دوره 25، شماره 76 - ( 1-1404 )
جلد 25 شماره 76 صفحات 125دوره110فصل__Se |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
mokhayeri Z, fatahi E, Borna R. (2025). The Outlook of Precipitation Changes in the Great Karoun Using by CMIP5 series models. jgs. 25(76), 110-125. doi:10.61186/jgs.25.76.3
URL: http://jgs.khu.ac.ir/article-1-3714-fa.html
URL: http://jgs.khu.ac.ir/article-1-3714-fa.html
مخیری زینب، فتاحی ابراهیم، برنا رضا. بررسی چشم انداز تغییرات بارش در کارون بزرگ با استفاده از سری مدل‌های CMIP5 تحقیقات کاربردی علوم جغرافیایی 1404; 25 (76) :125-110 10.61186/jgs.25.76.3
زینب مخیری1 
، ابراهیم فتاحی* 2، رضا برنا3
، ابراهیم فتاحی* 2، رضا برنا3
1- دانشجوی دکتری تخصصی آب وهواشناسی،گروه جغرافیا،واحدعلوم و تحقیقات، دانشگاه آزاداسلامی،تهران،ایران،
2- دانشیاراقلیم شناسی،پژوهشکده هواشناسی و علوم جو،تهران،ایران ،Ebfat2002@yahoo.com
3- دانشیار گروه جغرافیا،واحداهواز،دانشگاه آزاداسلامی،اهواز،ایران،
2- دانشیاراقلیم شناسی،پژوهشکده هواشناسی و علوم جو،تهران،ایران ،
3- دانشیار گروه جغرافیا،واحداهواز،دانشگاه آزاداسلامی،اهواز،ایران،
چکیده: (4780 مشاهده)
برای انجام این پژوهش ابتدا دادههای مشاهدهای بارش ماهانه سینوپتیک و هیدرومتریک از سازمان هواشناسی کشور و وزارت نیرو طی دوره 30 ساله (1976-2005) اخذ شد. برای بررسی چشم‌انداز تغییرات بارش در آینده، دادههای تاریخی دوره (1976-2005) و دادههای شبیه‌سازی‌شده اقلیمی دوره (2050-2021) با استفاده از دو مدل GFDL-CM3)، (CSIRO-Mk3.6 ازسری مدل‌های (CMIP5) و طبق 4 سناریوی RCP2.6)، RCP4.5، RCP6 و RCP8.5 که با قدرت تفکیک مکانی 5/0*5/0 با روش BCSD در دسترس می‌‌باشند استفاده شده است. برای اصلاح اریبی موجود در برون داد مدل‌های مذکور، استراتژی Mean-based (MB)) بکار رفته است. نتایج عملکرد مدل‌های AOGCM نشان داد برای شبیه‌‌سازی بارش در حوضه کارون بزرگ ضریب خطای مدل CSIRO-Mk3.6 کمتر از مدل GFDL-CM3 بوده است. میانگین بارش آتی (2021-2050) در کل حوضه نسبت به میانگین بارش مشاهداتی در طول دوره آماری 1976-2005 نشان می‌دهد، در هر دو مدل و سناریوها در دو حوضه از نظر مقدار و مساحت پهنه بارشی در حال کاهش محسوس است. بیشینه بارش‌‌ها در حوضه کارون بزرگ در تمامی سناریوها و مدل‌‌ها در شرق حوضه متمرکز بوده است. بیشترین بارش را مناطق کوهپایه‌‌ای مرکزی دریافت کرده است. کمترین دریافت بارش جنوب غرب و جنوب شرق است. نتایج نهایی پژوهش حاضر 83-116 میلی‌متر کاهش بارش نسبت به میانگین مشاهداتی حوضه کارون بزرگ پیش‌بینی می‌شود. هردو مدل ارائه شده، بیشترین کاهش بارش حوضه کارون بزرگ دو سناریوی rcp4.5 و rcp2.6 پیش‌بینی می‌شود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اب و هواشناسی
فهرست منابع
1. سلطانی گردفرامرزی، سعید،عارف صابری، مرتضی قیصوری(1396)، تعیین بهترین مدل سری زمانی در پیش بینی بارندگی سالانه ایستگاه های منتخب استان آذربایجان غربی ، نشریه تحقیقات کاربردی علوم جغرافیایی، سال هفدهم: شماره ۴۴، بهار .۹۶
2. شریفان حسین؛ حبیبی علی. (1392). بررسی اثر تغییر اقلیم بر روند تغییرات منابع آب سطحی در بخشی از حوضه استان گلستان،اولین همایش ملی چالشهای منابع آب و کشاورزی، انجمن آبیاری و زهکشی ایران- دانشگاه آزاد اسلامی واحد خوراسگان، اصفهان- 17 بهمن1392.
3. شکوهی مجتبی؛ ثنائی نژاد سید حسین؛ بنایان اول محمد.(1397). ارزیابی شبیه سازی دما و بارش مدل های اقلیمی CMIP5 در مطالعات منطقه ای تغییر اقلیم(مطالعه موردی: مناطق عمده تولید گندم دیم در ایران)، نشریه آب و خاک (علوم و صنایع کشاورزی(، دی 1397.
4. علیجانی، بهلول.(1388)، آب و هوای ایران، انتشارات دانشگاه پیام نور، چاپ نهم، بهمن 1388.
5. مسعودیان، ابوالفضل؛ کاویانی، محمدرضا.(1387)، اقلیم شناسی ایران، انتشارات دانشگاه اصفهان، چاپ اول، بهار1387.
6. معصوم پورسماکوش, جعفر, میری, مرتضی, پورکمر, فاطمه. (1396). ارزیابی دادههای مدل‌های اقلیمی CMIP5 در مقابل دادههای مشاهدهای ایران. مجله ژئوفیزیک ایران, 11(4), 40-53.
7. مطالعات آمایش استان خوزستان، (گزارش منابع طبیعی)، منابع آب استان، جلد 7، زمستان 1391.
8. ناصرزاده، محمدحسین؛ صیادی، فریباو طولابی نژاد، میثم،(1397). مدل‌سازی و پیش‌بینی تغییرات مکانی هسته‌های بارشی در ایران، تحقیقات کاربردی علوم جغرافیایی، مقالات آماده انتشار. https://jgs.khu.ac.ir/article-1-3101-fa.html
9. Arnell, NW., (1999), Climate change and global water resources Global Environmental Change, 9 (31): 49. [DOI:10.1016/S0959-3780(99)00017-5]
10. Frame D.J., and Stone D.A. 2013. Assessment of the first consensus prediction on climate change. Nature Clim. Change, 3(4): 357-359. [DOI:10.1038/nclimate1763]
11. Ho, CK., Stephenson, DB., Collins, M., Ferro, CAT., Brown, SJ., (2012),Calibration strategies: a source of additional uncertainty in climate change projections, Bull, Am, Meteorol, Soc, 93(1): 21-26. [DOI:10.1175/2011BAMS3110.1]
12. IPCC. (2014). Climate Change: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change 2014. [Core Writing Team, R.K. Pachauri and L.A. Meyer (Eds.)]. IPCC, Geneva, Switzerland, 151 pp.
13. IPCC., (2000), SPECIAL REPORT: EMISSIONS SCENARIOS, A Special Report of IPCC Working Group III, Published for the Intergovernmental Panel on Climate Change.
14. IPCC., (2007), Climate Change 2007: Impacts, Adaptation and Vulnerability, Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Edited by M, Parry., Cambridge University Press, UK.
15. Jones, R., N., (2000), b: Analysing the risk of climate change using an irrigation demand model, Climate Res, 14: 89-100. [DOI:10.3354/cr014089]
16. Jones, R., N., (2000) a:Managing uncertainty in climate change projections Issues for impact assessment, Climate Change, 45: 403-419.
17. Koutroulis, A., G., Grillakis, M., G., Tsanis, I., K., and Papadimitriou, L., (2015), Evaluation of precipitation and temperature simulation performance of the CMIP3 and CMIP5 historical experiments: Climate Dynamic, 47:(5-6), 1881-1898. [DOI:10.1007/s00382-015-2938-x]
18. Lee, J-Y., Wang, B., (2014), Future change of global monsoon in the CMIP5. Climate Dynamics, 42: 101-119. [DOI:10.1007/s00382-012-1564-0]
19. Lenderink, G., Buishand, A., van, Deursen., W., (2007), Estimates. Of future discharges of the river Rhine using two scenario methodologies : direct versus . delta approach . Hydrol. Earth syst. Sci. 11:(3) : 1145- 1159. [DOI:10.5194/hess-11-1145-2007]
20. Najafi, M.R., Zwiers, F., P., and Gillett, N., P., (2015), Attribution of Arctic temperature change to greenhouse-gas and aerosol influences, Journal ofNature Climate Change, 5(3):246-249. [DOI:10.1038/nclimate2524]
21. Ramirez-Villegas, J., and Challinor A., (2012), Assessing relevant climate data for agricultural applications. Agricultural and Forest Meteorology, 161(0): 26-45. [DOI:10.1016/j.agrformet.2012.03.015]
22. Terando, A., Keller, K., and Easterling, W., E., (2012), Probabilistic projections of agro-climate indices in North America. Journal of Geophysical Research: Atmospheres, 117(D8): D08115. [DOI:10.1029/2012JD017436]
23. Sachindra, D. A., Huang, F., Barton, A. F., & Perera, B., J., C., (2014), Statistical downscaling of general circulation model outputs to catchment scale hydroclimatic variables issues, challenges and possible solutions. J Water Clim Change. [DOI:10.2166/wcc.2014.056]
24. Schmidli, J., Frei, C., Vidale, P.L., (2006), Downscaling from GCM precipitation: a benchmark for dynamical and statistical downscaling methods. International Journal of Climatology 26, 679-689. [DOI:10.1002/joc.1287]
25. Scenarios [Houghton, J.T., L.G. Meira Filho, J. Bruce, H. Lee, B.A. Callander, E. Haites, N. Harris, and K. Maskell (eds.)] Cambridge University Press, Cambridge, pp. 247- 304.
26. Wan H., Zhang X., Zwiers F. and Min S.K. 2014. Attributing northern high-latitude precipitation change over the period 1966-2005 to human influence. Journal of Climate Dynamics, 45:1713-1726. [DOI:10.1007/s00382-014-2423-y]
27. Wang L., Ranasinghe R., Maskey S., van Gelder P. H. A. J. M , Vrijlinga J. K., (2015), Comparison of empirical statistical methods for downscaling daily climate projections from CMIP5 GCMs: a case study of the Huai River Basin, China, Int. J. Climatol, DOI: 10.1002/joc.4334 [DOI:10.1002/joc.4334]
28. Wilby, RL. Whitehead, PG.; Wade, AJ. Butterfield, D.; Davis, RJ. And Watts, G., (2006), Integrated modelling of climate change impacts on water resources and quality in a lowland catchment: River Kennet, UK. Hydrology, 330(1-2): 204-220. [DOI:10.1016/j.jhydrol.2006.04.033]
29. Zhang, C., & McBean, E., A., (2014), Adaptation Investigations to Respond to Climate Change Projections in Gansu Province, Northern China. Water Resources Management, 28(6), 1531-1544. [DOI:10.1007/s11269-014-0554-x]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)