پیش نگری تغییرات حداکثر دما در دوره آینده میانی سیستان و بلوچستان تحت سناریوهای SSP (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: تغییرات اقلیمی به عنوان یک مسئله جهانی عمدتاً ناشی از فعالیت های انسانی است. این تحقیق به پیش نگری تغییرات میانگین حداکثر دما در شش ایستگاه هواشناسی استان سیستان و بلوچستان شامل ایرانشهر، چابهار، زاهدان، زابل، سراوان و کنارک پرداخته است. پیش نگری با استفاده از مدل های CMIP6 در دوره های پایه (1987-2014) و آینده میانی (2076-2051) انجام شده است. روش و داده ها: داده های هواشناسی از شش ایستگاه جمع آوری و مدل های CMIP6 در سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 برای پیش بینی تغییرات دما به کار گرفته شدند. برای کوچک مقیاس سازی داده های مدل، روش آماری SDSM و برای ارزیابی عملکرد مدل ها، شاخص های MAD، MAPE و RMSE استفاده شدند. همچنین، روند تغییرات میانگین دمای حداکثر با استفاده از روش تحلیل آزمون من-کندال مورد بررسی قرار گرفت. نقشه های مکانی تغییرات دما با روش درون یابی IDW در محیط GIS تهیه شده و آزمون t جفت نمونه ای برای بررسی تفاوت های معنی دار بین داده های دوره های پایه و آینده میانی استفاده شد. یافته ها: مدل CanESM5 بهترین عملکرد را در پیش بینی تغییرات دما داشت. بیشترین افزایش دما در ماه ژوئیه و تحت سناریو SSP5-8.5 در ایستگاه ایرانشهر با 31/2 درجه سلسیوس و کمترین افزایش در ایستگاه زاهدان تحت سناریو SSP1-2.6 با 63/0 درجه سلسیوس پیش نگری شد. در مقیاس سالانه، ایستگاه ایرانشهر در سناریو SSP5-8.5 بیشترین افزایش دما را داشت. از نظر فصلی، بیشترین افزایش دما در فصل تابستان در ایرانشهر و کمترین افزایش در فصل زمستان در زاهدان رخ خواهد داد. نتیجه گیری: نتایج این پژوهش نشان داد که افزایش میانگین دمای حداکثر در تمامی ایستگاه های مطالعه شده پیش بینی شده است، با بیشترین افزایش در تابستان در ایرانشهر و کمترین در زمستان در زاهدان. عوامل جغرافیایی و اقلیمی تأثیر قابل توجهی بر الگوهای دمایی دارند. پایش مستمر، تدوین برنامه های مدیریتی و ارتقاء زیرساخت ها برای کاهش اثرات تغییرات اقلیمی ضروری است. نوآوری ها: این مطالعه با بهره گیری از مدل های پیشرفته CMIP6 به پیش بینی تغییرات میانگین دمای حداکثر در استان سیستان و بلوچستان پرداخته و نقشه های مکانی این تغییرات را با روش درون یابی IDW در محیط GIS ارائه کرده است. همچنین، با تحلیل دقیق رابطه میان تغییرات دما و شرایط محلی جغرافیایی و اقلیمی، داده های ارزشمندی برای برنامه ریزی مدیریت منابع و سازگاری با تغییرات اقلیمی فراهم می آورد.Predicting changes in maximum temperatures in the mid-future period in Sistan and Baluchestan under SSP scenarios
Aim: Climate change, as a critical global issue, is primarily driven by human activities. This study aims to project changes in the mean maximum temperature across six meteorological stations in Sistan and Baluchestan province: Iranshahr, Chabahar, Zahedan, Zabol, Saravan, and Konarak. Projections were performed using CMIP6 models for the baseline period (1987–2014) and the middle future period (2051–2076). Material & Method: To forecast temperature changes, CMIP6 models were applied under SSP1-2.6, SSP2-4.5, and SSP5-8.5 scenarios using data from six meteorological stations. The SDSM method was used for statistical downscaling, and model performance was assessed with MAD, MAPE, and RMSE indices. The Mann-Kendall test analyzed trends in average maximum temperature. IDW interpolation in GIS was used to map spatial temperature changes. Paired-sample t-tests evaluated differences between baseline and mid-future periods. Finding: The CanESM5 model performed best in predicting temperature changes. The highest increase (31.2°C) occurred in July at Iranshahr under SSP5-8.5, while the lowest (0.63°C) was in Zahedan under SSP1-2.6. Annually, Iranshahr saw the highest rise (1.75°C) and Zahedan the lowest (1.34°C). Seasonally, summer at Iranshahr recorded the highest increase (2.24°C) under SSP2-4.5, and winter at Zahedan the lowest (0.82°C) under SSP1-2.6. Conclusion: The study predicts an increase in the average maximum temperature at all stations, with the highest rise in summer at Iranshahr and the lowest in winter at Zahedan. Geographical and climatic factors significantly influence temperature patterns. Continuous monitoring and improved management strategies are crucial for mitigating climate change. Innovation: This study utilizes advanced CMIP6 models to predict changes in the mean maximum temperature in Sistan and Baluchestan Province and provides spatial maps of these changes using the IDW interpolation method in a GIS environment. Additionally, it analyzes the relationship between temperature changes and local geographical and climatic conditions, offering valuable data for resource management planning and adaptation to climate change.
تبلیغات
