ریزمقیاس نمایی

گرمایش جهانی موجب تغییر در الگوهای بارش، دما و سایر متغیرهای اقلیمی شده است. این تغییرات ریسک وقوع تنش های حرارتی را نیز در نظام های کشت گیاهان زراعی تحت تاثیر قرار داده است. این پژوهش به منظور ارزیابی اثرات تغییر اقلیم بر تغییرات وقوع تنش سرما روی گیاه سیب زمینی در مناطق گرمسیری استان کرمان انجام شد. به همین منظور، در این پژوهش تغییرات وقوع تنش سرما در داده های دیدبانی سه ایستگاه جیرفت، کهنوج و منوجان طی دوره 2005-1981 و دوره آینده 2100-2011 بررسی شد. داده های دوره آینده، با استفاده از برونداد مدل گردش کلی CanESM2، تحت سناریوهای RCP2.6، RCP4.5 و RCP8.5، با به کارگیری نرم افزار SDSM ریزمقیاس و تولید شدند. شاخص های اقلیمی مورد استفاده برای ارزیابی تغییرات وقوع تنش سرما در سیب زمینی از طریق آستانه های بردباری سیب زمینی و بر اساس میانگین آمار بلند مدت اقلیمی تعیین، و احتمال وقوع آن در طول دوره رشد ارزیابی گردید. در ایستگاه جیرفت، احتمال وقوع دماهای زودرس و دیررس زیر 5 درجه به ترتیب تا 83 درصد و 63 کاهش یافته است. در ایستگاه کهنوج و منوجان احتمال وقوع دماهای زودرس و دیررس زیر 5 درجه در دوره ی آینده به ترتیب، کاهش و افزایش یافت. تاریخ شروع و پایان وقوع تنش سرما به ترتیب به ابتدای و انتهای فصل سرد سال جابه جا شده است. نتایج آماری حاکی از افزایش روزهای با تنش سرمازدگی (5≤T≤0)، در ایستگاه جیرفت در دوره های 2040-2011 و ایستگاه منوجان در دوره 2100-2071 است. اما تنش سرمازدگی در ایستگاه کهنوج کاهش می یابد. این در حالی است که روزهای با تنش یخ زدگی در ایستگاه های جیرفت، کهنوج و منوجان در دوره اقلیمی آینده افزایش یافته است. نتایج نشان می دهند به طور متوسط تاریخ وقوع سرماهای زودرس 10 روز زودتر و سرماهای دیررس 14 روز دیرتر از میانگین بلند مدت اقلیمی در منطقه مورد مطالعه رخ می دهند.

به دلیل تفکیک فضایی کم و ساده سازی های م دل های گردش عمومی جو در مقایسه با مدل های منطقه ای و کوتاه مدت، خروجی این مدل ها نمی تواند تقریب درستی از شرایط آب و هوایی منطقه مورد مطالعه ارائه دهد. ب ا توجه ب ه وقت گیر بودن و ع دم صرفه اقتصادی استفاده از مدل های دینامیکی، توجه عمومی به استفاده از روش های ریزمقیاس نمایی آماری افزایش یافته است. یکی از روش های مفید و معمولی در روش ریزمقیاس نمایی آماری، روش SDSM می باشد. به این منظور، ابتدا پارامترهای جوی در منطقه طی 32 سال گذشته (2015-1984) با آزمون من- کندال بررسی شد. نتایج نشان داد سری زمانی داده های بارش و دما دارای روند معنی داری است. سپس با ریزمقیاس سازی آماری داده ها به کمک نرم افزار SDSM، پارامترهای روزانه دمای حداکثر، حداقل، متوسط و بارندگی حوضه آبریز هراز در استان مازندران، تحت سناریوهای RCP2.6 (خوش بینانه) و RCP8.5 (بدبینانه) و مدل اقلیمی CanESM2 از سری مدل های جدید CMIP5 در سه دوره بیست ساله آتی از سال 2020 تا 2079 شبیه سازی شد. در نهایت تحت سناریوی بحرانی تر RCP8.5 تا انتهای دوره پیش بینی مشخص شد که دم ای حداکثر، حداقل و متوسط حوضه به ترتیب 91/0، 13/1 و 96/0 درجه سانتی گراد نسبت به دوره پایه افزایش و بارش 1/15 درصد (4/7 میلی متر) کاهش خواهد یافت.

تغییرات اقلیمی، گرمایش جهانی و خشکسالی های اخیر طی سال های گذشته از جمله مهم ترین نگرانی های بشر در امور مدیریت و برنامه ریزی مبتنی بر دانسته های اقلیمی به حساب می آید. یکی از روش های بررسی تغییرات اقلیمی، استفاده از مدل های اقلیمی و ریزمقیاس نمایی است که امروزه این امر با استفاده از مدل های هوشمند و تجربی نظیر شبکه های عصبی مصنوعی از ارزش زیادی برخوردار است. هدف از این پژوهش، ریزمقیاس نمایی و شبیه سازی دمای بیشینه ایستگاه سینوپتیک قزوین با استفاده از روش شبکه عصبی مصنوعی و بهره گیری از نرم افزار MATLAB است. بدین منظور از داده های 26 عنصر جوّّّی برگرفته از مرکز ملی پیش بینی محیطی و مرکز ملی پژوهش های جوّّّی ( NCEP/NCAR ) و داده های دمای بیشینه ایستگاه سینوپتیک قزوین برای دوره آماری 2005-1961 و سناریوهای انتشار ( RCP ) خروجی مدل CanESM2   برای دوره آماری 2100-2006 استفاده گردید. در تحقیق حاضر از چهار روش پیش رونده، روش حذف پس رونده، نمایه کاهش درصدی و روش گام به گام به منظور پیش پردازش متغیرها و گزینش متغیرهای ورودی مدل استفاده شده است. سپس با بکارگیری آماره های ضریب همبستگی ( R ) و میانگین مربعات خطا ( MSE ) بهترین معماری شبکه طراحی گردید که طی آن با استفاده از روش پیش رونده، متغیرهای میانگین دما در ارتفاع نزدیک سطح زمین، میانگین فشار تراز دریا و ارتفاع تراز 500 و 850 هکتوپاسکال به عنوان متغیرهای پیش بینی کننده انتخاب شدند و در نهایت براساس آن، شبیه سازی انجام گرفت. پس از بررسی مقادیر شبیه سازی شده تحت سناریوهای RCP4.5 ، RCP2.6 و RCP8.5 مشخص شد که دمای ایستگاه سینوپتیک قزوین تا سال 2100 طی سناریوی RCP 2.6 نسبت به دوره پایه (2005-1961)، حدود 1.3 درجه سانتی گراد، طبق سناریوی RCP 4.5 به میزان 2.7 درجه سانتی گراد و مطابق سناریوی RCP 8.5 مقدار 4.1 درجه سانتی گراد افزایش خواهد داشت.

پیش بینی تغییرات اقلیمی به دلیل آثار مخرب بر منابع آبی، زیست محیطی، اقتصادی، و اجتماعی از اهمیتی ویژه برخوردار است. بنابراین، هدف از این تحقیق پیش بینی تغییرات اقلیمی شهرستان کرمانشاه با استفاده از مدل های ریزمقیاس گردش عمومی جوّ قابل دسترس در مدل LARS-WG6 (GFDL-CM3, MPI-ESM-MR, MIROC5) تحت سناریوهای RCP4.5 و RCP8.5 برای دوره 2020 تا 2100 با دوره پایه 1980 تا 2010 بود. برای ارزیابی داده های پیش بینی شده در مدل LARS-WG به بررسی میزان خطای داده های مشاهداتی و پیش بینی شده با استفاده از معیارهای R2, RMSE, MSE, MAD پرداخته شد. نتایج نشان داد مدل LARS-WG قابلیت لازم را برای پیش بینی داده های اقلیمی در آینده دارد و بین زیرمدل ها مدل MPI-ESM-MR تحت سناریوی RCP4.5 از ضریب اطمینان بالاتری نسبت به سایر زیرمدل های ارزیابی شده برخوردار است. همچنین، همه مدل ها بیانگر افزایش متوسط دمای حداقل و حداکثر و تغییر الگوی بارش در دوره های زمانی آینده در منطقه مورد مطالعه بودند. در ادامه شاخص های SPI و دو مارتن برای همه مدل ها محاسبه شدند. بر اساس شاخص SPI همه مدل های اقلیمی مورد ارزیابی نشان دادند تا سال 2100 سال های با شاخص نرمال کاهش یافته در مقابل شرایط خشک افزایش خواهند یافت و همچنین بر اساس شاخص دو مارتن مدل GFDL تحت سناریوی RCP8.5 میزان تغییرات اقلیم بیشتر از سایر مدل ها برآورد شد و سال های خشک و نیمه خشک بیشتر از سال های مرطوب خواهد بود. اما در مقابل مدل MIRO تحت سناریوی RCP45 خوشبینانه تر عمل کرد و میزان تغییر اقلیم کمتری صورت خواهد گرفت.

یکی از پیامدهای تغییر اقلیم وقوع رخدادهای حدی نظیر خشکسالی می باشد که شناسایی، پایش، ارزیابی و نیز اطلاع رسانی به موقع در زمینه وقوع این خشکسالی ها حائز اهمیت بسیار زیادی می باشد. به دلیل اهمیت استراتژیک استان لرستان از نظر تولید محصولات کشاورزی و باغداری مطالعه و شناخت پدیده خشکسالی از اهمیت زیادی برخوردار است. در این تحقیق به ارزیابی اثرات تغییر اقلیم بر وضعیت خشکسالی استان لرستان طی دو دهه آینده با استفاده از شاخص خشکسالی بارش استاندارد شده (SPI) پرداخته شده است. در ابتدا داده های روزانه خروجی 4 مدل گردش عمومی جو ( (HADCM – INCM - IPCM - NCCCSM تحت سناریوهای (B1, A2, A1B) توسط مدل آماری LARS-WG نسخه 5، ریز مقیاس شده و توانایی مدل WG LARS- در شبیه سازی اقلیم گذشته (2012-1991) 9 ایستگاه سینوپتیک استان مورد تأیید قرار گرفته سپس پارامترهای اقلیمی دمای کمینه، دمای بیشینه، بارش و ساعات آفتابی دوره 2030-2011 برای ایستگاه های مورد مطالعه با استفاده از مدل های مذکور شبیه سازی شده است. پیش بینی نهایی با توجه به وزن هر سناریو و هر مدل در پیش بینی عناصراقلیمی برای همه ایستگاه های همدیدی مورد مطالعه در این پژوهش صورت گرفته است. نتایج این پژوهش حاکی از آن است که به طور متوسط در همه ایستگاه ها در دهه اول و دوم دوره پیش بینی افزایش بارش خواهیم داشت. در مرحله بعدی با استفاده از داده های بارش وضعیت خشکسالی استان با استفاده از شاخص خشکسالی SPI در مقیاس سالانه مورد بررسی قرار گرفته است. نتایج نشان می دهد طی دو دهه آینده خشکسالی در اغلب ایستگاه ها کاهش می یابد و در حالت کلی تقریباً در همه ایستگاه های سینوپتیک استان لرستان طی سالهای آتی تا 2030 وضعیت ترسالی افزایش می یابد.

در بسیاری از کاربردهای سنجش ازدور در علوم زمین، تجزیه و تحلیل با صحت بالا تنها با استفاده از تصاویری با قدرت تفکیک مکانی و زمانی بالا امکانپذیر است. سنجنده ی مادیس برخلاف قدرت تفکیک زمانی بسیار بالا، قدرت تفکیک مکانی بسیار پایینی دارد. هدف ازین مطالعه، استفاده از الگوریتم های ریزمقیاس نمایی به منظور ریزمقیاس کردن تصاویر مادیس به تصاویر لندست 8 است. سپس تصاویر ریزمقیاس شده در برآورد تبخیر-تعرق واقعی با استفاده از الگوریتم سبال در منطقه کشت و صنعت امیرکبیر مورد مقایسه قرار گرفتند. در این مطالعه از الگوریتم هایSTARFM ، ESTARFM و Regression جهت ریزمقیاس نمایی باندهای بازتابندگی و از الگوریتم های SADFAT ، Regression و Cokriging جهت ریزمقیاس نمایی باندهای حرارتی استفاده شده است. سپس، تصاویر ریزمقیاس شده بازتابندگی و حرارتی به منظور استفاده در مدل سبال، پردازش گردیدند و تبخیر-تعرق واقعی محاسبه گردید. نتایج نشان داد که در میان روش های ریزمقیاس نمایی اعمال شده بر باندهای بازتابندگی، STARFM با مجذور میانگین مربعات خطای0.0180 دارای عملکرد بهتری نسبت به سایر روشها بود. در میان روش های اعمال شده بر باندهای حرارتی، الگوریتم SADFAT با مجذور میانگین مربعات خطای 0.0224 عملکرد بهتری را نسبت به سایر روشها از خود نشان داد. همچنین تبخیر-تعرق واقعی لحظه ای برآورد شده از خروجی روش های ریزمقیاس نمایی به ترتیب ESTARFM /Regression، ESTARFM/ SADFAT، STARFM/Regression و STARFM/ SADFAT با اختلاف کم و مجذور میانگین مربعات خطای 0.218 میلیمتر در ساعت بهترین عملکرد و روش Regression/Cokriging با میانگین مربعات خطای 0.388 میلیمتر در ساعت ضعیف ترین عملکرد را داشتند.

با توجه به تغییرات اقلیمی، پیش بینی بارش و برآورد نزولات جوی، یکی از مهم ترین پارامترهای اقلیمی در حوزه مدیریت منابع آبی، از اهمیت ویژه ای برخوردار است. بنابراین در این پژوهش، کاربرد مدل SDSM در برآورد بارش مورد بررسی قرار گرفت. در این پژوهش ایستگاه های سینوپتیک اهواز، آبادان و دزفول که دارای آمار اقلیمی 41 ساله (2001-1961) و 45 ساله (2005-1961) میلادی بودند، انتخاب گردید. بازه زمانی پیش بینی برای دوره آینده (سناریوهای اقلیمی) نیز 30 ساله و بین سال های 2060-2031 می باشد. خروجی های مدل HadCM3، تحت سناریوهای A2 و B2 و مدل CanECM2، تحت سناریوهای RCP26، RCP45 و RCP85، با به کارگیری مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامتر بارش، ریزمقیاس گردید، همچنین با استفاده از روش های آماری و ترسیمی، داده های ریزمقیاس شده و داده های پایه را مورد تجزیه و تحلیل قرار داده و سپس واسنجی گردیدند. مدل سازی دوره پایه در داده های CanESM2 نسبت به داده های HadCM3 با دقت بالاتری انجام شد. نتایج بیانگر آن بود که در سالیان آتی بارش مجموع در هر سه ایستگاه افزایش و میزان بیشینه بارش در هر سه ایستگاه کاهش خواهد یافت. باتوجه به نتایج مدل سازی ها به نظر می رسد اقلیم زمستانه مرطوب تر و تابستان های خشک تر در آینده نزدیک پیکره اقلیم خوزستان را تشکیل خواهد داد.

اقلیم یکی از مهمترین عوامل تعیین کننده در مکانیابی مراکز جمعیتی و شهرنشینی بوده و هر چه شرایط اقلیمی با آستانه های دمایی بدن انسان سازگاری بیشتری داشته باشد، آسایش اقلیمی و کیفیت زندگی انسان بهتر خواهد بود. برای کمی سازی آسایش اقلیمی نمایه های متعددی از جمله نمایه زیست اقلیمی بیکر طراحی شده اند. در این تحقیق ابتدا با به کارگیری داده های دیدبانی شده دما و تندی باد در ده ایستگاه استان خراسان رضوی شامل مشهد، سبزوار، تربت حیدریه، سرخس، قوچان، نیشابور، کاشمر، تربت جام، گناباد و گلمکان ( چناران ) نمایه مذکور برای دوره 2009-1970 محاسبه و تغییرات آن در دوره دیدبانی بررسی شد. سپس برای آگاهی از وضعیت زیست اقلیمی آینده استان در شرایط تغییر اقلیم، با به کارگیری برونداد سه مدل گردش عمومی جو CGCM3 ، GFDL2.1 و ECHO-G تحت سه سناریوی انتشار A2، A1B و B1 ، نمایه زیست اقلیمی بیکر برای دوره 2100-2011 شبیه سازی شد. فراسنج های دما و تندی باد که به عنوان ورودی های نمایه بیکر می باشند، به روش وایازی چند متغیره ریزمقیاس شدند. نتایج این تحقیق نشان می دهد علیرغم اینکه نمایه زیست اقلیمی بیکر در آینده به سمت مقادیر نا مساعد گرم تغییر خواهند کرد، اما این تغییرات به گونه ای نیستند که منجر به جابجایی طبقه بندی زیست اقلیمی ایستگاههای هواشناسی استان از شرایط مطلوب فعلی به وضعیت نامطلوب گرم شوند.

طبق مطالعات مرکز پیش بینی و تحقیقات هدلی در قرن 21 به دلیل گرمایش جهانی، خشک سالی فراگیر و شدید، زندگی میلیون ها نفر در کره ی زمین را تهدید خواهد نمود. ازآنجایی که خشک سالی، بخش های مختلف جامعه را تحت تأثیر قرار می دهد، لذا پایش و ارزیابی این پدیده در آینده به منظور برنامه ریزی صحیح، امری ضروری است. بدین منظور، ابتدا باید داده های اقلیمی برای دوره های آتی تولید شوند. در این مطالعه با استفاده از خروجی مدل های GCM و ریزمقیاس نمایی آن ها به کمک الگوی LARS-WG داده های بارش طی دوره ی 2050 – 2011 برای چهار ایستگاه در استان زنجان شبیه سازی شد. ازآنجایی که در مطالعات اقلیمی بحث عدم قطعیت وجود دارد، برای دست یابی به قطعیت بیش تر در نتایج باید از خروجی های مختلف مدل GCM همراه با سناریوهای انتشار متفاوت بهره برد. بر این اساس در تحقیق حاضر از چهار مدل اقیانوس جو(BCM2، HADCM3، HADGEM- A1 و IPCM4) و سناریو مختلف هر مدل استفاده شد و برای تعیین بهترین مدل از رابطه ی عکس قدر مطلق خطای هر مدل استفاده گردید و درنهایت مدل هایی که دارای بیش ترین ضریب وزنی بودند، به عنوان بهترین مدل برای مطالعه ی دوره ی آتی و فرآیند ریزمقیاس نمایی و تولید داده های آب و هوایی و درنهایت، مطالعه ی خشک سالی انتخاب شدند. نتایج به دست آمده بیانگر این مطلب است که پارامتر اقلیمی بارش طی 40 سال آینده نسبت به دوره ی پایه رو به کاهش است؛ به طوری که کم ترین مقدار کاهش برای ایستگاه زنجان با 2 میلی متر و بیش ترین مقدار کاهش برای ایستگاه خدابنده و ماه نشان با 24 میلی متر پیش بینی شده است. برای بررسی و ارزیابی وضعیت خشک سالی استان طی این دوره ، از شاخص های خشک-سالی SPI و PN استفاده گردید. نتایج نشان می دهند که این دو شاخص هم خوانی خوبی باهم دارند و طی چهار دهه ی آینده، حداقل یک دهه  شاهد خشک سالی خواهیم بود.

توسعه ی پایدار کشاورزی با چالش های زیادی ازجمله تغییر اقلیم روبه رو بوده که این تغییرات باعث تغییر در الگوی پارامترهای هواشناسی و نیز تغییر نیاز آبی گیاهان می شود. در این پژوهش، با توجه به اینکه حوضه ی دریاچه ی ارومیه نقش مهمی در تولید گندم به عنوان یکی از محصولات استراتژیک ایران دارد، امکان تأمین نیاز آبی این گیاه به وسیله ی آب سبز، میزان خشک سالی و تغییرات تبخیر-تعرق مرجع در شرایط تغییر اقلیم آینده برای این حوضه بررسی شد. با استفاده از مدل SDSM و داده های هواشناسی دوره ی پایه (2015- 1967) ایستگاه های ارومیه و تبریز، داده های هواشناسی دوره ی آتی (2100-2016) تحت سناریوهای RCP2.6 و RCP8.5 تولید شد. به منظور بررسی مقدار تبخیر-تعرق مرجع و همچنین شدت خشک سالی، به ترتیب از معادله ی فائو-پنمن-مانتیث و شاخص خشک سالی SPI استفاده شد. یافته های پژوهش ضمن تأیید کارایی مناسب مدل SDSM در برآورد بارندگی و تبخیر-تعرق منطقه ی موردمطالعه، نشان از احتمال افزایش 63 و 3 درصدی متوسط بارندگی سالانه دوره های آتی به ترتیب برای دو ایستگاه تبریز و ارومیه و نیز احتمال کاهش شدت خشک سالی نسبت به دوره ی پایه دارد. در شرایط تغییر اقلیم، امکان کاهش 3 و 5/1 درصدی متوسط تبخیر-تعرق سالانه به ترتیب برای دو ایستگاه تبریز و ارومیه نسبت به دوره ی پایه وجود دارد. همچنین میزان آب سبز با احتمال افزایش همراه خواهد بود. بااین وجود، افزایش آب سبز قادر به تأمین کل نیاز آبی گندم در منطقه ی موردمطالعه نخواهد بود.

بررسی و شناخت تغییرات اقلیمی رخ داده در نواحی مختلف می تواند شناختی از تغییرات اقلیمی محتمل در آین ده را به دست دهد. یکی از راه های شناخت تغییرات احتمالی عناصر اقلیمی در آینده استفاده از مدل های اقلیمی موجود و ریز مقیاس نمایی آنهاست. در این پژوهش بارش و رواناب حوضه ی آبریز رود زرد، ریزمقیاس نمایی و برای دوره ی 2100-2006 شبیه سازی گردید. برای این منظور از سناریوهای RCP خروجی مدل CanESM2 استفاده شد. دوره ی پایه ی مورد استفاده برای این کار 2005-1976 می باشد. برای ریزمقیاس نمایی بارش و رواناب حوضه ی آبریز رود زرد از داده های بارش روزانه ایستگاه باغملک و رواناب ایستگاه ماشین و روش شبکه ی عصبی مصنوعی بهره گرفته شد. با استفاده از روش حذف پس رونده، متغیرهای میانگین فشار سطح دریا، ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال و میانگین دما در ارتفاع نزدیک سطح زمین به عنوان متغیرهای پیش بینی کننده انتخاب شد. راستی آزمایی الگو با نمایه های  و  انجام پذیرفت. در نهایت، معماری شبکه با الگوریتم قانون پسرو بیزی و با سه لایه ی پنهان به عنوان شبکه ی بهینه انتخاب شد. نتایج نشان دهنده ی روند کاهشی بارش سالانه برآورد شده در 95 سال آی نده بر اساس هر سه سناریو می باشد. همچنین افزایش بارش در ماه های فصل گرم و کاهش بارش در ماه های فصل سرد مورد انتظار است. به عبارت دیگر می توان افزایش بارش های محلی (احتمالاً همرفتی) ناشی از افزایش دما در دوره های آینده را محتمل دانست. رواناب حاصل از بارش نیز در ماه های سرد، کاهش و در ماه های گرم با صرف نظر از تأثیر دما و پوشش گیاهی، افزایش را تجربه خواهد کرد.

سرما و یخبندان، یکی از مخاطرات اقلیمی است که همه ساله باعث ایجاد خسارت در فعالیت های مختلف می گردد. از سوی دیگر تغییر اقلیم سبب تغییرات مکانی و زمانی یخبندان می شود. هدف این پژوهش تحلیل تغییرات زمانی - مکانی و پیش بینی آینده یخبندان های استان همدان است. جهت پیش نگری دمای حداقل روزانه استان از مدل CanESM2 استفاده شد و ریزمقیاس نمایی داده های مدل های گردش کلی با استفاده از مدل LARS-WG صورت گرفت. شبیه سازی پارامترهای فوق برای دوره 30 ساله (2050-2021) و تحت سه سناریوی RCP2.6، RCP4.5 و RCP8.5برای ایستگاه های منتخب انجام شد. نتایج حاصل از بررسی ماهانه دمای کمینه در ایستگاه های مطالعاتی استان نشان داد که دمای کمینه در دوره (2050-2021) در همه ایستگاه های مورد بررسی بر طبق هر سه سناریو و در همه ماه های سال نسبت به دوره پایه افزایش خواهد داشت. متوسط دمای کمینه استان برابر با 2/5 درجه سلسیوس است که این مقدار در دهه های آتی بر اساس سناریوهای RCP2.6، RCP4.5 و RCP8.5 به ترتیب به 6، 2/6 و 3/6 درجه سلسیوس خواهد رسید که بیشترین تغییرات مربوط به ایستگاه نوژه و کمترین آن مربوط به همدان است. توزیع فضایی آغاز و پایان یخبندان در دوره آینده بیانگر آن است که یخبندان در نواحی شمال شرقی و شمالی استان زودتر از سایر مناطق استان شروع و دیرتر خاتمه می یابد در حالی که در نواحی جنوبی استان دیرتر شروع و زودتر به پایان می رسد. نتایج حاصل از بررسی تغییرات آغاز یخبندان در دهه آینده نسبت به دوره پایه نشان داد که در همه ایستگاه های مورد مطالعه آغاز یخبندان بین 3 تا 11 روز کاهش خواهد یافت.