دوره 10، شماره 3 - ( 7-1402 )                   جلد 10 شماره 3 صفحات 204-183 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohamadi N, Sari Saraf B, Rostamzadeh H. Trend investigation and spatial analysis of Warm and Cold spells duration index based on SSPs scenarios in northwest of Iran. Journal of Spatial Analysis Environmental Hazards 2023; 10 (3) :183-204
URL: http://jsaeh.khu.ac.ir/article-1-3377-fa.html
محمدی نبی، ساری صراف بهروز، رستم زاده هاشم. بررسی روند و تحلیل فضایی تداوم دوره های گرم و سرد مبتنی بر سناریوهای SSPs در شمال غرب ایران. تحلیل فضایی مخاطرات محیطی. 1402; 10 (3) :183-204

URL: http://jsaeh.khu.ac.ir/article-1-3377-fa.html


1- دانشگاه تبریز ، n.mohamadi1974@gmail.com
2- دانشگاه تبریز
چکیده:   (2625 مشاهده)
امروزه به دلیل  گرمایش جهانی، خشکسالی و رخداد دوره های سرد و تنش های گرمایی، بررسی فرین های اقلیمی دارای اهمیت زیادی است. لذا در این پژوهش به  پیش­نگری بلند مدت تغییرات فرین های دمایی در شمال غرب ایران در دوره پایه (2014-1985) و سه دوره آینده نزدیک(2050-2021)، آینده متوسط(2080-2051) و آینده دور(2100-2081) پرداخته شد. بدین منظور از  2 شاخص­ حدی دمایی شامل تداوم دوره گرم (WSDI) و تداوم دوره سرد (CSDI) و آزمون روند من کندال (Maan-Kendall) جهت بررسی تغییرات استفاده شد. برای پیش­نگری تغییرات نمایه ها در دوره آینده  نیز پس از ارزیابی 7 مدل‌ گردش کلی  (GCMs) از سری مدل­های گزارش ششم (CMIP6)  از دو مدل بهینه تحت سه سناریوی  خط سیر مشترک اجتماعی- اقتصادی  شامل SSP3-7.0، SSP1-2.6  و  SSP5-8.5 بهره گرفته شد. توزیع فضایی روند تغییرات تداوم دوره گرم  در دوره پایه نشان داد که هسته بیشینه آن در جنوب و جنوبغربی منطقه قرار دارد و با حرکت به سمت شمال و شمال شرقی از میزان آن کاسته می شود.  تغییرات مکانی نمایه تداوم دوره سرد با هسته های بیشینه آن در نواحی غربی و اطراف دریاچه ارومیه و هسته های کمینه در نواحی مرکزی و شمالی منطقه مشخص می شود. بر اساس نتایج، میانگین تداوم دوره گرم و تداوم دوره سرد در دوره پایه به ترتیب برابر با 53/5 و 80/3 روز در سال است که  حداکثر و حداقل تداوم دوره گرم با 1/8 و 7/2 روز به ترتیب مربوط به  ایستگاههای پیرانشهر و پارس آباد و حداکثر و حداقل تداوم دوره سرد  نیز با 7/5 و 32/1 روز مربوط به ایستگاههای زرینه و مریوان است. بررسی روند تغییرات نیز نشان داد که در بیشتر ایستگاهها نمایه  WSDI دارای روند افزایشی است که این روند در برخی ایستگاهها معنی دار شده است ولی  نمایه CSDI دارای روند کاهشی و درهیچ کدام از ایستگاهها معنی دار نشده است.  ارزیابی مدل­های مختلف با شاخص­های خطاسنجی مختلف نیز نشان داد که مدل­های MRI-ESM2-0 و MPI-ESM1-2-L بهترین عملکرد را در شبیه­سازی فرین های دمایی در منطقه مورد مطالعه دارند. توزیع روند تغییرات در دوره آینده نیز نشان داد که نمایه WSDI  در بیشتر ایستگاهها و بر اساس هر سه سناریو به ویژه سناریوی SSP5-8.5  دارای روند افزایشی خواهد بود ولی روند CSDI در بیشتر ایستگاهها کاهشی و براساس سناریوهای SSP3-7.0 و SSP5-8.5 معنی دار خواهد بود.
متن کامل [PDF 1439 kb]   (734 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1402/2/26 | پذیرش: 1402/9/25 | انتشار: 1402/7/1

فهرست منابع
1. تاجیک، اعظم و آزاده اربابی سبزواری. 1399. بررسی تغییرات فضایی دماهای حدی در سطح ایران. فصل نامه جغرافیای طبیعی، سال دوازدهم، 49: 109-124
2. جهانبخش اصل، سعید، بهروز ساری صراف، حسین عساکره و سهیلا شیر محمدی.1398. تجزیه و تحلیل تغییرات زمانی-مکانی بارندگی حدی فوقانی طی سال‌های 1965 تا 2016. تحلیل فضایی مخاطرات محیطی، سال 7. شماره 1: 106-89
3. ذرین، آذر و عباسعلی داداشی رودباری. 1399. پیش نگری چشم انداز بلند مدت دمای ایران مبتنی بر برونداد پروژه مقایسه مدل های جفت شده فاز ششمCMIP6) ). فیزیک زمین و فضا، 46: 583-602.
4. ذرین، آذر و عباسعلی داداشی رودباری.1400. پیش نگری دمای ایران در آینده نزدیک(2040-2021) بر اساس رویکردهای همادی چند مدلی C‌MIP6. پژوهش های جغرافیای طبیعی، 53: 75-90.
5. زهرائی، اکبر و سید اسعد حسینی. 1399. تغییر اقلیم و اثرات آن بر منابع آب، چاپ اول، انتشارات هاوار، ایلام.
6. صداقت‌کردار، علی و ابراهیم فتاحی، 1387، شاخص های پیش آگاهی خشک‌سالی در ایران، فصلنامه جغرافیا و توسعه، دانشگاه سیستان و بلوچستان، 6(76): 11-59.
7. عسکری زاده، سید محمد. 1395. آشکارسازی و پیش یابی نوسانات مکانی- زمانی نمایه های حدی دما و بارش در استان خراسان رضوی با استفاده از مدل LARS-WG. رساله دکتری مخاطرات آب و هواشناسی، استاد راهنما: غلامعلی مظفری. پردیس علوم انسانی، دانشگاه یزد.
8. علیجانی، بهلول. احمد روشنی، فاطمه پرک و روح اله حیدری.1391. روند تغییرپذیری فرین‌های دما با استفاده از شاخص‌های تغییر اقلیم در ایران. جغرافیا و مخاطرات محیطی، 2: 28-17.
9. عیسی پور، مصطفی. 1392. تحلیل و پیش‌بینی سری‌های زمانی دما در استان خراسان رضوی با استفاده از مدل باکس-جنکینز، پایان‌نامه کارشناسی ارشد اقلیم شناسی، استاد راهنما: محمود احمدی و حسن لشکری، دانشگاه شهید بهشتی.
10. لطفی سیرائی، علی. 1398. شبیه سازی و پیش بینی شاخص های حدی اقلیمی در استان تهران و البرز، رساله دکتری رشته آب و هواشناسی، استاد راهنما: بهلول علیجانی، دانشگاه خوارزمی، دانشکده جغرافیا.
11. Ayugi, B.Y; V, Dike; H, Ngoma;H, Babaousmail;R, Mumo, and Victor Ongoma. 2021. Future Changes in Precipitation Extremes over East Africa Based on CMIP6 Models. Water, 13, 2358. PP. 1-20.
12. Babaousmail, H.; B, Ayugi.;A, Rajasekar; H, Zhu;C, Oduro;R, Mumo, and Victor Ongoma. Projection of Extreme Temperature Events over the Mediterranean and Sahara Using Bias-Corrected CMIP6 Models. Atmosphere 2022, 13, 741. doi.org/10.3390/atmos13050741.
13. Chen, T; Ao,T; Zheng, X; Li, X and Kebi Yang. 2019. Climate Change Characteristics of Extreme Temperature in the Minjiang River Basin. Advances in Meteorology. Volume 2019, Article ID 1935719,15 pages. [DOI:10.1155/2019/1935719.]
14. Cheng, Q., F, Zhong, and Ping Wang. 2021. Potential linkages of extreme climate events with vegetation and large-scale circulation indices in an endorheic river basin in northwest China. Atmospheric Research, 247, PP.1-22.
15. Das, S.; M, Kamruzzaman.; R.M.T, Islam;D, Zhu, and Amit Kumar. 2022. Comparison of Future Changes in Frequency of Climate Extremes between Coastal and Inland Locations of Bengal Delta Based on CMIP6 Climate Models. Atmosphere, 13, 1747. PP. 1-19. https://doi.org/ 10.3390/atmos13111747. [DOI:10.3390/atmos13111747.]
16. Eyring,V;G, Flato; J, Meehl; C, Senior; B, Stevens; R, Stouffer and Karl Taylor. Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) Experimental Design and Organization.2018.
17. Hu, T.S., K.C, Lam., and S.T Ng. 2001. River flow time series prediction with a range dependent neural network. Hydrological Science Journal, 46: 729-745.
18. IPCC (2013) The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change in: Stocker TF, Qin D, Plattner G-K, Tignor M, Allen SK, Boschung J, Nauels A, Xia Y, Bex V, Midgley PM (Eds.), Cambridge and New York, p. 1535.
19. Lin, J.Y., C.T, Cheng., Chau and KWOK-WING CHAU. 2006. Using support vector machines for long-term discharge prediction. Hydrological Science Journal, 51: 599-612.
20. Lin,v and Huopo CHEN. 2020. Assessment of model performance of precipitation extremes over the mid-high latitude areas of Northern Hemisphere:from CMIP5 to CMIP6, Atmospheric and Oceanic Science Letters, 13:6, 598-603, DOI:10.1080/16742834.2020.1820303.
21. Luo,M;T, Liu.;F, Meng.;Y, Duan;A.B. Frankl, and Philippe De Maeyer. 2018. Comparing Bias Correction Methods Used in Downscaling Precipitation and Temperature from Regional Climate Models: A Case Study from the Kaidu River Basin in Western China. Water 2018, 10, 1046. doi:10.3390/w1008104.
22. Nicholls, S.I., N. Easterling, D; Goodess, C.M; Kanae, S; Kossin, J; Luo, Y; Marengo,J; McInnes,K; Rahimi,M; Reichstein, M; Sorteberg, A; Vera, C. and Zhang,X. 2012: Changes in climate extremes and their impacts on the natural physical environment. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change (IPCC). Cambridge University Press, Cambridge, UK, and New York, NY, USA, PP. 109-230.
23. Nishant, N., G, Di Virgilio; F, Ji;E, Tam;K, Beyer, and Matthew L. Riley. Evaluation of Present-Day CMIP6 Model Simulations of Extreme Precipitation and Temperature over the Australian Continent. Atmosphere 2022, 13, 1478. PP. 1-28. [DOI:10.3390/atmos13091478.]
24. O’Neill B.C; E, Kriegler; K, Riahi; K.L. Ebi; S, Hallegatte; T.R. Carter; R, Mathur, and van Vuuren. 2014. A new scenario framework for climate change research: the concept of shared socioeconomic pathways. Clim Chang 122(3):387–400.
25. Ozturk, T.; Saygili-Araci, F.S.; Kurnaz, M.L. Projected Changes in Extreme Temperature and Precipitation Indices Over CORDEX-MENA Domain. Atmosphere 2021, 12, 622. [DOI:10.3390/atmos 12050622.]
26. Riahi, K., D. P, Van Vuuren.,E, Kriegler., J, Edmonds., B.C, O’neill., S, Fujimori., N, Bauer., K, Calvin., R, Dellink., O, Fricko, and Hermann Wolfgang Lutz. 2017, The shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: an overview. Global Environmental Change, 42, 153-168.
27. Shiru, M.S and Eun‑Sung Chung. 2021. Performance evaluation of CMIP6 global climate models for selecting models for climate projection over Nigeria. Theoretical and Applied Climatology. [DOI:10.1007/s00704-021-03746-2]
28. Shiu, C. J., S. C. Liu; C, Fu, A, Dai, and Ying Sun. 2012. Howmuch do precipitation extremes change in a warming climate? Geophys. Res. Lett., 39, L17707. PP. 1-5., [DOI:10.1029/2012GL052762.]
29. Shrestha, S., M, Shrestha and Mukand. S. Babel. 2015. Modelling the potential impacts of climate change on hydrology of Indrawati River Basin in Nepal. Environmental Earth Science.
30. Shrestha, S.,M, Shrestha, and Mukand. S. Babel. (2015). Modelling the potential impacts of climate change on hydrology of Indrawati River Basin in Nepal. Environmental Earth Science.
31. Swart, N. C., , J. N, Cole., V. V, Kharin., M, Lazare., J. F, Scinocca., N. P, Gillett, and B, Winter. 2019. The canadian earth system model version 5 (CanESM5. 0.3). Geoscientific Model Development, 12(11), 4823-4873.
32. Teutschbein, C and Jan Seibert. (2012). Bias correcion of regional climate model simulation for hydrological climateHttps://Doi.Org/10.3390/W11020283.
33. Wang, S., Q, Liu, and Chang Huang. 2021. Vegetation Change and Its Response to Climate Extremes in the Arid Region of Northwest China; Remote Sens. 2021, 13, 1230.
34. Wu, Y., C, Miao.,Y, Sun.,A, AghaKouchak.,C, Shen, and Xuewei Fan. 2021. Global observations and CMIP6 simulations of compound extremes of monthly temperature and precipitation. GeoHealth, 5, e2021GH000390. [DOI:10.1029/2021GH000390.]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به سامانه نشریات علمی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Spatial Analysis Environmental hazarts

Designed & Developed by : Yektaweb