از دو سناریوی خوشبینانه و بدبینانه (RCP2.6 و RCP8.5) عملکـرد ارزیابی مـدل برای متغییر بارش (R=0/85, MAD= 0/58, MSE=0/73, RMSE=0/84) و برای متغییر درجه حرارت (R=0/93, MAD= 2/2, MSE=1/5, RMSE=1/3) میباشد. بر اساس نتایج حاصل از این پژوهش، متوسط بارش نسـبت بـه دورة مشـاهداتی تحت سناریو RCP2.6 بهمیزان 35/97 میلیمتر افزایش و تحت سناریوی.RCP8.5 به مقدار 73/57 میلیمتر افزایش خواهد داشت. همچنین درجه حرارت در هر دو سناریو RCP2.6 و RCP8.5بهترتیب 3/01 و 4/79 درجه سانتیگراد افزایش خواهد داشت. | ||
کلیدواژهها | ||
تغییر اقلیم؛ گازهای گلخانه ای؛ مدل گردش عمومی جو؛ مدل ریزمقیاس نمایی آماری | ||
مراجع | ||
Alimirzayi, Z., Zare Bidaki, R., Zamani Ahmad Mahmoudi, R., 2018, Meteorological and hydrological monitoring of North Karun watershed. Hydro Geomorphology 5(15), 115-133. (In Persian) Anderson, H.E., Kronvang, B., Larsen, S.E., Hoffmann, C., Jensen, T.S., Rasmussen, E.K. 2006. Climate impacts on hydrology and nutrients in a Danish Lowland River basin, Science of the Total Environment 365, 223-237. Arnell, N.W., Reynard, N.S., 1996. The effects of climate change due to global warming on river flows in Great Britain. Journal of Hydrology 183(3-4), 397-424. Benestad, R.E., Hanssen-Bauer, I., Chen, D., 2007. Empirical Statistical Downscaling. World Scientific Publishing, Singapore. Change, I. P. O. C. (1990). Climate change: The IPCC scientific assessment. Mass, Cambridge. Christensen, Hewitson, J.H., Busuioc, B., Chen, A., Gao, A., Held, X.,I., Whetton, P., 2007. Regional climate projections. Chapter 11. Chu, J.T., Xia, J., Xu C.Y., Singh, V.P., 2010. Statistical downscaling of daily mean temperature, pan evaporation and precipitation for climate change scenarios in Haihe River, China. Theoretical and Applied Climatology 99, 149-161. Gulacha, M.M., Mulungu, D.M., 2017. Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River Basin Tanzania. Physics and Chemistry of the Earth, Parts A/B/C. Aug 1, 100:62-72. Hasirchian, M., Zahabiun, B., Khazayi, M., 2018. Evaluating the performance of the SDSM model in investigating the effect of climate change on precipitation and temperature, Irrigation and Water Engineering 9(34), 108-120. (In Persian) Lee, B.S., Park, J., Seo, J., Song, S.H., Kim, W., 2019. Delineation of agricultural drought-prone zones considering irrigation capacities of agricultural facilities under climate change. Paddy and Water Environment 17(4), 783-796. Mahmood, R., 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 5, 56-66. (In Persian) Maurer, E.P., Hidalgo, H.G., 2008. Utility of daily vs. monthly large-scale climate data: an intercomparison of two statistical downscaling methods. Hydrology and Earth System Sciences 12(2), 551-563. McAfee, S.A., Russell, J.L., Goodman, P.J., 2011. Evaluating IPCC AR4 cool-season precipitation simulations and projections for impacts assessment over North America. Climate Dynamics 37(11), 2271-2287. Miao, C., Duan, Q., Sun, Q., Li, J., 2013. Evaluation and application of Bayesian multi-model estimation in temperature simulations. Progress in Physical Geography 37(6), 727-744. Mohammadi, P., Malekian, A., Ghorbani, M., Nazari Samani, A., 2018. Investigation of changes of some climatic variables under future climate conditions in a semi-arid region. Desert Ecosystem Engineering 10(30), 65-80. (In Persian) Najafi, M.R., Zwiers, F.W., Gillett, N.P. 2015. Attribution of Arctic temperature change to greenhouse-gas and aerosol influences. Nature Climate Change 5(3), 246-249. Pachauri, R. K., Allen, M. R., Barros, V. R., Broome, J., Cramer, W., Christ, R., van Ypserle, J.P., 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. 151 p. Parry, M., Parry, M. L., Canziani, O., Palutikof, J., Van der Linden, P., Hanson, C. (Eds.). 2007. Climate change 2007-impacts, adaptation and vulnerability: Working group II contribution to the fourth assessment report of the IPCC (Vol. 4). Cambridge University Press. Shirmohammadi, B., Malekian, A., Salajegheh, A., Taheri, B., Azarnivand, H., Malek, Z., Verburg, P.H. 2020. Impacts of future climate and land use change on water yield in a semiarid basin in Iran. Land Degradation & Development 31(10), 1252-1264. Skaugen, T., Astrup, M., Roald, L.A.and Skaugen, T.E., 2002. Scenarios of extreme pre- cipitation of duration 1 and 5 days for Norway caused by climate change. Technical report. Norgesvassdrags-ogenergidirektorat, NVE, Postboks 5091 Majorstua, 0301 Oslo, Norway. Van Vuuren, D.P., Edmonds, J.A., Kainuma, M., Riahi, K., Weyant, J., 2011. A special issue on the RCPs. Climatic Change 109(1), 1-4. Wilby, R.L., Dawson, C.W., 2007. Statistical Downscaling Model SDSM Version 4.2. 94 p. Wilby, R.L., Harris, I., 2006. A framework for assessing uncertainties in climate change impacts: low-flow scenarios for the River Thames, UK. Water Resources Research 42 (2). Wilby, R.L., Hay, L.E., Gutowski, W.J., Arritt, R.W., Takle, E.S., Pan, Z., Leavesley, G.H., Clark, M.P., 2000. Hydrological responses to dynamically and statistically downscaled climate model output. Geophysical Research Letters 27, 1199-1202. Zhang, L., Hickel, K., Dawes, W.R., Chiew, F.H.S., Western, A.W., Briggs, P.R. 2004. A rational function approach for estimating mean annual evapotranspiration. Water Resource Research 40, W02502. Zhang, X.C., 2007. A comparison of explicit and implicit spatial downscaling of GCM output for soil erosion and crop production assessments. Climatic Change 84, 337-363. Zhang, Y., You, Q., Chen, Ch., Ge, J. 2016. Impacts of climate change on stream flows under RCP scenarios: A case study in Xin River Basin, China. Atmospheric Research 178-179, 521-534.
| ||
آمار تعداد مشاهده مقاله: 376 تعداد دریافت فایل اصل مقاله: 304 |