پژوهشهای تغییرات آب و هوایی

ارزیابی مخاطره خشکسالی در حوضه های آبخیز سرزمین ایران واقع در کمربند خشک و نیمه خشک جهان از ابعاد مختلف اهمیت ویژه ای دارد. در این میان نقش الگوهای پیوند از دور در بررسی مخاطرات آب و هوایی در دهه های اخیر توسط محققان مورد توجه بیشتری قرار گرفته است. در همین راستا، توجه به تغییرات رطوبتی و بررسی و تحلیل خشکسالی حوضه آبخیز جازموریان نماینده یکی از زیر حوضه های آبریز مرکزی ایران ، هدف این مقاله است. لذا با بررسی تغییر شاخص های طیفی رطوبتی در سالهای اخیر و تعیین شدت خشکسالی در ارتباط با شاخص های جوی – اقیانوسی با استفاده از داده های ثبت شده موجود ناهنجاری های رطوبتی بررسی شد. تحلیل طیفی شاخص رطوبتی  در سه بازه زمانی 2000-1985، 2013-2000 و 2020-2013 در حوضه جازموریان نشان داد که هر دو شاخص MNDWI و NDWI در سه بازه زمانی مورد مطالعه وجود خشکی و ناهنجاری های رطوبتی منفی در حوضه را نشان می دهند و تقکیک جزییات خشکی فراهم نشد. استفاده از شاخص شدت خشکسالی هواشناسی تبخیرتعرق استاندارد SPEI حاکی از روند منفی معنادار شدت خشکسالی از سال 1999 تاکنون است. بررسی ارتباط بین شاخص شدت خشکسالی SPEI دوازده ماهه و نوسانات جوی اقیانوسی با استفاده مدل رگرسیون چندگانه انجام شد. نتایج نشان داد که خشکسالی حوضه آبخیز جازموریان  با شاخص های جوی اقیانوسی نوسان چند دهه ی اقیانوس اطلس (AMO) و شاخص نوسان جنوبی (SOI) رابطه معنادار قویتری در سطح خطای 5 درصد دارند و بر اساس نتایج مدل رگرسیون چندگانه، شاخص چند دهه ای اقیانوس اطلس بیش از 70 درصد خشکسالی حوضه آبخیز جازموریان را تبیین می کند. تحلیل همدید خشکسالی نشان داد که شرایط پایداری و  جریان مداری جو در طی فاز گرم نوسان AMO باعث فرونشینی و شرایط پایداری هوا شده و بر شدت خشکسالی در حوضه آبخیز جازموریان در فاز گرم از سال 1999 تاکنون افزوده است.

در پژوهش حاضر دقت مدل های گردش عمومی گزارش ششم هیئت بین الدول تغییر اقلیم (CMIP6) در شبیه سازی دما و بارش حوضه آبریز دریاچه ارومیه مورد ارزیابی قرار گرفته است. مدل های مورد استفاده MRI-ESM2-0، MPI-ESM1-2-HR، INM-CM5-0 و CMCC-ESM2 هستند. ارزیابی دقت مدل ها قبل و بعد از تصحیح اریبی انجام گرفته است. برای تصحیح اریبی مدل ها از روش آماری تغییر عامل دلتا و داده های هفت ایستگاه سینوپتیک در سطح حوضه استفاده شده است. بدین منظور دوره مورد مطالعه (2013-1990) به دو دوره دوازده ساله جهت انجام واسنجی و صحت سنجی تقسیم شد. بدین ترتیب دقت داده های تصحیح شده مدل ها با استفاده از تغییر عامل دلتا برای دوره 2013-2002 نسبت به داده های مشاهداتی با استفاده از سنجه های درستی سنجی R 2 ، RMSE، NRMSE، نمودارهای تیلور و پراش نگار مورد ارزیابی قرار گرفتند. نتایج نشان دادند که برای کل حوضه بین داده های تصحیح شده مدل ها و مشاهدات ایستگاهی برای دما رابطه خطی با  قوی و برای بارش رابطه خطی ضعیف برقرار است. شاخص های RMSE و NRMSE بیانگر دقت بالای مدل ها در شبیه سازی دمای ماهانه و دقت نسبتاً ضعیف تر در شبیه سازی بارش ماهانه حوضه هستند و در بین مدل ها، CMCC بیشترین خطا را داشت. نقشه های توزیع مکانی NRMSE برای میانگین های ماهانه کل نشان دادند که هر چهار مدل، دما را با دقت بالایی شبیه سازی کرده اند اما شبیه سازی بارش در برخی مناطق حوضه دقت قابل قبولی ندارد. بنابراین دقت مدل های مورد مطالعه در شبیه سازی دما خوب و در شبیه سازی بارش به خصوص در مدل CMCC ضعیف ارزیابی شده است.

امروزه، با توجه به تغییرات آب و هوایی، استفاده از روش های کاهش مصرف انرژی و انتشار گازهای گلخانه ای در بخش های مختلف از جمله ساختمان می تواند درمقابله با اثرات سوء ناشی از این پدیده موثر واقع گردد. شناسایی پتانسیل تهویه طبیعی و ایجاد شرایط آسایش در محیط داخلی مورد توجه بسیاری از محققان و طراحان ساختمان به ویژه در اقلیم های مرطوب است. از اینرو، در مطالعه حاضر تلاش گردیده تا پتانسیل تهویه طبیعی در استان گیلان مورد تجزیه و تحلیل قرار گیرد. بدین منظور، از داده های ساعتی شش ایستگاه هواشناسی شامل منجیل، آستارا، انزلی، لاهیجان، تالش، رشت استفاده شده است. این داده ها شامل جهت و سرعت باد، دما، نقطه شبنم، فشار سطح دریا، فشارسطح ایستگاه، رطوبت نسبی، حداقل دما، حداکثر دما، دمای تر، فشار بخار، فشار بخار اشباع می باشند. سپس پتانسیل اقلیمی تهویه طبیعی برای بازه زمانی 17 ساله (2021-2004) با استفاده از مدل عددی CPNV محاسبه شد. نتایج نشان داد که ایستگاه منجیل و انزلی به ترتیب بیشترین و کمترین پتانسیل اقلیمی تهویه طبیعی را در میان ایستگاه های مورد مطالعه داشته اند. با بررسی موقعیت و عوامل جغرافیایی مشخص شد که دو عامل فاصله از دریا و ارتفاع ایستگاه می توانند عوامل موثری در این پتانسیل باشند. با این حال، عامل ارتفاع ایستگاه با میزان ضریب همبستگی 97/0 بیشترین تاثیر را در پتانسیل اقلیمی تهویه طبیعی ایستگاه های مورد مطالعه نشان داد. همچنین، با طراحی نقشه های حرارتی مشخص شد که ایستگاه منجیل بالاترین تعداد ساعات آسایش را نسبت به سایر ایستگاه ها داراست به طوریکه به دلیل دورتر بودن از دریا، ارتفاع بیشتر نسبت به ایستگاه های مورد مطالعه، بادخیز بودن منطقه و شرایط متعادل تر آب و هوایی، از بیشترین پتانسیل تهویه طبیعی در طول سال در بین ایستگاه های استان گیلان برخوردار است.

شناخت صحیح از شرایط بیوکلیمایی هر منطقه می تواند در استفاده مناسب از راهکارهای مختلف تأمین سرمایش و گرمایش به منظور صرفه جویی در هزینه های مصرف انرژی تاثیرگذار باشد. بنابراین در این مطالعه استفاده از راهکارهای مختلف تأمین فعال و غیرفعال انرژی سرمایشی و گرمایشی داخل ساختمان برای شهر شیراز برای دو دوره مشاهداتی و آینده مورد ارزیابی و مقایسه قرار گرفته است. در تحقیق حاضر به منظور مدلسازی تغییرات آب و هوایی دهه های آینده از نرم افزار متئونورم استفاده گردیده است. همچنین به منظور ارزیابی راهبردهای مختلف گرمایشی و سرمایشی جهت تأمین آسایش داخل ساختمان ها از نمودار سایکرومتریک که برای دستیابی به این هدف طراحی شده است استفاده گردید. در این نمودار، با توجه به الگوی پراکنش متغیرهای اقلیمی (دما - رطوبت نسبی) ۱6 منطقه بیوکلیمایی مختلف تعیین می گردد که هر یک از این مناطق بیوکلیمایی راهکار خاصی در زمینه تامین آسایش حرارتی محیط داخل ساختمان را تعیین می کنند. اما آنچه از نتایج این تحقیق استحصال گردید بدین گونه می باشد که مجموعا سهم تقاضا برای "انرژی گرمایشی" بیش از نیاز به "انرژی سرمایشی" بوده است. اما با توجه به تغییراقلیم آینده، سهم نیاز به انرژی گرمایشی در حال کاهش است. یافته های این تحقیق نشان داد که نیاز کلی به انرژی گرمایشی برای دوره پایه به میزان 73/17 درصد بوده که برای دهه 2060 با تاکید بر خروجیهای مربوط به RCP8.5 شامل 80/12درصد و بر اساس سناریویRCP2.6 مقدار آن 88/12 درصد محاسبه گردیده است.  

با توجه به تغییرات اقلیمی، پیش بینی بارش و برآورد نزولات جوی، یکی از مهم ترین پارامترهای اقلیمی در حوزه مدیریت منابع آبی، از اهمیت ویژه ای برخوردار است. بنابراین در این پژوهش، کاربرد مدل SDSM در برآورد بارش مورد بررسی قرار گرفت. در این پژوهش ایستگاه های سینوپتیک اهواز، آبادان و دزفول که دارای آمار اقلیمی 41 ساله (2001-1961) و 45 ساله (2005-1961) میلادی بودند، انتخاب گردید. بازه زمانی پیش بینی برای دوره آینده (سناریوهای اقلیمی) نیز 30 ساله و بین سال های 2060-2031 می باشد. خروجی های مدل HadCM3، تحت سناریوهای A2 و B2 و مدل CanECM2، تحت سناریوهای RCP26، RCP45 و RCP85، با به کارگیری مدل ریزمقیاس نمایی آماری SDSM در پیش بینی پارامتر بارش، ریزمقیاس گردید، همچنین با استفاده از روش های آماری و ترسیمی، داده های ریزمقیاس شده و داده های پایه را مورد تجزیه و تحلیل قرار داده و سپس واسنجی گردیدند. مدل سازی دوره پایه در داده های CanESM2 نسبت به داده های HadCM3 با دقت بالاتری انجام شد. نتایج بیانگر آن بود که در سالیان آتی بارش مجموع در هر سه ایستگاه افزایش و میزان بیشینه بارش در هر سه ایستگاه کاهش خواهد یافت. باتوجه به نتایج مدل سازی ها به نظر می رسد اقلیم زمستانه مرطوب تر و تابستان های خشک تر در آینده نزدیک پیکره اقلیم خوزستان را تشکیل خواهد داد.

علی رغم مطالعاتی که تاکنون در زمینه ارزیابی پایگاه های داده بارش در ایران انجام شده است، همچنان یک خلأ پژوهشی در زمینه بررسی کارایی داده های شبکه ای در برآورد بارش های حدی بر اساس نواحی اقلیمی مختلف در کشور احساس می شود. در این مطالعه کارایی چهار پایگاه داده Global Precipitation Measurement (GPM) ، ECMWF Reanalysis version-5 (ERA5)، Tropical Rainfall Measuring Mission (TRMM)  و PERSIANN-Dynamic Infrared-Rain rate (PDIR) در برآورد نمایه های حدی بارش بارش (Rx1day، Rx5day، CDD، CWD، R10mm، R20mm و R95p.) در 145 ایستگاه در دوره آماری 2000-2017 در کستره کشور بررسی شد. جهت ناحیه بندی مناطق همگن بارشی از روش تحلیل مؤلفه های اصلی (PCA) استفاده شد و بر این اساس ایران به 6 ناحیه بارشی شامل (1) سواحل دریای خزر، (2) شمال غرب، (3) غرب، (4) جنوب غرب و سواحل خلیج فارس، (5) شمال شرق و دامنه های بادپناهی (6) جنوب شرق و مرکز تقسیم شد. در ادامه، کارایی پایگاه های داده در برآورد بارش های روزانه براساس سنجه های درصد خطا و ضریب همبستگی بررسی شد که نتایج این بخش نشان داد که ERA5 دارای بهترین عملکرد، دو پایگاه داده GPM و TRMM دارای کارایی قابل قبولی در برآورد بارش های روزانه هستند و می توان از آن ها برای برآورد نمایه های حدی بارش استفاده کرد و PDIR نیز فاقد کارایی در برآورد بارش روزانه در کشور است. در ادامه کارایی سه پایگاه داده در 6 ناحیه بارشی بررسی شد و نتایج این بخش نشان می دهد که بطورکلی داده هایGPM  دارای بیشترین و TRMM کمترین کارایی در برآورد نمایه های حدی بارش در ایران است. در دو ناحیه بارشی غرب و همچنین جنوب شرق و مرکز این پایگاه های داده دارای کارایی بیشتری نسبت به دیگر نواحی در برآورد نمایه های حدی بارش در ایران هستند.