مدیریت بیابان

مدیریت بیابان

بررسی تغییر اقلیم و روند بارش و دمای آینده در حوزۀ آبخیز سد کارده

نوع مقاله : مقاله پژوهشی

نویسندگان
مریم اکبری 1
حسین ملکی نژاد 2
محبوبه حاجی بیگلو 3
1 دانشجوی دکتری علوم و مهندسی آبخیزداری، گروه مرتع و آبخیزداری، دانشکدۀ منابع طبیعی و کویرشناسی، دانشگاه یزد، یزد، ایران.
2 دانشیار، گروه مرتع و آبخیزداری، دانشکدۀ منابع طبیعی و کویرشناسی، دانشگاه یزد، یزد، ایران.
3 دکتری علوم و مهندسی آبخیزداری، دانشکدۀ مرتع و آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران.
10.22034/jdmal.2025.2048201.1493
چکیده
بارش و دما متغیر‌های مهم برای ارزیابی تأثیر تغییر اقلیم هستند. تغییر اقلیم با تغییر در الگوهای بارندگی و دما، تأثیر بارزی بر چرخۀ آب و ویژگی­‌های هیدرولوژی حوزه‌های آبخیز دارد. در پژوهش حاضر تغییرات اقلیمی دما و بارش حوضه سد کارده با استفاده از مدل سری CMIP6 تحت سه سناریوی خوش‌بینانه SSP126، حد واسط SSP245 و بدبینانه SSP585، برای دورۀ آینده (1414-1400) نسبت‌به دورۀ پایه (1370-1393) با مدل ریزمقیاس ‌نمائی SDSM مورد بررسی قرارگرفت. سپس برای بررسی روند داده‌ها از آزمون من‌کندال استفاده ­شد. بررسی نتایج اجرای مدل SDSM حاکی از آن است که در سال‌های آینده بیشترین میزان افزایش بارش در سناریوهای مورد بررسی، مربوط به ماه اسفند در فصل زمستان و کمترین میزان بارش مربوط به ماه‌های خرداد، تیر، مرداد و شهریور در فصل‌های بهار و تابستان خواهد بود. همچنین بیشترین افزایش دمای حداقل ایستگاه سد کارده و مارشک برای دی‌ماه در فصل زمستان و بیشترین افزایش دمای بیشینه برای تیرماه در فصل تابستان رقم خواهد خورد. نتایج آزمون من‌کندال نیز نشان داد که در سناریوهای مورد بررسی مقدار بارندگی، دمای حداقل و دمای بیشینه بدون روند یا دارای نوساناتی هستند. به جز بارش ایستگاه گوش‌­بالا در سناریوی SSP126  که دارای روند منفی معنی‌دار و متغیر بیشینه دمای ایستگاه سد کارده در سناریوی SSP585 که دارای روند مثبت معنی‌دار می‌باشد. به‌طور کلی می‌توان گفت در تمامی سناریوها افزایش دما در دوره آینده در مقایسه با دوره پایه رخ خواهد داد، در حالی‌که میزان بارش بسته به ماه‌ها و فصول مختلف و باتوجه به کوهستانی بودن حوضه سد کارده افزایش یا کاهش نشان می‌دهد.
کلیدواژه‌ها
آزمون من‌کندال
پروژه مقایسه مدل‌های جفت‌شده فاز ششم
تغییرپذیری اقلیم
سناریوی انتشار

موضوعات

  1. Arfasa, G. F., Owusu-Sekyere, E., & Doke, D. A. (2024). Climate Change Projections and Impacts on Future Temperature, Precipitation, and Stream flow in the Vea Catchment, Ghana. Environmental Challenges, 14, 100813. DOI: 10.1016/j.envc.2023.100813
  2. Bagherpour, M., Seyedian, M., Fathabadi, A., & Mohamadi, A. (2017). Study of Mann-Kendall test performance in detecting the series of autocorrelation. Iranian Journal of Watershed Management Science and Engineering, 11(36), 11-21. DOI: 20.1001.1.20089554.1396.11.36.2.4 [In Persian]
  3. Duttarganvi, S., Sunkad, G., Rao, S., Channabasavanna, A. S., Desai, B. K., Umesh, M. R., & Ajayakumar, M. Y. (2021). Weather analysis through Mann-Kendall test and other applications. Journal of Farm Sciences, 34(Spl 5), 487-491. DOI: 61475/jfm.v34iSpl%205.282
  4. Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., & Taylor, K. E. (2016). Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geoscientific Model Development, 9(5), 1937-1958. DOI: 10.5194/gmd-9-1937-2016
  5. Gagnon, S., Singh, B., Rousselle, J., & Roy, L. (2005). An application of the statistical downscaling model (SDSM) to simulate climatic data for streamflow modelling in Québec. Canadian Water Resources Journal, 30(4), 297-314. DOI: 4296/cwrj3004297
  6. Ghazi, B., Salehi, H., Cheshami, M., Zeydalinejad, N., & Linh, N. T. T. (2024). Projection of climate change impact on main climate variables and assessment of the future of Köppen–Geiger climate classification in Iran. Acta Geophysica, 73, 2017-2027. DOI: 10.1007/s11600-024-01457-6
  7. Goodarzi, M. R., Heydaripour, M., Jamali, V., Sabaghzadeh, M., & Niazkar, M. (2023). Investigating Uncertainty of Future Predictions of Temperature and Precipitation in The Kerman Plain under Climate Change Impacts. Hydrology, 11(1), 2. DOI: 10.3390/hydrology11010002 [In Persian]
  8. Haji Mohammadi, M., GhermezCheshmeh, B. & Azizian, A. (2019). Evaluate the performance of SDSM model in different station and predict climate variables for future. Iranian Journal of Watershed Management Science and Engineering, 13(44), 28-37. DOI: 20.1001.1.20089554.1398.13.44.4.6 [In Persian]
  9. Hawkins, C. A., & Weber, J. E. (1980). Statistical analysis: Applications to business and economics. Publisher: Harper & Row.
  10. Lotfi gharanchai, Sh., Shakiba A., dashtbozorghi A., Rabbani, F., & Akbari Azirani, T. (2021). Modeling and Predicting Climatic Elements of Temperature and Precipitation (Case Study: Ahar Synoptic Station). Physical Geography Quarterly, 53(14),57-74. [In Persian]
  11. Mukheef, R. A., Hassan, W. H., & Alquzweeni, S. (2024). Projections of temperature and precipitation trends using CMhyd under CMIP6 scenarios: A case study of Iraq's Middle and West. Atmospheric Research, 306, 107470. DOI: 10.1016/j.atmosres.2024.107470
  12. Magang, D. S., Ojara, M. A., Yunsheng, L., & King’uza, P. H. (2024). Future climate projection across Tanzania under CMIP6 with high-resolution regional climate model. Scientific Reports, 14(1), 12741. DOI: 10.1038/s41598-024-63495-w
  13. Mann, H. B. (1945). Nonparametric tests against trend. Econometrica. Journal of The Econometric Societ, 13(3), 245-259. DOI: 10.2307/1907187
  14. Mohammadi, P., Malekian, A., Nouri, M., & Rafiei, H. (2025). Simulation of climate change scenarios using the CMIP6 models (Case study: Taleqan Watershed). Integrated Watershed Management, 4(3), 30-51. DOI: 10.22034/iwm.2024.2022313.1132 [In Persian]
  15. Mohammadian, A., Talebi, A., Goodrzi, M. & Abdolahi, A. (2019). Technical Note: Prediction of climatic parameters caused by climate change, case study: Balqur Watershed in Kardeh Dam, Khorasan-Razavi Province. Watershed Engineering and Management. 11(2), 551-561. DOI: 10.22092/ijwmse.­2019.107546.1187 [In Persian]
  16. Niroumandfard, F., Khashei, A., Hashemi, R., & Ghorbani, Kh. (2022). Investigation of Climate Change Projection on Temperature and Precipitation Parameters Using CMIP6 Models (Case Study: Birjand Station). Iranian Journal of Soil and Water Research, 53(9), 2009-2026. DOI: 10.22059/ijswr.­2022.343936.669284 [In Persian]
  17. Nury, A. H., & Alam, M. J. B. (2013). Performance Study of Global Circulation Model HADCM3 Using SDSM for Temperature and Rainfall in North-Eastern Bangladesh. Journal of Scientific Research, 6(1), 87-96. DOI: 10.3329/jsr.v6i1.16511
  18. Pal, A. B., Khare, D., Mishra, P. K., & Singh, L. (2017). Trend analysis of rainfall, temperature and runoff data: a case study of Rangoon watershed in Nepal. International Journal of Students' Research in Technology & Management, 5, 21-38.‏ DOI: 10.18510/ijsrtm.2017.535
  19. Panda, A., & Sahu, N. (2019). Trend analysis of seasonal rainfall and temperature pattern in Kalahandi, Bolangir and Koraput districts of Odisha, India. Atmospheric Science Letters, 20(10), e932.‏ DOI: 10.1002/asl.932
  20. Praveen, B., Talukdar, S., Shahfahad, Mahato, S., Mondal, J., Sharma, P., ... & Rahman, A. (2020). Analyzing trend and forecasting of rainfall changes in India using non-parametrical and machine learning approaches. Scientific Reports, 10(1), 10342. DOI: 1038/s41598-020-67228-7
  21. Roshani, A., & Hamidi, M. (2022). Forecasting the effects of climate change scenarios on temperature & precipitation based on CMIP6 models (Case study: Sari station). Water and Irrigation Management, 11(4), 781-795. DOI: 10.22059/jwim.2022.330603.920 [In Persian]
  22. Sedaghatkerdar, A. and Fattahi, E. 2008. Warningof drought indicesin Iran, Journalof Geographyand Development, University of Sistanand Baluchestan; 6(11), 76-59. DOI: 10.22111/gdij.2008.1616 [In Persian]
  23. Serrano, A., Mateos, V. L., & Garcia, J. A. (1999). Trend analysis of monthly precipitation over the Iberian Peninsula for the period 1921–1995. Physics and Chemistry of the Earth, Part B: Hydrology, Oceans and Atmosphere, 24(1-2), 85-90. DOI: 10.1016/S1464-1909(98)00016-1
  24. Singh, O., Arya, P., & Chaudhary, B. S. (2013). On rising temperature trends at Dehradun in Doon valley of Uttarakhand, India. Journal of Earth System Science, 122, 613-622.‏ DOI: 10.1007/s12040-013-0304-0
  25. Stocker, B. D., Roth, R., Joos, F., Spahni, R., Steinacher, M., Zaehle, S., ... & Prentice, I. C. (2013). Multiple greenhouse-gas feedbacks from the land biosphere under future climate change scenarios. Nature Climate Change, 3(7), 666-672. DOI: 10.1038/nclimate1864
  26. Wilby, R. L., Dawson, C. W., & Barrow, E. M. (2002). SDSM—a decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software, 17(2), 145-157. DOI: 10.1016/S1364-8152(01)00060-3
  27. Wilby, R.L., & C.W. Dawson. 2008. Using SDSM version 4.2- A decision support tool for the assessment of regional climate change impacts. user manual, 94 pp.
  28. Yousefi, M. Reza., Asadian, F., & Khalidi, Sh. (2024). Forecasting and examining the future of climate change in Tehran. Journal of Future Cities Vision,5(1),179-197. [In Persian]
مدیریت بیابان
دوره 12، شماره 4 - شماره پیاپی 32
6 مقاله
زمستان 1403
صفحه 87-106

  • تاریخ دریافت 28 آذر 1403
  • تاریخ بازنگری 13 بهمن 1403
  • تاریخ پذیرش 14 بهمن 1403