بررسی تغییرات اقلیمی استان یزد در آیندۀ دور و نزدیک به کمک مدل چندگانۀ خطی SDSM

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه مهندسی طبیعت، دانشکدۀ منابع طبیعی، دانشگاه جیرفت، کرمان، ایران.

2 استادیار گروه جغرافیا، دانشکدۀ ادبیات و علوم انسانی، دانشگاه جیرفت، کرمان، ایران.

3 دانش‌آموختۀ دکتری بیابان‌زدایی، دانشکدۀ منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران.

4 دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.

10.22034/jdmal.2021.246298

چکیده

در چند دهۀ گذشته افزایش دمای زمین موجب تغییرات اقلیمی گسترده‌ای در بیشتر سطح کرۀ زمین بهویژه مناطق خشک و نیمه‌خشک ایران و استان یزد ایجاد شده است. هدف از پژوهش حاضر بررسی تغییرات اقلیمی استان یزد با استفاده از مدل CanESM2 و سناریوهای جدید انتشار (RCP) در دو بازه آیندۀ نزدیک 1429  1400 و آیندۀ دور 1459  1430 و بررسی روند تغییرات در دورۀ پایه با استفاده از آزمون من‌کندال است. همچنین به‌منظور بررسی کارآیی مدل CanESM2 از شاخص‌های آماری 2R ، RMSE و NSE استفاده شد. برطبق نتایج مدل کارآیی لازم را در پیش‌بینی بارش و دما در دورۀ آتی داشت و از نظر قابلیت در کلاس خوب و خیلی خوب طبقه‌بندی شد. بررسی روند تغییرات سالانۀ متغیرهای دما و بارش در دورۀ پایه نشان داد که روند دما در بیشتر ایستگاه‌ها و سناریوها افزایشی است، درحالی‌که روند تغییرات بارش معنی‌دار نبود. نتایج تغییرات دمایی در استان یزد در دورۀ آتی نسبت به دورۀ پایه حاکی از افزایش دمای میانگین سالانه به میزان 2.2، 2.1 و 2.5 C° در دورۀ 1429-1400 و به‌میزان 2.28، 3.19 و 4.77 C° در دورۀ 1459-1430 ، به‌ترتیب، تحت سناریوهای RCP2.6 ، RCP4.5 و RCP8.5 بود. همچنین بررسی تغییرات میانگین بارندگی در فصل زمستان در استان یزد نشان داد که کاهش بارندگی در دورۀ 1429  1400 به‌میزان 32 ، 26 و 34% و در دوره 1459-1430 به‌میزان 32 ، 32 و 5%، به‌ترتیب، تحت سناریوهای RCP2.6 ، RCP4.5 و RCP8.5 رخ خواهد داد.

کلیدواژه‌ها


  1. Agreement, P. (2015). UNFCCC, Adoption of the Paris agreement. COP. 25th session Paris, 30.
  2. Alavinia, S. H. & Zarei, M. (2020). Analysis of Extreme Temperature Change Trend under Future Scenarios in order to Assess Climate Fluctuations (Case Study: Sanandaj and Saghez Synoptic Stations). Arid Regions Geographics Studies, 11(41), 1-16.
  3. Dash, S. S., Sahoo, B. & Raghuwanshi, N. S. (2019). A SWAT-Copula based approach for monitoring and assessment of drought propagation in an irrigation command. Ecological Engineering, 127, 417-430.
  4. Asadi Zarch, M. A. (2017). Analyzing climate change effects on drought occurrence in Yazd province, Iran. Desert Management, 5(9), 74-90. (in Farsi)
  5. Feyissa, G., Zeleke, G., Bewket, W. & Gebremariam, E. (2018). Downscaling of future temperature and precipitation extremes in Addis Ababa under climate change. Climate, 6(3), 58.
  6. Gaitán, E., Monjo, R., Pórtoles, J. & Pino-Otín, M. R. (2019). Projection of temperatures and heat and cold waves for Aragón (Spain) using a two-step statistical downscaling of CMIP5 model outputs. Science of the Total Environment, 650(2), 2778-2795.
  7. Givati, A., Thirel, G., Rosenfeld, D. & Paz, D. (2019). Climate change impacts on streamflow at the upper Jordan River based on an ensemble of regional climate models. Hydrology: Regional Studies, 21, 92-109.
  8. Gong, Z., Kawamura, K., Ishikawa, N., Goto, M., Wulan, T., Alateng, D., ... & Ito, Y. (2015). MODIS normalized difference vegetation index (NDVI) and vegetation phenology dynamics in the Inner Mongolia grassland. Solid Earth, 6(4), 1185.
  9. Haghshenas Getabi, R., Mohseni, B., Hosseini, A. & Dadashi, N. (2014). Investigation of climate change trend in Tehran province using temperature and precipitation extreme Indices. In: 5th International Conference on Integrated Natural Disaster Management. Permanent Secretariat of the Comprehensive Crisis Management Conference. Tehran, Iran. 23-24 February 2014. pp. 1-8. (in Farsi)
  10. Hawkins, E., Ortega, P., Suckling, E., Schurer, A., Hegerl, G., Jones, P., ... & Thorne, P. (2017). Estimating changes in global temperature since the preindustrial period. Bulletin of the American Meteorological Society, 98(9), 1841-1856.
  11. Intergovernmental Panel on Climate Change (IPCC). (2007). In: Solomon, S., et al. (Eds.), Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK.
  12. IPCC, (2014). Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland, 151(10.1017).
  13. Intergovernmental Panel of Climate Change (IPCC). (2013). Working Group, I contribution to the IPCC Fifth Assessment Report Climate Change 2013: The physical science basis-summary for policymakers. Intergovernmental Panel of Climate Change, Stockholm.
  14. Jafari, M. (2008). Investigation and analysis of climate change factors in Caspian Zone forests for last fifty years. Forest and Poplar Research, 16(32), 314-326. (in Farsi)
  15. Jafary Godeneh, M., Salajeghe, A., Haghighi, P. (2020). Forecast Comparative of Rainfall and Temperature in Kerman County Using LARS-WG6 Models. Ecohydrology, 7(2), 529-538. (in Farsi)
  16. Karimi, M. & Nabizadeh, A. (2018). Assessment of climate change impacts on climate parameters of Urmia Lake basin during 2011-2040 years by using LARS-WG. Geography and Planning, 22(65), 267-285. (in Farsi)
  17. Kendall, M. G. (1975). Rank Correlation Methods. Charles Griffin, London, UK, 202, 15.
  18. Kharin, N. (2002). Vegetation degradation in Central Asia under the impact of human activities. Springer Science & Business Media. Gemany: Springer Nature.
  19. Klaus, G., Ernst, A. & Oswald, L. (2020). Psychological factors influencing laypersons’ acceptance of climate engineering, climate change mitigation and business as usual scenarios. Technology in Society, 60, 101222.
  20. Li, J., Wang, Z., Wu, X., Guo, S. & Chen, X. (2020). Flash droughts in the Pearl River Basin, China: Observed characteristics and future changes. Science of The Total Environment, 707, 136074.
  21. Mann, H.B., 1945. Non-parametric tests against trend, Econometrica 13, MathSci Net, pp. 245-259.
  22. Miao, C., Duan, Q., Sun, Q., Huang, Y., Kong, D., Yang, T. & Gong, W. (2014). Assessment of CMIP5 climate models and projected temperature changes over Northern Eurasia. Environmental Research Letters, 9(5), 055007.
  23. Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D. & Veith, T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 50(3), 885-900.
  24. Moss, R. H., Edmonds, J. A., Hibbard, K. A., Manning, M. R., Rose, S. K., Van Vuuren, D. P., ... & Meehl, G. A. (2010). The next generation of scenarios for climate change research and assessment. Nature, 463(7282), 747-756.
  25. Phillips, J. D. (2019). State factor network analysis of ecosystem response to climate change. Ecological Complexity, 40, 100789.
  26. Sadidi, J., Jafary Godeneh, M., Sajedi, H. & Hamzehzadeh, G. (2019). Investigation of trend and prediction of temperature changes in arid and semi-arid regions (Case study: Kerman province). In: 14th Congress of the Iranian Geographic Society. Tehran, Iran. 14 May 2019. pp. 1-17. (in Farsi)
  27. Saremi Naeini, M. (2017). Estimation of the Frequency of Speed and Direction of the Erosive Winds and Dust storms in the Yazd Province, by Using Windrose, Stormrose and Sandrose. Desert Management, 4(8), 96-106. (in Farsi)
  28. Soltani Gerdfaramarzy, M., Mozafari, Gh. & Shafie, Sh. (2018). Analysis of the effects of recent climatic droughts on the salinity of subterranean waters using geostatistical and GIS methods in Yazd- Ardakan Plain. Scientific-Research Quarterly of Geographical Data (SEPEHR), 27(106), 179-199. (in Farsi)
  29. Varshavian, V., Khalili, A., Ghahreman, N. & Hajjam, S. (2011). Trend analysis of minimum, maximum, and mean daily temperature extremes in several climatic regions of Iran. Earth and Space Physics, 37(1), 169-179. (in Farsi)
  30. Wilby, R. L. & Dawson, C. W. (2013). The statistical downscaling model: insights from one decade of application. Climatology, 33(7), 1707-1719.
  31. Yin, L., Dai, E., Zheng, D., Wang, Y., Ma, L. & Tong, M. (2020). What drives the vegetation dynamics in the Hengduan Mountain region, southwest China: Climate change or human activity? Ecological Indicators, 112, 1-12.
  32. Zhang, C., Wang, X., Li, J. & Hua, T. (2020). Identifying the effect of climate change on desertification in northern China via trend analysis of potential evapotranspiration and precipitation. Ecological Indicators, 112, 1-9.