بخشی از مقاله
خلاصه
تغییرات الگوهای اقلیمی ممکن است فرایندهای هیدرولوژیکی، منابع آب موجود و آب در دسترس برای کشاورزی، شرب، صنعت، زندگی آبزیان و حتی نیروهای برق آبی را تحت تاثیر قرار دهد. پیشبینی تغییرات پارامترهای اقلیمی در سطح جهانی تحت سناریوهای مختلف تغییرات اقلیمی با عنوان مدلهای گردش عمومی جو انجام میشود اما برای استفاده از این دادهها در سطح منطقهای و ارزیابی اثرات آنها بر منابع مختلف نیاز به ریز مقایسنمایی این دادهها جهت استفاده در مقیاس محلی میباشد. در این پژوهش در ابتدا به بررسی روشهای متداول ریزمقاسنمایی پارامترهای مهم تغییرات اقلیمی پرداخته شده و سپس کارایی هریک از مدلها مورد بحث و بررسی قرار گرفته است.
مقدمه
مدلهای گردش عمومی مناسبترین ابزار برای مطالعه پدیده تغییر اقلیم شناخته شده اند، اما این مدلها به شبیهسازی پارامترهای اقلیمی در مقیاس بزرگ میپردازند به همین علت روشهای مختلف ریزمقایسنمایی ایجاد و توسعه یافتند. مدلهای پیشبینی اقلیم دارای آن چنان دقت فضایی و زمانی نیستند تا اقلیم دهههایی آتی را در مقیاس محلی و ایستگاههای هواشناسی مورد بررسی ،ارزیابی و پیشبینی قرار دهند.آنها قادرند وضع اقلیم آینده را در یک مقیاس نسبتا وسیع پیشبینی کنند که ممکن است داخل این شبکه گسترده چندین ایستگاه هواشناسی واقع شده باشد.برای فائق آمدن بر این مشکل بایستی خروجی مدلهای اقلیمی را به مقیاسهای کوچکتر تبدیل کرده تا بتوان اقلیم محلی و ایستگاهی را مورد پیشبینی و ارزیابی قرار داد.
- محمد زاده،. - 1392 دو روش کلی برای ریزمقیاس کردن خروجی الگوهای گردش عمومی جو - GCM - به کار می رود. نخست، استفاده از روشهای آماری است که در آن یک خروجی از الگوی آماری و یک رویکرد برنامهریزی شده برای پیش بینی عددی کوتاه مدت وضع هوا به دست داده میشود. دومین، استفاده از الگوهای اقلیمی منطقهای - RCM - است که همان الگوی GCM محدود شده در یک زیر شبکه از شبکه الگوی جهانی میباشد و به روش دینامیکی از تغییرات زمانی شرایط جوی براساس الگوی GCM استفاده میکنند، - سبحانی و همکاران،. - 1394 با توجه به اینکه ریز مقیاسنمایی دینامیکی نیاز به سامانههای فوق سریع داشته که اغلب کشورها فاقد آن هستند و یا در صورت دارا بودن نیازمند زمانهای طولانی برای پردازش و ارائه نتایج می باشند.
از این رو فقط در کشورهای محدودی به ریزمقیاسنمایی دینامیکی پرداخته شده و با عنوان RCM از آنها استفاده میشود. لذا توجه عمومی به روش ریزمقیاسنمایی آماری معطوف شده است، - آقا بیگی،. - 1396 تحقیقات متعددی برای بررسی پارامترهای اقلیمی توسط محققین انجام شده است. امیدوار و همکاران در سال 1397 به ارزیابی کارایی مدل شبکه عصبی مصنوعی برای ریزمقیاسنمایی و پیشبینی بلندمدت متغیرهای اقلیمی در ایستگاه سینوپتیک سیرجان پرداختند.
در ابتدا عملکرد مدل شبکه عصبی مصنوعی توسط مدل گردش عمومی CanESM2مورد آزمون قرار گرفت، سپس با استفاده از مدلهای مناسب مقادیر دما و بارندگی متوسط ماهانه تحت سناریوی RCP 4,5 پیشبینی و بررسی گردید. نتایج حاصله نشان دهنده افزایش 3 درجهای دما تا سال 2099 میباشد ولی در مقیاس سالانه تغییری در میزان بارندگی رخ نمیدهد. شاژگا و همکاران - Shagega et al.,2018 - به پیشبینی اقلیم آتی رودخانمهای در تانزانیا پرداختند.
در این پژوهش جهت ریزمقیاسنمایی دادههای هواشناسی از مدل LARS-WG با دوره مشاهداتی 30 ساله استفاده شد.دادههای پیشبینی کننده بیانگر افزایش دما در تمامی دورههای آتی میباشد. اما بارش در ماههای آوریل،می،ژوئن و ژوئیه روند کاهشی و در بقیه ماهها روند روبه افزایش خواهد داشت. ثانی خانی و همکاران - Sanikhani et al.,2018 - به بررسی تاثیرات تغییر اقلیم بر رواناب حوزه دریاچه ارومیه با استفاده از مدل ریزمقیاسنمایی WG- LARSپرداختند. مطالعه موردی بر روی رودخانههای آجیچای و مهابادچای انجام شده است.
نتایج مدل تحت سناریوهای مختلف در هر دو حوزه روند افزایش بارندگی و کاهش دما را برای دوره آتی پیشبینی کرده است. آهنگر و لان - Ahangar and Lone.,2018 - به بررسی اثرات تغییر اقلیم بر دره کشمیر پرداختند. در این پژوهش پارامترهای بارش و دما در چهار ایستگاه بررسی شده است. در این تحقیق از مدلهای رگرسیون خطی چندگانه و SDSM برای ریزمقیاسنمایی استفاده شده است. نتایج حاصله روند افزایشی دما و کاهش بارش در دهههای آینده در این منطقه را نشان میدهد.
سرزائیم و همکاران - Sarzaeim et al., 2018 - به بررسی اثرات تغییر اقلیم بر تولید برق آبی رودخانهای در حوزه کرخه پرداختند. در این مطالعه برای ریزمقیاسنمایی از مدل SDSM تحت سناریوهای مختلف RCP استفاده شده و با روش تغییرعامل - CF - جهت مقایسه شده است. نتایج حاصله نشاندهنده آن است که سناریوهای رواناب در ارتباط با SDSM منجر به افزایش رواناب و افزایش تولید نیروی برق آبی خواهد شد.
عساکره و مطلبی در سال 1396 در پژوهشی به مقایسه عملکرد دو مدل SDSM و ANN - شبکه عصبی مصنوعی - در پیشبینی تغییرات دمای حداقل ایستگاه ارومیه پرداختند. در این پژوهش از دادههای دمای حداقل و مدلهای گردش عمومی جو استفاده شده است. نتایج بدست امده نشان دهنده روند کاهشی دمای حداقل بوده است. بر اساس این تحقیق مدل SDSM نسبت به شبکه عصبی مصنوعی نتایج نزدیک به واقعیت را نشان میدهد. شیر دلی و همکاران در سال 1396 به بررسی روند دمایی آتی در منطقه ابهر تحت تاثیر تغییرات اقلیمی پرداخته و با دوره پایه مقایسه کردند. در این پژوهش تغییرات در سه افق زمانی نزدیک، متوسط و بلند در نظر گرفته شده است.
برای ریزمقیاسنمایی از مدل LARS-WG و جهت شبیه سازی اقلیمی از مدل HadCM3 تحت سناریوی A2 استفاده شده است. نتایج حاصله نشان دهنده روند افزایشی پارامترهای دمای کمینه،متوسط و بیشنه طی افق های آتی بوده است. عساکره و کیانی در سال 1396 به میزان کارایی مدل SDSM در شبیهسازی میانگین دمای شهر کرمانشاه پرداختند. در این پژوهش دادههای دیدهبانی به دو دوره 15 ساله و 40 ساله تقسیم شدند. از 15 سال اول برای کالیبره کردن مدل استفاده شده، سپس برای دوره 40 ساله نیز کالیبراسیون انجام گرفته است.
پیشبینی های انجام شده در این تحقیق برای دوره 10 ساله بعدی انجام و با دادههای مشاهداتی مقایسه شد. نتایج حاصله نشان داد که با افزایش طول دوره پایه، پیشبینی مدل دارای دقت مناسبی بوده است. رضایی بنفشه و جلالی در سال 1396 به ارزیابی تاثیرات تغییر اقلیم بر تراز آب زیر زمینی حوضه آبریز تسوج تحت سناریوهای A1 ,A1B ,B1 و نحوه واکنش تراز آب زیرزمینی به این تغییرات پرداختند. دادههای دما ،بارش و ساعات آفتابی با نرمافزار LARS-WG و تراز آب زیر زمینی با شبکه عصبی مصنوعی پیشبینی گردید.
نتایج نشاندهنده کاهش بارش و افزایش دما در هر سه سناریوی مورد مطالعه میباشد. عبدالهی و الکرین - Abdullahi and Elkiran.,2017 - در مقالهای به تاثیرات تغییر اقلیم بر تبخیر و تعرق مرجع با استفاده از شبکه عصبی مصنوعی پرداختند. در این پژوهش از نرمافزار CROPWAT 8,0 برای محاسبه دادههای گذشته و از شبکه عصبی مصنوعی برای پیشبینی دادههای آینده استفاده شد. نتایج نشاندهنده آن است که شبکه عصبی مصنوعی حتی در صورت محدودیت در پارامترها میتواند به طور مناسبی تبخیر -تعرق را در مناطق مختلف پیشبینی نماید.
رضایی و همکاران در سال 1395 در پژوهشی اثر تغییر اقلیم بر میزان بارش ایستگاههای چترود و سعادتآباد سیرجان، با استفاده از خروجیهای مدل HadCM3 ، تحت سناریوهای A2 و B2 و از طریق مدل ریزمقیاس کننده SDSM برای سه دوره پیشبینی نمودند. یافتهها، بیانگر عملکرد بالای مدل SDSM در هر دو ایستگاه بود. سهرابیان و همکاران در سال 1394 جهت ارزیابی اثرات تغییراقلیم بر روی رواناب حوزه از مدل هیدرولوژیکی موسوم به IHEC-RES استفاده نمودند.
از این مدل در ابتدا برای شبیهسازی رواناب منطقه ،واسنجی و اعتبارسنجی آن استفاده شد سپس بر اساس نتایج خروجی مدل HadCM3 تحت سناریوهای A1B,A2,B1 مقادیر دما و بارش برای دوره آتی با استفاده از مدل LARS-WG ریزمقیاس شده و برای شبیهسازی رواناب حوزه بهRES-IHAC معرفی گردید. نتایج مطالعه ضمن تایید کارایی مدل ریزمقاسنمایی LARS-WG نشان داد در شرایط اقلیمی پیشبینی شده برای دوره زمانی آتی دما نسبت به بارندگی در مقایسه با دوره مشاهداتی به ترتیب افزایش و کاهش خواهد یافت. رضایی و افروزی - - 1394 به ارزیابی اثرات تغییر اقلیم بر عملکرد محصولات و ارائه راهبرد تغییر الگوی کشت حوضه سیمینهرود پرداختند.
آنها برای مدلسازی شرایط تغییر اقلیم در منطقه از خروجیهای مدل گردش عمومی جوی-اقیانوسی HadCM3 تحت دو سناریو انتشار A2 و B2 استفاده کردند. این خروجیها با استفاده از مدل SDSM ریزمقیاسنمایی شدند. نتایج حاکی نشاندهنده کاهش 32 و 24 درصدی تنش آبی تحت هر دو سناریو انتشار A2 و B2 نسبت به شرایط مدیریت فعلی بود. احمدی و همکاران در سال 1394 در مقالهای با عنوان بررسی اثرات تغییر اقلیم بر فرآیند تبدیل برف به رواناب به بررسی مدل گردش عمومی HadCM3 تحت دو سناریوی A2 و B2 پرداختند. جهت ریزمقیاسنمایی دادههای خروجی مدل گردشعمومی از ریزمقاسنمایی آماری SDSM استفاده کردند. نتایج پرژوهش نشاندهنده روند رو به کاهش بارش در دهههای آتی را دارد.
