بخشی از مقاله

چکیده

بارندگی که یکی از مهمترین عوامل در چرخه هیدرولوژیک محسوب میشود تحت شرایط تغییر اقلیم در مناطق مختلف روندهای متفاوت افزایشی یا کاهشی از خود نشان داده است. به علاوه، عدم قطعیت موجود در مطالعات تغییر اقلیم باعث گردیده تا دامنه این تغییرات متفاوت باشد. در این پژوهش، به منظور بررسی تغییرات سالانه این پارامتر در سه دوره آینده، دادههای حاصل از پانزده مدل مختلف AOGCM مربوط به ایستگاه بابلسر با استفاده از روش آماری و مدل LARS-WG ریز مقیاس نمایی شده و عدم قطعیت مربوط به آن مورد مطالعه قرار گرفت. نتایج حاکی از افزایش شدید عدم قطعیت با نزدیک شدن به دوره آینده دور میباشد که حاکی از فضای محتمل وسیع در دوره آتی خواهد بود.
.1 مقدمه

افزایش گازهای گلخانهای به واسطهی فعالیتهای انسان و صنعتی شدن کشورها در چند دهه اخیر و افزایش دمای ناشی از آن باعث بر هم خوردن تعادل سیستم اقلیمی کره زمین شده و تغییرات اقلیمی گستردهای را در اغلب نواحی کره زمین موجب شده است. توزیع منابع آب به تغییرات اقلیم بسیار حساس است و گرمایش جهانی اثرات معنیداری را بر چرخه هیدرولوژیکی خواهد گذاشت که میزان و نحوه تغییرات در مناطق مختلف کره زمین متفاوت است. هیئت بین دول تغییر اقلیم اظهار کرده است که تغییرات اقلیمی اخیر اثرات مشخصی بر سیستمهای بیولوژیکی و فیزیکی دارد. بسیاری از مدلهای اقلیمی با ایجاد تغییر در متغیرهای اقلیمی شامل دما، بارش و تبخیر و تعرق، غالبا با افزایش در فراوانی و شدت وقایع حدی اقلیمی و در نتیجه تغییر در رژیم هیدرولوژیکی رودخانهها، فراوانی و مقدار سیلابها را پیشبینی نموده اند .[10] یکی از مشکلات موجود در تحقیقات اثرات هیدرولوژیکی تغییر اقلیم، عدم تطابق مقیاس زمانی و مکانی بین خروجی مدلهای اقلیمی جهانی و منطقهای1 و مقیاسهای کوچکی که مطالعه اثرات هیدرولوژیکی در آن انجام میشود است. در این مطالعات ابتدا نیاز به مقادیر پیشبینی پارامترهای اقلیمی در دورههای آتی میباشد که این امر توسط مدلهای 2AOGCM و شبیهسازیهای آنها که بر پایه سناریوهای اقلیمی و غیراقلیمی استوار هستند برای کل دنیا انجام شده است. اما مشکل اساسی این مدلها، بزرگ مقیاس بودن سلول محاسباتی آنها و در نتیجه کاهش دقت به منظور استفاده در مقیاسهای منطقهای و استفاده در مدلهای هیدرولوژیکی میباشد. برای این منظور، نیاز به استفاده از تکنیکهای مختلف ریزمقیاسنمایی1 ضروری به نظر میرسد .[4] روشهای مختلفی برای ریزمقیاسنمایی ارائه شده است. گام مهم و اساسی در استفاده از این روشها، بررسی عدم قطعیت موجود در خروجی نهایی حاصل از این روشها میباشد. با بررسی عدم قطعیت نتایج کوچک مقیاس شده میتوان تأثیر منابع مختلف عدم قطعیت را محاسبه نمود. این منابع از مدلهای AOGCM و تئوری حاکم بر شبیهسازی آنها در سناریوهای اقلیمی و غیراقلیمی شروع شده و با تأثیر روش ریزمقیاسنمایی ادامه مییابد. افراد مختلفی در سراسر دنیا از خروجی مدلهای AOGCM مختلف و سناریوهای انتشار مختلف آن استفاده نموده و از روشهای مختلف برای تحلیل عدم قطعیت آن استفاده نمودهاند .[12]

تحقیق درباره اثرات هیدرولوژیکی نیاز به اطلاعات - دادههای - تغییر اقلیم در مقیاس مکانی و زمانی مناسب دارد. هرچند حوضههای آبریز رودخانهها اندازهای در حدود چند کیلومتر دارند اما ورودیهای بارش، دما و تبخیر به مدلهای هیدرولوژیکی غالبا براساس دادههای نقطهای - ایستگاههای هواشناسی - میباشند. فرایند ریزمقیاسنمایی به منظور فایق آمدن بر همین اختلاف بین آنچه مدلهای اقلیمی در اختیار قرار میدهند با آنچه مدلهای هیدرولوژیکی نیاز دارند صورت میگیرد. یکی از موانع و ویژگیهای مدلهای ریزمقیاسنمایی در طرحهای اقلیمی مختلف آینده بروز مینماید. بخصوص برخی از روشهای ریزمقیاسنمایی توانایی نشان دادن وقایع اقلیمی حدی که یکی از نگرانیهای هیدرولوژیکی است را ندارند. تفاوت در طرحهای اقلیمی آینده اشاره به این دارد که فرایند ریزمقیاسنمایی، عدم قطعیتهایی را بر تعیین اثرات هیدرولوژیکی تغییر اقلیم میافزاید. ارزیابی تأثیر تغییر اقلیم بر رواناب حوضهها برای مدیریت تأمین آب آینده دشوار بوده و به کارگیری این ارزیابی در مقیاس منطقهای با دقت کافی برای مهندسین و برنامهریزان منابع آب یک چالش است. مفیدترین ابزار برای نشان دادن اثرات تغییر اقلیم بر منابع آب سطحی، مدلهای هیدرولوژیکی به دست آمده از خروجی مدلهای گردش عمومی جو - GCM - میباشد.

خان و همکاران - 2006 - با استفاده از روش بوتاسترپ و نمونهگیری به مقایسه آماره بوت استرپی دادههای مشاهداتی و دادههای مدل شده پرداختند و عدم قطعیت خروجی سه مدل ریزمقیاسنمایی SDSM، LARS-WG و ANN را با یکدیگر مقایسه کردند. نتایج حاکی از دقت بیشتر مدلهای SDSM و LARS-WG و توانایی کمتر مدل ANN در فرآیند ریزمقیاسنمایی بود.

فرزانه و همکاران - 2011 - نیز به بررسی عدم قطعیت مربوط به دادههای ریزمقیاسشدهی سناریوی انتشار A2 مدل HadCM3 با مدل ریزمقیاسنمایی SDSM، با مطالعه تغییرات پارامترهای دما و بارش دوره 2040 تا 2069 ایستگاه سینوپتیک شهرکرد پرداختند. نتایج حاکی از کاهش 49 درصدی مجموع بارش دوره 2040 تا 2069 نسبت به دوره 1961 تا 1990 تحت بحرانیترین حالت یعنی سناریوی انتشار A2 بود.

فخری و همکاران - 2013 - نیز با استفاده از دادههای ریزمقیاسشده توسط مؤسسه CRU، به بررسی عدم قطعیتهای مؤثر بر برآورد دورههای خشک و تر آتی تحت تأثیر تغییر اقلیم پرداختند. نتایج حاکی از افزایش باند عدم قطعیت با نزدیک شدن به دوره آینده میانی بود.

علیزاده و همکاران - 1393 - با بررسی عدم قطعیت ناشی از دقت سلول محاسباتی در حالت گذار از مقیاس جهانی به منطقهای توسط مدل LARS-WG و مرکز CRU، تغییرات پارامتر بارندگی در ایستگاه سینوپتیک مشهد را مطالعه کردند. نتایج آنها توانایی نسبتا بالای مدل LARS-WG را در شبیهسازی پارامتر بارندگی در دوره پایه نشان داد. استفاده از خروجی ریز مقیاس شده مدل HadCM3 که توسط مرکز CRU با دقت مکانی بالا تولید گردیده بود نیز گویای کاهش تدریجی روند بارندگی بود. به علاوه، ایشان با مقایسه خروجی ریزمقیاسشده مدل مذکور با دقت 2/5×3/75 و خروجی مرکز CRU با دقت 0/5×0/5، عدم قطعیت ایجاد شده را مربوط به تغییر دقت سلول محاسباتی از مقیاس جهانی به منطقهای ارزیابی کردند.

با توجه به آنچه در بالا آمد، در این مطالعه سعی میشود تا با بررسی عدم قطعیت حاصل از مدلهای گردش عمومی و    سناریوهای انتشار به کمک روش آماری بوت استرپ، تغییرات سالانه بارش بوسیله مدلی معتبر مورد ارزیابی قرار گیرد.

2.    مواد و روشها

.2-1 منطقه مورد مطالعه

در تحقیق حاضر، ایستگاه سینوپتیک بابلسر با موقعیت جغرافیایی 36 درجه و 43 دقیقه عرض شمالی و 52 درجه و 39 دقیقه طول شرقی با ارتفاع 21 متر پایینتر از سطح دریاهای آزاد مورد بررسی قرار گرفته است. ابتدا مقادیر بارندگی ثبت شده 30 سال گذشته ایستگاه در مدل LARS-WG مورد واسنجی و ارزیابی قرار گرفته و پس از تأیید دقت، شبیهسازی بارندگی در سه دوره آینده انجام میگیرد. مدلهای AOGCM مورد استفاده در این مطالعه شامل 15 مدل BCM2، CGMR، CNCM3، CSMK3، FGOALS، GFCM21، GIAOM، HADCM3، HADGEM، INCM3، IPCM4، MIHR، MPEH5، NCCCSM و NCPCM بوده و فرایند شبیهسازی برای سه دوره آینده نزدیک، آینده میانی و آینده دور در نظر گرفته شد. جدول - 1 - مشخصات کلی مدلهای AOGCM بکار رفته را ارائه میدهد.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید