پیش بینی تاثیر تغییر اقلیم بر فراسنج دما با استفاده از نرم افزار گردش عمومی جو HadCM3 (مطالعه موردی: کرمان و بم)

فصلنامه علمی مهندسی منابع آب

مقاله 5، دوره 9، شماره 30، مهر و آبان 1395، صفحه 51-62   

نویسندگان

علی نشاط¹؛ یاسمین سجادی بمی²

¹دانشیارگروه مهندسی آب دانشگاه آزاد اسلامی واحد کرمان

²دانشجو دکتری منابع آب دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران

تاریخ دریافت: 03 بهمن 1395،  تاریخ پذیرش: 03 بهمن 1395 

چکیده

 افزایش گازهای گلخانه‌ای سبب بر هم خوردن تعادل اقلیمی کره زمین و به تبع آن تغییر اقلیم می‌شود، برای ارزیابی اثرات تغییر اقلیم نرم افزار های‌ گردش عمومی جو به شکل گسترده‌ای مورد استفاده قرار می‌گیرند. نرم افزار های ‌ گردش عمومی جو تنها قادر به شبیه سازی فراسنج اقلیم در سطوح بزرگ هستند، جهت استفاده از این نرم افزار‌ها لازم است، داده‌ها به وسیله ی روش‌های مختلف، ریزمقیاس گردند. هدف این تحقیق، بررسی پدیده تغییر اقلیم بر فراسنج دمای روزانه ایستگاه کرمان وبم می‌باشد، از نرم افزار گردش عمومی جو HadCM3 تحت دو نمایشنامهی A2و B2استفاده شد و خروجی‌های نرم افزارHadCM3  برای سه دوره آماری 2040-2011، 2070-2041 و 2099-2071 با نرم افزار آماری SDSM کوچک مقیاس گردید. نتایج آزمون آماریt  حاکی از معنی دار بودن تغییرات دما همه ماه‌ها در هر سه دوره آماری نسبت به دوره مشاهداتی بود. بنا بر نتایج کوچک مقیاس سازی تا پایان قرن حاضر مبه وسیله ی دما ایستگاه کرمان و بم5-3 درجه افزایش خواهد داشت و بیشترین افزایش دما در فصل تابستان خواهد بود.

کلیدواژه‌ها

تغیر اقلیم؛ نرم افزار های گردش عمومی جو؛ HadCM3؛ نرم افزار SDSM

عنوان مقاله [English]

The prediction of the climate change effect on the temperature parameter by the General Circulation Models HadCM3: a case study of Kerman and Bam

نویسندگان [English]

Ali Neshat¹؛ Yasmin Sajadi Bami²

چکیده [English]

If the greenhouse gas increases, the climate balance of the globe upsets, so the climate changes. The General Circulation Models, GCMs are widely used to evaluate the climate change impacts. The GCMs only can simulate the climate parameter in the big areas. It is necessary to change the data of the model to the micro scale by the different techniques in order to use the model. The aim of this study is evaluating the effect of climate change event on the daily temperature of Kerman and Bam station. In this study, the HadCm3 GCMs under two scenarios of B2 and A2 was used, and the outputs of HadCM3 model was made micro scale by the statically model of SDSM for three statically periods of 2011-2040, 2041-2070, and 2071-2099. The results of the statically T-test show the significant variation of temperature of the months in the three statically periods when it is compared with the observation periods. According to results of making micro scale, the average temperature of Kerman and Bam station increase 3 to 5 centigrade until the recent century, and the maximum increasing temperature will be in the summer.

کلیدواژه‌ها [English]

Climate Change, General Circulation Models, HadCM3, SDSM model

مراجع

1)               ابریشمچی، ا.و حسینی، ف. 1388. بررسی اثرات تغییرات اقلیم بر فراسنجهای دما و بارش در حوضه آبریز کرخه. .هشتمین کنگره بین المللی مهندسی عمران.

2)               اداره کل هواشناسی استان کرمان.1392.بولتن تحلیل وضعیت آب و هوایی استان،سال92، 4-9.

3)               بابائیان،ا.،کریمیان،م.،مدیریان،ر.1385.بولتن علمی پژوهشکده اقلیم شناسی،گزارش طرح های خاتمه یافته،جلد ششم،شماره 3و4: 69-81

4)               ذهبیون، ب.، گودرزی، م.، مساح بوانی، ع. 1389.کاربرد نرم افزار SWAT در تخمین رواناب حوضه‌ها در دوره‌های آتی تحت تاثیر تغییر اقلیم.  نشریه پژوهش های اقلیم شناسی سال اول، شماره 3،4

5)               رجبی ، ا. 1390. تحلیل عدم قطعیت تغییر اقلیم به وسیله ی نرم افزار SDSM در کرمانشاه .چهارمین کنفرانس مدیریت منابع آب ایران.870-882

6)                عباسی، ف.، بابائیان، ا.، حبیبی نوخندان، م.، مختاری، ل.، ملبوسی، ش.، عسکری، ش. 1389. ارزیابی تاثیر تغییر اقلیم بردماو بارش ایران در دهه های آینده با کمک نرم افزار MAGIC-SCENGEN. پژوهش جغرافیای طبیعی ،شماره72: 109-91

7)               عباسی، ف.،ملبوسی، ش.، بابائیان، ا.، اثمری، م. و برهانی، ر. 1389. پیش‌بینی تغییرات اقلیمی خراسان جنوبی در دوره 2010-2039 میلادی با استفاده اریز مقیاس نمایی آماری خروجی نرم افزارEcho-G. نشریه آب و خاک، جلد 24(2): 233-218.

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

9)               IPCC-TGCIA. 1999. Guidelines on the use of scenario data for climate impact and adaptation assessment eds. Carter, T.R., Hulme, M. and Lal, M., Version 1, 69pp. Intergovernmental Panel on Climate Change, Task Group On Scenarios for Climate Impact Assessment.

10)           IPCC .2007. Climate Change, Fourth Assessment Report of the Intergovernmental  Panel on Climate Change. Global climate change on U.S. Water resources. A Sce, Journal of Water Resources Planning and Management. 125(4):194-204.

11)           IPCC.2007. Summary for Policymakers, in: Climate Change 2007. Solomon, S., D. Qin, M. Manning, Z. hen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.) (2007) Climate Change 2007: The Physical Science Basis, Contribution of Working Group 1 to the Fourth Assessment Report of the  Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, 1-18.

12)           Khan, M.S., P. Coulibaly, and Y. Dibike, (2006). Uncertainty Analysis of Statistical Downscaling Methods. Journal of Hydrology 319 (2006) 357–382

13)           Wilby, R. L., C.W. Dawson and E.M. Barrow, .2002. SDSM- A Decision Suport Tool for the Assessment of Regional Climate Change Impacts. Journal of Environmental Modeling and Software, 17: 147-159.