فائزه شجاع

این پژوهش با هدف تحلیل تغییرات شاخص های حدی بارش در تهران تحت تأثیر سناریوهای مختلف تغییر اقلیم انجام شد. برای این منظور داده های روزانه بارش و دما از سه ایستگاه سینوپتیک آبعلی، دوشان تپه و مهرآباد طی دوره ی ۱۹۸۵ تا ۲۰۱۵ و خروجی پنج مدل منتخب از مجموعه مدل های اقلیمی CMIP6 شامل CAN-ESM2-0، FGOALS-G3، IPSL-CM6A-LR، MIROC6 و MRI-ESM2-0 در سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 مورد استفاده قرار گرفت. داده ها پس از ریزمقیاس نمایی و تصحیح بایاس با روش Linear Scaling، برای محاسبه شش شاخص حدی بارش (CDD، CWD، PRCPTOT، R20mm، R99p و SDII) در نرم افزار RClimDex و تحلیل روند با آزمون های Mann–Kendall و شیب سن به کار گرفته شدند. نتایج نشان داد که عملکرد مدل ها در شبیه سازی دما مطلوب اما در بازسازی بارش محدود است و در میان آن ها، مدل های FGOALS-G3 و IPSL-CM6A-LR دقت بالاتری دارند. تحلیل روندها نشان داد که در ایستگاه آبعلی، بارش سالانه و شاخص های شدید بارش در سناریوی خوش بینانه SSP1-2.6 کاهش و در سناریوی بدبینانه SSP5-8.5 افزایش می یابند؛ در حالی که دو ایستگاه دوشان تپه و مهرآباد عمدتاً روندهای پایدار یا افزایشی خفیف را در سناریوهای با انتشار بالا تجربه می کنند. این یافته ها بیانگر تفاوت مکانی و وابستگی شدید تغییرات بارش های حدی به نوع سناریو است. به طور کلی، نتایج حاکی از آن است که افزایش شدت و فراوانی بارش های سنگین در سناریوهای پرانتشار می تواند خطر وقوع سیلاب های شهری را افزایش دهد، در حالی که کاهش بارش در سناریوهای کم انتشار، ریسک خشکسالی در مناطق کوهستانی را تقویت می کند. این نتایج اهمیت بررسی تفصیلی تغییرات حدی اقلیمی را در مدیریت منابع آب و برنامه ریزی سازگاری شهری تهران برجسته می سازد.

خشکسالی یکی از بزرگ ترین چالش های زیست محیطی و اجتماعی جهانی است که پیامدهای جدی برای امنیت غذایی و مدیریت منابع آب دارد. این پژوهش به پیش بینی خشکسالی های کوتاه مدت در ایران با استفاده از سناریوهای اجتماعی - اقتصادی مشترک (SSP) می پردازد. داده های 95 ایستگاه سینوپتیک در دوره 1985–2014 به عنوان پایه در نظر گرفته شدند. پنج مدل گردش عمومی جو (GCM) شامل GFDL-ESM4، IPSL-CM6A-LR، MPI-ESM1-2-HR و UKESM1-0-LL برای پیش بینی بارش به کار رفتند. داده ها با روش کریجینگ همگون سازی و سپس اصلاح سوگیری شدند. برای کاهش عدم قطعیت، از رویکرد همادی چندمدلی استفاده گردید. نتایج نشان می دهد داده های همادی شده هم خوانی بالایی با مشاهدات دارند، خطاهای کمتری ارائه می دهند و ضریب همبستگی آن ها افزایش یافته است. مدل همادی عملکرد بهتری نسبت به مدل های منفرد داشت. تحلیل الگوهای بارش در دوره پایه نشان داد که بارش تحت تأثیر عوامل جغرافیایی و اقلیمی است و بیشترین مقادیر آن در ماه های سرد در زاگرس و سواحل جنوب غربی خزر رخ می دهد. پیش بینی های دوره 2021–2040 تحت سناریوی SSP5-8.5 تغییرات چشمگیری را نشان می دهند: افزایش بارش در مناطق مرتفع و سواحل خزر، هر چند افزایش دما ممکن است اثرات مثبت آن را کاهش دهد؛ در مقابل، کاهش بارش در شمال غرب و مرکز کشور، به ویژه در بهار و تابستان، پیش بینی شده است. این تغییرات چالش های جدی برای مدیریت آب و کشاورزی ایجاد می کند و لزوم برنامه ریزی پیشگیرانه را برجسته می سازد. این مطالعه با ارائه پیش بینی های دقیق تر، به سیاست گذاران در تدوین راهبردهای مؤثر برای مقابله با خشکسالی کمک می کند.

تنش های گرمایی در فصول گرم سال، افراد بسیاری را در معرض خطر گرمازدگی و سایر عوارض ناشی از گرما قرار می دهند. هدف تحقیق حاضر، ارزیابی جامع شاخص های تنش گرمایی و مدل سازی تغییرات اقلیمی در شهر زاهدان است تا بتوان با درک بهتر تأثیرات متقابل عوامل اقلیمی و شهری، راهکارهای مؤثری برای افزایش تاب آوری شهری ارائه نمود. برای این منظور، فراسنج های اقلیمی مورد نیاز محاسبه شاخص ها برای دوره مشاهداتی (1985-2014) از سازمان هواشناسی کشور اخذ گردید. برونداد روزانه دمای کمینه و بیشینه سه مدل «CNRM-CM6-1»، «CNRM-ESM2-1» و «MIROC6» نیز جهت شبیه سازی های آینده (2099-2015) تحت دو سناریوی «SSP2-4.5» و «SSP5-8.5» از وبسایت «ESGF» دریافت شد. برای انتخاب نمایه بهینه تنش دمایی، نخست مقادیر شاخص های مختلف محاسبه و سپس براساس معیار اهمیت وزن نسبی، شاخص مناسب تعیین گردید. در ادامه میزان دقت و کارایی خروجی خام GCMهای منتخب، در قالب دیاگرام تیلور مورد ارزیابی قرارگرفت و اٌریبی مدل ها نیز با کاربرد روش مقیاس گذاری واریانس تصحیح شد. نتایج نشان داد اگرچه شاخص های زیست اقلیمی شرایط نسبتاً مشابهی از وضعیت تنش های گرمایی زاهدان ارائه می دهند اما برمبنای معیار اهمیت نسبی دو فراسنج دمای هوا و رطوبت نسبی به ترتیب با وزن نسبی 568/0 و 409/0 تفاوت چشمگیری با دیگر پارامترها دارند؛ بنابراین شاخص های DI «Thom»، «DI Mistry» و «MDI» که مبتنی بر این دو پارامتر محاسبه می شوند به دلیل انحراف معیار کمتر و وزن نسبی بالاتر، به عنوان شاخص های مطلوب تعیین تنش های دمایی در منطقه انتخاب شدند. برونداد حاصل از اجرای گروهی مدل ها نیز نشان داد که روند افزایشی دما تا انتهای سال 2099 تحت هر دو سناریوی «SSP2-4.5» و «SSP5-8.5» به ترتیب با مقدار Z من-کندال 68/9 و 21/12 (دمای بیشینه) و 3/8 و 47/11 (دمای کمینه) در سطح اطمینان 99/0 معنی دار است. بدین ترتیب با توجه به آینده نگری شاخص DI، ماه های آبان، آذر و اسفند پیشتاز روند صعودی این نمایه هستند که در بازه زمانی 2099-2066 مقادیر آن طی ماه های ذکرشده به ترتیب 4/4، 1/4 و 5/3 درجه سلسیوس نسبت به دوره پایه افزایش خواهد یافت. یافته های این پژوهش می تواند در تدوین برنامه های آمایش شهری و طراحی فضاهای شهری سازگار با اقلیم، به منظور کاهش اثرات سوء گرمایش جهانی بر آسایش ساکنان زاهدان، مورد استفاده قرارگیرد.

پژوهش حاضر با هدف سنجش و ارزیابی ظرفیت تعدیل گرما (HMI) در محدوده کلان شهر تهران و با استفاده از رویکرد نوین مدل خنک کنندگی شهری (UCM) در یک بستر فضایی انجام شده است. UCM نقشه هایی از شاخص تعدیل گرما تولید می کند که ظرفیت سرمایش فضاهای سبز شهری را در تمام طبقه های کاربری اراضی در یک مکان و با در نظر گرفتن پارامترهای متعدد مانند تبخیر و تعرق، سایه ایجادشده توسط درختان، سپیدایی، دمای هوای حومه شهر، شدت اثر جزیره گرمای شهری، فاصله اختلاط هوا و حداکثر فاصله خنک کنندگی تخمین می زند. ارزیابی نقش متغیرهای محیطی مؤثر بر UCM در منظر موردمطالعه بیانگر این بود که در مناطق 1 ، 22 و بخش های شمالی منطقه 4 شهرداری تهران با کاربری درختان تنک، درختچه و بوته زار، چیدمان های باز و کم ارتفاع و سطوح آبی، شدت اثر جزیره گرمایی به کمترین مقدار خود رسیده و اختلاف دمای بین شهر و حومه در بازه 0 تا 3/1 درجه سلسیوس متغیر است؛ اما بیشینه شدت جزیره گرمای شهری در بخش های مرکزی منطقه مطالعاتی (مناطق 21، 13 و 14) با بافت فشرده و متراکم و گسترش سطوح نفوذناپذیر مشاهده می گردد که حداقل مقادیر شاخص تبخیر و تعرق (12/0-45/0) و سپیدایی (09/0- 16/0) نیز در این نواحی متمرکز گردیده است. مبتنی بر این پارامترها توزیع مکانی شاخص HMI در چشم انداز موردبررسی نشان داد که ظرفیت خنک کنندگی در منطقه موردمطالعه از 08/0 در نواحی مرکزی شهر تا 9/0 در مناطق تحت تأثیر فضاهای سبز مختلف و همچنین بدنه های آبی متفاوت است. در واقع بیشینه شاخص ظرفیت خنک کنندگی در کاربری با پوشش درختان انبوه و پراکنده در منطقه متمرکز گردیده که این نواحی توانسته اند با ظرفیت 63 درصدی خنک کنندگی، به طور متوسط 48/2 درجه سلسیوس از اثر جزیره گرمایی را خنثی نمایند. روش به کاررفته در این پژوهش می تواند به عنوان مرجعی برای طراحان شهری در ادغام رویکردهای خنک سازی شهری و راهبردهای کاهش جزیره گرمایی، در برنامه ریزی و طراحی مناطق شهری به کار گرفته شود.

منطقه جنوب شرق ایران جز نواحی کم باران و خشک محسوب می شود که در سال های اخیر با خشک سالی و کم آبی شدید روبه رو شده است. در این پژوهش، به منظور بررسی الگوهای خشک سالی در جنوب شرق ایران و شناخت رفتار پارامترهای اقلیمی در این منطقه، مقادیر کمینه و بیشینه دما و همچنین بارش 20 ایستگاه سینوپتیک طی دوره آماری 1995-2018 از سازمان هواشناسی کشور دریافت شد. سپس با محاسبه شاخص SPEI و تحلیل سری های زمانی این شاخص، مشخصه های مختلف خشک سالی از جمله شدت، مدت، بزرگی و فراوانی رویدادهای خشک سالی تعیین گردید. در ادامه با کاربرد آزمون روند نوآورانه (ITA)، معنی داری روند پارامترهای اقلیمی مورد ارزیابی قرار گرفت. نتایج نشان داد که منطقه موردمطالعه تا پایان سال 1997 تحت تأثیر ترسالی های شدید بوده و از اواخر دهه 1990، خشک سالی ها با شدت و تداوم بیشتری رخ داده اند. در این بازه شدیدترین خشک سالی با مقدار SPEI 4/4- در سال 2009 در چابهار و مرطوب ترین وضعیت با شاخص 5/2 در سال 1996 در انار ثبت گردیده است. همچنین ایستگاه بم با ثبت وخیم ترین شدت خشک سالی (48/1-)، خاش بیش ترین فراوانی (75/18 درصد) و بافت، جزیره قشم و بم با بیشترین مقادیر شاخص بزرگی خشک سالی (به ترتیب 06/12-، 65/11- و 35/11-)، بحرانی ترین وضعیت را در محدوده پژوهشی داشتند. نتایج آزمون ITA نیز بیانگر شیب مثبت و روند افزایشی معنی دار دما در تابستان و کاهشی معنی دار بارش در دوره سرد سال بود؛ این تغییرات به وضوح در روند نزولی SPEI در طبقات مرطوب شاخص مشاهده گردید که بیانگر آسیب پذیری وضعیت آبی منطقه در برابر تغییرات اقلیمی اخیر است.

در این مطالعه با استفاده از سامانه همادی مدل های چند گانه (MME)، متشکل از چندین مدل پروژه مقایسه جفت شده فاز ششم (CMIP6)، رویدادهای خشکسالی ایران تحت 2 سناریو SSP2-4.5 و SSP5-8.5 تا انتهای سال 2100 پیش نگری می شود. پس از انتخاب مدل های برتر با استفاده از شاخص ارزیابی کلینگ-گوپتا، فرآیند تصحیح اریبی و مقیاس کاهی داده های دما و بارش با استفاده از نرم افزار CMHyd انجام گرفت. نتایج نشان داد که تحت سناریو SSP2-4.5، متوسط بارش کشور طی سه دوره آینده نزدیک، میانی و دور به ترتیب 20، 12 و 16 درصد و با اعمال سناریو بدبینانه 15، 13 و 21 درصد افزایش خواهد داشت. از لحاظ دمایی شدید ترین افزایش مربوط به سناریو بدبینانه و در آینده دور با 7/3 درجه سلسیوس می باشد. میانگین شاخص خشکسالی SPEI 12 ماهه در آینده نزدیک تحت سناریو SSP2-4.5 و SSP5-8.5  به ترتیب برابر با 53/0 و 80/0، در آینده میانی 1/0- و صفر و در آینده دور 45/0- و 84/0- خواهد بود. با توجه به نتایج، با اعمال سناریو بدبینانه، شدت خشکسالی در آینده نزدیک و میانی کاهش 96 و 49 درصدی و در آینده دور افزایش 300 درصدی خواهد داشت. اما در صورت وقوع سناریو SSP2-4.5، در آینده نزدیک کاهش 61 درصدی و در آینده میانی و دور افزایش 64 و 234 درصدی دارد.

هدف تحقیق حاضر مدل سازی یکی از خدمات حمایتی اکوسیستم، با عنوان کیفیت زیستگاه و همچنین ارزیابی آسیب پذیری فضایی مناظر طبیعی در محدوده شهر خرم آباد با استفاده از ماژول کیفیت زیستگاه InVEST است. دستیابی به این هدف نیازمند شناسایی منابع تهدید، وزن نسبی هر تهدید، حداکثر فاصله اثرگذاری آن در فضا، انواع زیستگاه ها و میزان حساسیت هر یک از آن ها نسبت به منبع تهدید است. به علاوه یکی از مهم ترین ورودی های نرم افزار InVEST، نقشه پوشش/کاربری زمین (LULC) محدوده موردمطالعه است که جهت تهیه این داده در پژوهش حاضر از روش طبقه بندی زون های اقلیم محلی استفاده گردید. در نهایت مدل، با ترکیب الگوهای LULC و منابع مختلف تهدید، نقشه های توزیع فضایی کیفیت و تخریب زیستگاه را در چشم انداز موردمطالعه تولید می کند. نتایج نشان داد که عامل شهر، فرودگاه و بزرگراه به ترتیب با میانگین نمره 51/0، 345/0 و 33/0 مخرب ترین عوامل تهدید برای تمام زیستگاه ها هستند و پوشش های آب، درختان انبوه و درختان پراکنده نیز به ترتیب با نمرات حساسیت 47/0، 39/0 و 36/0 بیش ترین درجه تخریب را نسبت به دیگر کاربری ها متحمل شده اند. نتایج همچنین بیانگر این بود که وضعیت کیفیت زیستگاه در محدوده خرم آباد در سطح متوسط تا پایین قرار دارد و شاخص کیفیت زیستگاه تنها در 3 درصد مساحت منظر، شرایط بسیار خوبی را نشان می دهد.

در پژوهش حاضر ظرفیت ذخیره کربن زیرساخت های سبز شهر و پیرا شهر ارومیه واکاوی می شود. ارومیه با مشخصه اقلیمی سرد بافت ساختمانی فشرده با فضاهای سبز پراکنده بخصوص در مناطق و محله های پیرامونی شهر مشخص می شود. پژوهش با مدل ذخیره کربن موجود در بسته نرم افزاری InVest انجام گردید. نتایج نشان داد که بیش از 57 درصد محدوده مطالعاتی ظرفیت ذخیره کربن کمتر از 2 تن و کمتر از 6 درصد محدوده بالای 30 تن در هکتار دارد که به باغ ها و درختزارهای حاشیه رودخانه شهر چای محدود می شود. ذخیره کربن خاک با 41/2344 تن بیش ترین سهم و سپس زیست توده بالایی با 47/1403 تن بالاترین مقادیر ذخیره کربن را دارند. مقدار ذخیره کربن کل محدوده موردمطالعه نیز 9/3900 تن در سال می باشد. بیش ترین میزان ذخیره کربن متعلق به باغ ها و درختزارها و در رتبه بعدی زمین های بایر با پوشش گیاهی تنک به دست آمد و ارتفاعات بدون پوشش گیاهی با رخنمون های سنگی و فاقد پوشش خاک بدون ذخیره کربن هستند. گیاهان و درختان متراکم بالاترین میزان ذخیره کربن را دارند، اما به دلیل اینکه میزان ذخیره آن تابعی از تغییر فصل است، لازم است در انتخاب و توسعه فضاهای سبز شهری به گونه گیاهی و میزان سازگاری آن ها با شرایط اقلیمی سرد و فضاهای شهری ارومیه توجه گردد. در نتیجه لازم است ایجاد و توسعه فضاهای سبز شهری هم راستا با توسعه فیزیکی و کالبدی، در اولویت برنامه های توسعه شهری ارومیه باشد.

روند سریع شهرنشینی به طور قابل توجهی الگوهای کاربری و پوشش اراضی (LULC) را تغییر داده و با جایگزینی مناظر طبیعی، با سطوح نفوذناپذیر، شدت اثر جزیره گرمایی شهری (UHI) را افزایش داده است. این مطالعه اثربخشی راه حل های مبتنی بر طبیعت (NBS) را در کاهش شدت UHI در شهر قائم شهر ایران با استفاده از داده های دورسنجی و مدل سرمایش شهری InVEST (UCM) ارزیابی می کند. نقشه های LULC برای سال های 2003، 2013، و 2023 از تصاویر ماهواره ای لندست استخراج و پیش بینی های سال 2033 تحت سناریوهای توسعه پایه (BAU) و مبتنی بر طبیعت (NBS) با استفاده از مدل CA-Markov انجام شد. مدل UCM برای تحلیل تغییرات مکانی شاخص کاهش گرما (HMI) با در نظر گرفتن ویژگی های زیست فیزیکی فضاهای سبز و آبی شهری مانند سایه، تبخیر تعرق، و بازتاب به کار گرفته شد. نتایج نشان داد از سال 2003 تا 2013 پوشش درختی (2/15 کیلومترمربع) و پهنه های آبی (8/3 کیلومترمربع) به طور قابل توجهی کاهش یافته؛ درحالی که اراضی کشاورزی (5/55 کیلومترمربع) و ساخت وسازهای انسانی (3/26 کیلومترمربع) افزایش داشته اند. تا سال 2023 تنها 67 درصد منطقه دارای ظرفیت خنک کنندگی بالا (CC>0.9) بود؛ درحالی که این مقدار در سال 2003 حدود 91 درصد بود. پیش بینی ها نشان می دهد حتی با اجرای NBS، در سناریوی BAU، ظرفیت خنک کنندگی منطقه تا سال 2033 حدود 23 درصد کاهش خواهد یافت. بیشترین اثر خنک سازی متعلق به پوشش درختی با کاهش میانگین دمای 32/3 درجه سانتی گراد بود و مراتع با کاهش 21/3 درجه در رتبه بعدی قرار گرفتند. یافته های این پژوهش بر اهمیت اجرای راهکارهای NBS مانند توسعه پوشش گیاهی شهری و استفاده از بام ها و دیوارهای سبز در کاهش اثر جزیره گرمایی شهری و دستیابی به توسعه شهری پایدار تأکید دارد.

زمینه و هدف: گردشگری به عنوان یکی از بخش های اصلی اقتصاد جهانی، صنعتی بسیار حساس به اقلیم و تغییرات وابسته به آن است. هدف پژوهش حاضر واکاوی تغییرات مکانی و زمانی شاخص اقلیم گردشگری TCI در کرانه های جنوبی ایران می باشد.روش شناسی: برای رسیدن به هدف مطالعه پارامترهای اقلیمی مورد نیاز شاخص TCI برای 14 ایستگاه سینوپتیک واقع در نوار ساحلی جنوب ایران طی دوره زمانی 25 ساله (2019-1995) از سازمان هواشناسی کشور دریافت گردید؛ سپس مقادیر شاخص در یک مقیاس ماهانه به تفکیک ایستگاه ها محاسبه شد تا از این طریق مناطق مطلوب گردشگری در ماه های مختلف سال مشخص شود. در ادامه جهت بررسی رفتار زمانی شاخص، روند متغیرهای اقلیمی دما و بارش و همچنین شاخص TCI در سه مقصد مهم گردشگری با استفاده از آزمون های ناپارمتریک من-کندال و روش نوین ITA ارزیابی شد.یافته ها: نتایج نشان داد مناسب ترین زمان های گردشگری در سواحل دریای عمان ماه های نوامبر، دسامبر و مارس و در سواحل خلیج فارس دسامبر و ژانویه است، در این بین دسامبر از مطلوب ترین شرایط اقلیم گردشگری برخوردار بوده و همه ایستگاه های واقع در سواحل جنوب ایران در این زمان در طبقه عالی شاخص TCI قرار می گیرند. نتایج آزمون تحلیل روند نیز حاکی از این است که رفتار شاخص TCI متأثر از تغییرات افزایشی دما و کاهشی بارش در محدوده مورد مطالعه می باشد؛ به طوری که برمبنای روش نوین Sen، شاخص TCI در بوشهر طی 4 ماه ژانویه، فوریه، مارس و دسامبر در طبقات خوب، خیلی خوب، عالی و ایده آل دارای روند افزایشی است. این شرایط در کیش تنها در ژانویه مشاهده می شود اما در چابهار شیب روند در ماه دسامبر و محدوده خوب، خیلی خوب و عالی مثبت بوده و طبقه ایده آل شاخص روند کاهشی دارد.نتیجه گیری و پیشنهادات: در مجموع می توان گفت: براساس میانگین دوره آماری 2019-1995، مطابق الگوی فضایی شاخص TCI از اواخر پاییز تا اواسط زمستان در نوار ساحلی جنوب ایران شرایط گردشگری بسیار مطلوب بوده و شاخص در وضعیت های عالی تا بسیار خوب قرار دارد.نوآوری و اصالت: واکاوی تغییرات روند پارامترهای دما و بارش به عنوان تأثیرگذارترین مؤلفه هابی اقلیمی بر گردشگری، در منطقه ساحلی جنوب ایران، محور اصلی بحث پژوهش حاضر می باشد که این روند در شرایط گرمایش جهانی و اقلیم در حال گذار اهمیت بیشتری پیدا می کند. همچنین روند شاخص TCI در مقاصد مهم گردشگری ساحلی جنوب با استفاده از روش گرافیکی شیب سن (ITA) ارزیابی گردید که بر اساس این روش تغییرات رخ داده در وضعیت اقلیم گردشگری ایستگاه های مورد نظر طی یک بازه زمانی طولانی مدت و به تفکیک طبقات شاخص مورد سنجش قرار می گیرد.

هدف پژوهش حاضر ارزیابی اثر تغییرات پوشش/کاربری زمین (LULC) کلان شهر تهران و حومه آن بر میزان ذخیره کربن و کیفیت زیستگاه با مدل های موجود در نرم افزار InVEST است. بنابراین نخست مقادیر ذخیره کربن در 4 مخزن اصلی محاسبه و سپس منابع تهدید منطقه، فاصله اثرگذاری تهدید و میزان حساسیت، کیفیت و تخریب زیستگاه ها در هریک از طبقات LULC برآورد گردید. در نهایت با هدف واکاوی ارتباط بین خدمات اکوسیستم (ESs) و شرایط اقلیمی، روند مؤلفه های اقلیمی مؤثر بر ESs در حوضه مطالعاتی ارزیابی و همبستگی بین دو عامل مشخص شد. نتایج نشان داد محدوده پارک چیتگر و نواحی شمال شرق حومه شهر، با بیشینه میزان جذب650 تن کربن در سال، بالاترین مقادیر جذب کربن را در هر 4 مخزن دارا هستند. خروجی کیفیت زیستگاه InVEST نیز حاکی از این بود که مطلوب ترین کیفیت زیستگاه با پوشش 16 درصدی (ارزش های بین 7/0 تا 1) متعلق به بخش های شمالی حوضه است و به مرور به سمت نواحی جنوبی و به ویژه جنوب غربی، کیفیت زیستگاه کاهش پیدا می کند. در نهایت با تحلیل رابطه خطی بین ESs و پارامترهای اقلیمی در پهنه مورد مطالعه این نتیجه حاصل شد که ESs با بارش و دما به ترتیب ارتباط مستقیم و معکوسی دارند؛ هرچند مقادیر ضریب همبستگی بین عامل ها پایین بود (دما و ES=221/0، بارش و ES=234/0) اما روند معنی دار افزایشی دما و کاهشی بارش (سطح اطمینان 95/0) در دوره 1991-2022 از یک سو و تغییرات LULC در نتیجه فعالیت های انسانی از سوی دیگر، امید به شرایط مطلوب خدمات اکوسیستمی در آینده کلان شهر تهران را به چالش می کشد.

پیش نمایی تأثیرات تغییر اقلیم در شرایط اقلیم گردشگری جزیره کیش به منزله مقصد اول گردشگری سیاحتی و رویدادمحور کشور، که سهم مناسبی در بازار گردشگران داخلی و اقتصاد ملی دارد، در افق آینده ضروری است. بدین منظور، عملکرد هفت مدل گردش سیاره ای (GCMs) براساس نمره مهارت (SS) ارزیابی شد و درنهایت دو مدل ACCESS-CM2 و CNRM-CM6-1 به منزله GCMهای مناسب منطقه مطالعاتی انتخاب شدند. در ادامه، اثر سناریوهای SSP2-4.5 و SSP5-8.5 در بخش گردشگری جزیره کیش براساس کاربرد شاخص اقلیم گردشگری (TCI) بررسی و از روش مقیاس گذاری خطی (LS) برای تصحیح خطای شبیه سازی مدل های GCM استفاده شد. نتایج نشان داد پارامترهای مؤثر در برآورد شاخص TCI تغییرات چشمگیری در آینده خواهند داشت، به طوری که میانگین دما در دوره پایه از 27/25 به 63/29 و 33/30 درجه سلسیوس به ترتیب تحت سناریوهای SSP2-4.5 و SSP5-8.5 در چشم انداز 2050-2069 خواهد رسید. افزون بر دما، تغییرات افزایشی بارش و رطوبت نسبی در منطقه موجب می شود بازه های زمانی گردشگری در اقلیم آینده در جزیره کیش تغییر کند: به این ترتیب که در شرایط فعلی ماه های فوریه و مارس وضعیت ایدئال بهترین زمان های گردشگری جزیره هستند، حال آن که در چشم انداز آینده تنها ماه فوریه شرایط ایدئال را نشان می دهد. از طرف دیگر، وضعیت کمی نامطلوب در دوره فعلی شامل چهار ماه ژوئن، ژوئیه، اوت و سپتامبر می شود که این امر به مرور در آینده هشت ماه سال را در بر خواهد گرفت. بنابراین، پرداختن به موضوع تغییر اقلیم در حوزه گردشگری برای تدوین برنامه های توسعه آتی کشور با محوریت تغییر اقلیم مسئله ای بسیار مهم است.

هدف این پژوهش شناخت اثر تغییر اقلیم بر مقدار بارش حوضه های آبخیز تأمین کننده آب شهر تهران در افق 2025-2050 تحت سناریوهای پروژه CMIP6 است. بنابراین، نخست تغییرات روند بارش در دوره پایه با بکارگیری داده های بارش 33 ایستگاه همدیدی و بارانسجی حوضه مطالعاتی برای بازه زمانی 1989-2019 ارزیابی شد. سپس این تغییرات در افق آینده نزدیک بر مبنای برونداد 4 مدل CanESM5، CNRM-CM6-1، MIROC6 و MRI-ESM2-0 و تحت دو سناریوی SSP2-4.5 و SSP5-8.5 پیش نمایی گردید. با توجه به بزرگ مقیاس بودن مدل های گردش کلی جو از دو روش تصحیح اُریبی مقیاس گذاری خطی (LS) و نگاشت توزیع (DM) برای ریزگردانی GCMهای منتخب استفاده شد که در نهایت روش DM براساس مقادیر به دست آمده از معیارهای اعتبارسنجی مدل ها، به دلیل دقت بالاتر، برای تولید سناریوهای اقلیمی انتخاب گردید. نتایج آزمون های روند نشان داد که در دوره مشاهداتی، بخش قابل توجهی از حوضه مورد مطالعه در فصل پاییز روند افزایشی بارش (با سطوح اطمینان 95/0 و 99/0) و در زمستان روند کاهشی بارش را تجربه می کند، اما در بهار مناطق شرقی و شمال-شرقی روند کاهشی و مناطق شمال و شمال غرب روند افزایشی بارش را نشان می دهند. مطابق خروجی مدل های GCM، بارش در بهار تحت سناریوی SSP2-4.5، در تمام ایستگاه ها افزایش و مطابق SSP5-8.5 در 17 ایستگاه کاهش خواهد یافت. تغییرات بارش تابستانه، در چشم انداز حال و آینده قابل توجه نیست و در زمستان و پاییز تا حدودی منطبق بر تغییرات دوره مشاهداتی است. بدین ترتیب که در زمستان، بارش برمبنای هر دو سناریو کمتر از شرایط کنونی و در پاییز تحت سناریوی SSP5-8.5 بیشتر خواهد بود. اثر تغییر اقلیم بر حجم آب حوضه ها نیز نشان داد که بیشترین حجم آب در شرایط فعلی مربوط به زیرحوضه ی کرج است که طی دوره 2025-2050، در مدل CNRM-CM6-1 مطابق سناریویSSP2-4.5، 8/9 درصد افزایش و در مدل های MIROC6 و MRI-ESM2-0 و CanESM5 به ترتیب به میزان 3/5، 3/6 و 6/59 درصد کاهش می یابد.

در بازه زمانی 27- 16 می سال 2018 دو چرخند حاره ای بسیار قوی به نام های ساگار[1] و میکونو[2]جنوب غرب و غرب دریای عرب را به شدت تحت تأثیر قرار دادند. در این تحقیق سعی شده تا نقش پارامترهای جوّی بزرگ مقیاس مؤثر در چرخندزایی، در مدت زمان فعالیت این دو توفان مورد واکاوی قرار گیرد. بنابراین آمار و اطلاعات مربوط به چرخندها از گزارش تهیه شده توسط اداره هواشناسی هند دریافت وپارامترهای جوّی- اقیانوسی مورد نیاز از داده های دوباره آنالیز شده پایگاه ECMWF به صورت روزانه و با قدرت تفکیک مکانی 5/0 درجه طول و عرض جغرافیایی اخذ گردید. برای رسیدن به هدف تحقیق، مقادیر مؤلفه های دینامیکی و ترمودینامیکی و همچنین شاخص پتانسیل پیدایش[3] با استفاده از نرم افزارهای GRADS و MATLAB محاسبه شد و نقشه های مورد نظر ترسیم و مورد تحلیل قرار گرفت. نتایج نشان داد، مسیر حرکت توفان ها انطباق کاملی با نواحی بیشینه نم نسبی و تاوایی مطلق دارد، توزیع فضایی متغیرهای جوّی دما، فشار سطح دریا وبرش عمودی باد نیز بیانگر این بود که مقادیر مطلوب این پارامترها،در نواحی تحت تأثیر چرخندها، در هر سه زمان شکل گیری، شدت و خاتمه آن ها متمرکز گردیده ومقدار شاخص شدت پتانسیلی[4] به تبعیت از نواحی حداکثر دمای سطح دریا، تا 20 درجه عرض شمالی، به بیش از ۷۰ متر بر ثانیه رسیده است. بررسی تغییرات مکانی شاخص  GPI از چند روز قبل از وقوع چرخندها نیز نشان دهنده ارتباط قوی بین توزیع مکانی مقادیر شاخص با رخداد چرخندهای مورد مطالعه بود. بدین ترتیب تمام پارامترهای جوّی بزرگ مقیاس، مطلوب ترین شرایط چرخندزایی را در نواحی تحت تأثیرتوفان ها فراهم کرده بودندو در عرض های شمالی دریای عرب و مخصوصاً دریای عمان پارامترهای یاد شده وضعیت مناسبی را نشان ندادند.از طرفی تحلیل نقشه های ناهنجاری حاکی از این بود،مؤلفه های دمای سطح دریاو رطوبت نسبی در محدوده تحت تأثیر چرخندها نسبت به میانگین بلند مدت افزایش و فشار سطح دریا و برش عمودی باد کاهش یافته اندکه این مسئله بیانگر تشدید وضعیت های چرخندزایی در این نواحی است.

آب و هوا از مهم ترین عوامل مؤثر بر تعیین زمان مناسب گردشگری است. جمعیّت قابل توجه، موقعیت مناسب شهر اصفهان در ایران مرکزی و برخورداری از جاذبه های فراوان آن را به عنوان قطب گردشگری ایران مطرح کرده است. در این پژوهش برای تعیین زمان مناسب گردشگری در شهر اصفهان از شاخص های زیست اقلیمی به کار رفته در مدل ریمن و همچنین داده های اقلیمی دمای هوا، رطوبت نسبی، میزان ابرناکی آسمان و سرعت باد استفاده شده است. پارامترهای مورد نیاز از سازمان هواشناسی کشور در بازه ی زمانی (2008 تا 1995) استخراج و مورد بررسی قرار گرفتند. با در نظر گرفتن میانگین درازمدت داده های فوق مقادیر شاخص های PET, SET و PMV با استفاده از قابلیت های نرم افزار ریمن محاسبه و مقایسه گردید. بررسی ها که در قالب تقویم زمانی ارائه شده نشان می دهد که با توجه به نتایج دو شاخص PMV و PET روزهای 1 تا 17 فروردین و 20 مهر تا 6 آبان بهترین بازه ی زمانی برای حضور گردشگران در اصفهان است. اما براساس خروجی های شاخص SET هر چند که دوره ی آسایش اقلیمی منطبق بر همین ماه هاست، ولی تنش های گرمایی طولانی مدت بر منطقه حاکم است که نمی تواند با واقعیت اقلیمی سازگار باشد. در نهایت مقایسه ی نتایج به دست آمده از هر سه شاخص نشان داد که شاخص های PMV و PET شناخت بهتری از زیست اقلیم منطقه ی مورد مطالعه ارائه می دهند