Geographical planning of space quarterly journal

Geographical planning of space quarterly journal

Projection of Precipitation Changes in Southern Coast of Caspian Sea at the End of 21st Century using Different RCPs

Document Type : Research Paper

Authors
Maryam Kaseri 1
Massoud Goudarzi 2
Gholamreza Janbazghobadi 3
Sadroddin Motevalli 4
1 PhD student in Climatology, Islamic Azad University of Noor Branch
2 Assistant Professor, Soil Conservation and Watershed Management Research Institute SCWMRI,.Tehran
3 Assistant Professor of Climatology, Islamic Azad University of Noor Branch
4 Geography department,Islamic Azad University of Nour Branch,Mazandaran,Nour.IRAN
10.30488/gps.2020.226852.3226
Abstract
Precipitation is a major component of the hydrologic cycle and its prediction is of great importance in many studies such as environmental and Land use planning. Therefore, in this study, prediction of precipitation changes in the southern coast of the Caspian Sea as the most productive region of the country was investigated. For this purpose, HadGEM2 model data were affected by three RCPs (RCP2.6, RCP 4.5 and RCP 8.5) using LARS-WG6 downscaling model and rainfall variations over three different time periods (2021-2050, -2051-2080 and 2081-2100) compared to the baseline period (1989-2018). For calibration and validation of the LARS-WG model, T and F tests and also MAE, MSE, RMSE and R2 indices were used. The results of the performance evaluation of the downscaling model show acceptable and high accuracy of this model in different stations studied. The results of the prediction also show that the average precipitation in the period (2021-2050) will decrease by 0.2% on average the southern coast of the Caspian Sea. But precipitation in the periods 2051-2080 and 2081-2100, will increase 5.4% and 10.7%, respectively. Overall, precipitation on the southern coast of the Caspian Sea will increase by an average of 5.7% by the end of the 21st century, with the highest rate being at Gorgan Station at 12.2% and the lowest at Babolsar station is up 0.3% from base period. Also, the lowest and highest precipitation variations in the study area were estimated based on RCP 8.5 and RCP 2.6 scenarios in each of the three periods study.
Keywords
Precipitation
Climate change
Caspian sea
LARS-WG6
RCPs

  1. منابع

    1. جهانبخش، سعید. علی اصغر موحد دانش و واحد مولوی.1380. تحلیل مدل­های برآورد تبخیر- تعرق برای ایستگاه هواشناسی تبریز، دانش کشاورزی، شماره دوم، تبریز.
    2. روشن، غلامرضا. رویاسادات موسوی و اصغر کامیار. 1391. ارتباط سنجی تأثیر گرمایش جهانی بر کیفیت آب در خروجی حوضه آبریز گرگانرود با تأکید بر عنصر بارش، مجله آمایش جغرافیایی فضا، دوره دوم، شماره پنجم، گرگان
    3. خزائی، محمدرضا. نازیلا تحسین­زاده و احمد شرافتی. 1398. تحلیل عدم قطعیت سناریوهای بارش و دمای حوضه سیرا تحت اثر تغییر اقلیم، علوم و مهندسی آبخیزداری ایران، شماره چهل و پنجم، تهران.
    4. خورشیددوست علی محمد. بهروز ساری صراف و باقر قرمزچشمه و فاطمه جعفرزاده.1397. پیش­بینی بارش‌های سنگین سواحل جنوبی دریای خزر تحت شرایط تغییر اقلیم در دورۀ ۱۴۰۸ – علوم و مهندسی آبخیزداری ایران، شماره چهل و دوم، تهران.
    5. ذهبیون، باقر. محمدرضا گودرزی و علیرضا مساح­بوانی. 1389. کاربرد مدل SWAT در تخمین رواناب حوضه در دوره­های آتی تحت تأثیر تغییر اقلیم، پژوهش­های اقلیم­شناسی، شماره یکم و دوم، مشهد.
    6. شائمی، اکبر و مجیدحبیبی­نوخندان. 1388. گرمایش جهانی و پیامدهای زیستی اکولوژیکی، چاپ اول، مشهد، انتشارات دانشگاه فردوسی.
    7. صداقت­کردار، علی و ابراهیم فتاحی. 1387. شاخص‌های پیش آگاهی خشکسالی در ایران، جغرافیا و توسعه، شماره 11، صص 76-59، انتشارات دانشگاه سیستان و بلوچستان، زاهدان
    8. صلاحی، برومند. مسعود گودرزی و سید اسعد حسینی. 1395. پیش­بینی تغییرات دما و بارش در دهه  2050 در حوزه آبخیز دریاچه ارومیه، مهندسی و مدیریت آبخیز، شماره چهارم، تهران.
    9. طائی­سمیرمی، سیاوش. حمیدرضا مرادی و مرتضی خداقلی. 1394. پیش­بینی تغییرات برخی از متغیرهای اقلیمی با استفاده از مدل ریز مقیاس­سازی LARS-WG و خروجی مدل HadCM3 تحت سناریوهای مختلف، مهندسی و مدیریت آبخیز، شماره دوم، تهران.
    10. علاءالدین، فریده و حمیدرضا ملکی. ۱۳۹۴. نقش تغییراقلیم در دهۀ اخیر و اثر آن در توسعۀ پایدار از منظر آمایش سرزمین (مطالعۀ موردی: استان سمنان)، پنجمین کنفرانس منطقه‌ای تغییر اقلیم، تهران.
    11. کارآموز، محمد. فرید رمضانی و سامان رضوی. 1385. پیش­بینی بلند مدت بارش با استفاده از سیگنال­های هواشناسی: کاربرد شبکه­های عصبی مصنوعی، هفتمین کنگره بین­المللی مهندسی عمران، تهران.
    12. گودرزی، مسعود. سید اسعد حسینی و ابراهیم مسگری. 1394. مدل­های آب و هواشناسی، چاپ اول، زنجان، آذرکلک.
    13. گودرزی، مسعود. سید اسعد حسینی و مجید حسینی. 1396. پیش­بینی تغییرات بلندمدت بارش در شهرستان سقز با استفاده از مدل­های گردش عمومی جو، ششمین همایش سامانه­های سطوح آبگیر باران، خمینی شهر.
    14. مسعودیان، ابوالفضل. محمدصادق کیخسروی و فاطمه رعیت­پیشه. 1393، معرفی و مقایسه پایگاه داده اسفزاری با پایگاه داده gpcc، gpcp، cmap، تحقیقات جغرافیایی، شماره دوازدهم، اصفهان.
    15. Ferreira, R N., Nissenbaum, M R., and Rickenbach, TH M. 2018. Climate change effects on summertime precipitation organization in the Southeast United States. Atmospheric Research, 214.348- 363.
    16. Heydari, Sh., Hosseini, S.A., and Heydari, A. 2020. Investigating the effects of climate change on stream flows of Urmia Lake basin in Iran, Modeling Earth Systems and Environment, 1. 329-339.
    17. Hu, T.S., Lam, K.C., and Ng, S.T. 2001. River flow time series prediction with a range dependent neural network. Hydrological Science Journal, 46: 729-745.
    18. Hyun Cha, D., Kyou Lee, D., Chun-Sil Jin., Gayoung Kim., Yonghan Choi., Myoung-Seok Suh., Joong-Bae Ahn., Song-You Hong., Seung-Ki Min., Seong-Chan Park., Hyun-Suk Kang. 2016. Future changes in summer precipitation in regional climate simulations over the Korean Peninsula forced by multi-RCP scenarios of HadGEM2-AO. Asia-Pacific Journal of Atmospheric Sciences, 52. 139-149
    19. 2007. Solomon, S., D. Qin, M. Manning, Chen, M., Marquis, K.B. Averyt, M.Tignor and H.L. Miller (eds.), Summary for Policymarkers, in: Climate Change 2007. Climate Change 2007: The Physical Science Basis, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental.
    20. 2013. Summary for Policymakers. In: Climate Change 2013: The Physical Sceince Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovenmental Panel on Climate Change.
    21. Kay, AL., Davies, HN., Bell, VA., Jones, RG. 2009. Comparison of uncertainty sources for climate change impactsL flood frequency in England. Climate Change, 92. 41-63.
    22. Leong Tan, M., LatifIbrahim,, Yusop, Z., Chua, V., WengChan, N. 2017. Climate change impacts under CMIP5 RCP scenarios on water resources of the Kelantan River Basin, Malaysia. Atmospheric Research, 189. 1-10.
    23. Lin, J.Y., Cheng, C.T., and Chau, K.W. 2006. Using support vector machines for long-term discharge prediction. Hydrological Science Journal, 51. 599-612.
    24. Nilawar, A P., and Waikar, M L. 2019. Impacts of climate change on streamflow and sediment concentration under RCP 4.5 and 8.5: A case study in Purna river basin, India. Science of The Total Environment, 2. 2685-2696
    25. Osman,Y., AL-Ansari, N,. Abdellatif, M,. Aljawad, S.B., and Knutsson, S. 2014. Expected future precipitation in central Iraq using Lars-WG stochastic weather generator. Engineering, 6. 948-959.
    26. Panol, T.J., and Loret, F. 1998. Climatic warning hazard and wildfire occurrence in coastal eastern Spain. Climate Change, 38. 345-357.
    27. Racsko, P., L. Szeidl and M. Semenov. 1991. A serial approach to local stochastic weather models. Ecological Modeling, 57. 27-41.
    28. Sarkar, J., Chicholikar, J.R., and Rathore, L.S. 2015. Predicting Future Changes in Temperature and Precipitation in Arid Climate of Kutch, Gujarat: Analyses Based on LARS-WG Model. Current science, 109. 2084-2093.
    29. Semenov, M., Brooks, R., Barrow, E., Richardson, C. 1998. Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Resarche, 10. 95-107.
    30. Semonov, M.A., and Stratonovitch, P. 2010. Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate Research, 41. 1-14.
    31. Wilks, D.S., and Wilby, R.1999. The weather generation game: a review of stochastic weather models. Progress in Physical Geography, 23. 329-357.