تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,500 |
تعداد مشاهده مقاله | 124,089,829 |
تعداد دریافت فایل اصل مقاله | 97,193,392 |
پیشنگری بارشهای فرین در ایران بر اساس رویکرد همادی مدلهای CMIP6 در آینده نزدیک (2050-2026) با وزندهی مبتنیبر رتبه | ||
فیزیک زمین و فضا | ||
مقاله 12، دوره 49، شماره 3، آبان 1402، صفحه 727-746 اصل مقاله (2.37 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jesphys.2023.351711.1007476 | ||
نویسندگان | ||
سکینه خان سالاری* ؛ سیده عاطفه محمدی | ||
پژوهشگاه هواشناسی و علوم جو، تهران، ایران. | ||
چکیده | ||
در این مطالعه پیشنگری چهار شاخص بارش فرین (R95p، R95d، AEPI و R95pT) بر روی کشور ایران، با استفاده از دوره مرجع 2014-1990 بر اساس رویکرد مجموعه چندمدلی و روش وزندهی مبتنیبر رتبه با کاربست پنج مدل از مدلهای CMIP6 انجام شد. وزن هر مدل بسته به مهارت شبیهسازی تاریخی آن محاسبه و سپس، گروههای وزندار و بدون وزن برای پیشنگریهای آینده استفاده شدند. نتایج بررسی مهارت نشان میدهد که مدل MPI-ESM1-2-HR با MR_taylor برابر با 5/0 و با MR_IVS برابر با 6/0 بهترتیب دومین و اولین مدل مناسب در بین پنج مدل منتخب برای شبیهسازی الگوهای فضایی و زمانی شاخصهای بارش فرین است. بنابراین تفکیک افقی مدل تنها عامل تعیینکننده مهارت مدل در شبیهسازی نیست و بهبود در فرایندهای فیزیکی نیز مورد نیاز است. نتایج نشان میدهد احتمال اینکه کل بارش فرین (R95p) و شدت مطلق بارش فرین (AEPI) در منطقه مورد مطالعه، در دوره 2050-2026 تحت چهار سناریوی SSP1-2.6، SSP2-4.5، SSP3-7.0 و SSP5-8.5 بیش از صفر باشد، در کل کشور بزرگتر از 5/0 است. با توجه به مقدار میانه نزدیک به صفر و یا حتی منفی شاخص فرین R95d، تقدم افزایش مقدار بارش فرین بر تعداد روزهای رخداد استنباط میشود و این بارشهای فرین در تعداد روزهای کمتری رخ خواهند داد که خود اعلام خطری برای رخداد بارشهای سیلآسا میباشد. مقایسه بین میانگینهای گروه وزندار و بدون وزن نشان میدهد که عدمقطعیت پیشنگری احتمالی آینده در منطقه مورد مطالعه تقریباً همیشه پس از اعمال حالت وزندهی به مدلها برای پیشنگری احتمالی آینده کاهش مییابد. | ||
کلیدواژهها | ||
بارش فرین؛ مدل CMIP6؛ سناریو؛ پیشنگری احتمالی؛ وزندهی مبتنیبر رتبه | ||
مراجع | ||
زارعیان، م. ج. (1401). اثرات تغییر اقلیم بر دما و بارش استان یزد بر اساس خروجی ترکیبی مدلهای CMIP6. نشریه علوم آب و خاک، 26(2)، 105-91.
زرین، آ. و داداشی رودباری، ع. ع. (1400الف). پیشنگری دورههای خشک و مرطوب متوالی در ایران مبتنیبر برونداد همادی مدل تصحیح شده اریبی CMIP6. مجله فیزیک زمین و فضا، 47(3)، 578-561.
زرین، آ. و داداشی رودباری، ع. ع. (1400ب). تأثیر تغییر اقلیم بر بارشهای سنگین ایران با بکارگیری مدل همادی CMIP6، نشریه آب و توسعه پایدار، 8(4)، 124-119.
سرابی، م.؛ دستورانی، م. ت. و زرین، آ. (1399الف). بررسی تأثیر تغییرات اقلیمی آینده بر وضعیت دما و بارش (مطالعه موردی: حوضه آبخیز سد طرق مشهد)، مجله هواشناسی و علوم جو، 3(1)، 83-63.
سرابی، م.؛ دستورانی، م. ت. و زرین، آ. (1399ب). اثر تغییر اقلیم آینده بر پاسخ هیدرولوژیک در حوضه آبخیز سد طرق مشهد، مجله هواشناسی و علوم جو، 3(4). 330-310.
Ahmadi, H., Rostami, N., & Dadashi-roudbari, A. (2020). Projected climate change in the Karkheh Basin, Iran, based on CORDEX models. Theoretical and Applied Climatology, 142(1), 661-673, https://doi.org/10.1007/s00704-020-03335-9. Allan, R. P., & Soden, B. J. (2008). Atmospheric warming and the amplification of precipitation extremes, Science, 321, 1481–484, https://doi.org/10.1126/science.1160787. Almazroui, M., Ashfaq, M., Islam, M. N., Rashid, I. U., Kamil, S., Abid, M. A., O’Brien, E., Ismail, M., Reboita, M. S., Sörensson, A. A., Arias, P. A., Alves, L. M., Tippett, M. K., Saeed, S., Haarsma, R., Doblas-Reyes, F. J., Saeed, F., Kucharski, F., Nadeem, I., Silva-Vidal, Y., Rivera, J. A., Ehsan, M. A., Martínez-Castro, D., Muñoz, Á. G., Ali, M. A., Coppola, E., & Sylla, M. B. (2021). Assessment of CMIP6 Performance and Projected Temperature and Precipitation Changes Over South America. Earth Syst Environ 5, 155–183, https://doi.org/10.1007/s41748-021-00233-6. Bador, M., Boé, J., Terray, L., Alexander, L. V., Baker, A., Bellucci, A., Haarsma, R., Koenigk, T., Moine, M. P., Lohmann, K., Putrasahan, D. A., Roberts, C., Roberts, M., Scoccimarro, E., Schiemann, R., Seddon, J., Senan, R., Valcke, S., & Vanniere, B. (2020). Impact of higher spatial atmospheric resolution on precipitation extremes over land in global climate models. J. Geophys. Res. Atmos., 125, e2019JD032184, https://doi.org/10.1029/2019JD032184. Chen, H. (2013). Projected change in extreme rainfall events in China by the end of the 21st century using CMIP5 models. Chin. Sci. Bull., 58, 1462–1472, https://doi.org/10.1007/s11434-012-5612-2. Chen, W., Jiang, Z., & Li, L. (2011). Probabilistic projections of climate change over China under the SRES A1B scenario using 28 AOGCMs. J. Climate, 24, 4741–4756, https://doi.org/10.1175/2011JCLI4102.1. Chen, H., Sun, J., Chen, X., & Zhou, W. (2010). CGCM projections of heavy rainfall events in China. Int. J. Climatol., 32, 441–450, https://doi.org/10.1002/joc.2278. Choi, G., Collins, D., Ren, G., Trewin, B., Baldi, M., Fukuda, Y., Afzaal, M., Pianmana, T., Gomboluudev, P., Huong, P. T. T., Lias, N., Kwon, W. T., Boo, K. O., Cha, Y. M., & Zhou, Y. (2009). Changes in means and extreme events of temperature and precipitation in the Asia-Pacific network region, 1955–2007. Int. J. Climatol., 29, 1906–1925, https://doi.org/10.1002/joc.1979. Christensen, O. B., & Christensen, J. H. (2004), Intensification of extreme European summer precipitation in a warmer climate. Global Planet. Change, 44, 107–117. https://doi.org/10.1016/j.gloplacha.2004.06.013. Cui, D., Wang, C., & Santisirisomboon, J. (2018). Characteristics of extreme precipitation over eastern Asia and its possible connections with Asian summer monsoon activity. Int. J. Climatol., 39, 711–723, https://doi.org/10.1002/joc.5837. Fatichi, S., & Caporali, E. (2009). A comprehensive analysis of changes in precipitation regime in Tuscany. Int. J. Climatol., 29, 1883–1893, https://doi.org/10.1002/joc.1921. Fowler, H. J., Ekström, M., Blenkinsop, S., & Smith, A. P. (2007), Estimating change in extreme European precipitation using a multimodel ensemble. J. Geophys. Res., 112, D18104, https://doi.org/10.1029/2007JD008619. Gan, R., Li, D., Chen, C., Yang, F., & Ma, X. (2022). Impacts of climate change on extreme precipitation in the upstream of Chushandian Reservoir, China. Hydrology Research, 53 (3), 504 doi: 10.2166/nh.2022.135. Giorgi, F., & Bi, X. (2005). Updated regional precipitation and temperature changes for the 21st century from ensembles of recent AOGCM simulations. Geophys. Res. Lett., 32, 365–370, https://doi.org/10.1029/2005GL024288. Hawkins, E., & Sutton, R. (2010). The potential to narrow uncertainty in projections of regional precipitation change. Climate Dyn., 37, 407–418, https://doi.org/10.1007/s00382-010-0810-6. Jiang, Z., Li, W., Xu, J., & Li, L. (2015) Extreme precipitation indices over China in CMIP5 models. Part I: Model evaluation. J. Climate, 28, 8603–8619, https://doi.org/10.1175/JCLI-D-15-0099.1. Jiang, Z., Song, J., Li, L., Chen, W., Wang, Z., & Wang, J. (2012). Extreme climate events in China: IPCC-AR4 model evaluation and projection. Climatic Change, 110, 385–401, https://doi.org/10.1007/s10584-011-0090-0. Kripalani, R. H., Oh, J. H., Kulkarni, A., Kulkarni, S. S., & Chaudhari, H. S. (2007). South Asian summer monsoon precipitation variability: Coupled climate model simulations and projections under IPCC AR4. Theor. Appl. Climatol., 90, 133–159, https://doi.org/10.1007/s00704-006-0282-0. Lee, Y., Paek, J., Park, J.-S., & Boo, K. O. (2020). Changes in temperature and rainfall extremes across East Asia in the CMIP5 ensemble. Theor. Appl. Climatol., 141, 143–155, https://doi.org/10.1007/s00704-020-03180-w. Li, W., Jiang, Z., Xu, J., & Li, L. (2016). Extreme precipitation indices over China in CMIP5 models. Part II: Probabilistic projection. J. Climate, 29, 8989–9004, https://doi.org/10.1175/JCLI-D-16-0377.1. Meehl, G. A., Stocker, T. F., Collins, W. D., Friedlingstein, P., Gaye, T., Gregory, J. M., Kitoh, A., Knutti, R., Murphy, J. M., Noda, A., Raper, S. C. B., Watterson, I. G., Weaver, A. J., & Zhao, Z. C. (2007). Global climate projections. Climate Change 2007: The Physical Science Basis, S. Solomon et al., Eds., Cambridge University Press, 747–846. Papalexiou, S. M., & Montanari, A. (2019). Global and regional increase of precipitation extremes under global warming. Water Resour. Res., 55, 4901–4914, https://doi.org/10.1029/2018WR024067. Peng, Y., Zhao, X., Wu, D., Tang, B., Xu, P., Du, X., & Wang, H. (2018). Spatiotemporal variability in extreme precipitation in China from observations and projections, Water, 10, 1089, https://doi.org/10.3390/w10081089. Shiu, C. J., Liu, S. C., Fu, C., Dai, A., & Sun, Y. (2012). How much do precipitation extremes change in a warming climate?. Geophys. Res. Lett., 39, L17707, https://doi.org/10.1029/2012GL052762. Sillmann, J., Kharin, V. V., Zwiers, F. W., Zhang, X., & Bronaugh, D. (2013). Climate extremes indices in the CMIP5 multimodel ensemble: Part 2. Future climate projections. J. Geophys. Res. Atmos., 118, 2473–2493, https://doi.org/10.1002/jgrd.50188. Tang, B., Hu, W., & Duan, A. (2021). Future Projection of Extreme Precipitation Indices over the Indochina Peninsula and South China in CMIP6 Models. Journal of Climate, 34(21), 8793–8811, https://doi.org/10.1175/JCLI-D-20-0946.1. Taylor, K. E. (2001). Summarizing multiple aspects of model performance in a single diagram. J. Geophys. Res., 106, 7183–7192, https://doi.org/10.1029/2000JD900719. Wang, Y., Ding, Y. Y., & Miao, Q. L. (2012). Spatial and temporal variations of extreme precipitation events in Northeast China. Adv. Mat. Res., 573–574, 395–399, https://doi.org/10.4028/ www.scientific.net/AMR.573-574.395. Watterson, I. G. (2020). Influence of sea surface temperature on simulated future change in extreme rainfall in the Asia-Pacific. Asia-Pac. J. Atmos. Sci., 56, 349–366, https://doi.org/10.1007/s13143-019-00141-w. Weigel, A. P., Knutti, R., Liniger, M. A., & Appenzeller, C. (2010). Risks of model weighting in multimodel climate projections. Journal of Climate, 23, 4175–4191, https://doi.org/10.1175/2010JCLI3594.1. Wu, C., Huang, G., Yu, H., Chen, Z., & Ma, J. (2013). Spatial and temporal distributions of trends in climate extremes of the Feilaixia catchment in the upstream area of the Beijiang River Basin, South China. Int. J. Climatol., 34, 3161–3178, https:// doi.org/10.1002/joc.3900. Xu, Y., Gao, X., & Giorgi, F. (2010). Upgrades to the reliability ensemble averaging method for producing probabilistic climate-change projections. Climate Res., 41, 61–81, https://doi.org/10.3354/cr00835. Yang, J. H., Jiang, Z. H., Wang, P. X., & Chen, Y. S. (2008). Temporal and spatial characteristic of extreme precipitation event in China. Climate Environ, Res., 13, 75–83, https:// doi.org/10.4236/gep.2020.86004. Yang, T., Wang, X., Zhao, C., Chen, X., Yu, Z., Shao, Q., & Wang, W. (2011). Changes of climate extremes in a typical arid zone: Observations and multimodel ensemble projections. J. Geophys. Res., 116, D19106, https://doi.org/10.1029/2010JD015192. Zarrin, A., & Dadashi-Roudbari, A. A. (2021). Projection of future extreme precipitation in Iran based on CMIP6 multi-model ensemble. Theor Appl Climatol, 144, 643–660, https://doi.org/10.1007/s00704-021-03568-2. Zhai, P., Zhang, X., Wan, H., & Pan, X. (2005). Trends in total precipitation and frequency of daily precipitation extremes over China. J. Climate, 18, 1096–1108, https://doi.org/10.1175/JCLI-3318.1. Zhang, K., Pan, S., Cao, L., Wang, Y., Zhao, Y., & Zhang, W. (2014). Satial distribution and temporal trends in precipitation extremes over the Hengduan Mountains region, China, from 1961 to 2012, Quat. Int., 349, 346–356, https://doi.org/ 10.1016/j.quaint.2014.04.050. Zhang, X., Alexander, L., Hegerl, G. C., Jones, P., Klein Tank, A., Peterson, T. C., Trewin, B., & Zwiers, F. W. (2011). Indices for monitoring changes in extremes based on daily temperature and precipitation data, Wiley Interdiscip. Rev.: Climate Change, 2, 851–870, https:// doi.org/10.1002/wcc.147. Zhou, B., Wen, Q. H., Xu, Y., Song, L., & Zhang, X. (2014). Projected changes in temperature and precipitation extremes in China by the CMIP5 multimodel ensembles. J. Climate, 27, 6591–6611, https://doi.org/10.1175/JCLI-D-13-00761.1. | ||
آمار تعداد مشاهده مقاله: 919 تعداد دریافت فایل اصل مقاله: 682 |