مطالب مرتبط با کلیدواژه

سناریوهای SSP


۱.

پیش نمایی تغییرات بارش های آتی حوضه های آبخیز تأمین کننده آب شهر تهران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: آزمون های روند بارش تصحیح اریبی تغییر اقلیم سناریوهای SSP CMIP6

حوزه‌های تخصصی:
تعداد بازدید : ۳۹۴ تعداد دانلود : ۳۳۴
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.
۲.

بررسی اثرات تغییر اقلیم بر خشک سالی های استان خراسان رضوی با استفاده از شاخص SPEI(مقاله علمی وزارت علوم)

کلیدواژه‌ها: سناریوهای SSP نرم افزار CMHyd روش DCF شاخص SPEI مدل های CMIP6

حوزه‌های تخصصی:
تعداد بازدید : ۱۸۱ تعداد دانلود : ۱۱۸
این مطالعه تغییرات مکانی-زمانی وقوع خشک سالی را در استان خراسان رضوی توسط شاخص استانداردشده بارش–تبخیر و تعرق (SPEI) ارزیابی کرده است. برای این منظور ابتدا مدل های IPSAL-CM6، MRI-ESM2-0، GFDL-ESM4 و MIROC6 از سری مدل های فاز ششم (CMIP6) در مقیاس سالانه مورد بررسی قرار گرفت. نتایج نشان داد که GFDL-ESM4 از بین مدل های مورد بررسی دارای همبستگی بالاتری با دما و بارش داده های ایستگاهی است. پس از انتخاب مدل GFDL-ESM4 با استفاده از نرم افزار CMHyd ریزمقیاس نمایی انجام شده است و از نتایج این مدل برای محاسبه خشک سالی استفاده شد. در این تحقیق برای ریزمقیاس نمایی از روش تغییر عامل دلتا (DCF) برای بارش و دما استفاده شد. همچنین برای پیش نگری خشک سالی از سناریوی حد واسط (SSP2-4.5) استفاده شد. شدت و فراوانی خشک سالی هواشناسی در دوره تاریخی 1990 تا 2014 و دوره آینده 2026 تا 2050 مورد بررسی قرار گرفت. نتایج نشان داد که خشک سالی در استان خراسان رضوی دارای تغییرات زیادی است؛ به طوری که بیشینه فراوانی سالانه خشک سالی در دوره تاریخی 25 درصد است و این مقدار تحت سناریوی SSP2-4.5 به 31 درصد می رسد. فراوانی و شدت خشک سالی در آینده به ویژه در طول فصول بهار و تابستان به طور قابل توجهی افزایش می یابد. از نظر جغرافیایی شدت خشک سالی در تمامی فصول در شمال و شرق استان بیشینه است.
۳.

ارزیابی دقت مدل های شبیه ساز اقلیمی CMIP6 در برآورد و پیش بینی بارش در ایستگاههای پر بارش استان گیلان(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تغییرات اقلیمی پیش بینی بارش اصلاح بایاس خطی CMIP6 سناریوهای SSP

حوزه‌های تخصصی:
تعداد بازدید : ۱۵ تعداد دانلود : ۱۳
پیش بینی تغییرات بارش در مناطق پربارش ایران، نظیر استان گیلان، برای مدیریت منابع آبی و کاهش مخاطرات طبیعی نظیر سیل بسیار حائز اهمیت است. هدف اصلی این مطالعه، ارزیابی عملکرد هفت مدل مختلف CMIP6 در پیش بینی تغییرات بارش در سه ایستگاه آستارا، بندر انزلی و رشت طی دوره زمانی 1987 تا 2014 (دوره پایه) و پیش بینی آن از سال 2024 تا سال 2050 است. در این پژوهش از روش اصلاح بایاس خطی برای بهبود دقت پیش بینی ها و از سه سناریویSSP1-2.6 ، SSP2-4.5 و SSP5-8.5 برای شبیه سازی تغییرات اقلیمی استفاده شده است. شاخص های آماری نظیر RMSE، PBIAS و R² برای ارزیابی دقت مدل ها به کار گرفته شده اند. علاوه بر این، تحلیل پایداری مدل به روش Sobol و شاخص حساسیت Monte Carlo برای بررسی پایداری و حساسیت مدل ها به تغییرات پارامتریک مورد استفاده قرار گرفتند. نتایج حاصل از اصلاح بایاس خطی نشان داد که مدل ACCESS-ESM1-5 با ضریب تعیین (R²) بالای 99/0، میانگین خطای مطلق (MAE) کمتر از 2 میلی متر و درصد اریبی (PBIAS) نزدیک به صفر، بهترین عملکرد را در هر سه ایستگاه آستارا، بندر انزلی و رشت دارد. این مدل توانست تغییرات ماهانه و فصلی بارش را با دقت بالاتری نسبت به سایر مدل ها شبیه سازی کند. پیش بینی بارش نشان داد که بر اساس سناریوی SSP5-8.5، از سال 2024 تا سال 2050، بارش در ماه های دسامبر و ژانویه در بندر انزلی و رشت به ترتیب به میزان 22% و 25% افزایش و در ماه های ژوئیه و اوت در هر سه ایستگاه مورد مطالعه بین 12% تا 20% کاهش خواهد یافت. در مجموع، استفاده از روش اصلاح بایاس خطی همراه با مدل ACCESS-ESM1-5 می تواند دقت پیش بینی تغییرات اقلیمی را در ایستگاه های پربارش مورد مطالعه و ایستگاه های مشابه آنها بهبود بخشد.
۴.

بررسی و تحلیل تغییرات بارش و دما استان خراسان جنوبی با استفاده از شبیه ساز اصلاح اریبی شده مدل های گزارش ششم تغییر اقلیم

کلیدواژه‌ها: شبیه سازی دما و بارش CMIP6 سناریوهای SSP تصحیح اریبی خراسان جنوبی

حوزه‌های تخصصی:
تعداد بازدید : ۱۶ تعداد دانلود : ۲۳
در این پژوهش اثرات تغییر اقلیم بر میزان توزیع بارش و دما در استان خراسان جنوبی بررسی شد. به این منظور خروجی 12 مدل اقلیمی جهانی گزارشش ششم IPCC برای دوره پایه (2100 - 1989) برای بارش و دما در مقایسه داده های مشاهداتی براساس شاخص ترکیبی کلینگ – گوپتا (KGE) وزن دهی شده و بر مبنای رتبه های حاصل مدل های CESM2 و HadGEM3-GC به ترتیب بیشترین توانایی را در شبیه سازی دما و بارش در تمامی ایستگاه های منتخب (بیرجند، قائن، فردوس، نهبندان و بشروریه) دارا هستند. در ادامه با استفاده از سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 و با کمک شبیه ساز اصلاح اریبی اقلیم آینده را مطالعه می کنیم. نتایج شبیه سازی مدل ها نشان داد که در شرایط اقلیمی آینده دما و بارش سالانه در هر سه سناریوی SSP دارای روند افزایشی خواهد بود؛ به طوری که دما از 07/0 تا 78/2 درجه سلسیوس و بارش به میزان 1 تا 81/8 درصد نسبت به دوره پایه افزایش خواهد یافت. همچنین نتایج شاخص ترکیبی کلینگ – گوپتا بیانگر این مطلب است که دقت مدل های مورد مطالعه در شبیه سازی دما خوب و در شبیه سازی بارش ضعیف، ارزیابی شده است.