افشین اشرف زاده

پیش بینی و ارزیابی میزان تغییرات پارامتر های هواشناسی در اثر تغییر اقلیم به ویژه از منظر مدیریت منابع آب از اهمیت بالایی برخوردار است. مدل LARS یک مدل تولیدکننده داده های هواشناسی است که با ریزمقیاس نمایی مدل های گردش عمومی جو (GCM) اقدام به پیش بینی پارامتر های هواشناسی می نماید. در این مطالعه، ابتدا برای ارزیابی عملکرد 15 مدل مختلف گردش عمومی جو در شبیه سازی داده های بارش، تابش، دمای کمینه و دمای بیشینه ایستگاه سینوپتیک رشت در دوره (2012-2011)، ریزمقیاس آماری هر کدام از مدل های GCM توسط مدل LARS انجام پذیرفت. سپس پیش بینی پارامترهای مذکور بر پایه مدل های GCM منتخب برای دو دوره 30 ساله 2042-2013 و 2072- 2043 انجام شد. نتایج پیش بینی نشان داد در مورد پارامترهای دمای کمینه و بیشینه بیش ترین تغییرات میانگین بلندمدت سالانه نسبت به دوره پایه، در دوره 30 ساله دوم و به ترتیب تحت سناریوی های A2و A1B و به میزان 3/1 و 0/2 درجه سانتی گراد رخ خواهد داد. روند تغییرات تابش در دوره های آینده و برای تمام فصول سال کاهشی خواهد بود. بیش ترین کاهش تحت سناریوی A2 و در دوره دوم 30 ساله به میزان 4/143 مگاژول بر مترمربع و در فصل زمستان رخ خواهد داد. میزان بارش، در اکثر فصول سال در دوره های آتی افزایش خواهدداشت. بر این اساس، بیش ترین افزایش در دوره 30 ساله دوم تحت سناریوی B1 به مقدار 5/55 میلی متر و در فصل پاییز خواهد بود.

با توجه به کاربرد وسیع داده های بلند مدت هواشناسی در علوم مختلف و نیاز به پیش بینی تغییرات احتمالی آن ها در مقیاس های محلی و جهانی، اطمینان از صحت و همگنی این گونه داده ها بسیار مهم است. به منظور کنترل کیفی فراسنج های اقلیمی نیمه غربی منطقه خزری در مقیاس روزانه و ماهانه، از آزمون های بیشینه T و F تاوانیده در بسته نرم افزاری Rhtests استفاده شد. داده های مورد استفاده در این بررسی شامل بارش، بیشینه و کمینه دما، سرعت باد، رطوبت نسبی و همچنین ساعت آفتابی، طی دوره آماری 1979-2017 در ایستگاه های بندرانزلی، رشت و رامسر بود. برآورد داده های مفقود، با در نظر گرفتن استانداردهای سازمان هواشناسی جهانی و با استفاده از روش نزدیک ترین همسایگی K انجام شد. در بررسی سری های زمانی ماهانه، 23 نقطه تغییر شناسایی شد که در دو مرحله قبل و بعد از بازسازی، همگن سازی گردید. روش نرمال استاندارد با شناسایی 9 نقطه تغییر، از حساسیت کمتری نسبت به روش بیشینه F تاوانیده برخوردار بود. سپس، داده های روزانه فراسنج های مذکور، مورد آزمون همگنی قرار گرفت که در مجموع با شناسایی 32 نقطه تغییر، همگن سازی شد. با این وجود، امکان همگن سازی کامل متغیر ساعت آفتابی به علت وجود داده های مفقود متوالی، میسر نشد. همگن سازی داده ها باعث تغییر روند 33 درصد از موارد شد. بر اساس نتایج بدست آمده، روش مورد بررسی دارای نتایج قابل قبولی در همگن سازی داده های هواشناسی در منطقه مورد مطالعه بود .