پیش نگری تغییرات حداکثر دما در دوره آینده میانی سیستان و بلوچستان تحت سناریوهای SSP(مقاله علمی وزارت علوم)
منبع:
مطالعات جغرافیایی مناطق خشک دوره ۱۶ بهار ۱۴۰۴ شماره ۵۹
105 - 124
حوزههای تخصصی:
هدف: تغییرات اقلیمی به عنوان یک مسئله جهانی عمدتاً ناشی از فعالیت های انسانی است. این تحقیق به پیش نگری تغییرات میانگین حداکثر دما در شش ایستگاه هواشناسی استان سیستان و بلوچستان شامل ایرانشهر، چابهار، زاهدان، زابل، سراوان و کنارک پرداخته است. پیش نگری با استفاده از مدل های CMIP6 در دوره های پایه (1987-2014) و آینده میانی (2076-2051) انجام شده است. روش و داده ها: داده های هواشناسی از شش ایستگاه جمع آوری و مدل های CMIP6 در سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 برای پیش بینی تغییرات دما به کار گرفته شدند. برای کوچک مقیاس سازی داده های مدل، روش آماری SDSM و برای ارزیابی عملکرد مدل ها، شاخص های MAD، MAPE و RMSE استفاده شدند. همچنین، روند تغییرات میانگین دمای حداکثر با استفاده از روش تحلیل آزمون من-کندال مورد بررسی قرار گرفت. نقشه های مکانی تغییرات دما با روش درون یابی IDW در محیط GIS تهیه شده و آزمون t جفت نمونه ای برای بررسی تفاوت های معنی دار بین داده های دوره های پایه و آینده میانی استفاده شد. یافته ها: مدل CanESM5 بهترین عملکرد را در پیش بینی تغییرات دما داشت. بیشترین افزایش دما در ماه ژوئیه و تحت سناریو SSP5-8.5 در ایستگاه ایرانشهر با 31/2 درجه سلسیوس و کمترین افزایش در ایستگاه زاهدان تحت سناریو SSP1-2.6 با 63/0 درجه سلسیوس پیش نگری شد. در مقیاس سالانه، ایستگاه ایرانشهر در سناریو SSP5-8.5 بیشترین افزایش دما را داشت. از نظر فصلی، بیشترین افزایش دما در فصل تابستان در ایرانشهر و کمترین افزایش در فصل زمستان در زاهدان رخ خواهد داد. نتیجه گیری: نتایج این پژوهش نشان داد که افزایش میانگین دمای حداکثر در تمامی ایستگاه های مطالعه شده پیش بینی شده است، با بیشترین افزایش در تابستان در ایرانشهر و کمترین در زمستان در زاهدان. عوامل جغرافیایی و اقلیمی تأثیر قابل توجهی بر الگوهای دمایی دارند. پایش مستمر، تدوین برنامه های مدیریتی و ارتقاء زیرساخت ها برای کاهش اثرات تغییرات اقلیمی ضروری است. نوآوری ها: این مطالعه با بهره گیری از مدل های پیشرفته CMIP6 به پیش بینی تغییرات میانگین دمای حداکثر در استان سیستان و بلوچستان پرداخته و نقشه های مکانی این تغییرات را با روش درون یابی IDW در محیط GIS ارائه کرده است. همچنین، با تحلیل دقیق رابطه میان تغییرات دما و شرایط محلی جغرافیایی و اقلیمی، داده های ارزشمندی برای برنامه ریزی مدیریت منابع و سازگاری با تغییرات اقلیمی فراهم می آورد.