Volume 25, Issue 77 (6-2025)
jgs 2025, 25(77): 0-0 |
Back to browse issues page
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Maryanji Z, sotoudeh F, toulabi nejad M, Zarrin Z. (2025). Modeling and predicting the trend of temperature changes in Hamedan county. jgs. 25(77), doi:10.61186/jgs.25.77.17
URL: http://jgs.khu.ac.ir/article-1-4212-en.html
URL: http://jgs.khu.ac.ir/article-1-4212-en.html
1- Associate Professor of climatology, Seyed Jamaleddin Asadabadi University, Asadabad, Iran, Seyed Jamaleddin Asadabadi University , maryanaji@sjau.ac.ir
2- PhD in Climatology, Kharazmi University, Tehran, Iran, Kharazmi University
3- K. N. Toosi University of Technology, master of science in Remote sensing engineering
2- PhD in Climatology, Kharazmi University, Tehran, Iran, Kharazmi University
3- K. N. Toosi University of Technology, master of science in Remote sensing engineering
Abstract: (6175 Views)
Understanding and predicting future climatic conditions and characteristics is essential because of their importance in all aspects of life. This study seeks to examine the process of modifying temperatures in the Hamedan region by using Downscaling data to predict the public circulation data and its changes. The Lars Explore Downscaling Model has been used to fine-tune the data of the General Transport Model (HADGEM2-ES) and the paired model (CMIP5) and under the three release scenarios RCP2.5, RCP4.5, and RCP8.5). Estimates of the correlation of simulated data and actual data show values of more than 0.95 for all months. P_value also showed the statistical tests of model output, acceptable values in model performance in production and simulation. As a result, the data were extracted from 2011 to 2050. Data were examined in three intervals to detect trend changes. The results show that in the optimistic scenario (RCP2.5) there is no tangible trend in the mean and minimum temperature, while in the RCP4.5 and RCP8.5 scenario there are significant trends in temperature data and accordingly increase the minimum temperature, according to the increase in the minimum temperature, according to the increase in the minimum temperature, according to the increase 1 degree in the average temperature. It shows severe climate change that, especially in the cold season, changes the type of precipitation. Also, based on the data process, the significant increase in the average annual and monthly scale temperature in all three scenarios under study will indicate the environmental crisis ahead.
Type of Study: Research |
Subject:
climatology
References
1. بابائیان، ایمان؛ نجفی نیک ،زهرا ، زابل عباسی، فاطمه ، حبیبی نوخندان، مجید ، ادب، حامد ، ملبوسی، شراره ، (1388)،ارزیابی تغییراقلیم کشور در دوره 2039 -2010 با استفاده ازریز مقیاس نمایی داده های مدل گردش عمومی جو ECHO-G . جغرافیا وتوسعه، 16: 135-152.
2. پناهی, علی؛ خرم ابادی, فرحناز. (1399). ارزیابی دقت داده‌های CSIRO و مدل LARS-WG در شبیه سازی متغیرهای اقلیمی استان آذربایجان شرقی. دگرگونی ها و مخاطرات آب و هوایی. 2: 139-150.
3. حجازی زاده زهرا، زارعی شریفه، صیاد وحیده. (1402). بررسی چشم انداز تغییرات شاخص های حدی دما و بارش در استان کردستان بر اساس سناریوهای واداشت تابشی، تحقیقات کاربردی علوم جغرافیایی. ۲۳ (۶۹) :۱۴-۱.
4. خلیلی اقدم، نبی، مساعدی، ابوالفضل، سلطانی ،افشین، کامکار، بهنام (1391)، ارزیابی توانایی مدل lars-wg در پیش بینی برخی از پارامترهای جوی سنندج ، مجله پژوهش های حفاظت خاک ، جلد 19 ، شماره 4.
5. زارعی، آذین،اسدی، اسماعیل، عطاله، ابراهیمی، جعفری، محمد، ملکیان، آرش، (1397). بررسی تغییرات پارامترهای بارش و دما تحت سناریوهای اقلیمی در مراتع استان چهارمحال و بختیاری، نشریه علمی پژوهشی مرتع، 12(8): 826-836.
6. شرقی، الناز، نورانی، وحید، آقایی لاهرودی، فرشاد، (1396)، ارزیابی اثرات تغییر اقلیم روی پارامترهای دما و بارش ایستگاه تبریز در دوره 2020-2049 با استفاده از مدل LARS-WGو روش عامل تغییر، شانزدهمین کنفرانس هیدرولیک ایران، دانشگاه محقق اردبیلی، 1-12.
7. عباس نیا، محسن، طاوسی، تقی، خسروی، محمود، توروس، حسین، (1395). تحلیل ،دامنه عدم قطعیت تغییرات آینده دمای حداکثر روزانه بر روی ایران با استفاده از سیستم اطلاعات جغرافیایی، پژوهشی اطلاعات جغرافیایی، 81: 31-83.
8. عساکره حسین، لیونلو پیرو، میرموسوی سیدحسین، صدرافشاری سحر. (1401). شبیه سازی تغییرات دما در نیمه غربی ایران طی دوره (۱۹۶۰-۲۱۰۰) با استفاده از مدل های واکاوی شده و خروجی مدل های ۵/۸RCP. تحقیقات کاربردی علوم جغرافیایی، ۲۲ (66):۱۷-۱.
9. کاظم زاده، مجید؛ ملکیان، آرش؛ مقدمنیا، علیرضا؛ خلیقی سیگارودی، شهرام. (1389). ارزیابی اثرات تغییر اقلیم بر خصوصیات هیدرولوژیکی حوزه آبخیز (مطالعه موردی: حوزه آبخیز آجی چای)، نشریه علوم و مهندسی آبخیزداری ایران، 13(83): 1-13.
10. مشکواتی، امیرحسین ،کردجزی ،محمد، بابائیان، ایمان، (1389)، بررسی و ارزیابی مدل لارس در شبیه سازی داده های هواشناسی استان گلستان در دوره 2007-1993 ، میلادی نشریه تحقیقات کاربردی علوم جغرافیایی، 16(19): 81-96.
11. Arnell, N.W., and Reynard, N.S. 1996. The effects of climate change due to global warming on river flows in Great Britain. J. Hydrol. 183: 397-424. [DOI:10.1016/0022-1694(95)02950-8]
12. Barros, Vicente Ricardo., Boninsegna, José Armando., Camilloni, Inés Angela., Chidiak, Martina., Magrín, Graciela Odilia., Rusticucci, Matilde. (2015). Climate change in Argentina: trends, projections, impacts and adaptation. WIREs Clim Change 2015, 6:151-169. [DOI:10.1007/s10584-015-1431-1]
13. Ben-Gai, T., A. Bitan, A. Manes, P. Alpert and S. Rubin. 1999. Temporal and spatial trends of temperature patterns in Israel. Tech. Appl. Climatol. 64: 163-177. [DOI:10.1007/s007040050120]
14. Booij, M.J. 2005. Impact of climate change on river flooding assessed with different spatial model resolutions. J. Hydrol. 303: 176-198 [DOI:10.1016/j.jhydrol.2004.07.013]
15. Borzoo, F., Ramezani Etedali, H., & Kaviani, A. (2022). Comparison of DKRZ database and LARS-WG model in three parameters of minimum temperature, maximum temperature and precipitation (Case study: Qazvin plain). Nivar, 46(116), 128-149.
16. Chmura, D.J., Anderson, P.D., Howe, G.T., Harrington,C.A., Halofsky, J.E., Peterson, D.L., Shaw, D.C., and Clair, J.B. 2011. Forest responses to climate change in the northwestern United States: Ecophysiological foundations for adaptive management. Forest Ecology and Management. 261: 7. 1121-1142 [DOI:10.1016/j.foreco.2010.12.040]
17. Diodato, N. 2004. Local models for rainstorm induced hazard analysis on Mediterranean river torrential geomorphological systems. Nat. Hazards Earth Syst. Sci. 4: 389-397 [DOI:10.5194/nhess-4-389-2004]
18. Eslamian, S.S. Khordadi, M.J. and Abedi-Koupai, J. 2011. Effects of variations in climatic parameters on evapotranspiration in the arid and semi-arid regions. Global and Planetary Change, 78(3-4), 188-194. [DOI:10.1016/j.gloplacha.2011.07.001]
19. Farmer, G.T., 2015. Modern climate change science: an overview of today's climate change science .Springer. [DOI:10.1007/978-3-319-09222-5]
20. Folland, C. K., T. R. Karl, J. R. Christy, R. A. Clarke, G. V. Gruza, J. Jouzel, M. E. Mann, J. Oerlemans, M. J. Salinger and S. W. Wang. 2001. Observed climate variability and change. In Climate Change, J. T. Houghton, Y. Ding, D. J. Griggs, M. Noguer, P. J. Van der Linden, X. Dai, K. Maskell, and C. A. Johnson, (Eds.). PP. 99-181 .Cambridge University Press, Cambridge.
21. Goodarzi,e; Dastorani, M; Massah Bavani, A; and Talebi, A; (2015); Evaluation of the Change-Factor and LARS-WG Methods of Downscaling for Simulation of Climatic Variables in the Future(Case study: Herat Azam Watershed,Yazd - Iran).J. ECOPERSIA.3: 833-846
22. Goossens Ch and Berger A. 1986. Annual and seasonal climatic variations over the northern hemisphere and Europe during the last century. Annales Geophysicae, 4B: 385-400.
23. Hashmi, M. Z., Shamseldin, A. Y., & Melville, B. W. (2011). Comparison of SDSM and LARS-WG for simulation and downscaling of extreme precipitation events in a watershed. Stochastic Environmental Research and Risk Assessment, 25(4), 475-484. [DOI:10.1007/s00477-010-0416-x]
24. Kavwenje, S., Zhao, L., Chen, L., & Chaima, E. (2022). Projected temperature and precipitation changes using the LARS‐WG statistical downscaling model in the Shire River Basin, Malawi. International Journal of Climatology, 42(1), 400-415. [DOI:10.1002/joc.7250]
25. Lotfi, M., Kamali, G. A., Meshkati, A., & Varshavyan, V. (2020). Predicting maximum temperatures using global climate models under RCP scenarios and microscaling LARS-WG and SDSM models in the west of the country. Physical Geography Quarterly, 14(Physical Geography Quarterly), 115-130.
26. Mirza, M. Q., Warrick, R. A., Ericksen, N. J. and Kenny, G. J., 1998, Trends and persistence in precipitation in the Ganges, Brahmaputra and Meghna river basins, Hydrological Sciences-Journal- des Sciences Hydrologiques, 43(6), 845- 858. [DOI:10.1080/02626669809492182]
27. Mohammed, Z. M., & Hassan, W. H. (2022). Climate change and the projection of future temperature and precipitation in southern Iraq using a LARS-WG model. Modeling Earth Systems and Environment, 1-14. [DOI:10.1007/s40808-022-01358-x]
28. Munawar, S., Rahman, G., Moazzam, M. F. U., Miandad, M., Ullah, K., Al-Ansari, N., & Linh, N. T. T. (2022). Future Climate Projections Using SDSM and LARS-WG Downscaling Methods for CMIP5 GCMs over the Transboundary Jhelum River Basin of the Himalayas Region. Atmosphere, 13(6), 898. [DOI:10.3390/atmos13060898]
29. Saymohammadi, Samireh. Zarafshani, Kiumars. Tavakoli, Mohsen. Mahdizadeh, Hossien. Amiri, Farzad. (2017). Prediction of Climate Change Induced Temperature & Precipitation: The Case of Iran. Sustainability. 9-146; DOI: 10.3390/su9010146. [DOI:10.3390/su9010146]
30. Sereda, J., Bogard, M., Hudson, J., Helps, D., and Dessouki,T. 2011. Climate warming and the onset of salinization: Rapid changes in the limnology of two Northern Plains lakes. Limnologica. 41: 1-9 [DOI:10.1016/j.limno.2010.03.002]
31. Serrano, A., Mateos, V.L., and Garcia, J.A., (1999). Trend Analysis of Monthly Precipitation over the Iberian Peninsula for the Period 1921-1995. phys. Chem. EARTH (B), VOL.24, NO. 1-2:85-90. [DOI:10.1016/S1464-1909(98)00016-1]
32. Sneyers R. 1975. Sur l'analyse statistique des series d'observations. OMM Publication No.415, Note technique 143. OMM: World Meteorological Organization (WMO) Geneva & Switzerland; 192.
33. Zubaidi, Salah L., Kot, Patryk , Hashim, Khalid, Alkhaddar, Rafid, Abdellatif, Mawada, Raad Muhsin, Yousif, 2019, Using LARS -WG model for prediction of temperature in Columbia City, USA, International Conference on Civil and Environmental Engineering Technologies, IOP Conf. Series: Materials Science and Engineering 584, doi:10.1088/1757-899X/584/1/012026. [DOI:10.1088/1757-899X/584/1/012026]
Send email to the article author
| Rights and permissions | |
 |
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)