این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های اقلیم شناسی، جلد ۱۴۰۳، شماره ۵۹، صفحات ۴۷-۶۰
عنوان فارسی پیشنگری تغییرات نمایه های حدی اقلیمی در استان خراسان رضوی (مطالعه موردی: تربت حیدریه و کاشمر)
چکیده فارسی مقاله تغییرات اقلیمی به عنوان یکی از چالش‌های بزرگ قرن بیست و یکم، تأثیرات گسترده‌ای بر الگوهای آب و هوایی جهانی و منطقه-ای دارد. استان خراسان رضوی، به عنوان یکی از مناطق حساس به تغییرات اقلیمی در ایران، با تغییرات قابل توجهی در نمایه‌های حدی بارش و دما مواجه است. در این مطالعه پنج مدل MIROC6، BCC-CSM2-MR، IPSL-CM6A-LR، ACCESS-ESM1-5 و CanESM5 از آخرین نسخه موجود مدل‌های فاز ششم CMIP6) ) تحت دو سناریوی (SSP) SSP2.4.5 و SSP5.8.5 برای دوره 2100-2026 جهت شناسایی رویدادهای حدی در دو ایستگاه کاشمر و تربت حیدریه استفاده شد. ابتدا دادههای پنج مدل با استفاده از نرم افزار CMhyd و با روش تغییر عامل دلتا (DCF) ریزمقیاس شدند. در نهایت روند داده‌ها با استفاده از آزمون من-کندال بررسی شد. صحت سنجی مدل‌های مورد بررسی با دو روش ضریب تبیین (R2) و ریشه میانگین مربعات خطا (RMSE) نشان داد مدلACCESS-ESM1-5 دقت بیشتری نسبت به سایر مدلهای مورد بررسی در این تحقیق داشته است. تغییرات زمانی شاخصهای حدی دما و بارش از سال 2026 تا 2100 به طور مداوم شرایط خشک‌تری را نشان داده و رویدادهای حدی بارش مکرر و شدیدتر خواهد شد. نمایههای حدی دما نشاندهنده افزایش شدید دما در هر دو سناریوی SSP2.4.5 و SSP5.8.5 در آینده است. سناریوی SSP5.8.5 نشاندهنده تنش آبی شدیدتری نسبت به سناریوی SSP2.4.5 است. رویدادهای حدی بارش نشان‌دهنده افزایش باران‌های شدید و بسیار شدید و همچنین افزایش سهم بارشهای حدی از کل بارش سالانه است.طی دوره آتی در دو ایستگاه کاشمر و تربت حیدریه انتظار می‌رود دماهای حدی مانند کمترین، گرمترین و میانگین حداکثر دمای روزانه در تمام دوره‌های آینده نزدیک (2050-2026)، آینده میانی (2077-2051) و آینده دور (2100-2076) و سناریوها افزایش یابد که نشان دهنده شرایط گرمتر تا پایان قرن است. این شرایط لزوم بکارگیری برنامههای سازگاری با تغییر اقلیمی بهویژه در زمینه آب و کشاورزی را ضروری میسازد.
کلیدواژه‌های فارسی مقاله نمایههای حدی دما و بارش،تغییر اقلیم،کاشمر،تربت حیدریه،مدل CMhyd،
عنوان انگلیسی Projecting the changes of extreme climate indices in Razavi Khorasan province (Case study: Torbat Heydarieh and Kashmar)
چکیده انگلیسی مقاله Reports by the Intergovernmental Panel on Climate Change (IPCC) have emphasized the increasing frequency and intensity of weather and extreme climate events under climate change. To have an outlook on future projections of climate extremes, the outputs derived from the ACCESS-CM2 model contributing to the sixth Assessment Report of the IPCC, AR6, under SSP4.5 and SSP585 scenarios have been downscaled using CMhyd during the period of 2026-2100 for Torbat Heydarieh and Kashmar stations.

1. Materials and Methods

For this study, daily observations of precipitation, minimum temperature and maximum temperature during 1989-2019 by two synoptic stations, including Torbat Heydarieh and Kashmar were used. The historical and future CMIP6 outputs have been downloaded from the Copernicus Climate Data Store (CDS). First, the precipitation and temperature time series of two stations were qualified. RHtests-dlyPrcp and RHtestsV4 packages in the R software environment were then used to test the homogeneity of the precipitation and temperature daily time series.

The general circulation models (GCMs) are the most important tool for projecting future climate change, which can reproduce important processes in the global and continental scale atmosphere and project future climate under different scenarios. The simulations of temperature and precipitation using GCMs often show significant biases due to systematic model errors or discretization and spatial averaging within grid cells, which hampers the use of simulated climate data as direct input data for climate change studies. Bias correction procedures are used to minimize the discrepancy between observed and simulated climate variables on a daily time step so that the corrected simulated climate data match simulations using observed climate data reasonably well. Many bias correction methods, ranging from simple scaling techniques to the rather more sophisticated distribution mapping techniques, have been developed to correct biased GCM outputs.

There are two sets of data in the CMIP6 simulations:

2-1. Historical data: Historical data of CMIP6 covers the period from 1850-2014, which can be used as a reference period to compare and verify the performance of each GCM.

2-2. Scenarios data: SSP scenarios provide different pathways for future climate forcing. They typically cover the period from 2015-2100.

Downsacling

Climate Model data for hydrologic modeling (CMhyd) is software that has been used to extract and bias-correct output of the selected global climate models using the statistical method i.e. delta change (DC). RMSE, R2 and Pearson correlation coefficient were used to evaluate the accuracy of the results of each model.

Extreme precipitation and temperature indices

Extreme events refer to rare events which, in the statistical view, the probability of those events is so low. For example, it can be defined as values between percentiles (95 and 5) (90 and 10) or with values above a threshold or with the continuing special conditions (Rahim Zadeh et al. 2009). A set of standard measurements of the extreme climate indices based on daily precipitation, and daily minimum temperature and maximum temperature were provided by the Expert Team on Climate Change Detection and Indices (ETCCDI). In this study, the extremes are described by twenty indices of ETCCDI.

2. Results and Discussion

In this study, daily precipitation and temperature time series from two synoptic stations i.e. Torbat Heydarieh and Kashmar were first used as primary quality control. Then the homogeneity of this data was tested. The large-scale data of daily precipitation and (maximum and minimum) temperatures of five CMIP6 models have been scaled down to the level of the stations using the statistical method, DC, and have been corrected for bias. Root-mean-square error (RMSE) and R2 were calculated to determine the accuracy and performance of each model. The results indicated that the ACCESS-CM2 model gives better results. Temporal changes of extreme temperature and precipitation indices from 2026 to 2100 show consistently drier conditions. In addition, extreme precipitation events are becoming more frequent and intense. The extreme temperature indices showed extreme temperature warming in these areas of Razavi Khorasan province under two SSP scenarios in the future.

2. Conclusion

The findings presented in this study suggests that, for the future under two SSP scenarios, Kashmar and Torbat Hyeidarie will experience rising temperatures, prolonged wet and dry periods, increased frequency of precipitation events with heavy to very heavy precipitation patterns, increasing heat durations, and decreasing cold durations.

Key Words: Extreme precipitation and temperature indices, Climate Change, Kashmar, Torbat Heydarieh, Cmhyd.
کلیدواژه‌های انگلیسی مقاله نمایههای حدی دما و بارش,تغییر اقلیم,کاشمر,تربت حیدریه,مدل CMhyd
نویسندگان مقاله مهدیه زینل زاده |
دانشجوی دکتری، آب و هواشناسی، دانشگاه آزاد واحد نور، مازندران

غلامرضا جانبازقبادی |
دانشیار گروه جغرافیا، دانشگاه آزاد اسلامی واحد نور، مازندران

صدر الدین متولی |
دانشیار گروه جغرافیا، دانشگاه آزاد اسلامی واحد نور، مازندران

منصوره کوهی |
استادیار، پژوهشگاه هواشناسی و علوم جو، پژوهشکده اقلیم شناسی و تغییر اقلیم، مشهد، خراسان رضوی

نشانی اینترنتی https://clima.irimo.ir/article_206844_2009cfde78dc1402429dfa81bedf9cfd.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات