پیش بینی خشکسالیهای استان خراسان شمالی با مدلHadCM3 و شاخصهای SPI وRDI

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشجوی کارشناسی‌ارشد مخاطرات آب و هوایی، دانشگاه گلستان

2 استادیار گروه جغرافیا دانشکده علوم انسانی، دانشگاه گلستان

چکیده

امروزه شبیه سازی داده های هواشناسی برای برنامه ریزیهای آینده در زمینه های طبیعی و انسانی از اهمیت بالایی برخوردار است. از جمله می توان به پیش بینی خشکسالی اشاره کرد که در این صورت می توان با برنامه ریزی مدون از خسارات احتمالی کاست. در این پژوهش، داده های مدل HADCM3 تحت سناریوهای انتشار A1B ،A2 و B1 برای پیش بینی داده های هواشناسی استان خراسان شمالی با بهره گیری از ریزگردان آماریLARS WG5 ریزمقیاس شدند. برای این منظور، پس از انجام واسنجی، صحت سنجی و مدلسازی داده ها در ایستگاههای منتخب، کارایی مدل از نظر میزان انطباق داده های پایه با مقادیر شبیه سازی شده(2012-1993-2032-2013) با استفاده از سه معیار ریشه میانگین مربعات خطا(RMSE)،میانگین خطای مطلق(MAE) و میانگین خطای انحراف(MBE) ارزیابی گردید. با استفاده از شاخصهایSPIوRDI جهت به دست آوردن ترسالی و خشکسالیها در دوره پایه دوره شبیه سازی شده تحت سناریوهایB1,A2,A1B اقدام گردید. نتایج نشان می دهد که درصد فراوانی خشکسالیها دوره پیش بینی شده نسبت به دوره پایه تحت هرسه سناریودرمقیاس یک ماهه وسالانه بااستفاده از دوشاخص SPIوRDI کاهش داشته است و از طرف دیگر درصدفراوانی ترسالی افزایش داشته است.بیشترین درصدفراوانیها به طبقه نرمال درهردومقیاس زمانی اختصاص پیداکرد.
نقشه پهنه بندی فراوانی وقوع خشکسالیها در دوره پایه وشبیه سازی شده نشان داد درصد فراوانی خشکسالیهادرمقیاس زمانی یک ماهه وسالانه در دوره شبیه سازی شده تحت سناریوهای مطرح شده کمتراز درصد فراوانی خشکسالی هریک از ایستگاههای استان خراسان شمالی در دوره پایه می باشد اما وسعت خشکسالیها در آینده بیشتر از دوره پایه با استفاده از شاخصهای SPIوRDI پیش بینی می شود.

کلیدواژه‌ها


عنوان مقاله [English]

North Khorasan Province HadCM3 droughts predicted by models and indicators of SPI and RDI

نویسندگان [English]

  • Ghorban Jafari 1
  • Esmaeil Shahkooeei 2
  • Abdolazim Ghanghermeh 2
1 M.Sc student of Weather Dangers, Golestan University
2 Assistant Professor of Geography, Golestan University
چکیده [English]

Abstract
The simulated weather data for future planning in the field of natural and human resources is of paramount importance. Including the ability to forecast droughts, which in this case can be reduced with systematic planning of possible losses. In this study, data HADCM3 model under emission scenarios A1B, A2 and B1 to predict the meteorological data of North Khorasan province were simulated using LARS WG statistical dust. For this purpose, after calibration, validation and modeling data on selected stations, data base model in terms of compliance with simulated values (2012-1993-2032-2013) using three criteria Root Mean Square error (RMSE), mean absolute error (MAE) and mean bias error (MBE) were evaluated. Using indices SPI and RDI to get wet and drought periods during the simulated under the scenarios B1, A2, A1B was developed. . The results show that the frequency of droughts over the forecast period under all three scenarios compared to the baseline and annual month-long scale using SPI and RDI decreased to indicates % of the occurrences on the other hand grew wet. The highest frequency of normal class time devoted gained in both scale. More from the base period of the indices using SPI and RDI is predicted.Drought and climate phenomena will be appointed as part of the climate of a region. It has features that separates it from other natural disasters. Drought long-term shortage of rainfall in the period so that the moisture in the soil, causing reduced water flow And thereby disrupt human activities and natural life plants and animals. From a cognitive point of view of climate, when the rainfall received in a place in a certain period of time is less than average precipitation location, we are faced with drought (spunky, 1374).

کلیدواژه‌ها [English]

  • Key words : Northern Khorasan province
  • Drought
  • LARS-WG 5
  • SPI Index
  • RDI index

1.   پورعلی حسین، سیده شیما، مساح بوانی علیرضا. 1394. پیش بینی خشکسالی استان آذربایجان شرقی در دوره ی 2022-2013 میلادی،جغرافیا و توسعه شماره 38، صص 189-207.

  1. خزانه داری، لیلی.، زابل عباسی، فاطمه.، قندهاری، شهرزاد.، کوهی، منصوره.، ملبوسی، شراره. 1388. دورنمایی از وضعیت خشکسالی ایران طی سی سال آینده، جغرافیا و توسعة ناحیه ای، شمارة 12، صص. 98-83.
  2. رجبی، احمد. 1389. مدل سازی اقلیم کرمانشاه با استفاده از مدل ریز مقیاس سازی WG -LARS همایش ملی  مدیریت جامع منابع آب در دانشگاه شهید باهنر کرمان، ص 8.
  3. صالح نیا، نسرین؛ موسوی بایگی، محمد و حسین انصاری. 1392. پیش بینی خشکسالی با استفاده از نمایه PDSI به کمک مدل‌های WG-LARS و HadCM3  (مطالعه موردی: حوضه نیشابور)، مجله آبیاری و زهکشی ایران، 93.
  4. ضرغامی، مهدی، بابائیان، ایمان، حسن زاده، یوسف و رضا کنعانی. 1391.  مطالعه تغییر اقلیم و اثرات آن بر خشکی (مطالعه موردی: استان آذربایجان شرقی)، فصلنامه علوم و مهندسی آبخیزداری، شماره 18،61.
  5. عباسی، فاطمه، اثمری، مرتضی، 1390. پیش‌بینی و ارزیابی تغییرات دما و بارش ایران در دهه‌های آینده با الگوی SCENGEN-MAGICC، نشریه آب و خاک (علوم و صنایع کشاورزی)، 25:83-70.
  6. غیور، حسین. 1374. بررسی تغییرات بارش درچند ایستگاه ایران، فصلنامه تحقیقات جغرافیایی، شماره 39.
  7. کردجزی، محمد؛ باقری، سعید. بابائیان، ایمان. ملاعراضی، عبدالجبار. 1390. تحلیل خشکسالی هواشناسی استان گلستان در دوره 2030-2010 میلادی با استفاده از سناریو‌های مختلف مدل گردش عمومی جو HADCM3. چهارمین کنفرانس مدیریت منابع آب.
  8. کردوانی، پرویز. 1363. منابع و مسائل آب در ایران، انتشارات آگاه.

10. کمال، علیرضا، مساح بوانی، علیرضا. 1389. تأثیر تغییر نوسانات اقلیمی بر رواناب حوضه با دخالت عدم قطعیت دو مدل هیدرولوژی، نشریه آب و خاک، شماره 5، ص 931-920.

11. محسنی ساروی، محسن. صالح پورجم، امین. بذرافشان، جواد. خلیقی سیگارودی، شهرام. 1392. بررسی اثر تغییر اقلیم بر ویژگی‌های خشکسالی دورة آتی با کاربرد مدل گردش عمومی جو  HadCM3(مطالعة موردی: شمال غربی ایران) مجله منابع طبیعی ایران، شماره 4.

12. معافی مدنی، سیده فاطمه، موسوی بایگی، محمد، انصاری، حسین. 1391. پیش‌بینی وضعیت خشکسالی استان خراسان رضوی طی دورة 2030-2011 با استفاده از ریزمقیاس نمایی آماری خروجی مدل WG5-LARS جغرافیا و مخاطرات محیطی، شماره 3، صص 21-37.

13. ملکی، علیرضا، ترکمانی، محمدجواد. 1394. مدیریت خشکسالی برای استفاده بهینه از منابع آب استان خراسان شمالی، تحقیقات اقتصاد کشاورزی، شماره 1، صص89- 65 .

  1. 14-‌هاشمی نسب خبیصی، فریده السادات، موسوی بایگی، محمد، بختیاری، بهرام، داوری، کامران. 1392.
  2. پیش بینی تغییرات بارش 20 سال آینده در استان کرمان با استفاده از مدلهای ریز مقیاس کننده LARS- WG و گردش عمومی HadCM3.

15.Barrow, E., and Yu, G. 2005. Climate Scenario for Alberta. A report prepared for the priarie Adaptation Research Climate Research Services.

16.Harmel, R.D. 2002. Evaluating the adequacy of simulating maximum and minimum daily air temperature with the normal distribution. Journal of Applied Meteorology, 41: 744-753.

17.Harmsen, E., Miller, N.L., Schlegel, N.J., and Gonzalez, J.E. 2009. Seasonal climate change impacts on evapotranspiration, precipitation deficit and cop yield in Puerto Rico. Agricultural Water Management, 96(7): 1085-1095.

18.Kirono, D.G.C., Kent, D.M., Hennessy, K.J., and Mpelasoka, F. 2011. “Characteristics of Australian droughts under enhanced green house conditions: results from global climate models”, Journal of Arid Environment, 75: 566- 575.

19.Loukas, A., Vasiliades, L., and Tzabiras, J. 2008. Climate change effects on drought severity. Department of Civil engineering, University of Thessaly, 38334 Volos, Greece, Adv. Geosci. 17: 23-29, www.advgeosci.net/17/23/2008.

20.McKee, T.B., Doesken, N.J., and Kleist, J. 1995. Drought monitoring with multiple time scales. Preprints, 9th Conference on Applied Climatology, January 15-20, Dallas, Texas. 233-236.

21.Rosenberg, N.J., Brown, R.A., Izaurralde, R.C., and Thomson, A.M. 2003. Integrated assessment of Hadley Centre (hadcm2) climate change projections on agricultural productivity and irrigation water supply in the conterminous United States: I. Climate change scenarios and impacts on irrigation water supply simulated with the HUMUS model. Agricultural and Forest Meteorology, 117(1): 73-96.

22.Rossi, G. 2000. Drought mitigation measures: a comprehensivc framework .In Drought and Drought Mitigation in Europe. j. voght and f. somma (Eds) kluwer Academic publisher ,Dordrecht.

23.Semenov, M.A., and Barrow, E.M. 2002. A stochastic weather generator for use in climate impact studies. User Manual: Hertfordshire, UK. Taulis, M.E., & Milke, M.W. 2005. Estimation of WSIM weather simulation parameters in arid climates. Ecological Modeling, 184: 177-191.

24.Vangelis, H., Tigkas, D., and Tsakiris, G. 2013. The effect of PET method on Reconnaissance Drought Index (RDI) calculation, Journal of Arid Environments 88: 130-140.

25.Vrochidou, A.-E.K., Tsanis, I.K., Grillakis, M.G., and Koutroulis, A.G. 2013. “The impact of climate change on hydrometeorological droughts at a basin scale”, Journal of Hydrology, 476: 290-301.