حدیث کیانی

اقلیم، وضعیتی کلی از شرایط هوای غالب یک مکان مشخص بر اساس آمار بلندمدت است. تنوع عناصر اقلیمی در تعیین اقلیم یک ناحیه مؤثر بوده و باعث شکل گیری اقلیم های متنوع و متفاوت می شود. افزایش انتشار گازهای گلخانه ای و به دنبال آن تغییرات اقلیمی و گرمایش جهانی پیامدهای بسیاری برای کره زمین داشته است. ازجمله این پیامدها، بخصوص برای مناطقی که در کمربند گرم و خشک دنیا قرار گرفته اند، افزایش سطح پوشش اقلیم خشک و نیمه خشک است. در این مطالعه طبقه بندی اقلیمی کوپن برای کشور ایران در سال ۱۹۷۵ با طبقه بندی حاصل از خروجی مدل جوی-اقیانوسی MIROC برای سال های ۲۰۳۰، ۲۰۵۰، ۲۰۸۰ و ۲۱۰۰، تحت ۲ سناریوی A۱B و A۲، که در گزارش چهارم IPCC آمده، مقایسه شده است. طبقه بندی های حاصل از خروجی مدل روند رو به رشد اقلیم گروه B که نماینده اقلیم خشک و نیمه خشک در طبقه بندی کوپن است و کاهش تنوع اقلیمی را نشان می دهند. همان طور که در نقشه ها ملاحظه می شود و بر اساس وسعت تحت پوشش این نوع اقلیم طی سال های آتی، افزایش اقلیم Bwh که آب وهوای گرم و خشک را نشان می دهد، به وضوح قابل مشاهده است. این افزایش به گونه ای است که در سال ۲۱۰۰، شاهد پوشش بیش از ۹۵ درصد مساحت کشور توسط این اقلیم بر اساس هر دو سناریو هستیم. همچنین وسعت و تنوع مناطق تحت پوشش اقلیم معتدل (اقلیم گروه C) و اقلیم سرد (اقلیم گروه D ) در کشور به کمتر از یک درصد مساحت کشور خواهد رسید.

افزایش گرمایش جهانی به عنوان یکی از مسائل عمده جهانی در قرن حاضر مطرح است. به همین دلیل بررسی و ارزیابی روند آن برای انسان اهمیت دارد، از این رو شبیه سازی این متغیر اقلیمی برای درک آینده بشر می تواند راهگشا باشد. روش های مختلفی برای شبیه سازی و پیش بینی متغیرهای اقلیمی وجود دارد که معتبرترین آن ها استفاده از داده های مدل گردش عمومی جو یا GCM می باشد. از جمله پرکاربردترین مدل ها جهت ریز مقیاس کردن داده های GCM ، مدل آماری SDSM می باشد در تحقیق حاضر، میزان کارایی این مدل جهت ریزمقیاس نمایی میانگین دمای در ایستگاه شهر کرمانشاه مورد ارزیابی قرار گرفت . بدین منظور با استفاده از داده های دمای روزانه ایستگاه همدید شهر کرمانشاه و داده های مرکز ملی پیش بینی متغیرهای محیطی، انتخاب متغیرهای مستقل و کالیبره کردن مدل برای میانگین دما صورت گرفت . به منظور کالیبره کردن مدل داده های دیدبانی شده ایستگاه هواشناسی کرمانشاه و داده های مرکز ملی پیش بینی متغیرهای محیطی NCEP به دو دوره 15 ساله (1975- 1961) و (1990-1976) تقسیم شدند. از 15 سال اول برای کالیبره کردن مدل با استفاده از روش بهینه سازی حداقل مربعات خطا استفاده شد . این کار برای دوره 40 ساله از 1961 تا 2000 نیز انجام گرفت. سپس داده های دمای میانگین برای دوره ده ساله 2010 -2001 بر اساس 2 دوره پایه 15 ساله (1990-1961) و40 ساله (2000- 1961) تحت دو سناریوی A2 و B2 ، پیش بینی و با داده های مشاهداتی این دوره مقایسه شد تا میزان کارایی مدل برای پیش بینی ارزیابی گردد. نتایج نشان داد که با افزایش طول دوره پایه پیش بینی مدل بهتر خواهد شد و هرچه طول دوره کمتر باشد برآورد مدل چندان مناسب نخواهد بود.