نیوار

نیوار

پیش‌نگری تغییرات دما و بارش با استفاده از سناریوهای واداشت تابشی مولد آب و هوایی LARS-WG در زاگرس جنوبی

نوع مقاله : مقاله پژوهشی

نویسندگان
حسن محمدی 1
رضا خلیلی 2
سجاد محمدی 3
1 کارشناس ارشد مهندسی عمران- مهندسی مدیریت منابع آب(جزء انجمن ملی حامی نخبگان)، دانشگاه یاسوج، یاسوج
2 کارشناس ارشد مهندسی عمران، مهندسی مدیریت منابع آب، دانشگاه یاسوج، کهگیلویه و بویر احمد، ایران.
3 کارشناس مهندسی عمران- عمران، چهارمحال و بختیاری، ایران.
10.30467/nivar.2022.319565.1209
چکیده
پیش‌ نگری تغییرات متغیرهای هواشناسی در دراز مدت، از اهمیت زیادی در مطالعات تغییرات اقلیمی برخوردار است. این مطالعه با هدف ارائه چشم-اندازی از تغییرات دما و بارش در منطقه غرب و جنوب غرب ایران با استفاده از سناریوهای واداشت تابشی مولد آب و هوایی LARS-WG و نمایش نتایج در محیط GIS می باشد تا در دهه‌های آینده برنامه‌ریزهای کلانی به منظور اتخاذ روش‌های سازگار و کاهش پیامدهای گرمایش جهانی انجام شود. بدین منظور مقادیر روزانه بارش، بیشینه دما، کمینه دما و ساعات آفتابی 34 ایستگاه هواشناسی مورد بررسی قرار گرفت. اقلیم این ایستگاه‌ها بر اساس روش طبقه بندی دومارتن تعیین و از معیارهای اندازه گیری خطای پیش بینی همانند میانگین قدر مطلق انحرافات MAD ، میانگین مجذور خطا MSE ، جذر میانگین مجذور خطا RMSE و درصد میانگین قدر مطلق خطا MAPE استفاده شد. مدل ریز مقیاس نمایی آماری LARS-WG برای تحلیل داده‌های تاریخی روزانه بارش، تابش خورشیدی و درجه حرارت های بیشینه و کمینه روزانه در ایستگاه‌های مورد مطالعه و شبیه سازی داده‌های هواشناسی آینده با در نظرگرفتن سناریوهای اقلیمی RCP4.5 و RCP8.5 به کار گرفته شد. نتایج نشان داد که مدل با دقت بالایی قادر به شبیه سازی می‌باشد. دوره آماری 2018-1980 میلادی با دوره آماری 2038- 2018 تحت سناریو‌های RCP4.5 و RCP8.5 مورد مقایسه قرار گرفت؛ نتایج بدست آمده برای ایستگاه‌های مورد مطالعه، بطور کلی روند افزایش دما و کاهش میزان بارش را نشان داد.
کلیدواژه‌ها
"بارش"
"تغییر اقلیم"
"زاگرس جنوبی"
"دما"
"RCP"
"LARS-WG"

عنوان مقاله English

Forecasting future temperature and precipitation under the effects of climate change using the LARS-WG climate generator (Case Study: South Zagros Region of Iran(

نویسندگان English

Hassan Mohammadi 1
Reza Khalili 2
Sajad Mohammadi 3
1 Responsible author, Master of Civil Engineering - Water Resources Management Engineering (part of the National Association for the Support of Elites), Yasouj University, Yasouj, Iran.
2 Master of Civil Engineering, Water Resources Management Engineering, Yasouj University, Kohgiluyeh and Boyer Ahmad, Iran
3 Civil Engineering Expert, Civil Engineering, Chaharmahal and Bakhtiari, Iran.
چکیده English

Predicting changes in meteorological variables in the long run is of great importance in the study of climate change. The aim of this study is to provide a perspective of temperature and precipitation changes in the western and southwestern regions of Iran using climate-generating radiation induction scenarios LARS-WG and display the results in GIS environment so that in the coming decades macro-planners In order to adopt compatible methods and reduce the consequences of global warming. For this purpose, daily precipitation, maximum temperature, minimum temperature and sunny hours of 34 meteorological stations were studied. The climate of these stations was determined based on the Domartan classification method. LARS-WG statistical exponential model for analyzing historical data on daily rainfall, solar radiation, and daily maximum and minimum temperatures at the stations under study and to simulate future meteorological data were utilized with considering RCP4.5 and RCP8 climate scenarios. The results showed that the model can simulate with high accuracy. The 1980-2018 statistical period was compared with the 2018-2038 statistical period under the RCP4.5 and RCP8.5 scenarios; the results for the stations under study showed a general process of increasing temperature and decreasing precipitation.

کلیدواژه‌ها English

"Precipitation"
"Climate change"
"South Zagros"
"Temperature"
"RCP"
"LARS-WG"

  1.  

    1. ‏‫Ahmadi, M .; Fallahi Khoshji, M .; And Mafakheri,A(2017). 22 Predicting changes in the rainfed barley (Hordeum vulgare L.) crop calendar in 2030-2011 in Lorestan province using LARS-WG microscale models and HadCM3 public circulation. Agricultural Ecology, 9 (2), 475-489 [Persian].
    2. Hejazizadeh, Z .;Fatahi,A; Masah Bovani, A .; And Naserzadeh, M. (2012). Evaluation of the effects of climate change on flood hydrography in future periods Case study: Bakhtiari catchment. Geography, 34, 5-24[Persian].
    3. Khazaei, Mohammad Reza; And Bayazidi, Matlab. (2016). The effect of climate change on annual meteorological and hydrological variables of Sirvan Basin. Iranian Water Resources Research, 12 (2), 38-48 [Persian].
    4. Abbasi, F .; Malboci,Sh; Babaian, A .Asmari.; And Borhani, R. (2010). 20 Climate change forecasts of South Khorasan in the period 2039-2010 using the statistical exponential microscale of ECHO-G model output. Water and Soil (Agricultural Science and Technology), 24 (2), 218-233 [Persian].
    5. Ajamzadeh, Ali; And Mullah Nia, Mahmoud Reza. (2016). Evaluation of the effects of climate change on the runoff of Firoozabad river in Fars province, with micro-scale output of atmospheric circulation models by SDSM and LARS-WG software. Iranian Water Resources Research, 12 (1), 95-109 [Persian].
    6. Alizadeh, Amin (2007). Principles of Applied Hydrology. Twenty-first, Mashhad: Imam Reza University Press [Persian].
    7. Ganji, M.H. (2001). Shahid Beheshti University Seminar. Faculty of Earth Sciences, Tehran [Persian].
    8. Nodeh Farahani, Mohammad Ali; Rasekhi, Anna; Permas, Behnam; And a country, Abdul Rahman. (2018). Investigation of the effects of climate change on temperature, precipitation and future droughts in
    9. Shadegan Basin. Iranian Water Resources Research, 14 (3), 160-173 [Persian].
    10. Babaeian, I.; Najafinik, Z.; Abbasi, F.Z.; Nokhandan, M.H.; Arab, H.; & Malbousi, S. (2008). Iran Climate change Evaluation using ECHO-G Global Circulation Model data (2010-2039). Geography and Development, (16), 135-152 [Persian].
    11. Goyal, R.K. (2004). Sensitivity of evapotranspiration to global warming: A case study of arid zone of Rajasthan India. Agricultural Water Management, (69), 1-11.
    12. Harpham, H.; & Wilby, R.L. (2005). Multi-site Downscaling of Heavy Daily Precipitation Occurrence and Amount. Journal of Hydrology, (312), 235-255.
    13. Johnson, G.L.; Hanson, C.L.; Hardegree, S.P.; & E.B. Ballard. (1996). Stochastic weather. John Wiley and sons.
    14. Karimi, S.; Karimi, S.; Yavari, A.R.; & Nikosokhan, M.H. (n.d.). Prediction of temperature and precipitation in Damavand Catchment in Iran by using LARS–WG in future. Earth Sciences, 4(3), 95-100 [Persian].
    15. Levinson, D. H.; & Fettig, C. J. (2013). Climate change: Overview of data sources, observed and predicted temperature changes, and impacts on public and environmental health. In Global Climate Change and Public Health.
    16. Lorena, L.; Leonardo, V.; Enrique, R.; & Goffredi, L. (2010). Basin-scale water resources assessment in Oklahoma under systematic climate change scenarios using a fully distributed hydrologic model. Journal of Hydrologic Engineering, 15, 107-118.
    17. Parlange, M.B.; & Katz, R.W. (2000). An extended version of the Richardson Model for simulating daily weather variables. Applied Meteorology, 39, 610-622.
    18. Salahi, B., Goudarzi, M., Hosseini, S A. (2017). Top of Form
    1. Semenov, MA; & Barrow, EM. (2002). A stochastic weather generator for use in climate impact studies. Hertfordshire, UK.
    2. Semenov, M.A.; & Brooks, R.J. (1998). Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Resaerch, (10), 95-107.
    3. Semenov, MA; & Stratonovit, P. (2010). Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate Research, (41), 1-14.
    4. Solomon, S. (2007). Climate change 2007-the physical science basis: Working group I contribution to the fourth assessment report of the IPCC. UK: Cambridge University Press.
    5. Zhang, J.Y.; Wang, G.Q.; He, R.M.; & Liu, C.S. (2009). Variation trends of runoffs in the Middle Yellow River Basin and its response to climate change. Advances in Water Sciences, 20, 153-158.
    6. Malekshahi, Ashkan, Darzi Naft Chali, & Mohseni) 2020). Accuracy analysis of reference evaporation-transpiration estimation equations on a daily, monthly and seasonal scale in a wet area. Iranian Journal of Irrigation and Water Engineering, 10 (2), 229-246[Persian].
    7. Khademi, Fazleh Oli, Ramin, & Emadi. (2018). Investigating the capability of artificial neural network model in simulating rainfall-runoff process in climate change conditions (Case study: Pashakla Dam area of Babol). Journal of Watershed Management (Scientific-Research, 8 (16), 53-64[Persian]. compared with the 2018-2038 statistical period under the RCP4.5 and RCP8.5 scenarios; the results for the stations under study showed a general process of increasing temperature and decreasing precipitation.

     

     

     

     

  • تاریخ دریافت 22 آذر 1400
  • تاریخ بازنگری 19 بهمن 1400
  • تاریخ پذیرش 22 اسفند 1400
  • تاریخ انتشار 01 مهر 1400