تأثیر تغییراقلیم بر دما و بارش با در نظر گرفتن عدم قطعیت مدل ها و سناریوهای اقلیمی (مطالعه ی موردی: حوضه ی شهرچای ارومیه)

نویسندگان

1 استاد گروه آب و هواشناسی دانشگاه تبریز

2 استاد آب و هواشناسی دانشگاه تبریز

3 دانشجوی کارشناسی ارشد رشته آب‌وهواشناسی دانشگاه تبریز

4 رئیس کارگروه تحقیقات هواشناسی کاربردی استان آذربایجان شرقی

چکیده

دو پارامتر مهم در هیدرولوژی و منابع آب، دما و بارش هستند. تأثیر تغییر اقلیم بر روی این دو پارامتر موضوع بسیاری از مطالعات بوده است که مدل­های گردش عمومی جو یکی از بهترین روش­ها برای برآورد این تأثیرات به شمار می­روند. در مطالعات تغییر اقلیم لحاظ نکردن عدم قطعیت­های موجود در مراحل مختلف ارزیابی اثرات تغییراقلیم سبب کاهش قطعیت و اطمینان به خروجی­های نهایی سیستم خواهد شد. در این مطالعه به منظور بررسی و تحلیل اثرات تغییر اقلیم بر روی دما و بارش حوضه­ی شهرچای ارومیه و همچنین لحاظ کردن عدم قطعیت مربوط به مدل­های گردش عمومی جو و سناریوهای موجود ابتدا خروجی شش مدل گردش عمومی جو تحت سه سناریوی A2, A1B و B1 با مدل آماری LARS-WG ریزمقیاس شدند، سپس برای بررسی عدم قطعیت مدل­ها و سناریوها، از طریق مقایسه­ی خروجی مدل­ها در دوره­ی آتی با دوره­ی پایه به ­­صورت ماهانه توسط شاخص­های آماری ضریب تعیین (R2) و خطای جذر میانگین مربعات (RMSE)، بهترین مدل و سناریو برای تولید داده­های دما و بارش دوره 2030-2011 انتخاب شد. در نتیجه برای تولید بارش از مدل HADCM3، تحت سناریوی A1B و برای تولید دما نیز از مدل MPEH5­، تحت سناریوی A2 استفاده شد. نتایج این مطالعه نشان داد که بارش دوره­ی آتی 9 میلی­مترکاهش خواهد یافت و این در حالی است که دمای حداقل 05/1 و دمای حداکثر 87/0 درجه­ی سانتی­گراد افزایش خواهد یافت. نکته­ی قابل توجه بر هم خوردن توزیع زمانی بارش و افزایش دما است که احتمالاً تبعات منفی آن بیش از کاهش بارش خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

Impact of Climate Change on Precipitation and Temperature by Taking the Uncertainty of Models and Climate Scenarios (Case Study: Shahrchay Basin in Urmia)

نویسندگان [English]

  • Saeed Jahanbakhsh Asl 1
  • Alimohammad Khorshiddoust 2
  • Mohammad Hossein Alinejad 3
  • Farnaz Pourasghr 4
چکیده [English]

Saeed Jahanbakhsh Asl[1]*
Alimohammad Khorshidoust [2]
Mohammad Hossein Aalinejad[3]
Farnaz Pourasghar[4]
Abstract
Temperature and precipitation are two important parameters in hydrology and water resources. The impact of climate change on these two parameters has been the subject of many studies and studying atmospheric general circulation models is one of the best methods to estimate its effects. In the studies of climate change, lack of uncertainty in various stages of evaluation for the effect of climate change reduce certainty and confidence of the final outputs.  In this study for analyzing the effects of climate change on precipitation and temperature in Shahrchay basin and the effects of the uncertainty related to general circulation models, six atmospheric general circulation model and 3 scenarios, A1B, A2 and B1 were downscaled by using LARS-WG. For evaluating the uncertainty of the models and scenarios, the output of models in the future and based period were compared by monthly statistical indices, coefficient of determination (R2) and Root Mean Square Error (RMSE) and the best models and scenarios for producing temperature and precipitation data were selected for the period 2011-2030. As the results, the HADCM3 model under scenarios A1B was used for precipitation and the MPEH5 under scenarios A2 for temperature production. The results of this research showed that in the future period rainfall will be reduced about 9 millimeter, while the minimum and maximum temperature will increase 1.05 and 0.87 °C respectively. Disruptions of rainfall distribution and high temperature have significantly negative consequences than rainfall reduction.



[1]- Professor in Department of Meteorological, University of Tabriz, (Corresponding Autor), Email:s_jahan@tabrizu.ac.ir.


[2]- Professor in Department of Meteorological, University of Tabriz.


[3]- Meteorological Graduate Student of Tabriz Universit, Email:aalineghad63@yahoo.com.


[4]- Climatology Ph.D., Meteorology Directorate General of East Azerbaijan Province.

کلیدواژه‌ها [English]

  • Climate Change
  • Climate scenarios
  • Lars-WG
  • uncertainty
  • Shahrchay

مقدمه

بنا بر گزارش پنجم هیئت بین دول تغییرات آب ‌و هوایی[1] (IPCC, 2013)، این تغییرات که در سراسر جهان مشاهده می‌شوند، به احتمال خیلی زیاد ناشی از عوامل انسانی است. تغییر اقلیم[2] به سبب افزایش گاز­های گلخانه­ای در چند دهه­ی اخیر باعث بر هم خوردن تعادل آب­ و­ هوایی کره­ی زمین شده است. تأثیرات منفی این پدیده بر سیستم­های مختلف مانند منابع آب، کشاورزی، صنعت و... موجب نگرانی­هایی برای جوامع بشری شده ­است. دما و بارش دو متغیر مهم در تعیین آب و هوای

 

مقدمه

بنا بر گزارش پنجم هیئت بین دول تغییرات آب ‌و هوایی[1] (IPCC, 2013)، این تغییرات که در سراسر جهان مشاهده می‌شوند، به احتمال خیلی زیاد ناشی از عوامل انسانی است. تغییر اقلیم[2] به سبب افزایش گاز­های گلخانه­ای در چند دهه­ی اخیر باعث بر هم خوردن تعادل آب­ و­ هوایی کره­ی زمین شده است. تأثیرات منفی این پدیده بر سیستم­های مختلف مانند منابع آب، کشاورزی، صنعت و... موجب نگرانی­هایی برای جوامع بشری شده ­است. دما و بارش دو متغیر مهم در تعیین آب و هوای یک منطقه می­باشند و تغییرات این دو متغیر نیز در سیستم­های مختلف به طور مستقیم و غیر­مستقیم تأثیرگذار هستند. به همین دلیل مطالعات در زمینه­ی تغییر اقلیم عمدتاً روی این دو متغیر صورت گرفته است. چیو و همکاران[3] (1995) به بررسی تأثیر تغییر اقلیم بر روی رواناب و رطوبت خاک در 28 حوضه از کشور استرالیا پرداختند. سمنوف[4] و همکاران (1998) عملکرد دو مولد[5] معروف LARS-WG  وWGEN  را در 18 ایستگاه واقع در ایالات متحده آمریکا، اروپا و آسیا مورد مقایسه قرار داده و عنوان کردند که مولد LARS-WG  از عملکرد مناسب­تری برخوردار است. کریستنسن و همکاران[6] (2004) در مطالعه­ای بر روی حوضه­ی رودخانه­ی کلرادو اثر تغییر اقلیم را بر روی دما، بارش و رواناب رودخانه در دوره­ی پایه و سه دوره­ی آتی بررسی نمودند. نتایج برای دوره­ی پایه و سه دوره­ی آتی حاکی از کاهش بارش و رواناب و افزایش دما بود. مینویل و همکاران[7] (2008) با هدف بررسی عدم قطعیت در تأثیرات تغییر اقلیم در هیدرولوژی، بر روی حوضه­ای در کبک کانادا از 5 مدل گردش عمومی جو (GCM)[8] و دو سناریوی تغییر اقلیم استفاده کردند. آنها نشان دادند که همه­ی مدل­ها افزایش دما را برای کل حوضه در تمام طول سال پیش­بینی می­کنند و این در حالی بود که نتایج تغییرات بارش با هم اختلاف داشتند. با این وجود بیشتر نتایج کاهش بارش، کاهش در دبی اوج از یک طرف و ذوب زود هنگام برف از طرف دیگر بود. دارن و همکاران[9] (2013) اثرات تغییر اقلیم را بر حوضه­ی دریاچه­ی مونو در کالیفرنیا با استفاده از 16 مدل جهانی گردش عمومی جو (GCMS) و با استفاده از دو سناریوی B1 و A2 بررسی کردند، خروجیGCM ­­­ها افزایش قابل توجه دمای سالانه )به طور متوسط 4/1 تا 5/2 درجه سانتی­گراد( و کاهش یک تا سه درصدی بارش را تا پایان قرن پیش­بینی کردند. در پژوهش دیگری که توسط پاسکال و همکاران[10]  (2014) انجام شد، تأثیر تغییرات آب و هوا بر روی منابع آب در شمال شرقی منطقه­ی مدیترانه برای دوره (2100-2076) در سه حوضه با شرایط آب و هوایی متوسط تحت دو سناریوی A2  و B1 مورد بررسی قرار گرفت. نتایج نشان داد که بیشترین کاهش جریان به مقدار 34 درصد و کمترین آن به میزان 25 درصد پیش بینی شده است. مساح بوانی و مرید (1384) به بررسی اثرات تغییر اقلیم روی دما، بارندگی و رواناب در حوضه­ی رودخانه­ی زاینـده­رود اصفهان تـحت دو سناریوی اقلیمی و برای دو دوره­ی زمانی پرداختند. نتایج پژوهش آنها نشان از کاهش بارندگی به میزان 10 و 16 درصد و افزایش دما به میزان 4/6 و 3/2 درجه سانتی­گراد و همچنین کاهش رواناب تا 5/8 درصد برای اواسط و اواخر قرن داشت. آشفته و مساح بوانی (1386) اثرات تغییر اقلیم را با استفاده از مدل HADCM3 و سناریوی A2 بر رژیم سیلاب حوضه­ی آیدوغموش آذربایجان شرقی بررسی کرده و به این نتیجه رسیدند که تغییر اقلیم با افزایش دما و تغییر در مقدار بارندگی بر رژیم سیلاب این منطقه تأثیرگذار است. نامبردگان در پژوهش دیگری در سال 1388 مبحث عدم قطعیت مدل­های گردش عمومی جو در این حوضه را نیز بررسی کردند و به این نتیجه رسیدند که مدل HADCM3 بهترین برآورد را برای بارش و دما دارد. صمدی و همکاران (1386)، روش­های مختلف ریزمقیاس نمودن خروجی مدل­های گردش عمومی جو را بررسی کرده و نشان دادند که در ریزمقیاس­ نمایی آماری دمای حوضه بهتر پیش­بینی می­شود. ایشان همچنین نتیجه گرفتند که مدل HADCM3 نسبت به مدل­های دیگر برآورد بهتری از پارامترهای آب و هوایی منطقه ایران را ارائه می­دهد. بابائیان و همکاران (1388)، به ارزیابی تغییر اقلیم کشور با استفاده از ریز مقیاس­ نمایی داده­های مدل گردش عمومی جوECHO-G   در دوره­ی (2039-2010) پرداختند. نتایج پژوهش آنها که بر روی 43 ایستگاه سینوپتیک کشور انجام شد کاهش 9 درصدی بارش در کل کشور، افزایش آستانه­ی بارش­های سنگین و خیلی سنگین به ترتیب 13 و 39 درصد و افزایش میانگین سالانه 5/0 درجه­ای دما را پیش­بینی کرد. کمال و مساح بوانی (1390) در مطالعه­ای عدم قطعیت مدل­های گردش عمومی جو و مدل­های هیدرولوژی را در تخمین دما، بارش و رواناب حوضه­ی قره­سو بررسی کردند و به این نتیجه رسیدند که در نظر گرفتن عدم قطعیت موجب دقت نتایج مطالعه­ی آنها شده است. روشن و همکاران (1391) به منظور آزمایش و یافتن بهترین مدل گردش عمومی جو جهت انطباق با تغییرات دما و بارش در ایران از 20 مدلGCM  و سناریوی واحدی به نام P50 استفاده کردند. از جمله نتایج مهم پژوهش مذکور این است که، هیچ کدام از مدل­های گردش عمومی جو، به خوبی نمی­توانند تغییرات دما و بارش کشور را شبیه­سازی کند. آن­ها برای شبیه­سازی بارش ترکیبی از دو مدل GISS-EH و CNRM-CM3 را برای بارش و مدل  INMCM-30را برای شبیه­سازی دما پیشنهاد کردند. ثانی­خانی و همکاران (1392) در پژوهشی تأثیر تغییراقلیم را بر روی رواناب حوضه­ی آجی­چای در آذربایجان شرقی با استفاده از داده­های مدل­های گردش عمومی جو (GCMS) و ریزمقیاس نمایی آن توسط مدل LARS-WG پرداختند. نتایج پژوهش حاکی از کاهش قابل توجه مقدار رواناب رودخانه­ی آجی­چای در آینده بود.

هدف از این مطالعه تجزیه و تحلیل تأثیر تغییر اقلیم بر روی بارش و دمای حوضه­ی شهرچای در افق  2020(2030-2011) می­باشد، با توجه به اینکه در مطالعات تغییر اقلیم با رویکرد عدم قطعیت عمدتأ عدم قطعیت مدل­های گردش عمومی در نظر گرفته می­شود در این مطالعه برآنیم علاوه بر عدم قطعیت مربوط به مدل­های گردش عمومی جو؛ عدم قطعیت مربوط به سناریوهای موجود را نیز برای دوره­ی 2030-2011 در حوضه­ی شهرچای بررسی کنیم.

مواد و روش

منطقه­ی مورد مطالعه

رودخانه­ی شهرچای در استان آذربایجان غربی قرار دارد. این رود مهم­ترین منبع تأمین آب شهرستان ارومیه به­ شمار می­رود. سد شهرچای در 12 کیلومتری بالادست این شهر  و بر روی این رودخانه­ی احداث شده و نقش مهمی در تأمین آب مورد نیاز در بخش تأمین آب شهری، کشاورزی و صنعت منطقه ایفا می­کند. حوضه­ی این حوضه از شمال به حوضه­ی آبریز نازلوچای، از جنوب به حوضه­ی آبریز باراندوزچای، از غرب به کشور ترکیه و از شرق به دریاچه­ی ارومیه محصور می­گردد. مساحت تقریبی آن 711 کیلومتر مربع است، موقعیت جغرافیایی آن بین ­´35 °­44 تا ´28 °­45 طول شرقی و´­32 °­37 تا ´­62 °­37 عرض شمالی واقع شده است. ارتفاع منطقه از 1513 متر از سطح دریا در خروجی حوضه واقع در ایستگاه کشتیبان،  تا 3574 متر در مرز ایران و ترکیه، متغیر است و متوسط بارش سالانه حوضه 9/614 میلی­متر می­باشد. بخشی از آب رودخانه برای مصرف آب آشامیدنی شهرستان ارومیه توسط سد شهرچای تأمین و مابقی پس از آبیاری باغ­ها و زمین­های کشاورزی از داخل ارومیه می­گذرد و سپس در محلی به نام دماغه­ی حصار وارد دریاچه­ی ارومیه می­گردد. شکل (1) موقعیت حوضه­ی شهرچای را در میان حوضه­های آبریز کشور و حوضه­ی آبریز دریاچه­ی ارومیه نشان می­دهد.

اطلاعات مورد استفاده در این مطالعه از اداره­ی کل هواشناسی استان آذربایجان غربی (برای اخذ داده­های ایستگاه سینوپتیک ارومیه) و سازمان آب منطقه­ای استان مذکور (برای اخذ اطلاعات ایستگاه­های بارانسنجی) دریافت شد. این داده­ها شامل اطلاعات دما و بارش روزانه و ماهانه، ساعات آفتابی می­باشند. در جدول (1) مشخصات جغرافیایی ایستگاه­های مذکور ارائه شده ­است.

 

شکل (1) موقعیت جغرافیایی حوضه شهرچای در میان حوضه­های آبریز کشور در محل ایستگاه کشتیبا

جدول (1) مشخصات جغرافیایی ایستگاه­های مورد مطالعه

نام ایستگاه

نوع ایستگاه

طول جغرافیایی

عرض جغرافیایی

ارتفاع (متر)

دقیقه

درجه

دقیقه

درجه

ارومیه

سینوپتیک

40        37

03         45

1328

میرآباد

بارانسنجی

40        37

59           44

1572

بند

بارانسنجی

49        37

02         45

1410

مرکز پژوهشی

بارانسنجی

48        37

58         44

1395

             

 

مدل­های گردش عمومی جو

در نسخه 5.5 مدل LARS-WG تعداد 15 مدل گردش عمومی جو مورد استفاده در گزارش چهارم IPCC(AR4) وجود دارد (سمنوف و همکاران[11]، 2010: 2) و چون در این مطالعه از تأثیر منابع عدم قطعیت شده است لذا ابتدا از میان مدل­ها تعداد شش مورد انتخاب شد. دلیل این انتخاب، وجود سه سناریو در این مدل­ها است و این در حالی است که در بعضی از مدل­ها کمتر از سه سناریو موجود است. جدول (2) مشخصات این مدل­ها را نشان می­دهد.

جدول (2) مشخصات مدل­های به کار رفته در این مطالعه (سمنوف و همکاران، 2010: 3)

ردیف

نام مدل

کشور سازنده

تفکیک مکانی (درجه)

منبع

1

GFCM21

آمریکا

5/2*2

Wang et al. 2004.

2

HADCM3

انگلستان

75/3*5/2

Gordon et al. 2000.

3

INCM3

روسیه

5*4

Galin et al. 2003.

4

IPCM4

فرانسه

75/3*5/2

Hourdin et al. 2006.

5

MPEH5

آلمان

9/1*9/1

Roeckner et al.1996

6

NCCCS

آمریکا

4/1*4/1

Collins et al.2000.

مدل ریزمقیاس­نمایی LARS-WG

مدل ریزمقیاس نمایی LARS-WG توسط راسکو[12] و همکاران (1997) و سمنوف و بارو[13] (1998) ارائه گردید. LARS-WG یکی از مشهورترین مدل­های مولد داده­های تصادفی وضع هواست که برای تولید مقادیر بارش، تابش، دماهای بیشینه و کمینه­ی روزانه در یک ایستگاه تحت شرایط آب و هوای پایه و آینده بـکار می­رود (بابائیان و همکاران، 1388: 138). در این مدل از روش زنجیره مارکف برای مدل­سازی رخداد بارش استفاده می­شود. LARS-WG بـرای مدل­سازی متغیرهای هواشناسی، توزیع­های آماری پیچیده­ای را بـکار می­برد. مبنای این مدل برای طول دوره­های خشک و تر، بارش روزانه و سری­های تابش توزیع نیمه­تجربی می­باشد. در توزیع نیمه تجربی فاصله­ها به طور مساوی بین مقادیر بیشینه و کمینه­ی سری زمانی ماهانه تقسیم می­شوند:

رابطه­ی (1)   

در رابطه­ی (1)EMP  یک هیستوگرام با ده بازه­ی متمایز (با شـدت­های مختلف بارش) است. طوری که بازه­ها

به شرح زیر تعریف شد.

[]                       <

که در آن hi تعداد رخداد بارش در iامین فاصله را نشان می­دهد. فاصله­ها برای طول روزهای تر و خشک و بارش افزایشی هستند. در این مدل تابش به طور مستقل از درجه حرارت مدل می­شود و به جای آن می­توان از ساعات آفتابی نیز استفاده کرد (همان: 139). تولید داده­ها توسط مدل LARS-WG در سه مرحله­ی واسنجی کردن، ارزیابی و تولید داده­های هواشناسی انجام شد.

در این مدل ابتدا داده­های مدل گردش عمومی جو شامل بارش، دمای کمینه، دمای بیشینه و تابش به صورت روزانه استخراج گردید و برای هر شبکه­ مدل گردش عمومی جو یک سناریوی تولید داده تدوین شد. علاوه بر سناریوی تدوین شده برای هر شبکه­ی محاسباتی، برای اجرای مدل نیاز به فایل مشخصه رفتار آب و هوای گذشته ایستگاه­های واقع در داخل آن شبکه نیز وجود دارد. سپس این مدل با دریافت فایل محتوی رفتار آب و هوای گذشته ایستگاه و فایل سناریوی تولید داده، مقادیر روزانه­ی دمای کمینه، بیشینه، بارش و تابش را در آینده پیش­بینی نمود.

مکانیسم تولید داده در مدل LARS-WG به این صورت بود که ابتدا با استفاده از سناریوی تولید داده­ی ماهانه که در برگیرنده­ی رفتار آب و هوای پایه می­باشد، تمامی داده­های ماهانه را که در برگیرنده­ی رفتار آب و هوای پایه هستند مطابق رابطه­ی (2) پریشیده (مغشوش) می­کند:

رابطه­ی(2)    + (-

در رابطه (2) به ترتیب  ، ،  و    نشاندهنده­ی پارامتر هواشناسی پیش­بینی شده بر روی ایستگاه هواشناسی، پارامتر هواشناسی دیده­بانی شده در همان ایستگاه، پارامتر هواشناسی پیش­بینی شده بر روی شبکه­ی مدل در دوره­ی آینده و پارامتر هواشناسی مدل شده بر روی شبکه­ی مدل در دوره­ی گذشته می­باشند. سپس با حفظ میانگین، انحراف معیار آنها را مطابق رابطه­ی (3) تغییر می­دهد (بابائیان و کوان، 2004: 98).

رابطه­ی(3)           

در رابطه­ی (3)  انحراف معیار پارامتر هواشناسی تحت بررسی است.

 

انتخاب بهترین مدل GCM برای منطقه­ی مورد مطالعه

برای انتخاب بهترین مدل GCM از مدل­های ذکر شده، ابتدا داده­های دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی به صورت روزانه در دوره پایه (2014-1967) به مدل وارد شد و برای 6 مدل مذکور و تحت سه سناریوی A1B، A2 و B1  برای دوره 2030-2011 داده تولید شد. داده­های تولید شده در 50 سری تصادفی بوده و میانگین پارامترهای مورد نیاز (دمای حداقل، دمای حداکثر و بارندگی) به صورت ماهانه در دوره­ 2030-2011 استخراج شد. به منظور بررسی عملکرد مدل­ها و مقایسه نتایج، معیارهایی لازم است تا در تحقیق مورد استفاده قرار گیرند که در این مطالعه از خطای جذر میانگین مربعات ([14](RMSE و ضریب تعیین ( (R2استفاده شد. روابط زیر نحوه­ی محاسبه این معیارها را نشان ­دهند.

رابطه­ی  (4)             

 رابطه­ی  (5)        

 که در رابطه­ی 4و 5: Pi: داده­های دوره­ی مشاهداتی،  : میانگین داده­های دوره­ی مشاهداتی، Oi: داده­های تولید شده برای دوره­ی آتی، : میانگین داده­های تولید شده برای دوره­ی آتی، :n تعداد داده­ها و  : انحراف معیار داده­ها است.

بحث و نتایج

برای اطمینان از توانایی مدل در تولید داده در دوره­ی آتی باید داده­های محاسباتی توسط مدل و داده­های مشاهداتی در ایستگاه مورد مطالعه با هم مقایسه شوند. جدول (3) نتایج آزمون کای اسکور بر روی پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد، همانطور که از جدول مذکور می­توان فهمید، نتایج تمامی پارامترهای ذکر شده در سطح معنی­داری 90%  قابل اطمینان می­باشد و همین معیارها مبنایی برای تولید داده در دوره­ی آتی هستند. شکل (2) نتایج مقایسه­ی داده­های محاسباتی و مشاهداتی دمای حداقل، دمای حداکثر، بارش و تابش را در ایستگاه سینوپتیک ارومیه برای دوره­ی پایه نشان می­دهد. بر اساس این شکل توانمندی مدل LARS-WG در مدل­سازی دمای حداقل، دمای حداکثر و تابش در این ایستگاه کاملاً با داده­های دیدبانی شده مطابقت دارد. همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد، با این وجود بیشترین خطای مدل­سازی مربوط به بارش ماه مارس است.

جدول(3) نتایج آزمون کای اسکور برای توزیع احتمالاتی بارش، دمای حداقل و دمای حداکثر در مدل LARS-WG.

Rain (Daily)

T Max (Daily)

T min (Daily)

 

P-value

Ks

P-value

Ks

P-value

Ks

Month

1

072/0

9989/0

106/0

9998/0

106/0

Jan

1

025/0

9989/0

106/0

9991/0

105/0

Feb

1

041/0

9991/0

105/0

1

053/0

Mar

1

082/0

1

053/0

9991/0

105/0

Apr

1

039/0

1

053/0

9989/0

106/0

May

1

032/0

9989/0

106/0

9989/0

106/0

Jun

1

126/0

9989/0

106/0

9989/0

106/0

Jul

9885/0

103/0

9989/0

106/0

1

053/0

Aug

9993/0

059/0

9989/0

106/0

1

053/0

Sep

1

077/0

1

053/0

1

053/0

Oct

1

036/0

1

053/0

9989/0

106/0

Nov

1

064/0

9989/0

106/0

9989/0

106/0

Dec

ج

 

شکل(2) مقایسه­ی داده­های مشاهداتی (O) و محاسباتی (G) در ایستگاه سینوپتیک ارومیه در دوره­ی پایه

بررسی محدوده­ی عدم قطعیت مدل­های گردش عمومی جو

استفاده از چندین مدل گردش عمومی جو برای تأکید بر عدم قطعیت در پیش­بینی آب و هوا، به علت تفاوت­های ساختاری در مدل­های جهانی آب و هوا و همچنین عدم اطمینان در تغییرات شرایط اولیه مدل­ها می­باشد (سمنوف و همکاران، 2010: 1 ). برای بررسی محدوده­ی عدم قطعیت مدل­ها ابتدا خروجی مدل­ها در پارامترهای بارش، دمای حداقل و حداکثر به صورت میانگین ماهانه تولید شد. سپس اختلاف پارامترهای مذکور برای هر مدل با میانگین دوره­ی پایه محاسبه و تغییرات آنها به صورت نمودار جعبه­ای[15] ترسیم گردید. شکل­های 3 تا 5 محدوده­ی عدم قطعیت مدل­های گردش عمومی جو برای تغییرات پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد. در این نمودارها کمینه، چارک اول، میانگین، چارک سوم و بیشینه­ی تغییرات پارامترهای یاد شده ترسیم شده­اند. همانطور که از این نمودارها مشهود است، میزان تغییرات پارامترها به ویژه پارامتر بارش زیاد است. شکل (3) نشان می­دهد که تمامی مدل­ها بارش ماه­های ژانویه، مارس و آوریل را با کاهش پیش­بینی کرده­اند. بیشترین تغییرات مربوط به بارش ماه مه و کمترین آن مربوط به ماه اوت است. شکل 4 و 5  نشان می­دهد که تمامی مدل­ها دمای حداقل و حداکثر را با افزایش پیش­بینی کرد­ه­اند. میزان این افزایش در فصل تابستان برای هر دو پارامتر بیشتر از سایر زمان­هاست.

 

شکل (3) نمودار جعبه­ای تغییرات میانگین مجموع بارش ماهانه برای شش مدل مورد مطالعه

 

شکل (4) نمودار جعبه­ای تغییرات میانگین دمای حداقل ماهانه برای شش مدل مورد مطالعه

 

شکل (5) نمودار جعبه­ای تغییرات میانگین دمای حداکثر ماهانه برای شش مدل مورد مطالعه

انتخاب مناسب­ترین مدل AOGCM

با مقایسه داده­های مشاهداتی و تولید شده شامل میانگین ماهانه­ی بارش، دمای حداقل و حداکثر توسط شش مدل مذکور با شاخص­های ذکر شده، بهترین مدل و سناریو برای تولید داده­­ها در دوره­ی آتی مشخص شد. نتایج این مقایسه در جدول 4 تا 6 ارائه شده است. از این جداول می­توان نتیجه گرفت که از بین مدل­های موجود، مدلHADCM3  تحت سناریوی A1B، بـهترین نتیجه را برای بارش و تحت سناریوی A2 بـهترین نتیجه را برای دمای حداقل و نیز مدلMPEH5  تحت سناریوی B1، بهترین نتیجه را برای دمای حداکثر پیش­بینی کرده­اند. با مشخص شدن بهترین مدل، داده­های بارش، دمای حداقل و دمای حداکثر تولید شده در مدل­ها و سناریوهای منتخب به منظور بررسی وضعیت تغییر اقلیم دما و بارش در دوره­ی آتی تحلیل شدند.

جدول (4) نتایج مقایسه بارش مدل­های گردش عمومی جو با دوره­ی پایه

R

مدل

بارش  A1B

بارش A2

بارش B1

R2

RMSE

R2

RMSE

R2

RMSE

1

GFCM21

935/0

45/5

933/0

38/5

92/0

33/5

2

HADCM3

97/0

5/3

95/0

15/4

96/0

7/3

3

INCM3

956/0

79/3

892/0

05/6

98/0

7/3

4

IPCM4

944/0

79/4

97/0

6/3

96/0

55/3

5

MPEH5

876/0

2/7

946/0

36/4

954/0

4/4

6

NCCCS

93/0

93/4

949/0

4

895/0

74/5

 

 

جدول (5) نتایج مقایسه دمای حداقل مدل­های گردش عمومی جو با دوره­ی پایه

R

مدل

دمای حداقل A1B

دمای حداقل A2

دمای حداقل B1

R2

RMSE

R2

RMSE

R2

RMSE

1

GFCM21

9996/0

88/0

9956/0

82/0

9995/0

9/0

2

HADCM3

9986/0

91/0

9998/0

09/1

9996/0

7/0

3

INCM3

998/0

883/0

9969/0

05/1

9986/0

85/0

4

IPCM4

9995/0

12/1

9995/0

87/0

9995/0

1

5

MPEH5

9996/0

933/0

9998/0

815/0

9997/0

93/0

6

NCCCS

9994/0

26/1

9988/0

25/1

9999/0

24/1

جدول (6) نتایج مقایسه دمای حداکثر مدل­های گردش عمومی جو با دوره­ی پایه

R

مدل

دمای حداکثر A1B

دمای حداکثر A2

دمای حداکثر B1

R2

RMSE

R2

RMSE

R2

RMSE

1

GFCM21

9995/0

85/0

9994/0

82/0

9994/0

88/0

2

HADCM3

9994/0

83/0

9995/0

99/0

9995/0

99/0

3

INCM3

9979/0

56/1

9997/0

03/1

9996/0

1/1

4

IPCM4

9992/0

1/1

9996/0

84/0

9996/0

1/1

5

MPEH5

9995/0

85/0

9993/0

81/0

9994/0

92/0

6

NCCCS

9990/0

24/1

9949/0

23/1

9995/0

22/1

بررسی پارامتر بارندگی در دوره­ی آتی (2030-2011)

بارش دوره­ی 2030-2011 با مدل HADCM3 و با سناریو A1B تولید شد. شکل (6) مقایسه­ی میانگین مجموع بارش ماهانه در دوره­ی پایه و آتی را نشان مـی­دهد. همانطور که از شکل می­توان فهمید در اکثر ماه­ها بارندگی دوره­ی آتی نسبت به دوره­ی پایه کاهش خواهد یافت به این صورت که بیشترین کاهش مربوط به ماه­های آوریل و مه است که از لحاظ کشاورزی نیز زمان مهمی به­شمار می­رود، بارش ماه ژوئیه و سپتامبر و دسامبر با شیب کمی افزایشی است. با این حال بیشترین افزایش بارش مربوط به ماه اکتبر است. در حالت کلی بارش فصول زمستان و بهار با کاهش و بارش فصل پائیز با افزایش پیش­بینی شده است.

 

 

شکل (6) مقایسه میانگین بارش تجمعی ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

بررسی پارامتر دما در دوره­ی آتی (2030-2011)

دمای حداقل

با توجه به نتایج جدول (5) برای تولید داده­های دمای حداقل از مدل HADCM3 و سناریوی A2 استفاده شد. شکل (7) مقایسه­ی میانگین دمای حداقل ماهانه دوره­ی پایه را با دوره­ی آتی نشان می­دهد، همانطور که از شکل می­توان فهمید در تمامی ماه­ها این پارامتر با افزایش پیش­بینی شده است. بیشترین افزایش مربوط به ماه­های ژوئیه و اوت و کمترین آن مربوط به ماه دسامبر است. میزان افزایش این پارامتر از 32/0 تا 47/1 درجه سانتی­گراد در ماه­های مختلف متغیر است.

 

شکل (7) مقایسه میانگین دمای حداقل ماهانه­ی مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

دمای حداکثر

طبق نتایج جدول (7) برای تولید پارامتر میانگین دمای حداکثر از مدل MPEH5 تحت سناریوی B1 استفاده شد. شکل (8) مقایسه­ی میانگین حداکثر دمای ماهانه در طول دوره­ی پایه و دوره­ی آتی را نشان می­دهد. مطابق با این شکل به جز ماه ژانویه این پارامتر در تمامی ماه­ها با افزایش پیش­بینی شده است، بیشترین افزایش این پارامتر مربوط به ماه­های مه، ژوئیه و اوت می­باشد. میزان افزایش این پارامتر به جز ماه ژانویه بین 27/0 تا 98/1 درجه سانتی­گراد در ماه­های مختلف سال متغیر است.

 

شکل (8) مقایسه­ی میانگین دمای حداکثر ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

جدول (7) نتایج مقایسه سالانه بارش، دمای حداقل و دمای حداکثر در دوره­ی پایه و دوره­ی آتی تحت مدل­ها و سناریوهای منتخب را نشان می­دهد. همانطور که از جدول مذکور مشهود است بارش دوره­ی آتی حدود 4% کاهش خواهد یافت و این در حالی است که دمای حداقل 05/1 و دمای حداکثر 87/0 درجه سانتی­گراد افزایش خواهد یافت. نکته قابل توجه بر هم خوردن توزیع زمانی بارش و افزایش دما است که احتمالاً بیشتر از کاهش بارش تبعات منفی خواهد داشت.

جدول (7) مقایسه­ی پارامترهای بارش، دمای حداقل و حداکثر در دوره­ی پایه و آتی

میانگین سالانه دمای حداکثر (°C)

میانگین سالانه دمای حداقل (°C)

میانگین مجموع بارش سالانه (mm)

 

55/17

97/4

332

دوره پایه

43/18

02/6

321

دوره آتی

نتیجه­گیری

نتایج این مطالعه نشان داد که به علت دامنه­ی زیاد تغییرات خروجی مدل­ها و سناریوهای مختلف، در نظر نگرفتن عدم قطعیت مدل­ها و سناریوها می­تواند تأثیر زیادی در نتایج مطالعات داشته باشد. همچنین در این مطالعه مشخص شد که مدل ریزمقیاس نمایی LARS-WG توانایی زیادی در مدل­سازی داده­های بارش و دمای دوره­ی پایه در منطقه­ی مورد مطالعه را داشته است، به طوری که داده­های تابش، دمای حداقل و حداکثر کاملاً با داده­های دیدبانی شده مطابقت دارد و همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد. در بررسی عدم قطعیت ناشی از مدل­های گردش عمومی جو و سناریوهای موجود، بهترین مدل برای پیش­بینی بارش در منطقه­ی مورد مطالعه مدل HADCM3  تحت سناریوی A1B ، بهترین مدل برای برآورد دما مدل HADCM3 تحت سناریوی A2 و بهترین مدل برای برآورد دمای حداکثر مدل MPEH5 تحت سناریوی B1 می­باشد. نتایج این مطالعه با مطالعاتی که در این زمینه انجام شده (صمدی و همکاران، 1386 و آشفته و مساح بوانی، 1388) در مورد پارامترهای بارش و دمای حداقل انطباق داشته و در تحقیق آنها نیز مدل HADCM3 بهترین برآورد را برای پارامترهای مذکور به دست آورد  ولی نتایج حاصله در مورد دمای حداکثر با آن­ها تفاوت دارد به طوری که در تحقیق حاضر مدل MPEH5  بهترین برآورد را برای پارامتر دمای حداقل داشته است. یکی از دلایل این تفاوت را می­توان چنین عنوان کرد که هر مدل گردش عمومی برای یک منطقه­ی خاص بهترین برآورد را می­دهد. نتایج حاصل از این تحقیق نیز استفاده از مدل HADCM3 را به عنوان بهترین مدل برای برآورد بارش و دما در منطقه­ی مورد مطالعه که در مطالعات قبلی نیز عنوان شده بود مورد تأکید قرار داد. با این وجود و با توجه به عدم قطعیت­های موجود به نظر می­رسد برای به دست آوردن بهترین برآورد پارامترهای اقلیمی در دوره­ی آتی باید تا حد امکان تأثیر عدم قطعیت را بیشتر تأکید کرد و این مهم را می­توان با به آزمون گذاشتن مدل­های بیشتر در مکان و زمان­های دیگر دست یافت.

 

 



[1]- Intergovernmental Panel of Climate Change

[2]- Climate Change

3-Chiew et al., 

4- Semenov et al., 

5- Generator 

6- Chiristians et al., 

7- Minville et al., 

8- General Circulation Mode

9- Daren et al., 

10- Pascual et al., 

[11]- Semenov et al.,

[12]- Racsko                        

2- Semenov and Barrow

[14]- Root Mean Square Error

[15]- Boxplot

یک منطقه می­باشند و تغییرات این دو متغیر نیز در سیستم­های مختلف به طور مستقیم و غیر­مستقیم تأثیرگذار هستند. به همین دلیل مطالعات در زمینه­ی تغییر اقلیم عمدتاً روی این دو متغیر صورت گرفته است. چیو و همکاران[3] (1995) به بررسی تأثیر تغییر اقلیم بر روی رواناب و رطوبت خاک در 28 حوضه از کشور استرالیا پرداختند. سمنوف[4] و همکاران (1998) عملکرد دو مولد[5] معروف LARS-WG  وWGEN  را در 18 ایستگاه واقع در ایالات متحده آمریکا، اروپا و آسیا مورد مقایسه قرار داده و عنوان کردند که مولد LARS-WG  از عملکرد مناسب­تری برخوردار است. کریستنسن و همکاران[6] (2004) در مطالعه­ای بر روی حوضه­ی رودخانه­ی کلرادو اثر تغییر اقلیم را بر روی دما، بارش و رواناب رودخانه در دوره­ی پایه و سه دوره­ی آتی بررسی نمودند. نتایج برای دوره­ی پایه و سه دوره­ی آتی حاکی از کاهش بارش و رواناب و افزایش دما بود. مینویل و همکاران[7] (2008) با هدف بررسی عدم قطعیت در تأثیرات تغییر اقلیم در هیدرولوژی، بر روی حوضه­ای در کبک کانادا از 5 مدل گردش عمومی جو (GCM)[8] و دو سناریوی تغییر اقلیم استفاده کردند. آنها نشان دادند که همه­ی مدل­ها افزایش دما را برای کل حوضه در تمام طول سال پیش­بینی می­کنند و این در حالی بود که نتایج تغییرات بارش با هم اختلاف داشتند. با این وجود بیشتر نتایج کاهش بارش، کاهش در دبی اوج از یک طرف و ذوب زود هنگام برف از طرف دیگر بود. دارن و همکاران[9] (2013) اثرات تغییر اقلیم را بر حوضه­ی دریاچه­ی مونو در کالیفرنیا با استفاده از 16 مدل جهانی گردش عمومی جو (GCMS) و با استفاده از دو سناریوی B1 و A2 بررسی کردند، خروجیGCM ­­­ها افزایش قابل توجه دمای سالانه )به طور متوسط 4/1 تا 5/2 درجه سانتی­گراد( و کاهش یک تا سه درصدی بارش را تا پایان قرن پیش­بینی کردند. در پژوهش دیگری که توسط پاسکال و همکاران[10]  (2014) انجام شد، تأثیر تغییرات آب و هوا بر روی منابع آب در شمال شرقی منطقه­ی مدیترانه برای دوره (2100-2076) در سه حوضه با شرایط آب و هوایی متوسط تحت دو سناریوی A2  و B1 مورد بررسی قرار گرفت. نتایج نشان داد که بیشترین کاهش جریان به مقدار 34 درصد و کمترین آن به میزان 25 درصد پیش بینی شده است. مساح بوانی و مرید (1384) به بررسی اثرات تغییر اقلیم روی دما، بارندگی و رواناب در حوضه­ی رودخانه­ی زاینـده­رود اصفهان تـحت دو سناریوی اقلیمی و برای دو دوره­ی زمانی پرداختند. نتایج پژوهش آنها نشان از کاهش بارندگی به میزان 10 و 16 درصد و افزایش دما به میزان 4/6 و 3/2 درجه سانتی­گراد و همچنین کاهش رواناب تا 5/8 درصد برای اواسط و اواخر قرن داشت. آشفته و مساح بوانی (1386) اثرات تغییر اقلیم را با استفاده از مدل HADCM3 و سناریوی A2 بر رژیم سیلاب حوضه­ی آیدوغموش آذربایجان شرقی بررسی کرده و به این نتیجه رسیدند که تغییر اقلیم با افزایش دما و تغییر در مقدار بارندگی بر رژیم سیلاب این منطقه تأثیرگذار است. نامبردگان در پژوهش دیگری در سال 1388 مبحث عدم قطعیت مدل­های گردش عمومی جو در این حوضه را نیز بررسی کردند و به این نتیجه رسیدند که مدل HADCM3 بهترین برآورد را برای بارش و دما دارد. صمدی و همکاران (1386)، روش­های مختلف ریزمقیاس نمودن خروجی مدل­های گردش عمومی جو را بررسی کرده و نشان دادند که در ریزمقیاس­ نمایی آماری دمای حوضه بهتر پیش­بینی می­شود. ایشان همچنین نتیجه گرفتند که مدل HADCM3 نسبت به مدل­های دیگر برآورد بهتری از پارامترهای آب و هوایی منطقه ایران را ارائه می­دهد. بابائیان و همکاران (1388)، به ارزیابی تغییر اقلیم کشور با استفاده از ریز مقیاس­ نمایی داده­های مدل گردش عمومی جوECHO-G   در دوره­ی (2039-2010) پرداختند. نتایج پژوهش آنها که بر روی 43 ایستگاه سینوپتیک کشور انجام شد کاهش 9 درصدی بارش در کل کشور، افزایش آستانه­ی بارش­های سنگین و خیلی سنگین به ترتیب 13 و 39 درصد و افزایش میانگین سالانه 5/0 درجه­ای دما را پیش­بینی کرد. کمال و مساح بوانی (1390) در مطالعه­ای عدم قطعیت مدل­های گردش عمومی جو و مدل­های هیدرولوژی را در تخمین دما، بارش و رواناب حوضه­ی قره­سو بررسی کردند و به این نتیجه رسیدند که در نظر گرفتن عدم قطعیت موجب دقت نتایج مطالعه­ی آنها شده است. روشن و همکاران (1391) به منظور آزمایش و یافتن بهترین مدل گردش عمومی جو جهت انطباق با تغییرات دما و بارش در ایران از 20 مدلGCM  و سناریوی واحدی به نام P50 استفاده کردند. از جمله نتایج مهم پژوهش مذکور این است که، هیچ کدام از مدل­های گردش عمومی جو، به خوبی نمی­توانند تغییرات دما و بارش کشور را شبیه­سازی کند. آن­ها برای شبیه­سازی بارش ترکیبی از دو مدل GISS-EH و CNRM-CM3 را برای بارش و مدل  INMCM-30را برای شبیه­سازی دما پیشنهاد کردند. ثانی­خانی و همکاران (1392) در پژوهشی تأثیر تغییراقلیم را بر روی رواناب حوضه­ی آجی­چای در آذربایجان شرقی با استفاده از داده­های مدل­های گردش عمومی جو (GCMS) و ریزمقیاس نمایی آن توسط مدل LARS-WG پرداختند. نتایج پژوهش حاکی از کاهش قابل توجه مقدار رواناب رودخانه­ی آجی­چای در آینده بود.

 

هدف از این مطالعه تجزیه و تحلیل تأثیر تغییر اقلیم بر روی بارش و دمای حوضه­ی شهرچای در افق  2020(2030-2011) می­باشد، با توجه به اینکه در مطالعات تغییر اقلیم با رویکرد عدم قطعیت عمدتأ عدم قطعیت مدل­های گردش عمومی در نظر گرفته می­شود در این مطالعه برآنیم علاوه بر عدم قطعیت مربوط به مدل­های گردش عمومی جو؛ عدم قطعیت مربوط به سناریوهای موجود را نیز برای دوره­ی 2030-2011 در حوضه­ی شهرچای بررسی کنیم.

مواد و روش

منطقه­ی مورد مطالعه

رودخانه­ی شهرچای در استان آذربایجان غربی قرار دارد. این رود مهم­ترین منبع تأمین آب شهرستان ارومیه به­ شمار می­رود. سد شهرچای در 12 کیلومتری بالادست این شهر  و بر روی این رودخانه­ی احداث شده و نقش مهمی در تأمین آب مورد نیاز در بخش تأمین آب شهری، کشاورزی و صنعت منطقه ایفا می­کند. حوضه­ی این حوضه از شمال به حوضه­ی آبریز نازلوچای، از جنوب به حوضه­ی آبریز باراندوزچای، از غرب به کشور ترکیه و از شرق به دریاچه­ی ارومیه محصور می­گردد. مساحت تقریبی آن 711 کیلومتر مربع است، موقعیت جغرافیایی آن بین ­´35 °­44 تا ´28 °­45 طول شرقی و´­32 °­37 تا ´­62 °­37 عرض شمالی واقع شده است. ارتفاع منطقه از 1513 متر از سطح دریا در خروجی حوضه واقع در ایستگاه کشتیبان،  تا 3574 متر در مرز ایران و ترکیه، متغیر است و متوسط بارش سالانه حوضه 9/614 میلی­متر می­باشد. بخشی از آب رودخانه برای مصرف آب آشامیدنی شهرستان ارومیه توسط سد شهرچای تأمین و مابقی پس از آبیاری باغ­ها و زمین­های کشاورزی از داخل ارومیه می­گذرد و سپس در محلی به نام دماغه­ی حصار وارد دریاچه­ی ارومیه می­گردد. شکل (1) موقعیت حوضه­ی شهرچای را در میان حوضه­های آبریز کشور و حوضه­ی آبریز دریاچه­ی ارومیه نشان می­دهد.

اطلاعات مورد استفاده در این مطالعه از اداره­ی کل هواشناسی استان آذربایجان غربی (برای اخذ داده­های ایستگاه سینوپتیک ارومیه) و سازمان آب منطقه­ای استان مذکور (برای اخذ اطلاعات ایستگاه­های بارانسنجی) دریافت شد. این داده­ها شامل اطلاعات دما و بارش روزانه و ماهانه، ساعات آفتابی می­باشند. در جدول (1) مشخصات جغرافیایی ایستگاه­های مذکور ارائه شده ­است.

 

شکل (1) موقعیت جغرافیایی حوضه شهرچای در میان حوضه­های آبریز کشور در محل ایستگاه کشتیبا

جدول (1) مشخصات جغرافیایی ایستگاه­های مورد مطالعه

نام ایستگاه

نوع ایستگاه

طول جغرافیایی

عرض جغرافیایی

ارتفاع (متر)

دقیقه

درجه

دقیقه

درجه

ارومیه

سینوپتیک

40        37

03         45

1328

میرآباد

بارانسنجی

40        37

59           44

1572

بند

بارانسنجی

49        37

02         45

1410

مرکز پژوهشی

بارانسنجی

48        37

58         44

1395

             

 

مدل­های گردش عمومی جو

در نسخه 5.5 مدل LARS-WG تعداد 15 مدل گردش عمومی جو مورد استفاده در گزارش چهارم IPCC(AR4) وجود دارد (سمنوف و همکاران[11]، 2010: 2) و چون در این مطالعه از تأثیر منابع عدم قطعیت شده است لذا ابتدا از میان مدل­ها تعداد شش مورد انتخاب شد. دلیل این انتخاب، وجود سه سناریو در این مدل­ها است و این در حالی است که در بعضی از مدل­ها کمتر از سه سناریو موجود است. جدول (2) مشخصات این مدل­ها را نشان می­دهد.

جدول (2) مشخصات مدل­های به کار رفته در این مطالعه (سمنوف و همکاران، 2010: 3)

ردیف

نام مدل

کشور سازنده

تفکیک مکانی (درجه)

منبع

1

GFCM21

آمریکا

5/2*2

Wang et al. 2004.

2

HADCM3

انگلستان

75/3*5/2

Gordon et al. 2000.

3

INCM3

روسیه

5*4

Galin et al. 2003.

4

IPCM4

فرانسه

75/3*5/2

Hourdin et al. 2006.

5

MPEH5

آلمان

9/1*9/1

Roeckner et al.1996

6

NCCCS

آمریکا

4/1*4/1

Collins et al.2000.

مدل ریزمقیاس­نمایی LARS-WG

مدل ریزمقیاس نمایی LARS-WG توسط راسکو[12] و همکاران (1997) و سمنوف و بارو[13] (1998) ارائه گردید. LARS-WG یکی از مشهورترین مدل­های مولد داده­های تصادفی وضع هواست که برای تولید مقادیر بارش، تابش، دماهای بیشینه و کمینه­ی روزانه در یک ایستگاه تحت شرایط آب و هوای پایه و آینده بـکار می­رود (بابائیان و همکاران، 1388: 138). در این مدل از روش زنجیره مارکف برای مدل­سازی رخداد بارش استفاده می­شود. LARS-WG بـرای مدل­سازی متغیرهای هواشناسی، توزیع­های آماری پیچیده­ای را بـکار می­برد. مبنای این مدل برای طول دوره­های خشک و تر، بارش روزانه و سری­های تابش توزیع نیمه­تجربی می­باشد. در توزیع نیمه تجربی فاصله­ها به طور مساوی بین مقادیر بیشینه و کمینه­ی سری زمانی ماهانه تقسیم می­شوند:

رابطه­ی (1)   

در رابطه­ی (1)EMP  یک هیستوگرام با ده بازه­ی متمایز (با شـدت­های مختلف بارش) است. طوری که بازه­ها

به شرح زیر تعریف شد.

[]                       <

که در آن hi تعداد رخداد بارش در iامین فاصله را نشان می­دهد. فاصله­ها برای طول روزهای تر و خشک و بارش افزایشی هستند. در این مدل تابش به طور مستقل از درجه حرارت مدل می­شود و به جای آن می­توان از ساعات آفتابی نیز استفاده کرد (همان: 139). تولید داده­ها توسط مدل LARS-WG در سه مرحله­ی واسنجی کردن، ارزیابی و تولید داده­های هواشناسی انجام شد.

در این مدل ابتدا داده­های مدل گردش عمومی جو شامل بارش، دمای کمینه، دمای بیشینه و تابش به صورت روزانه استخراج گردید و برای هر شبکه­ مدل گردش عمومی جو یک سناریوی تولید داده تدوین شد. علاوه بر سناریوی تدوین شده برای هر شبکه­ی محاسباتی، برای اجرای مدل نیاز به فایل مشخصه رفتار آب و هوای گذشته ایستگاه­های واقع در داخل آن شبکه نیز وجود دارد. سپس این مدل با دریافت فایل محتوی رفتار آب و هوای گذشته ایستگاه و فایل سناریوی تولید داده، مقادیر روزانه­ی دمای کمینه، بیشینه، بارش و تابش را در آینده پیش­بینی نمود.

مکانیسم تولید داده در مدل LARS-WG به این صورت بود که ابتدا با استفاده از سناریوی تولید داده­ی ماهانه که در برگیرنده­ی رفتار آب و هوای پایه می­باشد، تمامی داده­های ماهانه را که در برگیرنده­ی رفتار آب و هوای پایه هستند مطابق رابطه­ی (2) پریشیده (مغشوش) می­کند:

رابطه­ی(2)    + (-

در رابطه (2) به ترتیب  ، ،  و    نشاندهنده­ی پارامتر هواشناسی پیش­بینی شده بر روی ایستگاه هواشناسی، پارامتر هواشناسی دیده­بانی شده در همان ایستگاه، پارامتر هواشناسی پیش­بینی شده بر روی شبکه­ی مدل در دوره­ی آینده و پارامتر هواشناسی مدل شده بر روی شبکه­ی مدل در دوره­ی گذشته می­باشند. سپس با حفظ میانگین، انحراف معیار آنها را مطابق رابطه­ی (3) تغییر می­دهد (بابائیان و کوان، 2004: 98).

رابطه­ی(3)           

در رابطه­ی (3)  انحراف معیار پارامتر هواشناسی تحت بررسی است.

 

انتخاب بهترین مدل GCM برای منطقه­ی مورد مطالعه

برای انتخاب بهترین مدل GCM از مدل­های ذکر شده، ابتدا داده­های دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی به صورت روزانه در دوره پایه (2014-1967) به مدل وارد شد و برای 6 مدل مذکور و تحت سه سناریوی A1B، A2 و B1  برای دوره 2030-2011 داده تولید شد. داده­های تولید شده در 50 سری تصادفی بوده و میانگین پارامترهای مورد نیاز (دمای حداقل، دمای حداکثر و بارندگی) به صورت ماهانه در دوره­ 2030-2011 استخراج شد. به منظور بررسی عملکرد مدل­ها و مقایسه نتایج، معیارهایی لازم است تا در تحقیق مورد استفاده قرار گیرند که در این مطالعه از خطای جذر میانگین مربعات ([14](RMSE و ضریب تعیین ( (R2استفاده شد. روابط زیر نحوه­ی محاسبه این معیارها را نشان ­دهند.

رابطه­ی  (4)             

 رابطه­ی  (5)        

 که در رابطه­ی 4و 5: Pi: داده­های دوره­ی مشاهداتی،  : میانگین داده­های دوره­ی مشاهداتی، Oi: داده­های تولید شده برای دوره­ی آتی، : میانگین داده­های تولید شده برای دوره­ی آتی، :n تعداد داده­ها و  : انحراف معیار داده­ها است.

بحث و نتایج

برای اطمینان از توانایی مدل در تولید داده در دوره­ی آتی باید داده­های محاسباتی توسط مدل و داده­های مشاهداتی در ایستگاه مورد مطالعه با هم مقایسه شوند. جدول (3) نتایج آزمون کای اسکور بر روی پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد، همانطور که از جدول مذکور می­توان فهمید، نتایج تمامی پارامترهای ذکر شده در سطح معنی­داری 90%  قابل اطمینان می­باشد و همین معیارها مبنایی برای تولید داده در دوره­ی آتی هستند. شکل (2) نتایج مقایسه­ی داده­های محاسباتی و مشاهداتی دمای حداقل، دمای حداکثر، بارش و تابش را در ایستگاه سینوپتیک ارومیه برای دوره­ی پایه نشان می­دهد. بر اساس این شکل توانمندی مدل LARS-WG در مدل­سازی دمای حداقل، دمای حداکثر و تابش در این ایستگاه کاملاً با داده­های دیدبانی شده مطابقت دارد. همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد، با این وجود بیشترین خطای مدل­سازی مربوط به بارش ماه مارس است.

جدول(3) نتایج آزمون کای اسکور برای توزیع احتمالاتی بارش، دمای حداقل و دمای حداکثر در مدل LARS-WG.

Rain (Daily)

T Max (Daily)

T min (Daily)

 

P-value

Ks

P-value

Ks

P-value

Ks

Month

1

072/0

9989/0

106/0

9998/0

106/0

Jan

1

025/0

9989/0

106/0

9991/0

105/0

Feb

1

041/0

9991/0

105/0

1

053/0

Mar

1

082/0

1

053/0

9991/0

105/0

Apr

1

039/0

1

053/0

9989/0

106/0

May

1

032/0

9989/0

106/0

9989/0

106/0

Jun

1

126/0

9989/0

106/0

9989/0

106/0

Jul

9885/0

103/0

9989/0

106/0

1

053/0

Aug

9993/0

059/0

9989/0

106/0

1

053/0

Sep

1

077/0

1

053/0

1

053/0

Oct

1

036/0

1

053/0

9989/0

106/0

Nov

1

064/0

9989/0

106/0

9989/0

106/0

Dec

ج

 

شکل(2) مقایسه­ی داده­های مشاهداتی (O) و محاسباتی (G) در ایستگاه سینوپتیک ارومیه در دوره­ی پایه

بررسی محدوده­ی عدم قطعیت مدل­های گردش عمومی جو

استفاده از چندین مدل گردش عمومی جو برای تأکید بر عدم قطعیت در پیش­بینی آب و هوا، به علت تفاوت­های ساختاری در مدل­های جهانی آب و هوا و همچنین عدم اطمینان در تغییرات شرایط اولیه مدل­ها می­باشد (سمنوف و همکاران، 2010: 1 ). برای بررسی محدوده­ی عدم قطعیت مدل­ها ابتدا خروجی مدل­ها در پارامترهای بارش، دمای حداقل و حداکثر به صورت میانگین ماهانه تولید شد. سپس اختلاف پارامترهای مذکور برای هر مدل با میانگین دوره­ی پایه محاسبه و تغییرات آنها به صورت نمودار جعبه­ای[15] ترسیم گردید. شکل­های 3 تا 5 محدوده­ی عدم قطعیت مدل­های گردش عمومی جو برای تغییرات پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد. در این نمودارها کمینه، چارک اول، میانگین، چارک سوم و بیشینه­ی تغییرات پارامترهای یاد شده ترسیم شده­اند. همانطور که از این نمودارها مشهود است، میزان تغییرات پارامترها به ویژه پارامتر بارش زیاد است. شکل (3) نشان می­دهد که تمامی مدل­ها بارش ماه­های ژانویه، مارس و آوریل را با کاهش پیش­بینی کرده­اند. بیشترین تغییرات مربوط به بارش ماه مه و کمترین آن مربوط به ماه اوت است. شکل 4 و 5  نشان می­دهد که تمامی مدل­ها دمای حداقل و حداکثر را با افزایش پیش­بینی کرد­ه­اند. میزان این افزایش در فصل تابستان برای هر دو پارامتر بیشتر از سایر زمان­هاست.

 

شکل (3) نمودار جعبه­ای تغییرات میانگین مجموع بارش ماهانه برای شش مدل مورد مطالعه

 

شکل (4) نمودار جعبه­ای تغییرات میانگین دمای حداقل ماهانه برای شش مدل مورد مطالعه

 

شکل (5) نمودار جعبه­ای تغییرات میانگین دمای حداکثر ماهانه برای شش مدل مورد مطالعه

انتخاب مناسب­ترین مدل AOGCM

با مقایسه داده­های مشاهداتی و تولید شده شامل میانگین ماهانه­ی بارش، دمای حداقل و حداکثر توسط شش مدل مذکور با شاخص­های ذکر شده، بهترین مدل و سناریو برای تولید داده­­ها در دوره­ی آتی مشخص شد. نتایج این مقایسه در جدول 4 تا 6 ارائه شده است. از این جداول می­توان نتیجه گرفت که از بین مدل­های موجود، مدلHADCM3  تحت سناریوی A1B، بـهترین نتیجه را برای بارش و تحت سناریوی A2 بـهترین نتیجه را برای دمای حداقل و نیز مدلMPEH5  تحت سناریوی B1، بهترین نتیجه را برای دمای حداکثر پیش­بینی کرده­اند. با مشخص شدن بهترین مدل، داده­های بارش، دمای حداقل و دمای حداکثر تولید شده در مدل­ها و سناریوهای منتخب به منظور بررسی وضعیت تغییر اقلیم دما و بارش در دوره­ی آتی تحلیل شدند.

جدول (4) نتایج مقایسه بارش مدل­های گردش عمومی جو با دوره­ی پایه

R

مدل

بارش  A1B

بارش A2

بارش B1

R2

RMSE

R2

RMSE

R2

RMSE

1

GFCM21

935/0

45/5

933/0

38/5

92/0

33/5

2

HADCM3

97/0

5/3

95/0

15/4

96/0

7/3

3

INCM3

956/0

79/3

892/0

05/6

98/0

7/3

4

IPCM4

944/0

79/4

97/0

6/3

96/0

55/3

5

MPEH5

876/0

2/7

946/0

36/4

954/0

4/4

6

NCCCS

93/0

93/4

949/0

4

895/0

74/5

 

 

جدول (5) نتایج مقایسه دمای حداقل مدل­های گردش عمومی جو با دوره­ی پایه

R

مدل

دمای حداقل A1B

دمای حداقل A2

دمای حداقل B1

R2

RMSE

R2

RMSE

R2

RMSE

1

GFCM21

9996/0

88/0

9956/0

82/0

9995/0

9/0

2

HADCM3

9986/0

91/0

9998/0

09/1

9996/0

7/0

3

INCM3

998/0

883/0

9969/0

05/1

9986/0

85/0

4

IPCM4

9995/0

12/1

9995/0

87/0

9995/0

1

5

MPEH5

9996/0

933/0

9998/0

815/0

9997/0

93/0

6

NCCCS

9994/0

26/1

9988/0

25/1

9999/0

24/1

جدول (6) نتایج مقایسه دمای حداکثر مدل­های گردش عمومی جو با دوره­ی پایه

R

مدل

دمای حداکثر A1B

دمای حداکثر A2

دمای حداکثر B1

R2

RMSE

R2

RMSE

R2

RMSE

1

GFCM21

9995/0

85/0

9994/0

82/0

9994/0

88/0

2

HADCM3

9994/0

83/0

9995/0

99/0

9995/0

99/0

3

INCM3

9979/0

56/1

9997/0

03/1

9996/0

1/1

4

IPCM4

9992/0

1/1

9996/0

84/0

9996/0

1/1

5

MPEH5

9995/0

85/0

9993/0

81/0

9994/0

92/0

6

NCCCS

9990/0

24/1

9949/0

23/1

9995/0

22/1

بررسی پارامتر بارندگی در دوره­ی آتی (2030-2011)

بارش دوره­ی 2030-2011 با مدل HADCM3 و با سناریو A1B تولید شد. شکل (6) مقایسه­ی میانگین مجموع بارش ماهانه در دوره­ی پایه و آتی را نشان مـی­دهد. همانطور که از شکل می­توان فهمید در اکثر ماه­ها بارندگی دوره­ی آتی نسبت به دوره­ی پایه کاهش خواهد یافت به این صورت که بیشترین کاهش مربوط به ماه­های آوریل و مه است که از لحاظ کشاورزی نیز زمان مهمی به­شمار می­رود، بارش ماه ژوئیه و سپتامبر و دسامبر با شیب کمی افزایشی است. با این حال بیشترین افزایش بارش مربوط به ماه اکتبر است. در حالت کلی بارش فصول زمستان و بهار با کاهش و بارش فصل پائیز با افزایش پیش­بینی شده است.

 

 

شکل (6) مقایسه میانگین بارش تجمعی ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

بررسی پارامتر دما در دوره­ی آتی (2030-2011)

دمای حداقل

با توجه به نتایج جدول (5) برای تولید داده­های دمای حداقل از مدل HADCM3 و سناریوی A2 استفاده شد. شکل (7) مقایسه­ی میانگین دمای حداقل ماهانه دوره­ی پایه را با دوره­ی آتی نشان می­دهد، همانطور که از شکل می­توان فهمید در تمامی ماه­ها این پارامتر با افزایش پیش­بینی شده است. بیشترین افزایش مربوط به ماه­های ژوئیه و اوت و کمترین آن مربوط به ماه دسامبر است. میزان افزایش این پارامتر از 32/0 تا 47/1 درجه سانتی­گراد در ماه­های مختلف متغیر است.

 

شکل (7) مقایسه میانگین دمای حداقل ماهانه­ی مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

دمای حداکثر

طبق نتایج جدول (7) برای تولید پارامتر میانگین دمای حداکثر از مدل MPEH5 تحت سناریوی B1 استفاده شد. شکل (8) مقایسه­ی میانگین حداکثر دمای ماهانه در طول دوره­ی پایه و دوره­ی آتی را نشان می­دهد. مطابق با این شکل به جز ماه ژانویه این پارامتر در تمامی ماه­ها با افزایش پیش­بینی شده است، بیشترین افزایش این پارامتر مربوط به ماه­های مه، ژوئیه و اوت می­باشد. میزان افزایش این پارامتر به جز ماه ژانویه بین 27/0 تا 98/1 درجه سانتی­گراد در ماه­های مختلف سال متغیر است.

 

شکل (8) مقایسه­ی میانگین دمای حداکثر ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

جدول (7) نتایج مقایسه سالانه بارش، دمای حداقل و دمای حداکثر در دوره­ی پایه و دوره­ی آتی تحت مدل­ها و سناریوهای منتخب را نشان می­دهد. همانطور که از جدول مذکور مشهود است بارش دوره­ی آتی حدود 4% کاهش خواهد یافت و این در حالی است که دمای حداقل 05/1 و دمای حداکثر 87/0 درجه سانتی­گراد افزایش خواهد یافت. نکته قابل توجه بر هم خوردن توزیع زمانی بارش و افزایش دما است که احتمالاً بیشتر از کاهش بارش تبعات منفی خواهد داشت.

جدول (7) مقایسه­ی پارامترهای بارش، دمای حداقل و حداکثر در دوره­ی پایه و آتی

میانگین سالانه دمای حداکثر (°C)

میانگین سالانه دمای حداقل (°C)

میانگین مجموع بارش سالانه (mm)

 

55/17

97/4

332

دوره پایه

43/18

02/6

321

دوره آتی

نتیجه­گیری

نتایج این مطالعه نشان داد که به علت دامنه­ی زیاد تغییرات خروجی مدل­ها و سناریوهای مختلف، در نظر نگرفتن عدم قطعیت مدل­ها و سناریوها می­تواند تأثیر زیادی در نتایج مطالعات داشته باشد. همچنین در این مطالعه مشخص شد که مدل ریزمقیاس نمایی LARS-WG توانایی زیادی در مدل­سازی داده­های بارش و دمای دوره­ی پایه در منطقه­ی مورد مطالعه را داشته است، به طوری که داده­های تابش، دمای حداقل و حداکثر کاملاً با داده­های دیدبانی شده مطابقت دارد و همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد. در بررسی عدم قطعیت ناشی از مدل­های گردش عمومی جو و سناریوهای موجود، بهترین مدل برای پیش­بینی بارش در منطقه­ی مورد مطالعه مدل HADCM3  تحت سناریوی A1B ، بهترین مدل برای برآورد دما مدل HADCM3 تحت سناریوی A2 و بهترین مدل برای برآورد دمای حداکثر مدل MPEH5 تحت سناریوی B1 می­باشد. نتایج این مطالعه با مطالعاتی که در این زمینه انجام شده (صمدی و همکاران، 1386 و آشفته و مساح بوانی، 1388) در مورد پارامترهای بارش و دمای حداقل انطباق داشته و در تحقیق آنها نیز مدل HADCM3 بهترین برآورد را برای پارامترهای مذکور به دست آورد  ولی نتایج حاصله در مورد دمای حداکثر با آن­ها تفاوت دارد به طوری که در تحقیق حاضر مدل MPEH5  بهترین برآورد را برای پارامتر دمای حداقل داشته است. یکی از دلایل این تفاوت را می­توان چنین عنوان کرد که هر مدل گردش عمومی برای یک منطقه­ی خاص بهترین برآورد را می­دهد. نتایج حاصل از این تحقیق نیز استفاده از مدل HADCM3 را به عنوان بهترین مدل برای برآورد بارش و دما در منطقه­ی مورد مطالعه که در مطالعات قبلی نیز عنوان شده بود مورد تأکید قرار داد. با این وجود و با توجه به عدم قطعیت­های موجود به نظر می­رسد برای به دست آوردن بهترین برآورد پارامترهای اقلیمی در دوره­ی آتی باید تا حد امکان تأثیر عدم قطعیت را بیشتر تأکید کرد و این مهم را می­توان با به آزمون گذاشتن مدل­های بیشتر در مکان و زمان­های دیگر دست یافت.

 

 



[1]- Intergovernmental Panel of Climate Change

[2]- Climate Change

3-Chiew et al., 

4- Semenov et al., 

5- Generator 

6- Chiristians et al., 

7- Minville et al., 

8- General Circulation Mode

9- Daren et al., 

10- Pascual et al., 

[11]- Semenov et al.,

[12]- Racsko                        

2- Semenov and Barrow

[14]- Root Mean Square Error

[15]- Boxplot

ـ آشفته، پریسا­سادات و علیرضا مساح­بوانی (1386)، «تأثیر تغییر اقلیم بر شدت و فراوانی سیلاب در دوره­های آتی، مطالعه­ی موردی: حوضه­ی آیدغموش آذربایجان شرقی»، کارگاه فنی اثرات تغییر اقلیم در مدیریت منابع آب، بهمن ماه 1386، صص 47-31.
ـ آشفته، پریسا­سادات و علیرضا مساح­بوانی (1388)، «تأثیر عدم قطعیت تغییر اقلیم بر رژیم سیلابی: مطالعه­ی موردی حوضه­ی آیدغموش آذربایجان شرقی»، مجله­ی تحقیقات منابع آب، شماره­ی 2، صص 39-27.
ـ بابائیان، ایمان؛ نجفی نیک، زهرا؛ زابل عباسی، فاطمه؛ حبیبی نوخندان، مجید؛ ادب، حامد و شراره ملبوسی (1388)، «ارزیابی تغییر اقلیم کشور در دوره­ی 2039-2010 میلادی با استفاده از ریزمقیاس نمایی داده­های مدل گردش عمومی جو ECHO­G»، جغرافیا و توسعه، شماره­ی 16، صص 135-152.
ـ ثانی­خانی، هادی؛ دین­پژوه، یعقوب؛ پوریوسف، سعید؛ زمانزادقویدل، سروین و بهاره صولتی (1392)، «بررسی اثرات تغییراقلیم بر رواناب حوضه­های آبریز (مطالعه­ی موردی: حوضه­ی آبریز آجی­چای در استان آذربایجان شرقی)»، نشریه­ی آب و خاک (علوم و صنایع غذایی)، شماره­ی 6، صص1234-1235 .
ـ روشن، غلامرضا؛ خوش­اخلاق، فلامرز و قاسم عزیزی (1391)، «آزمون مدل مناسب گردش عمومی جو برای پیش­یابی مقادیر دما و بارش ایران  تحت شرایط گرمایش جهانی»، جغرافیا و توسعه، شماره­ی 27، صص19-35.
ـ صمدی، زهرا؛ مساح­بوانی، علیرضا و محمد مهدوی (1386)، «بررسی تأثیر روش­های کوچک مقیاس کردن رگرسیونی بر رژیم سیلاب رودخانه، کارگاه فنی اثرات تغییر اقلیم در مدیریت منابع آب»، تهران، کمیته­ی ملی آبیاری و زهکشی، صص 98-81.
ـ کمال، علیرضا و علیرضا مساح­بوانی (1390)، «ارزیابی عدم قطعیت مدل­های AOGCM-AR4و مدل­های هیدرولوژی در تخمین دما، بارش و رواناب حوضه­ی قره­سو تحت تأثیر تغییر اقلیم»، مجله­ی پژوهش آب ایران، سال نهم، شماره­ی 5، صص 39-50.
ـ مساح­بوانی، علیرضا و سعید مرید (1384)، «اثرات تغییر اقلیم بر جریان رودخانه­ی زاینده رود اصفهان»، علوم و فنون کشاورزی و منابع طبیعی، سال نهم، شماره­ی 4، صص27-17.
-Christensen, N.S.A.W. Wood et al. (2004), The Effects of Climate Change on the Hydrology and Water Resources of the Colorado River Basin, Climatic Change, 62(3): PP. 337-363.
-IPCC (2013), “Climate Change 2013: The Physical Science Basis”, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, and G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley(eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
-Semenov, MA. Donatelli, M. Stratonovitch, P. Chatzidaki, E, Baruth, B (2010), ELPIS: A Dataset of Local-scale Saily Climate Scenarios for Europe, Clim Res, 44, PP. 3−15.