
تعداد نشریات | 162 |
تعداد شمارهها | 6,621 |
تعداد مقالات | 71,529 |
تعداد مشاهده مقاله | 126,856,640 |
تعداد دریافت فایل اصل مقاله | 99,900,519 |
چشمانداز بارش ایران در قرن 21 با بهکارگیری مقیاسکاهی آماری برونداد مدلهای منتخبCMIP6 توسط نرمافزار CMHyd | ||
فیزیک زمین و فضا | ||
مقاله 10، دوره 49، شماره 2، شهریور 1402، صفحه 431-449 اصل مقاله (3.23 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2023.332410.1007436 | ||
نویسندگان | ||
ایمان بابائیان* ؛ راهله مدیریان؛ لیلی خزانهداری؛ مریم کریمیان؛ سعیده کوزهگران؛ منصوره کوهی؛ یاشار فلامرزی؛ شراره ملبوسی | ||
پژوهشگاه هواشناسی و علوم جو، پژوهشکده اقلیمشناسی، مشهد، ایران. | ||
چکیده | ||
این پژوهش چشمانداز تغییرات محتمل بارش در 43 ایستگاه هواشناسی کشور را تا انتهای قرن حاضر ارائه میکند. برای این منظور، از دادههای چهار مدل از نوع ESM به نامهای MIROC6، FGOALS_g3، BCC-CSM2-MR و ACCESS-ESM1-5 از مجموعه مدلهای سری CMIP6 استفاده شد. برونداد خام بارش توسط نرمافزار CMHyd مقیاسکاهی شد. دوره مشاهداتی 2014-1985 و دورههای آینده بهصورت آینده نزدیک 2050-2026، آینده میانه 2075-2051 و آینده دور 2100-2076 در نظر گرفته شدند. تغییرات بارش در سطح معنیداری 05/0 بر مبنای سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 بررسی شد. نتایج نشان دادند که تغییرات بارش آینده در حدود 78 درصد از ایستگاهها معنیدار نیستند و در 19 و 3 درصد ایستگاهها بهترتیب افزایش و کاهش معنیداری دارند. بیشترین افزایش بارش در جنوب-جنوبشرق و بیشترین کاهش در زاگرس مرکزی رخ خواهد داد. میانگین بارش کشور در مقیاس سالانه 4/0 درصد (با دامنه عدمقطعیت 14 درصد) افزایش مییابد. پیشنگری در مقیاس فصلی نشانگر تغییرات در فصول بهار، تابستان، پاییز و زمستان بهترتیب به مقدار 2/15+، 11-، 6- و 5/3+ درصد میباشد. اگرچه برای فصل بهار افزایش بارش 2/15 درصدی پیشنگری شده است، اما دامنه تغییرات 9/81 درصدی نشان از بی اعتمادی به بارشهای آینده این فصل است. | ||
کلیدواژهها | ||
تغییر اقلیم؛ بارش؛ ایران؛ CMIP6؛ CMHyd | ||
مراجع | ||
بابائیان، ا.؛ نجفی نیک، ز.؛ زابل عباسی، ف.؛ حبیبی نوخندان، م.؛ ادب، ح. و ملبوسی، ش. (1388). ارزیابی تغییر اقلیم کشور در دوره 2010-2039 میلادی با استفاده از ریزمقیاس نمایی دادههای مدل گردش عمومی جوECHOG . مجله جغرافیا و توسعه، 7(16)، 135-152.
جباری، ا. (1392). روشهای آماری در علوم محیطی و جغرافیایی، انتشارات دانشگاه رازی کرمانشاه، چاپ سوم، 294 صفحه.
کوهی، م. و پاکدامن، م. (1400). ارزیابی عملکرد مدلهای CMIP5 در تحلیل فراوانی دو متغیره مفصل- مبنای ویژگیهای خشکسالی در بخش جنوبی حوضه آبریز کارون. مجله فیزیک زمین و فضا، 48(1)، 153-172.
لطفی، ی.؛ مفتاح هلقی، م. و قربانی، خ. (1399). بررسی عدمقطعیت پیشیابیهای مدلهای گردش کلی جو: مطالعه موردی: ایستگاه هاشمآباد گرگان. مجله هواشناسی کشاورزی، 8 (1)، 75-79.
Almazroui, M., Saeed, S., Saeed, F., Islam, M. N., & Ismail, M. (2020). Projections of precipitation and temperature over the South Asian countries in CMIP6. J. Earth Systems and Environment, 4(2), 297-320. Babaeian, I., Rahmatinia, A.E., Entezari, A., Baaghideh, M., Aval, M.B., & Habibi, M. (2021). Future Projection of Drought Vulnerability over Northeast Provinces of Iran during 2021–2100. J. Atmosphere, 12, 1704. Baker, N., & Huang, H. (2013). A Comparative Study of Precipitation and Evaporation between CMIP3 and CMIP5 Climate Model Ensembles in Semiarid Regions. J. Climate, 27, 3731-3749. Blázquez, J., & Nuñez, M.N. (2013). Analysis of Uncertainties in Future Climate Projections for South America: Comparison of WCRP-CMIP3 and WCRP-CMIP5 Models. J. Climate Dynamics, 41, 1039-1056. Diaz-Nieto, J., & Wilby, R. L. (2005). A comparison of statistical downscaling and climate change factor methods: Impacts on low flows in the River Thames, United Kingdom. J. Climate Change, 69(2–3), 245–268. Drobinski, P., Alonzo, B., Bastin, S., Da Silva, N., & Muller, C.J. (2016). Scaling of precipitation extremes with temperature in the French Mediterranean region: what explains the hook shape?. J. Geophys Res., 121(7), 3100-3119. Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., & Taylor, K. E. (2016). Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. J. Geosci. Model Dev., 9, 1937–1958. Grose, M. R., Narsey, S., Delage, F. P., Dowdy, A. J., Bador, M., Boschat, G., & Power, S. (2020). Insights from CMIP6 for Australia's future climate. J. Earth's Future, 8(5), e2019EF001469. Hardwick, J., Westra, R. S., & Sharma, A. (2010). Observed relationships between extreme sub-daily precipitation, surface temperature, and relative humidity, J. Geophys Res Lett, 37, L22805. 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 pp. IPCC. (2021). Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Masson-Delmotte, V., P. Zhai, A. Pirani, S.L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M.I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J.B.R. Matthews, T.K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, and B. Zhou (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, In press. Jiang, J., Zhou, T., Chen, X., & Zhang, L. (2020). Future changes in precipitation over Central Asia based on CMIP6 projections. J. Environmental Research Letters, 15(5), 054009. Leander, R., & Buishand, T.A. (2007). Resampling of regional climate model output for the simulation of extreme river flows. J. Hydrol., 332, 487–496. Martinkova, M., & Kysely, J. (2020). Overview of Observed Clausius-Clapeyron Scaling of Extreme Precipitation in Midlatitudes. J. Atmosphere, 11, 786. Matthes, K., Funke, B., Andersson, M. E., Barnard, L., Beer, J., Charbonneau, P., & Versick, S. (2017). Solar forcing for CMIP6 (v3.2). J. Geoscientific Model Development, 10, 2247-2302. Mendez, M., Maathuis, B., Hein-Griggs, D., & Alvarado-Gamboa, L.-F. (2020). Performance Evaluation of Bias Correction Methods for Climate Change Monthly Precipitation Projections over Costa Rica. J. Water, 12, 482. Molnar, P., Fatichi, S., Gaál, L., Szolgay, J., & Burlando, P. (2015). Storm type effects on super Clausius–Clapeyron scaling of intense rainstorm properties with air temperature. J. Hydrol. Earth Syst. Sci., 19, 1753–1766. O’Neill, B. C., Timothy R. C., Kristie, E., Paula, A., Harrison, E. K., & Kasper Kok, E. K. (2020). Achievements and needs for the climate change scenario framework. J. Nature climate change, 12, 1074-1084. Piani, C., Weedon, G., Best, M., Gomes, S., Viterbo, P., Hagemann, S., & Haerter, J. (2010). Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models. J. Hydrol., 395, 199–215. Rathjens, H., Bieger, K., Srinivasan, R., Chaubey, I., & Arnold, J. G. (2016). CMhyd User Manual Documentation for preparing simulated climate change data for hydrologic impact studies, User manual, 1-17 Schmidli, J., Frei, C., & Vidale, P.L. (2006). Downscaling from gcm precipitation: A benchmark for dynamical and statistical downscaling methods. Int. J. Climatol., 26, 679–689. Taylor, K. E. (2001). Summarizing multiple aspects of model performance in a single diagram. J. Geophysical Research: Atmospheres, 106(D7), 7183-7192. Zamani, Y., Monfared, S. A. H., & Hamidianpour, M. (2020). A comparison of CMIP6 and CMIP5 projections for precipitation to observational data: the case of Northeastern Iran. J. Theoretical and Applied Climatology, 142(3), 1613-1623. | ||
آمار تعداد مشاهده مقاله: 1,494 تعداد دریافت فایل اصل مقاله: 931 |