بررسی اثرات تغییر اقلیم بر پارامتر بارش در حوضه دریاچه ارومیه- پریسا محمدجعفری؛ حسین رضایی؛ ذبیح الله خانی تملیه؛ جلال شیری- مرکز مهندسی عطران

0

تغییر اقلیم میانگین دمای سطح زمین بر اثر انتشار گازهای گلخانه ای مرتبا در حال افزایش است به گونه ای که سناریوهای اخیر IPCC افزایش متوسط دما را 76/ 0 درجه سانتی­گراد درقرن گذشته و تا4/6 درجه سانتی­گراد تا سال 2100 پیش بینی می کنند.
افزایش دمادر طول 150 سال گذشته، تغییرات سریع در متوسط دما از نظر مقدار و شدت و تغییرات بلند مدت مداوم در رونداقلیم در نوع خودمنحصر به فرد است. افزايش دما مي تواند بر مقدار، شكل، شدت، مدت، زمان و مكان فرود آمدن بارش ها تاثير بگذارد.
در این مطالعه بازه زمانی دوره مشاهداتی 2010-1991 میلادی، افق نزدیک 2030-2011، افق متوسط 2065-2046 و افق دور 2099-2080 در نظر گرفته شده است.

به منظور ریز مقیاس نمایی نتایج مدل شبیه‌سازی گردش عمومی جو از نرم‌افزار LARS-WG طی مدل HadCM3 و سناریوی A1B,B1,A2 استفاده شد .
برای حوضه دریاچه ارومیه تحت سناریوA1B برای دوره نزدیک 32/33 ,متوسط 71/43 ,دور95/28 میلیمترافزایش بارش نسبت به دوره مشاهداتی مشاهده گردید.

بطوریکه تحت سناریو A2 این افزایش به ترتیب دوره 80/29, 95/37, 95/41 میلیمتر و همچنین تحت سناریو B1 به ترتیب 60/43, 04/40,71/30 میلیمتر می­باشد.
کلمات کليدي: تغییر اقلیم , ریزمقیاس نمایی,حوضه دریاچه ارومیه,LARS-WG
مقدمه
مدل LARS-WG يكي از مشهورترين مدل‌هاي مولد داده هاي تصادفي وضع هوا است كه براي توليد بارش روزانه، تابش، دماي ماكزيمم و مينيمم روزانه در يك ايستگاه تحت شرايط اقليم حاضر و آينده استفاده مي شود.
نسخه اوليه  LARS-WG در بوداپست در سال 1990 ميلادي به عنوان بخشي از پروژه ارزيابي ريسك هاي كشاورزي در كشور مجارستان ابداع شد.

هسته اصلي اين مدل استفاده از زنجيره ماركف است كه به كرات از آن براي مدلسازي رخداد بارش استفاده شده است.
كارايي دو مدل LARS-WG و WGEN در18 ايستگاه آمريكا، اروپا و آسيا توسط سیمونف[1] وهمكاران (1998) بررسي شده و كارايي بهتر مدل LARS-WG ارايه شده است.

در مدل آماری LARS-WG فرض بر اين است كه رفتار دماي حداقل و حداكثر از توزيع نرمال تبعيت مي‌كند.
البته به عنوان يك نقطه ضعف، هارمل[2] و همکاران 2002 در موسسه تحقيقات كشاورزي آمريكا دماي حداقل و حداكثر 15 ايستگاه هواشناسي آمريكا را در دوره زماني 1961تا 1990 مورد مطالعه قرارداده
و با مقايسه دادههاي مدل شده با داده هاي واقعي دوره مذكور، مشاهده نمودند كه فرض تبعيت از توزيع نرمال براي دما در برخي از ايستگاه ها نادرست بوده و داراي چولگي مي‌باشد.

در زمینه تغییر اقلیم مطالعات زیادی صورت گرفته است. از مهم ترين مطالعات مرتبط با اين موضوع مي توان به ارزيابي تغييرات اقليمي كشور كره جنوبي در دوره سال‌هاي 2010تا 2049 ميلادي اشاره كرد(بابائیان وهمکاران 2004) .
در اين مطالعه تمامي مقادير روزانه بارش، تابش، دماي حداقل و حداكثر براي ده ايستگاه سينوپتيك كره جنوبي با استفاده از مدل LARS–WG براي دوره 2010تا 2049 توليد شده و مطالعات بر روي پارامترهاي اقليمي بارش، تا بش، دماي حداقل و حداكثر،

طول روزهاي تر و خشك، طول روزهاي داغ و يخبندان و روند تغييرات بارش‌هاي سنگين براي دوره 2010تا 2039 انجام گرفته است .
همچنين مي توان به مطالعات مقدماتي برروي ايستگاه هاي منتخب خراسان اشاره كرد كه در سال 1384در گروه پژوهشي تغيير اقليم پژوهشكده اقليم شناسي به انجام رسيده است .

نتايج مطالعه حاكي از توانايي كافي LARS–WG مدل در شبيه سازي داده هاي دوره آماري اين ايستگاه ها مي باشد(باباييان و نجفي نيك، 1386).
تاج آبادی و همکاران (1395) با استفاده از ریز مقیاس نمایی[3] زمانی دمای هوا با استفاده از فراکتال و رگرسیون تناوبی دو اقلیم خشک و نیمه خشک  دو ایستگاه مشهد و کرمان  با فواصل زمانی 5 روزه و 10 روزه مورد بررسی قرار دادند.
نتایج حاصل از تحقیقشان نشان داد که روند هر دو اقلیم مشابه بوده ولی مدلسازی 5 روزه بهتر از مدلسازی 10 روزه بوده و ریز مقیاس نمایی فراکتال بهتر از رگرسیون عملکرده است.
حسینی و همکاران (1395) چشم انداز تغییرات دما را با استفاده از ریز مقیاس نمایی آماری خروجی های مدل Hadcm3  تحت سه سناریوی A1B,A2,B1 برای ایستگاه سقز با استفاده از نرم افزار LARS-WG  ب

رای دوره پایه (1990-1961) و دوره پیش بینی (2065-2046) مورد مطالعه قرار دادند و در شبیه سازی داده های دما از شاخصهای MSE، RMSEو MAE استفاده کردند.
داده های  چشم انداز مدل نشان داد که دمای کمینه و بیشینه در تمام ماههای سال افزایش خواهد یافت.
این میزان افزایش برای دوره 20 ساله آتی برای دمای کمینه و بیشینه بترتیب 2/3 و 3 درجه سانتیگراد خواهد بود.

نوئل و همکاران[4] (2015) به ارزیابی  تاریخی و شبیه سازی آینده بارش و درجه حرارت در مرکز آفریقا  با استفاده  از بیست و پنج مدل  اقلیمی GCMs و [5]CMIP5 پرداختند.
آنها همچنین ریز مقیاس نمایی ماهانه را برای پیش بینی دوره آماری 1948تا 2099 بررسی و از سناریوهایRCP45[6] و85 RCP استفاده کردند.
نتایج حاصل از مطالعات آنها نشان داد که مدلهای CMIP5 شبیه سازی دما را بهتر از بارش انجام می­دهند، اما اندکی ناهمگنی مکانی در آنها وجود دارد و پیش بینی دما در اواخر قرن 21(2099-2070) حاکی از افزایش دما بین 2تا 4 درجه سانتیگراد خواهد بود.
در حالیکه شبیه سازی بارش حاکی از تغییرات میزان بارش به اندازه 9تا 27% کاهش خواهد بود. مسعود و همکاران[7] (2015) به مطالعه  اثرات تغییراقلیم برهیدورلوژی  آتی حوضه (GBM)گنگ-براهماپوترا- مغنا در بنگلادش با استفاده از مدل های CMIP5 و GCMs  و داده های (2003-1979) به پیش بینی افق نزدیک (239-2015) و افق دور (2099-2075) پرداختند .
نتایج حاصل از مطالعات آنها نشان داد که در کل حوضه GBM دما تا3/4درجه سانتیگراد افزایش، متوسط بارش و رواناب افزایش  میزان تبخیر نیز افزایش خواهد یافت.که میزان افزایش تبخیر چنین است: (گنگ6/13%، براهماپوترا 4/16% و مگنا 9/12% )خواهد بود.
ژانگ و همکاران[8] 2016 به بررسی  اثرات تغییرات اقلیم  آینده در رودخانه مبتنی بر استنتاج هیدرولوژیکی در انتاریو، کانادا پرداختند.
آنها در مطالعه خود از  سیستم مدل سازی PRECIS و مدل استنتاج هیدرولوژیکی ([9]HIM). PRECI[10]Sاستفاده کردند و  به پیش بینی دما و بارش در حوضه مورد مطالعه تحت دو سناریوی A2 و B2 پرداختند.
همچنین با استفاده از روش تجزیه و تحلیل خوشه ای گام به گام توسعه یافته به پیچیدگی روابط بین متغییرهای هیدرولوژیکی پرداختند. نتایج حاصل از مطالعاتشان نشان داد، که حتی اگر کل بارش سالانه در آینده تغییر معنی داری،
در توزیع بین سالانه به احتمال بسیار زیاد وجود داشته باشد، انتظار می رود که در دسترس بودن آب در زمستان  افزایش در حالی که با احتمال بسیار زیاد در تابستان بیش از حد کاهش یابد، و استراتژی های ضروری جهت این موضوع بایستی اعمال شود.
در این تحقیق اثرات تغییراقلیم بر پارامتر بارش حوضه دریاچه ارومیه مورد مطالعه قرار گرفت.
2-مواد و روش­ها
2-1منطقه مورد مطالعه
در این مطالعه به برآورد تغییرات بارش در افق­های آتی زمانی در حوضه آبریز دریاجه ارومیه پرداخته شده است.

به‌منظور انجام بررسي­ها در اين پژوهش با توجه به اینکه به داده‌های حداقل 20 سال نیاز است از ايستگاه های هواشناسي سينوپتيك ارومبه,تبریز,مهاباد,تکاب,سراب و مراغه استفاده شد.
طبق تقسیمات کشوری ایران، این دریاچه میان دو استان آذربایجان غربی وآذربایجان شرقی در شمال غربی کشور ایران قرار گرفته است.مساحت حوضه آبخیزاین دریاچه51/876کیلومتر مربع, 140 کیلومترطول و55 کیلومترعرض میباشد.
21 رود خانه دائمی و 49 رودخانه مقطعی, چشمه های داخل دریاچه و بارشهای مستقیم باران و برف  ورودی های این دریاچه میباشد.وخروجی اصلی آن تبخیر می­باشد. تغییر اقلیم
بنابرین به دلیل تاثیربسزای عوامل اقلیمی برروی این دریاچه,لازم است مطالعه ای درمورداثرات تغییراقلیم برروی آن صورت گیرد.شکل (1) شماتیکی از منطقه مورد مطالعه را نشان می­دهد.
شکل1-منطقه مورد مطالعه تغییر اقلیم
2-2  مباني رياضي مدل  LARS-WG
مدلLARS–WG  براي طول روزهاي تر و خشك، بارش روزانه و تابش آفتابي از توزيع نيمه تجربي زير استفاده مي كند: تغییر اقلیم
كه در اينجا EMP يك هيستوگرام با ده بازه با شدت هاي مختلف بارش است و داريم  ai-1<ai ، و hi تعداد رخداد بارش درi امين فاصله را نشان مي دهد.

مقادير تصادفي از توزيع هاي نيمه تجربي با انتخاب يكي از فاصله‌ها و سپس انتخاب يك مقدار در آن محدوده از توزيع يكنواخت مشخص مي شوند.
اين نوع توزيع قابل انعطاف بوده و مي تواند تا حدودي تبديل به تنوع وسيعي از شك لهاي گوناگون با بازه هاي مختلف [ai−1 ,ai ) شوند. امتياز اين انعطاف پذيري در اين است كه اين توزيع به 21 پارامتر نياز دارد كه با نسخه هاي جديدتر اين مدل از سه پارامتر براي نشان دادن سري خشك و تر استفاده م يكند، ارجحيت دارد.
فاصله  [ai−1 , ai ) بر اساس توزيع قابل انتظار از رفتار متغيرهاي هواشناسي است. براي تابش خورشيدي فاصله ها بين مقادير بيشينه وكمينه داده هاي ديده باني شده ماهانه برابر هستند، در صورتي كه براي طول سري خشك و تر و بارش، اندازه فاصله ها به تدريج با افزايش i، افزايش مي يابد.
در اين دو مورد نوعاً مقادير كوچك به تعداد زياد و مقادير بزرگ به مقدار كمي وجود دارند كه اين نحوه انتخاب فاصله از به كار بردن يك دقت پائين براي فواصل كوچك جلوگيري مي كند.

از آنجا كه پارامتر تابش از توزيع نرمال تبعيت نمي كند، بنابراين يك توزيع نيمه تجربي مبتني برتعداد روزهاي تر و خشك براي همانند سازي تابش روزانه به كار مي رود.
در اين مدل تابش به طورمستقل از دما مدل شده است. همچنين مي توان به جاي تابش از ساعات آفتابي نيز استفاده كرد. براي يك روز تر مقدار بارش از توزيع نيمه تجربي بارش ماه مورد نظر و به طور مستقل از سري هاي تر يا مقدار بارش در روز قبل به دست مي‌آيد.
دماي بيشينه و كمينه روزانه به صورت فرآيندهايي تصادفي با ميانگين و انحراف معيارهاي روزانه كه وابسته به تر يا خشك بودن روز مورد نظر هستند، مدلسازي مي شوند.

سري فوريه نيز درجه حرارت را تخمين مي‌زند. سري فوريه مرتبه سوم براي همانند سازي ميانگين و انحراف معيار درجه حرارت فصلي به كار مي رود.
مقادير مانده ها كه از تفريق مقادير ميانگين توليد شده از مقادير ديد ه‌باني شده به دست می‌آيند، براي محاسبه خود همبستگي زماني داده هاي بيشينه و كمينه مورد استفاده قرار می‌گيرند. فرآيند توليد داده هاي مصنوعي توسط اين مدل در سه مرحله انجام مي گيرد(سیمونف و بارو 1998):
الف)كاليبره كردن  ب) ارزيابي  ج) ایجاد داده‌های مصنوعی تغییر اقلیم
2-3 ايجاد داده هاي مصنوعي
مدل LARS–WG با دريافت داده‌هاي هواشناسي دوره آماري و خروجي مدل ECHO-G در دوره مشابه با دوره آماري و آينده، مي تواند پارامترهاي هواشناسي را به صورت روزانه و در مقياس ايستگاهي براي نقاط مورد مطالعه در آينده توليد نمايد.
داده هاي مصنوعي توليد شده داراي خواص آماري مشابه با داده هاي ديده باني شده يا سناريوي تعريف شده هستند. براي كنترل اين مساله بايستي تست شود كه آيا داده هاي ديد ه باني شده و مدل از يك جامعه آماري بوده و ميانگين و انحراف معيار هر كدام از اين دو مجموعه از لحاظ آماري قابل قبول هستند يا نه؟
قدرت كلي مدل در مدل داده هاي ديده باني شده با محاسبه اريبي[11]  و خطاي مطلق بين داد ههاي ديده‌باني شده و مدل  شده محاسبه شد. مقدار اريبي و خطاي مطلق با استفاده از معادلات زیر به دست مي آيند:
که در آن Si و Oiبه ترتيب نمايانگر مقدار پارامتر مدل شده و ديده باني شده شامل پارامترهاي دماي حداقل، حداكثر، بارش و تابش مي باشند. Iنشان‌دهنده ماههاي سال است. تغییر اقلیم
 2-4توليد داده‌های آب‌وهوايی در آينده
2-4-1توليد داده‌ها
در اين مرحله مدل نياز اساسي به دو فايل مشخص‌کننده رفتار اقليم در گذشته (*.wgx) و سناريوي تغيير اقليم (*.sce)، ناشي از خروجي مدل­هاي GCM خواهد داشت. براي اين كار از منوي Generator استفاده مي­شود.
نام ايستگاه موردنظر انتخاب‌شده و براي توليد داده­هاي دوره پايه از گزينه BaseLine و براي توليد داده­هاي اقليمي دوره­هاي آتي از بخش انتخاب سناريوي اقليمي استفاده مي­شود. خروجي اين مرحله به‌صورت فايل متنی در محل نصب نرم‌افزار و در پوشه OutPut قرار مي­گيرد.
در اين مطالعه از يك مدل AOGCM استفاده‌ گردید، كه داده­­هاي خروجي دماي كمينه و بيشينه و همچنين داده­هاي روزانه آن‌ها براي برخي از اين مدل­ها در پايگاه اطلاعاتي نرم­افزار در دسترس مي­باشد. سناريوي پخش A2 از مدل HadCM3 مبناي ادامه كار بود.
اين بخش در زير منوي Generator قرار دارد كه با انتخاب سناريوي HadCM3 و انتخاب دوره موردنظر براي توليد داده (دوره­هاي نزديك، متوسط و دور) با فشردن گزينه generate، مدل اقدام به توليد داده­هاي اقليمي نموده و خروجي در محل پوشه OutPut قرار مي­گيرد.
اين فايل حاوي داده­هاي دما و بارش شبیه‌سازی‌شده تحت شرايط اقليمي مي­باشد. در صورت معنی‌دار بودن روند پارامتر ساعت آفتابی (تابش) و وارد کردن داده‌های ساعت آفتابی، پارامتر تابش نیز تولید خواهد شد (پرتوی، 1392).
2-4-2توليد فايل سناريو
براي توليد فايل سناريوي تغيير اقليم موردنیاز مدل LARS-WG، می‌بایست از دو فایل (*.wgx) و فایل (*.dat) خروجی مدل که داده‌های روزانه ایجادشده هستند و سناريوهاي تغيير اقليم براي چهار متغير آب‌وهوايي شامل نسبت تغييرات
تغییر اقلیم در ميانگين پارامترهای بارش، دماي حداقل و حداكثر و تغييرات طول دوره­ هاي خشك و تر ماهانه دوره آتي نسبت به دوره پايه  رابطه (4)، تغییر نسبی انحراف از معیار میانگین دمای روزانه هرماه دوره آتی نسبت به دوره پایه رابطه (5) و تغییرات مطلق مقدار تابش دوره آتی نسبت
به دوره پایه  رابطه( 6) که از خروجي مدل­هاي AOGCM به دست آمده، محاسبه ‌کرده و تحت فايل (*.sce) در اختيار مدل قرار گيرد. داده‌های مربوط به انحراف از معیار میانگین دمای روزانه از فایل (*.dat) و سایر داده‌ها از فایل (*.wgx) استخراج می‌گردد.
b و f به ترتیب: بیانگر  پایه و آتی تغییر اقلیم
محاسبه تغییرپذیری بارش، طول دوره تر و خشک و کمینه و بیشینه دما: میانگین توزیع تجربی طول دوره‌ها را برای دوره پایه و آینده با استفاده از فایل (*.wgx) انجام شده است.
تغییر اقلیم برای این کار مرکز هر هیستوگرام را از طریق میانگین‌گیری دو مقدار ابتدا و انتها به دست آورده و مقدار حاصل را در تعداد رخدادهای این بازه
ضرب کرده تا مقدار میانگین طول دوره را برای این بازه هیستوگرام محاسبه شود. این کار برای همه هیستوگرام‌ها انجام گرفت. حال همه مقادیر را باهم جمع کرده تا تقریبی از تعداد کل روزهای تر (یا خشک) به دست آید. تغییر اقلیم
تعداد کل رخدادها هم از طریق جمع تمامی رخدادهای (یا چگالی توزیع آن‌ها) موجود در هر هیستوگرام به دست آورده و تغییر اقلیم
.برای محاسبه میانگین توزیع، مجموع روزهای تر (یا خشک) بر تعداد کل رخدادها تقسیم شد. این کار برای همه ۱۲ ماه و برای دو دوره انجام داده شد. درنهایت برای محاسبه تغییر نسبی طول دوره تر (یا خشک) ماهانه، طول میانگین سری آینده
بر طول میانگین سری در دوره پایه همان ماه تقسیم گردید.از سه سناریوA1B,A2,B1 برای سه دوره افق نزدیک 2011-2030 و افق متوسط 2046-2065 و افق دور2080-2099 با مدل HADCM3 پیش بینی صورت گرفت. تغییر اقلیم
سناریوانتشارA1B (حالت متوسط)رشد سریع اقتصادی,بیشینه رشد جمعیت در نیمه قرن و پس از روند کاهشی,رشد سریع فناوری های نوین و موثرمیباشد.A2(حالت بحرانی)رشدسریع جمعیت جهان,سرعت پایین رشد اقتصادی تغییر اقلیم و مشخصه های فرهنگی منطقه ای تقویت شده با تاکیدی بر ارزش های خانواده و سنت های محلی میباشدوB1(حالت خوشبینانه)جهان همگرا با تغییرات سریع با ساختار های اقتصادی به عینیت درآوردن و معرفی فناوری های پاک با تاکید بر راهکارهای کلی در خصوص مسایل اجتماعی و زیست محیطی که شامل اثرات مرتبط بر پیشرفت سریع,به عینیت درآوردن اقتصاد وتسادی حقوق می­باشد.
3- بحث و نتايج
ضرایب اصلاحی به منظور توليد فايل سناريوي تغيير اقليم موردنیاز مدل LARS-WG، برای سناريوهاي تغيير اقليم و براي متغيرهای آب‌وهوايي در ستون­های 1- تغييرات نسبی ميانگين بارش ماهانه ، 2- تغییرات مطلق میانگین
دمای حداقل ماهانه نسبت به دوره پایه ، 3- تغییرات مطلق میانگین دمای حداکثر ماهانه نسبت به دوره پایه, 4- تغییرات نسبی انحراف تغییر اقلیم از معیار میانگین دمای روزانه دوره پایه در جداول 1 تا3 آمده است
جدول1- ضرايب اصلاح‌شده فايل سناريوی دوره زمانی 2030-2011

[4] [3] [2] [1]            پارامتر
ماه
0.66 1.17 0.26 0.23 jan
0.67 0.69 0.02 0.12 feb
0.68 0.69 0.31 0.22 mar
0.59 0.73 0.03 0.11 apr
0.69 1.57 0.19 0.07 may
0.72 1.20 0.01 0.13 jun
0.64 2.15 0.11 0.71 jul
0.76 1.61 0.12 0.51 aug
0.59 1.81 0.25 0.39 sep
0.71 1.29 0.58 0.45 oct
0.52 1.57 0.35 0.25 nov
0.66 1.14 0.22 0.21 dec

 جدول2- ضرايب اصلاح‌شده فايل سناريوی دوره زمانی 20652046

[4] [3] [2] [1]           پارامتر
ماه
0.66 1.17 3.05 0.15 jan
0.69 0.69 2.28 0.19 feb
0.68 0.69 2.03 0.31 mar
0.61 0.73 2.26 0.08 apr
0.69 1.57 4.17 0.12 may
0.70 1.20 6.21 0.03 jun
0.66 2.15 8.05 0.28 jul
0.77 1.61 7.51 0.62 aug
0.60 1.81 5.23 0.30 sep
0.71 1.29 2.77 0.51 oct
0.53 1.57 0.19 0.18 nov
0.66 1.14 2.11 0.25 dec

جدول3- ضرايب اصلاح‌شده فايل سناريوی دوره زمانی 20652080

[4] [3] [2] [1]      پارامتر
ماه
0.65 2.00 2.26 0.12 jan
0.67 1.42 2.02 0.18 feb
0.68 1.32 2.05 0.17 mar
0.60 1.43 1.82 0.18 apr
0.69 2.40 2.27 0.20 may
0.71 2.27 2.58 0.16 jun
0.64 3.79 3.49 0.02 jul
0.76 3.27 3.49 0.70 aug
0.59 3.19 3.28 0.19 sep
0.71 2.50 2.95 0.45 oct
0.52 2.70 2.35 0.18 nov
0.66 2.05 2.05 0.39 dec

4-تغييرات بارش در دوره‌های آتی
پس از بررسی کیفیت مدل در شبیه‌سازی دوره پایه، اقدام به تولید داده‌های شبیه‌سازی‌شده، برای دوره‌های آتی در سه افق نزدیک (2030-2011)، افق متوسط (2065-2046) و افق دور (2099-2080) شد.
داده‌های شبیه‌سازی‌شده بارش در دوره‌های زمانی آتی در مقایسه با مقادیر مشاهداتی دوره پایه (2010-1991) ایستگاه ارومیه در جداول 4 تا 6 و نمودار شکل­های‌ 2، 3 و 4 نمایش داده ‌شده است.
جدول 4-داده‌های توليدشده و دوره پايه در مقياس ماهانه ايستگاه ارومیه باسناریوA1B

2080-2099 2046-2065 2011-2030 1991-2010         دوره
ماه
22.57 21.87 19.63 25.59 jan
35.55 36.00 33.80 30.17 feb
52.61 59.09 54.78 45.00 mar
47.65 53.32 51.59 58.11 apr
33.32 36.92 38.74 41.82 may
8.48 10.42 11.44 10.12 jun
7.18 9.02 12.11 7.07 jul
0.71 0.91 1.18 2.41 aug
5.76 6.30 6.76 4.85 sep
29.64 30.82 29.71 20.47 oct
32.29 32.35 29.48 39.31 nov
32.89 29.58 28.76 23.72 dec

 جدول 5. داده‌های توليدشده و دوره پايه در مقياس ماهانه ايستگاه ارومیه باسناریA2

2080-2099 2046-2065 2011-2030 1991-2010 دوره
ماه
22.52 19.28 18.84 25.59 jan
39.79 35.02 32.43 30.17 feb
62.72 55.96 52.98 45.00 mar
53.13 54.66 52.05 58.11 apr
34.39 40.36 40.85 41.82 may
8.62 11.32 12.05 10.12 jun
7.25 12.26 12.08 7.07 jul
0.69 0.96 1.15 2.41 aug
5.39 6.71 6.85 4.85 sep
28.27 27.07 29.90 20.47 oct
31.13 31.08 28.74 39.31 nov
31.46 26.96 27.72 23.72 dec

 جدول 6. داده‌های توليدشده و دوره پايه در مقياس ماهانه ايستگاه ارومیه باسناریB1

2080-2099 2046-2065 2011-2030 1991-2010              دوره
ماه             
20.94 19.80 19.58 25.59 jan
34.89 37.34 33.71 30.17 feb
55.41 63.19 56.07 45.00 mar
50.20 58.64 55.75 58.11 apr
35.75 35.70 42.52 41.82 may
9.87 10.63 11.97 10.12 jun
9.25 10.64 12.05 7.07 jul
0.92 0.94 1.16 2.41 aug
6.34 5.96 6.78 4.85 sep
29.67 28.83 29.85 20.47 oct
29.95 28.87 29.19 39.31 nov
30.29 30.88 28.42 23.72 dec

  شکل 2-نمودار بارش مشاهداتی و پيش‌بينی‌شده ايستگاه ارومیه سناریوA2       شکل 3- نمودار بارش مشاهداتی و پيش‌بينی‌شده ايستگاه ارومیه سناریوA1B
شکل 4. نمودار بارش مشاهداتی و پيش‌بينی‌شده ايستگاه ارومیه سناریوB1
با توجه به نمودارهای شکل‌های 2 تا 4 مشاهده می‌شود که،  مدل LARS در پیش‌بینی بارش روندی کاهشی را در آینده نشان می‌دهد. مقادیر کاهش افق دور بیشتر از افق نزدیک و متوسط می­باشد، و افق نزدیک بیشتر از افق متوسط نسبت به دوره مشاهده‌شده است.
کاهش بارندگی در ماههای نوامبر و آوریل (Nov,Apr) سیر صعودی داشته و چشم گیر می­باشد و سیر نزولی این کاهش برای دوره سوم در ماهای جولای،ژوئن و آگوست (Jun ,Jul,  Aug) اتفاق می­افتد.در ماه ژوئن (Jan) با در نظر گرفتن سناریو A1B در دوره اول 96/5 میلیمتر,
در دوره دوم   72/3 میلیمتر و در دوره سوم 02/3 میلیمتر نسبت به دوره مشاهده شده کاهش مشاهده میشود و در ماه آوریل (Apr) در دوره اول  52/6 در دوره دوم 79/4 ودر دوره سوم 46/10 میلیمتر کاهش نسبت به دوره مشاهداتی وجود دارد
طوری که این کاهش در ماه می(May)  به ترتیب به08/3  , 9/4 , 5/8 و در ماه نوامبر (Nov)  به02/7, 96/6 ,47/9 میلیمتر میرشد.با در نظر گرفتن سناریوA1B  در ایستگاه ارومیه برای دوره اول 26/93میلیمتر کاهش نسبت به دوره تاریخی مشاهده می­شود برای دوره دوم وسوم به ترتیب 65/84  و 61/102 میلیمتر می­باشد.
برای سناریو A2  برای هر 3 دوره به23/106،  6/95 ، 61/89 میلیمتر کاهش نسبت به دوره مشاهداتی , همجنین برای ستاریو B1 به ترتیب دوره مقدار کاهش بارش 20/84, 84/79 ,79/97  میلیمتر نسیت به دوره مشاهداتی می­باشد.
نتيجه‌گيری
تغییرات آب‌وهوایی و یا تغییر اقلیم یعنی هر تغییر مشخص در الگوهای مورد انتظار برای وضعیت میانگین آب و هوایی، که در طولانی مدت در یک منطقه خاص یا برای کل اقلیم جهانی، رخ بدهد. تغییر اقلیم نشان دهنده­ی تغییرات غیر عادی در اقلیم درون اتمسفر زمین و پیامدهای ناشی از آن در قسمت‌های مختلف کره­ی زمین می‌باشد.
از این رو مطالعه و تحقیق  در این زمینه امری ضروری بنظر می­رسد.در این تحقیق اثرات تغییر اقلیم بر بارش در حوضه دریاچه ارومیه مورد مطالعه قرار گرفت.  نتایج حاصل از مدل LARS در پیش‌بینی بارش روند کاهشی برای ایستگاه های تبزیز ارومیه وسراب برای 3 دوره (2030-2011), (2065-2046)و(2099-2080)
با سناریوهای B1,A2,A1B نشان داد. همچنین روند افزایشی برای ایستگاه های تکاب ,مهاباد و مراغه برای هر 3 دوره با سناریو هایB1, A2, A1B نسبت به دوره تاریخی مشاهده گردید. برای حوضه دریاچه ارومیه تحت سناریوA1B  برای دوره نزدیک 32/33 میلیمتر,برای دوره متوسط 71/43 میلیمتر و برای دوره دور 95/28 میلیمتر افزایش
بارندگی نسبت به دوره مشاهداتی مشاهده گردید. بطوریکه افزایش بارش نسبت به دوره مشاهداتی تحت سناریو  A2 برای هر سه دوره به ترتیب 80/29 ,95/37, 95/41 میلیمتر و تحت سناریو B1  برای هر سه دوره به ترتیب 60/43 ,04/40 ,71/30 میلیمتر می­باشد.
منابع و مراجع

  • تاج آبادی.ش، قهرمان.ب،ضیائی.ع. (1395). ریز مقیاس نمایی زمانی دمای هوا با استفاده از فراکتال و رگرسیون تناوبی دو اقلیم خشک نشریه هواشناسی کشاورزی، جلد 4،شماره1، بهارو تابستان 54-44. و نیمه خشک”.
  • حسینی.س.ط، خوش روش .م، . ضیاتباراحمدی م. (1394). بررسی اثر تغییر اقلیم و ارزیابی تغییر تاریخ کاشت بر عملکرد سویا. نشریه پژوهش آب در کشاورزي.جلد29.شماره 4. ص 574-560.
  • خلیلی، ع. (1379). بررسی اثر محتمل تغییر اقلیم بر منابع آب کشور. گزارش طرح جاماب کشور، گزارش سنتز، فصل هواشناسی، وزارت نیرو.
  • نجفیان.س,یزدانی.م,آذری.آ,رحیمی.م(1394). بررسی اثرات تغییر اقلیم بر پارامتر دما و بارش در دوره آتی با استفاده از مدل LRAS-WG  اولین همایش بین الملی و سومین همایش ملی.
  • Masood1و P. J.-F. Yeh , N. Hanasaki , and K. Takeuch,(2015). Model study of the impacts of future climate change on the hydrology of Ganges–Brahmaputra–Meghna basin Hydrology of Ganges–Brahmaputra–Meghna basin, Hydrol. Earth Syst. Sci., 19, 747–770, 2015.
  • (2007). Climate Change: The physical science basis. Contribution of working group I to fourth Assessment report of the intergovernmental panel on climate change. Cambridge university press, Cambridge, 1:18.
  • R, Justin.S, James.E, Haibin.L and Eric F.W,2015. Evaluation of historical and future simulations of precipitation and temperature in central Africa from CMIP5 climate models. Journal of Geophysical Research: Atmospheres, 10.1002/2015JD023656.
  • Semenov, M. and Stratonovich, P. (2010). Use of multimodel ensembles from global climate models for assessment of climate change impact, Climateresearch 1:114
  • L, Guohe. H, Xiuquan .W, Jingcheng.H and Yurui.F.2016. Impacts of future climate change on river discharge based on hydrological inference: A case study of the Grand River Watershed in Ontario, C Solomon, S., Qin, D., Manning, M., Alley, R.B., Berntsen, T., Bindoff, N.L., Chen, Z., Chidthaisong, A., Gregory, J.M., Hegerl, G.C., Heimann, M., Hewitson, B., Hoskins, B.J., Joos, F., Jouzel, J., Kattsov, V., Lohmann, U., Matsuno, T., Molina, M., Nicholls, N., Overpeck, J., Raga, G., Ramaswamy, V., Ren, J., Rusticucci, M., Somerville, R., Stocker, T.F., Whetton, P., Wood, R.A. and Wratt, D. (2007). Climate Change, The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, USA.

Evaluation  the Effects of  Climate  Changes on Precipitation Parameter  In  Urmia Lake Basin
*1Parisa Mohammad Jafari,2Hossien Rezaie,3Zabihollah Khani Temeliyeh, 4Jalal Shiri
1- Master of Science in Water Resources Engineering, Urima University, Department of Water Engineering.
2- Associate Professor of Water Engineering, Urima University, Department of Water Engineering.
3-PhD Student of Water Resources Engineering,, Urima University, Department of Water Engineering.
4- Assistant Professor of Water Engineering, Tabriz University, Department of Water Engineering.
* corresponding Author: (parisa.m.j@gmial.com)
Abstract
The average surface temperature of greenhouse gases is constantly increasing, so that the recent IPCC scenarios predict an average temperature increase of 0.76 ° C in the past and up to 6.4 ° C by 2100. Increasing temperature over the past 150 years,
rapid changes in the average temperature in terms of quantity and intensity, and long-term continuous changes in the trend of the problem are of a self-specific nature.
An increase in temperature can affect the amount, shape, intensity, duration, time and location of rainfall.
In this study, the time interval of the observation period of 1991-2010, the horizon near 2011-2030, the horizon of 2046-2065 and the horizon of 2080-2099 is considered. In order to downscale, the results of the general circulation model simulation model were used by LARS-WG software in the HadCM3 model and scenario A1B, B1, A2.
For the Urmia Lake Basin, under the A1B scenario for the period of close to 32/33mm, the average was 71/43mm and far  28.95 mm, the precipitation increase was observed compared to the observation period.
Keywords: Climate Change, Downscale  , Urmia Lake Basin, LARS-WG

اشتراک:

درباره نویسنده

نظرات بسته اند

برچسب‌ها : % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
Call Now Button