پیش نگری دمای کمینه و بیشینه مناطق سردسیر ایران با استفاده از مدل مقیاس کاهی آماری SDSM (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
تغییر اقلیم به دنبال گرمایش جهانی در دهه های اخیر تأثیر زیادی در مناطق مختلف به همراه داشته است. جهت پیش نگری دمای کمینه و بیشینه مناطق سردسیر ایران از داده های 28 ایستگاه همدید کشور و برونداد مدل CanESM2 از سری مدل های CMIP5 استفاده شد. مقیاس کاهی با مدل آماری SDSM طی دوره تاریخی (2005-1991) و پنج دوره آینده (2040-2026، 2055-2041، 2070-2056، 2085-2071، 2100-2086)، تحت سه سناریوی خوشبینانه (RCP2.6)، حدواسط (RCP4.5) و بدبینانه (RCP8.5) انجام شد. جهت درستی سنجی برونداد دمای کمینه و بیشینه مدل مقیاس کاهی شده از چهار سنجه آماری PCC، RMSE، MBE و PBIAS استفاده شد. نتایج درستی سنجی برونداد مدل SDSM نشان داد که این مدل در عرض های جغرافیایی بالا و مناطق سردسیر از کارایی نسبتاً مناسبی برخوردار است. با این وجود به دلیل در دسترس بودن تنها یک واسط کاربری GCM (مدل CanESM2)، در نظر نگرفتن روابط فیزیکی جو توسط مدل SDSM و همچنین تکیه صرف بر روابط آماری بین داده های مشاهداتی و GCM، نتایج دارای عدم قطعیت زیادی نسبت به برونداد مدل های دینامیکی و یا روش دینامیکی-آماری و مدل همادی می باشد. بی هنجاری دمای کمینه و دمای بیشینه در دوره های پیش نگری اول تا پنجم براساس سه سناریوی واداشت تابشی مثبت است. نتایج بی هنجاری دمای کمینه نشان داد که کمینه بی هنجاری مثبت در ایستگاه یاسوج و بیشینه آن در ایستگاه پیرانشهر مشاهده می شود. به همین ترتیب بی هنجاری دمای بیشینه در ایستگاه های تهران (ژئوفیزیک) و تهران (شمیران) مشاهده می شود. بطور کلی، دمای کمینه و بیشینه تحت سناریو های حد واسط (RCP4.5) و بدبینانه (RCP8.5) نسبت به سناریوی خوشبینانه (RCP2.6) افزایش بیش تری را به خصوص برای مناطق شمال غربی ایران نشان می دهند. این نتیجه از آن جهت مهم است که با افزایش دما ذوب سریعتر پوشش برف در مناطق سردسیر برای کشور خشک و نیمه خشکی همچون ایران به دلیل کاهش دسترسی به آب شیرین یک تهدید بالقوه محسوب می شود.Projection of minimum and maximum temperatures in cold regions of Iran using SDSM statistical downscaling model
To project the minimum and maximum temperatures of cold regions of Iran, the data of 28 synoptic stations of the country and the output of CanESM2 model from CMIP5 model series were used. Downscaling with SDSM statistical model is performed for the historical period (1991-2005) and five future periods (2040-2026, 2041-2055, 2056-2070, 2071-2085 and 2100-2086), under three RCP2.6, RCP4.5, and RCP8.5 scenarios. Four statistics of PCC, RMSE, MBE, and PBIAS were used to evaluate the minimum and maximum temperature of the SDSM model. The evaluation results of the SDSM model showed that this model has a relatively good performance in high latitudes and cold regions. However, due to the availability of only one GCM interface (CanESM2 model), assumptions of stationarity between the large- and small-scale dynamics, and relying solely on statistical relationships between observational data and GCM, are disadvantages of the statistical downscaling with SDSM and the results are associated with high uncertainty, comparing to dynamical or dynamical-statistical methods and ensemble models. The minimum and maximum temperature anomalies are positive in all five projected periods based on three scenarios of radiative forcing for the 21th century. The results of minimum temperature anomaly showed that the minimum of positive anomaly is observed in Yasuj station and the maximum of that is observed in Piranshahr station. Similarly, positive maximum temperature anomalies are observed in Tehran (Geophysical) and Tehran (Shemiran) stations. In general, the minimum and maximum temperatures under the RCP4.5 and RCP8.5 scenarios show a greater increase than the RCP2.6 scenario, especially for the northwestern regions of Iran. This result is important because with the faster melting of snow cover in cold regions, it is a potential threat to arid and semi-arid countries such as Iran due to reduced access to fresh water.
تبلیغات
