پیش بینی پارامتر بارش در شمال ایران بر اساس مدل های منتخب CMIP6 (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
بارش یکی از فراسنج های جوی بسیار تغییرپذیر جوی است که چگونگی و زمان رخداد تغییرات آن توجه پژوهشگران را به خود جلب کرده است. در پژوهش حاضر به منظور شناسایی تغییرات رخ داده در بارش شمال غرب کشور بین سال های 1348-1397 (1970 تا 2019) و با درنظر گرفتن اثر دریای مدیترانه بر مقدار بارش ایران، به ویژه شمال غرب کشور، ارتباط نمایه ی پیوند از دور مدیترانه MOIac که در الجزایر و قاهره واقع است را با استفاده از روش همبستگی و رگرسیون حداقل مربعات خطا واکاوی شد. تمامی واکاوی ها بر روی فازهای مثبت و منفی نمایه نیز انجام گرفت. نتایج حاکی از آن است که به صورت کلی ارتباط ضعیف بین نمایه ی مورد مطالعه و بارش وجود داشت. این شرایط برای فازها نیز صادق است. با این وصف بیش ترین نواحی متأثر از نم این مطالعه با هدف پیش نگری بارش در 32 ایستگاه همدیدی نیمه شمالی ایران در سه دهه آتی انجام گرفت. برای این منظور، از داده های 5 مدل AOGCM به نام های MPI-ESM1-2-HR، INM-CM5-0،CMCC-CM2-SR5 ،BCC-CSM2-MR ،EC-EARTH3-CC از مجموعه مدل های سری CMIP6 تحت 2 سناریویSSP2-4.5 (متوسط) و SSP5-8.5 (بدبینانه) استفاده شد. دوره مشاهداتی 1985-2014 و دوره آینده 2030-2059 در نظر گرفته شدند. کارایی مدل ها با محاسبه سنجه آماری KGE ارزیابی شدند و برای انتخاب روش مناسب ریزمقیاس از میان روش های Linear Scaling، Power transformation و Distribution mapping نمودار تیلور استفاده شد. به منظور کاهش عدم قطعیت با روش میانگین گیری وزنی (مبتنی به رتبه)، مدل همادی محاسبه شد. محاسبات نشان داد که مدل همادی تولید شده کارایی بهتری را نسبت به مدل های منفرد دارد. بیشینه کاهش بارش در مقیاس سالانه در دوره آتی در ایستگاه جلفا با مقدار تقریبی 40 درصد در سناریوی متوسط رخ خواهد داد و بیشترین افزایش بارش در ایستگاه سهند با افزایش 14 درصدی در دوره آینده در سناریوی بدبینانه اتفاق خواهد افتاد. یافته های تحقیق حاکی از آن است که مقدار بیشینه، متوسط و کمینه شاخص آماری KGE برای مدل همادی در مقایسه با مقادیر بارش ایستگاه های منطقه مورد مطالعه به ترتیب 1/0، 05/0 و صفر بوده است. نتایج نشان داد که در مقیاس زمانی سالانه، تحت سناریوی متوسط، 78 درصد ایستگاه ها کاهش بارش را تجربه خواهند کرد درصورتی که تحت سناریوی بدبینانه، 75 درصد ایستگاه های هواشناسی مورد مطالعه افزایش بارش را خواهند داشت. مطابق تحقیق حاضر، 56 درصد از ایستگاه های مورد مطالعه دارای تغییرات سالانه بارشی صعودی تحت سناریو SSP585 و نزولی تحت سناریو SSP245 بودند.Forecasting Precipitation in the Northern Half of Iran Based on the Output of Selected CMIP6 Models
This study aimed to forecast precipitation at 32 synoptic stations in the northern half of Iran in the next three decades. For this purpose, data from 5 AOGCM models, namely MPI-ESM1-2-HR, INM-CM5-0, CMCC-CM2-SR5, BCC-CSM2-MR, and EC-EARTH3-CC, from the CMIP6 series of models were used under 2 scenarios: SSP2-4.5 (moderate) and SSP5-8.5 (pessimistic). The observation period was 1985-2014 and the future period was 2030-2059. The raw precipitation output was downscaled by CMHyd software. The performance of the models was evaluated by calculating the KGE statistic measure and the Taylor diagram was used to select the appropriate downscaling method among Linear Scaling, Power transformation, and Distribution mapping methods. In order to reduce the uncertainty with the weighted averaging method (based on rank), the ensemble model was calculated. The calculations showed that the generated ensemble model has better performance than the individual models. The maximum decrease in precipitation on an annual scale in the future period will occur at Jolfa station with an approximate value of 40% in the average scenario, and the largest increase in precipitation will occur at Sahand station with an increase of 14% in the future period in the pessimistic scenario. The research findings indicate that the maximum, average, and minimum values of the KGE statistical index for the emsemble model compared to the precipitation values of the stations in the study area were 0.1, 0.05, and zero, respectively. The results showed that on an annual time scale, under the average scenario, 78% of the stations will experience a decrease in precipitation, while under the pessimistic scenario, 75% of the studied meteorological stations will have an increase in precipitation. According to the present study, 56% of the studied stations had increasing annual precipitation changes under the SSP585 scenario and decreasing under the SSP245 scenario
تبلیغات
