پیش‌بینی تغییرات بارش 20 سال آینده در استان کرمان با استفاده از مدل‌های ریز مقیاس کننده LARS-WG و گردش عمومی HadCM3

نوع مقاله: مقاله پژوهشی

نویسندگان

1 هواشناسی کشاورزی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی، مشهد

2 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی، مشهد، ایران

3 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر، کرمان، ایران

4 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد

چکیده

شبکه­های محاسباتی مدل­های گردش­عمومی­جو (GCM) به دلیل بزرگ مقیاس بودن و قدرت تفکیک کم برای استفاده در ابعاد یک ایستگاه باید ریز­ مقیاس شوند، از این­رو، از مولدهای هواشناسی برای ریز مقیاس کردن استفاده می­شود. با استفاده از خروجی مدل­گردش­عمومی و مولدهای هواشناسی، می­توان اقلیم منطقه را شبیه­سازی نمود. در این پژوهش، داده­های خروجی مدل گردش عمومی­جو HadCM3 با سه سناریو تغییر اقلیم  A1B، A2 و B1 توسط مدل LARS-WG در استان کرمان ریز مقیاس شد. نتایج حاصل از آن در 9 ایستگاه سینوپتیک استان کرمان در دوره پایه 2010-1991و دوره آینده 2030-2011 مورد ارزیابی و تجزیه و تحلیل قرار گرفت. در ارزیابی مدلLARS-WG  به بررسی میزان خطای داده­های مشاهداتی و شبیه‌سازی شده پرداخته و مدل برای منطقه مناسب ارزیابی شد. پس از آن تغییرات بارش و طول بازه خشک و تر بررسی شد. نتایج حاصل از بررسی میانگین بارش در 20 سال آینده نشان می­دهد بیشترین افزایش مربوط به ایستگاه­های بم و رفسنجان با 5/26 درصد و کمترین میزان افزایش بارش مربوط به ایستگاه کهنوج با 11 درصد می­باشد. نتایج حاصل از بررسی میانگین سالانه نشان دهنده افزایش میانگین سالانه بارش در همه ایستگاه­ها می­باشد. بررسی طول بازه تر و خشک نشان داد که طول بازه تر در تابستان برای همه ایستگاه­ها در دوره 2030-2011 رو به افزایش می­باشد. اگرچه در فصل زمستان بارش رو به کاهش می­باشد، اما در مجموع میانگین بارش رو به افزایش است.

کلیدواژه‌ها


عنوان مقاله [English]

Prediction the Rainfall Changes with Downscaling LARS-WG and HadCM3 models in Kerman during the next 20 years (2030-2011)

نویسندگان [English]

  • Farideh Hashemin nasab 1
  • Mohammad Mousavi baygi 2
  • Bahram . Bakhtiari 3
  • kamran Davari 4
1 MSc Agrometeorology, Department of Water Engineering, Faculty of Agriculture, Ferdowsi University of Mashhad
3 - Assistant Professor, Department of Water Engineering, Faculty of Agriculture, Shahid Bahonar University of Kerman
چکیده [English]

Atmospheric General Circulation Models have great scale and weak separate power so downscale stations have used. Therefore for downscale weather generator must be used. Using the output of general circulation models and weather generators can be used to simulate the regional climate. In this study, output data of HADCM3 atmospheric general circulation model with three climate change scenarios, A1B, A2 and B1 is downscale by the LARS-WG model in Kerman. Results has been assessed and analysed from the nine synoptic stations in Kerman in the recent period from 1991 to 2010 and future periods from 2011 to 2030. In LARS-WG model analysis, amount of error and real data evaluated for suitable region way and after that, rain changing, wet and dry spell length was surveyed. The results of the average rain during the next 20 years show that most rain be long Bam and Rafsanjan station with 26.5% and lowest rain belong to Kahnouj station with 11%.  Results of this study show that the average annual increase in average annual rainfall is at all stations. Findings showed that during wet and dry spell lengths is growing for all stations in the period 2011-2030 in summer. Although winter rainfall is decreasing, but the average rainfall total is rising.

کلیدواژه‌ها [English]

  • : Atmospheric General Circulation Models
  • Weather Generators
  • Downscale
  • Climate Change Scenarios

1-    اباییان، ا.، ز. نجفی نیک، ف. زابل عباسی، م. حبیبی نوخندان، ح. ادب و ش. ملبوسی. 1388. ارزیابی تغییر اقلیم کشور در دوره 2010-2039 میلادی با استفاده از ریزمقیاس نمایی داده­های مدل گردش عمومی جو ECHO-G. جغرافیا و توسعه. شماره 16، ص 135- 152.

2-    عباسی، ف.، ش. ملبوسی، ا. بابائیان، م. اثمری و ر. برهانی. 1389. پیش بینی  تغییرات اقلیمی خراسان جنوبی در دوره 2039-2010 میلادی با استفاده از ریز مقیاس نمایی آماری خروجی مدل ECHO-G. نشریه آب و خاک. شماره 24، ص 233-218.

3-    عباسی، ف.، ا.  بابائیان، م. حبیبی نوخندان، ل. مختاری، ش. ملبوسی و ش. عسکری. 1389. ارزیابی تأثیر تغییر اقلیم بر دما و بارش ایران در دهه های آینده با کمک مدلMAGICC-SCENGEN . پژوهش های جغرافیای طبیعی. شماره 72، ص 109-91.

4-    محمدی، ح.، م. مقبل و ف. رنجبر. 1389. مطالعه تغییرات بارش و دمای ایران با استفاده از مدل MAGICC-SCENGEN. جغرافیا. شماره 25، ص 142-125.

5-    Hartkamp, A.D. and J.W. White. 2003. Comparison of three weather generators for crop modeling: A case study for subtropical environments. Agricultural Systems, 76(2): 539-560.

6-      Hashmi, M.Z., A.Y. Shamseldin and B.W. Melville. 2009. Downscaling of future rainfall extreme events: a weather generator based approach. 18th World IMACS. MODSIM Congress, Cairns, Australia, 13-17

7-      Hashmi, M. Z., A.Y. Shamseldin and B.W.Melville. 2010. Comparison of SDSM and LARS-WG for simulation and downscaling of extreme precipitation events in a watershed. StochEnvironResRisk Assess. DOI 10.1007.s00477-010-0416-x.

8-      IPCC (2007) Climate Change 2007. the Fourth Assessment Report (AR4) of the United Nations Intergovernmental Panel on Climate Change (IPCC), Working Group I, The Physical Science Basis of Climate Change.

9-      Riha, S.J. and D.S. Wilks. 1996. Impact of temperature and precipitation variability on crop model predictions. Climatic Change, 32(3): 293-311.

10- 

57

Semenov, M. 2007. Developing of high-resolution UKCUP02-based climate change scenarios in the UK. Agricultural and Forest Meteorology, 144-127.

11-  Semenov, M and E. Barrow. 2002. LARS-WG a stochastic weather generator for use in climate impact studies. User’s manual, Version3.0.

12- 

57

Semenov, M., R. Brooks, E. Barrow and C. Richardson. 1998. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Clim. Res., 10:95-107.

13-  Special Report on Emission Scenarios (SRES). 2000. Intergovernmental Panel on Climate Change (IPCC). http://www.grida.no/climate/ipcc/emission/index/htm/

14-  Wilby, R., C. Dawson and E. Barrow. 2002. SDSM a decision support tool for the assessment of regional climate change impacts. Environ. Model Soft., 17:145–157.

15-  Wilby, R. L. 1999. The weather generation game: A review of stochastic weather models. Progress in Physical Geography, 23:329-357.