درخت حوزه‌های تخصصی

در سالهای اخیر، پدیده خشکسالی بسیاری از حوضه های آبخیز ایران را تحت تاثیر قرار داده و همه ساله باعث تغییرات زیادی در کاربری اراضی و مساحت دریاچه ها می شود. این پژوهش سعی دارد که با استفاده از شاخص های سنجش از دور خشکسالی در سال های 2000، 2010 و 2020، وضعیت خشکسالی و ارتباط آن با تغییرات کاربری اراضی در حوضه ابخیز دریاچه مهارلو در جنوب ایران را مورد بررسی قرار دهد. بدین صورت که ابتدا با استفاده از شاخص های EVI، NDVI، VCI وضعیت خشکسالی تعیین شد، سپس نقشه های کاربری اراضی برای سال های 2000 و 2020 با استفاده از تصاور ماهواره ای لندست ETM+8 تهیه شد. در ادامه با استفاده از روش رگرسیون مهمترین شاخص های خشکسالی موثر برای کاربری های اراضی تعیین گردید. همچنین با استفاده از زنحیره مارکوف و کومارکوف وضعیت شاخص های خشکسالی و کاربری اراضی برای سال 2040 پیش بینی شد. با توجه به نتایج شاخص ها مشخص شد که بخش های جنوبی بیشتر از دیگر بخش ها در خطر خشکسالی قرار دارد. نتایج حاصل از بررسی تغییرات کاربری اراضی نشان داد که در سال 2020 نسبت به سال 2000 اراضی بیشتری در کلاس های شور و بایر قرار گرفته اند. نتایج نشان داد که بر اساس روش رگرسیون مهمترین شاخص ها در ارتباط با کاربری اراضی شاخص NDVI می باشد. نتایج حاصل از زنجیره مارکوف و کومارکوف برای پیش بینی شاخص ها نشان داد که این روش دارای دقت قابل قبولی می باشد. بطوریکه ضریب کاپا برای شاخص VCI 0.98 می باشد که حاکی از دقت بالای مدل در پیش بینی خشکسالی می باشد. همچنین نقشه های پیش بینی شده توسط این روش نشان داد که در سال 2040 مقادیر این شاخص کاهش می یابد که نشان دهنده خشکسالی بیشتر در منطقه خواهد بود. با مقایسه ای که بین طبقات این شاخص ها و مقادیر این شاخص ها در سال 2020 و 2000 انجام شد مشخص شد که در سال 2040 احتمال کاهش مقادیر این شاخص و در نتیجه افزایش بیشتر خشکسالی در منطقه وجود دارد. این تغییرات بر روی وضعیت کاربری ها تاثیر زیادی خواهد داشت. بطوریکه پیش بینی می شود که مقادیر آب ها در این دریاچه با توجه به کاهش مقادیر شاخص خشکسالی NDVI کاهش یابد.

هدف این پژوهش و تحلیل میانگین بلندمدت بارش (P) و تبخیر و تعرق پتانسیل (PET) مبتنی خشکی اقلیم در شهرستانهای علی آبادکتول،گرگان،بندرگز،بندرترکمن،کلاله،گمیشان،مینودشت،اینچه برون،گنبد کاووس با استفاده از شاخص های خشکی ماهانه طاوسی، بارش انگوت (K) و یونپ (UNEP) به منظور آشکارسازی تغییرات رخ داده در دوره زمانی30 ساله می باشد. همچنین در این مطالعه جهت برآورد تبخیر و تعرق پتانسیل از روش هارگریوز – سامانی(Hargreaves-Samani) استفاده گردید. برای نشان دادن معنی داری روند از معیار U -U´ استفاده شد. مقادیر U -U´ برای تمام ماهها و کل سالها در محیط نرم افزار اکسل برآورد گردید، مناطق مورد مطالعه با استفاده از روش منکندال (Menkendal) به کمتر از 96/1+ یا بیشتر از 96/1+ یا مناطق دارای روند تفکیک گردید. پس از محاسبه فاکتور خشکی (AI) برای ایستگاه های موجود در مناطق شهری مورد نظر از طریق نرم افزار Excel، با استفاده از روش دورنیابی کریجینگ نقشه تغییرات منطقه ای خشکی پهنه مورد مطالعه در محیط نرم افزار ArcGis ترسیم گردید بدین منظور جهت بهترین نتیجه و کمترین میزان خطا از روش میانیابی مجذور فاصله با پراکنش (Expotntial) و جهت انتخاب بهترین روش درونیابی از شاخص های آماری ریشه میانگین مربعات خطا RMS قدر مطلق خطا MAE استفاده گردید. در ادامه در بعدی دیگر با توجه به رویکرد پژوهش حاضر مدل مفهومی نهایی در قالب تاثیر خشکی بر تنش زایی گیاهان و کاهش عملکرد اقتصادی جوامع محلی روستایی نیز ارائه گردید. نتایج نشان داد روش عکس فاصله به عنوان بهترین روش در میان روش های مورداستفاده برای برآورد تغییرات درجه خشکی (AI) می باشد. نتایج نشان داد  که خطر خشکی به همراه آن آلودگی ناشی از گرد و غبار در هر پهنه مورد مطالعه دور از انتظار نیست، در تمام شهرهای مورد مطالعه بنظر میرسد که با کاهش و تغییر روند حاکمیت بارندگی  به همان میزان شدت تبخیر و تعرق افزایش یافته  و پدیده خشکی به مراتب بیتشر خود را نمایان کند این پدیده میتواند بر روند محصولات کشاورزی و کاهش میزان تولید و سطح زیرکشت محصولات  پهنه استان گلستان و کاهش میزان عملکرد آن ها تاثیر گذار باشد بین ماه های موردسنجش واقع شده، بیشترین روند رو به خشکی در قسمت شمالی استان گلستان نمایان بوده و بیش از 35 درصد مساحت این استان را شامل می شود. روند تغییرات این شیب از لحاظ آماری معنی دار است.

یکی از بزرگترین نگرانی های بشر در سال های اخیر، تاثیرات حاصل از تغییرات اقلیمی بر منابع طبیعی در سطوح محلی، منطقه ای و جهانی است. یکی از این اثرات، تغییر و روند در شاخص خشکی و دگرگونی شرایط هیدرواکولوژی مناطق می باشد. هدف این تحقیق بررسی روند شاخص خشکی(IA) در ایستگاه های نوار شمالی کشور طی دوره 2019-1982 است. برای محاسبه ی تبخیر پتانسیل روزانه از معادله پنمن استفاده شده و در نهایت با استفاده از پارامترهای بارش و تبخیر پتانسیل مقادیر شاخص خشکی محاسبه شده است. نتایج نشان می دهد در ایستگاه ها نوار شمالی ایران برای بازه زمانی 2019-1982 مقایر بارش با روند کاهش مواجه بوده است به طوری که در ایستگاه انزلی مقادیر بارش ها در دوره 2019-2012 حدود 300 میلی متر نسبت به دوره 10 ساله 1991-1982 کاهش داشته است. از طرف دیگر مقادیر دما نیز در ایستگاه های شمال کشور با افزایش مواجه بوده است. مقادیر افزایش دما در ایستگاه-های رشت، رامسر، گرگان، بابلسر و انزلی به ترتیب حدود 1، 7/1، 1/0، 9/1 و 5/1 درجه سانتی گراد بوده است. بررسی ها نشان داد شاخص خشکی در تمام ایستگاه های مورد مطالعه در دوره 2019-1982 دارای روند کاهشی است. بیشترین شیب کاهشی در بین ایستگاه های مورد مطالعه نیز مربوط به ایستگاه انزلی بوده است. روند شاخص خشکی در دوره 2019-2012 نسبت به دوره 10 ساله 1991-1982 در ایستگاه های رشت، رامسر، گرگان، بابلسر و انزلی به ترتیب 178/0-، 011/0-، 091/0-، 142/0- و 420/0- بوده است.

بارش مهم ترین متغیر آب شناختی است که پیوند میان جو و فرآیندهای سطحی را برقرار می سازد. سه چهارم گرمای جو حاصل آزادسازی گرمای نهان تبخیر است. لذا پهنه بندی اقلیمی بارش فصل پاییز جهت دستیابی به توسعه همه جانبه در ابعاد مختلف مکانی-زمانی ضروری می باشد. برای این منظور از داد ه های روزانه فصل پاییز در 21 ایستگاه سینوپتیک منطقه مورد مطالعه با دوره آماری مشترک 32 (1989-2018) مورد واکاوی قرار داده است. بعدازآن که داده های مفقودی به روش جرم مضاعف توسط نرم افزار (spss) بازسازی و تکمیل گردید، این داده ها وارد محیط (EXCEL) شده و ماتریسی به صورت آرایه ای به حالت R با ابعاد 21×3491 تهیه شد. در این تحقیق برای اطلاع از وضعیت نرمال بودن داده ها از آزمون کلموگروف-اسمیرنوف و روند تغییرات آن ها از آزمون من-کندال با نرم افزار (MINITAB) استفاده شده است. پس از هنجار سازی، یک تحلیل عاملی با چرخش متعامد واریماکس بر روی آرایه بهنجار شده، اعمال گردید و مشخص شد درمجموع بیش از 16/68 درصد پراش داده ها توسط اقلیم بارش پاییزه منطقه توجیه می شود؛ که از میان عوامل، عامل اول 61 درصد و عامل دوم 7 درصد مهم ترین مقادیر پراش داده ها را بیان می کند. با انجام تحلیل خوشه ای سلسله مراتبی و با روش ادغام وارد بر روی ماتریس نمرات عامل ها، دو ناحیه اصلی و خرده ناحیه بارشی شناسایی شدند. این نواحی عبارت اند از: نواحی پربارشی و نواحی بارشی متوسط؛ بنابراین می توان گفت سهم بارش پاییزه حاصل از سامانه های محلی (بارش همرفتی، کوهستانی، جبهه های محلی و...) و عوامل مکانی(عرض جغرافیایی، موقعیت نسبی ایستگاه ها و...) در بخش جنوب غربی بیشتر است؛ و بخش های جنوب غربی به خصوص ایستگاه پیرانشهر بیشینه ی بارش افزون تر از سامانه های همدید را دریافت می کند. همچنین زمان وقوع بیشینه بارش فصل پاییز در نواحی بارشی متوسط شمال غرب حاصل از سامانه های همدید و  عوامل مکانی در ماه نوامبر در نیمه جنوب غربی رخ می دهد.

آگاهی از تأثیر خاک ها بر پویایی منابع آبی، جهت ارتقاء مدیریت در مقابل تنش ها اهمیت فوق العاده ای دارد؛ در سال های اخیر نگرانی ها از تغییر اقلیم توجه به حفظ بستر خاکی و تنظیم شیوه فعالیت های که کمترین آسیب را داشته باشند موردتوجه قرار گرفته است؛ لذا در تحقیق اخیر باهدف کمی سازی حساسیت مکانی-زمانی خاک در دوران کوارترنری بر اثر نوسانات شاخص پوشش گیاهی و منابع آبی به اهمیت موضوع خاک ها و پهنه بندی پاسخ اکولوژیک در مقابل تغییرات پرداخت، در این رابطه با استفاده از روش سری های زمانی من کندال (ناپارامتریک) به مطالعه تغییرات پوشش گیاهی و آبی روی خاک های کوارترنی در مقایسه با سایر خاک ها در کشور ایران پرداخته شد. در مطالعه از داده های مودیس و مدل MERA ورژن2 در دوره 2018 تا 2021 به مدت 36 ماه استفاده گردید. نتایج مطالعه نشان داد؛ متوسط حجم آب ذخیره شده در خاک های ایران 345 میلی لیتر در مترمربع است. بر طبق نتایج ذخایر آب در مناطق کوارترنری با اقلیم فوق العاده مرطوب 20% و مناطق نیمه مرطوب 18% و همچنین مناطق مدیترانه ای 8%- مناطق شبه خشک 12%+ ، مناطق خشک 21%+ و مناطق بیابانی با 25%+ نسبت به اقلیم مشابه خود تغییر در حجم دارند. همچنین سواحل دریاچه ارومیه و استان خوزستان اثر نوع خاک بر پوشش و منابع آبی دارای حساسیت بالا و مساحت 650 هزار هکتار را در بر دارد. در دشت گلستان 22 هزار هکتار در تهدید وجود دارد و حساسیت بالا از خود نشان می دهد. نتایج اخیر نشان دهنده حساسیت و شکنندگی بالای مناطق خاک کوارترنی در مقابل تغییرات اقلیمی است، لذا برنامه ریزی و مطالعه آمایش کشور با توجه به پتانسیل های خاک اهمیت فوق العاده دارد.

دمای نقطه شبنم یکی از متغیرهای مهم جوی است و تغییرات دراز مدت آن می تواند منجر به تغییر ویژگی های اقلیمی یک ناحیه گردد. به منظور تحلیل فضایی روند تغییرات دمای نقطه شبنم در ایران از داده های میانگین سالانه و ماهانه این متغیر در 109 ایستگاه هواشناسی سینوپتیک در طی دوره آماری2022-1990 استفاده شده است. جهت بررسی اثر تغییرات سایر متغیر های جوی بر دمای نقطه شبنم از داده های میانگین رطوبت نسبی سالانه، میانگین حداقل و میانگین حداکثر دما و میانگین مجموع بارش سالانه استفاده شده است. برای بررسی روند تغییرات از روش من کندال و جهت شناسایی الگوهای حاکم بر تغییرات فضایی دمای نقطه شبنم در ایران، از  مدل های خودهمبستگی فضایی موران جهانی و گتیس ارد جی استفاده شده است. نتایج بررسی روند تغییرات دمای نقطه شبنم نشان می دهد این متغیر در نواحی اطراف دریاهای شمال و جنوب و منطقه شمال غرب از روند افزایشی و در مناطق مرکزی، شرق و شمال شرق ایران از روند کاهشی برخوردار است. تحلیل فضایی مناطق با دمای نقطه شبنم بالا نشان دهنده الگوی خوشه ای شدید می باشد بدین معنی که مناطق با دمای نقطه شبنم بالا عمدتاً در بخش هایی از سواحل دریای خزر و بخش های زیادی از سواحل خلیج فارس و دریای عمان، بخش هایی از شمال آذربایجان و اردبیل گسترده شده است. این موضوع نشان می دهد که با نزدیک شدن به منابع رطوبتی دمای نقطه شبنم نیز بیشتر می شود. هم چنین تحلیل فضایی مناطق با دمای نقطه شبنم پایین نیز نشان می دهد که این نوع دماها عموماً در بخش وسیعی از مناطق مرکزی جنوب استان خراسان و شرق و جنوب شرق ایران متمرکزشده اند. تمرکز این دماهای پایین در بخش های داخلی  و مرکزی ایران نشان دهنده نقش کاهش رطوبت به دلیل دوری از دریاهای شمال و جنوب در کاهش میزان دمای نقطه شبنم می باشد. 

تغییراقلیم به هرگونه تغییرات در شرایط آب و هوایی گفته می شود که در طول زمان اتفاق می افتد. این تغییرات ممکن است در میانگین سری داده ها دیده نشود بلکه در چندک هایی از سری با شدت های مختلف رخ دهد که بررسی آن توسط رگرسیون چندک امکان پذیر است. در این پژوهش به منظور بررسی تغییرات زمانی و مکانی بیشینه و کمینه دمای روزانه در فصل های مختلف در ایران، پس از برازش رگرسیون چندک بر روی 102 ایستگاه هواشناسی با دوره آماری 1395-1366 (1987-2016)، شیب روند در چندک های مختلف محاسبه و پس از مقایسه نتایج آن با نتایج رگرسیون خطی معمولی به صورت مکانی پهنه بندی شدند. نتایج نشان داد که مقادیر حدی کمینه و بیشینه دما در اغلب مناطق ایران دارای روند معنی دار بوده است. بیشترین شیب های روند افزایشی در فصل بهار و تابستان مربوط به چندک پایینی دما (05/0) و در نیمه شرقی ایران (شیب> 1/0 درجه در سال)، اما در پاییز و زمستان به ترتیب مربوط به چندک بالایی دما (95/0) در نواحی شرقی (شیب> 05/0 درجه در سال) و چندک های میانی و بالایی (5/0 و 95/0) در شمال غربی و غرب (شیب> 15/0 درجه در سال) بوده است. با این حال یک روند کاهشی برای مقادیر پایین (05/0) دمای پاییز در نیمه ی شمالی و غرب ایران (شیب< 02/0- درجه در سال)  وجود داشت. همچنین مقایسه نتایج دو روش رگرسیونی بیانگر آن است که بیشتر چندک ها شیبی متفاوت با شیب رگرسیون حداقل مربعات داشتند و اختصاص شیب خط رگرسیون مربعات معمولی برای روند تغییرات دما در کل سری صحیح نمی باشد. در نهایت می توان بیان کرد که تغییر اقلیم در بیشینه و کمینه دمای روزانه در ایران اتفاق افتاده است اما شدت این تغییرات در فصل ها، چندک ها و بخش های مختلف، متفاوت است. 

بررسی تغییرات زمانی و مکانی ذوب برف دارای اهمیت زیادی در زمینه های مختلف از جمله مدیریت منابع آب دارد. لذا پژوهش حاضر با هدف بررسی تغییرات زمانی و مکانی و نیز خودهمبستگی فضایی میزان ذوب برف شمال غرب ایران برای ماه های فصول سرد انجام شده است. برای این منظور، داده های ذوب برف از مرکز اروپایی پیش بینی میان مدت هوا (ECMWF)، نسخه (ERA5) با قدرت تفکیک مکانی 25/0×25/0 درجه طی دوره آماری 1982 تا 2022 دریافت و سپس به چهار دوره ده ساله تقسیم گردید. جهت تحلیل تغییرات خودهمبستگی فضایی، از شاخص های موران جهانی و تحلیل لکه های داغ (گتیس- آرد جی) در سطح معنی داری 90، 95 و 99 درصد استفاده گردید. هم چنین به منظور تعیین اثر دما بر میزان ذوب برف، روند تغییرات میانگین حداقل دمای ماهانه تعداد 20 ایستگاه سینوپتیک منطقه شمال غرب مورد بررسی قرار گرفت. نتایج حاصل از پژوهش حاضر نشان داد که در منطقه مورد مطالعه ذوب برف دارای خودهمبستگی فضایی و الگوی خوشه ای شدید می باشد. طی دهه اول تا پایان دهه چهارم، میزان ذوب برف در ماه های اُکتبر، نوامبر و دسامبر بین تقریبا صفر تا 27/5 میلی متر در روز بوده، که در ماه دسامبر همراه با ناهنجاری منفی حداقل دما، از پهنه (تعداد پیکسل) و مقدار ذوب برف شمال غرب کاسته شده است. نتایج حاصل از تحلیل میزان تغییرات ذوب برف در ماه های فصل زمستان نیز نشان داد که در این فصل هم مقدار و هم پهنه ذوب برف در طی دوره مورد مطالعه افزایش پیدا کرده است. بدین صورت که دامنه ی تغییرات آستانه ی ذوب برف در ماه های ژانویه، فوریه و مارس بین 95/0 تا 27/19 میلی متر در روز از دهه اول تا پایان دهه چهارم افزایش پیدا کرده است. در بین ماه های فصل زمستان، ماه فوریه با ناهنجاری شدید مثبت حداقل دما (با روند افزایشی معنی دار حداقل دما) همراه بوده، و بر این اساس به پهنه (تعداد پیکسل) و مقدار ذوب برف شمال غرب افزوده شده است.

با توجه به روند تغییرات اقلیم و کاهش بارندگی در دهه اخیر، خشکسالی به یک مشکل بزرگ در جهان و بالاخص در مناطق خشک و نیمه خشک از قبیل ایران تبدیل شده است. استفاده از تکنیک سنجش از دور و تصاویر ماهواره ای به عنوان یک ابزار مفید جهت پایش مکانی و زمانی خشکسالی مورد توجه محققین واقع شده است. اما استفاده از این تکنیک و نتایج حاصل از آن همچنان نیاز به ارزیابی و واسنجی برای مناطق مختلف دارد. هدف این پژوهش ارزیابی پوشش گیاهی و دمای سطح زمین جهت تحلیل دوره خشکسالی و ترسالی در حریم پوششی رودخانه کارون استان خوزستان با استفاده از تصاویر ماهواره مادیس سنجنده ترآ، داده های بارش ایستگاه های سینوپتیک واقع در منطقه، شاخص های سنجش ازدوری همچون TCI,VCI,VHI به منظور آشکارسازی تغییرات رخ داده در بازه زمانی17 ساله(مادیس) و 28 ساله (بارش، جهت صحت سنجی) می باشد. بدین منظور ابتدا با بررسی داده های بارا نسنجی و سینوپتیک ایستگاه های موجود و با استفاده از مدل شاخص بارش استانداردشده(SPI) سه ماه MAY,JUN,APR به عنوان نمونه انتخاب شد. در این مطالعه از تارنمای SearchEarthData تصاویر ماهواره ای با کد(MOD11A2,MOD13A3) از سال 2000 تا 2017 دریافت شده و روی آن ها پیش پردازش و پردازش های لازم همانند تصحیح هندسی و رادیومتریک انجام گرفته شده است، و سپس شاخصSPI با شاخص های شرایط دمایی، شاخص وضعیت پوشش گیاهی و شاخص سلامت پوشش گیاهی به صورت تلفیقی به کمک تصاویر ماهوارهMODIS سنجنده TERRA مورد مقایسه قرار گرفت. بدین ترتیب در مرحله بعد نتایج این مطالعه نشان داد تصاویرMODIS و شاخص های ساخته شده دارای قابلیت لازم برای پایش خشکسالی می باشد.همچنین جهت پردازش اطلاعات گرانشی تغییرات سطح آب های زیرزمینی از داده های سنجنده GRACE MONTHLY MASS GRIDS_LAND بهره گرفته شد. نتایج این تحقیق می تواند گزینه مناسبی برای تصمیم گیران به منظور بررسی نظارت، بررسی و حل وفصل شرایط خشکسالی مؤثر باشد و ضرورت تعریف نمایه ای را دوچندان کند.

تغییر اقلیم به دنبال گرمایش جهانی در دهه های اخیر تأثیر زیادی در مناطق مختلف به همراه داشته است. جهت پیش نگری دمای کمینه و بیشینه مناطق سردسیر ایران از داده های 28 ایستگاه همدید کشور و برونداد مدل CanESM2 از سری مدل های CMIP5 استفاده شد. مقیاس کاهی با مدل آماری SDSM طی دوره تاریخی (2005-1991) و پنج دوره آینده (2040-2026، 2055-2041، 2070-2056، 2085-2071، 2100-2086)، تحت سه سناریوی خوشبینانه (RCP2.6)، حدواسط (RCP4.5) و بدبینانه (RCP8.5) انجام شد. جهت درستی سنجی برونداد دمای کمینه و بیشینه مدل مقیاس کاهی شده از چهار سنجه آماری PCC، RMSE، MBE و PBIAS استفاده شد. نتایج درستی سنجی برونداد مدل SDSM نشان داد که این مدل در عرض های جغرافیایی بالا و مناطق سردسیر از کارایی نسبتاً مناسبی برخوردار است. با این وجود به دلیل در دسترس بودن تنها یک واسط کاربری GCM (مدل CanESM2)، در نظر نگرفتن روابط فیزیکی جو توسط مدل SDSM و همچنین تکیه صرف بر روابط آماری بین داده های مشاهداتی و GCM، نتایج دارای عدم قطعیت زیادی نسبت به برونداد مدل های دینامیکی و یا روش دینامیکی-آماری و مدل همادی می باشد. بی هنجاری دمای کمینه و دمای بیشینه در دوره های پیش نگری اول تا پنجم براساس سه سناریوی واداشت تابشی مثبت است. نتایج بی هنجاری دمای کمینه نشان داد که کمینه بی هنجاری مثبت در ایستگاه یاسوج و بیشینه آن در ایستگاه پیرانشهر مشاهده می شود. به همین ترتیب بی هنجاری دمای بیشینه در ایستگاه های تهران (ژئوفیزیک) و تهران (شمیران) مشاهده می شود. بطور کلی، دمای کمینه و بیشینه تحت سناریو های حد واسط (RCP4.5) و بدبینانه (RCP8.5) نسبت به سناریوی خوشبینانه (RCP2.6) افزایش بیش تری را به خصوص برای مناطق شمال غربی ایران نشان می دهند. این نتیجه از آن جهت مهم است که با افزایش دما ذوب سریعتر پوشش برف در مناطق سردسیر برای کشور خشک و نیمه خشکی همچون ایران به دلیل کاهش دسترسی به آب شیرین یک تهدید بالقوه محسوب می شود.

بی نظمی در وضعیت بارندگی ها، خشکسالی ها و بیابانزایی در مناطق مختلف کره خاکی در ارتباط با تغییرات اقلیمی می باشد. از آنجایی که پدیده بیابانزایی به عنوان یکی از بارزترین وجوه تخریب منابع طبیعی در جهان مطرح شده است، در این پژوهش بررسی تغییرات فضایی- زمانی وضعیت بیابانزایی حوضه گاوخونی در طی 6 دهه از سال 1961 تا 2020 با بهره گیری از معیار اقلیمی مدل تعیین شدت بیابانزایی IMDPA تعیین شد. با توجه به نتایج این تحقیق مشخص گردید که دهه اول با میانگین 3.17 شدیدترین و دهه چهارم با 2.22 کمترین شدت بیابانزایی را تجربه نموده و دهه آخر نیز با نمره 2.36 در کلاس بیابانزایی متوسط قرار دارد. یافته های این تحقیق نشان دادند که اگرچه روند تغییرپذیری بیابانزایی بر مبنای میانگین دهه ای در حال کاهش می باشد، اما واقعیت منطقه گویای این است که در دو دهه اخیر بیشینه مساحت حوضه در کلاس بیابانزایی شدید قرار داشته که این هشداری در خصوص آسیب پذیری حوضه نسبت به پدیده بیابانزایی می باشد. از خروجیهای این تحقیق مشخص شد که از میان 3 شاخص معیار اقلیمی، بیشترین امتیاز با میانگین کلی 3.6 در خصوص شاخص ترانسو تجربه شده و سایر شاخص ها در رتبه های بعدی قرار دارند. با توجه به نقشه پهنه بندی شدت بیابانزایی حوضه گاوخونی آشکار گردید که نواحی مرکزی و شرقی از ریسک بالاتر و نواحی شمال غربی و جنوب شرقی ریسک کمتری داشته اند. در این تحقیق به منظور اعتبارسنجی مدل اقلیمی از شاخص NDVI استفاده گردید. تغییرپذیری این شاخص در طی زمان موید افزایش اراضی بایر و کاهش مساحت نواحی آبی و پوشش گیاهی می باشد. بنابراین می توان ملاحظه کرد که خروجیهای دو شاخص NDVI و معیار اقلیمی، یافته های یکدیگر را تایید می نمایند. چنانچه نتایج سایر پژوهش های پیشین نشان می دهند، پیامد گرمایش جهانی منجر به افزایش دما - تبخیر و کاهش بارش در نواحی خشک خواهد گردید. پس با توجه به قرارگیری حوضه گاوخونی در یک ناحیه خشک، انتظار پیامد تغییرات آب و هوایی بر تشدید این مخاطره طبیعی مسئله ای دور از ذهن نخواهد بود. 

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.

در مطالعات اقلیم شناسی و محیط زیستی گاهی با شرایط کمبود یا نقص داده مواجه هستیم، بنابراین تولید داده های هواشناسی قابل اطمینان در مقیاس های مختلف زمانی-مکانی اهمیت دارد. به همین دلیل گروه های مختلفی در سطح جهان اقدام به جمع آوری داده های هواشناسی از منابع مختلف زمینی و ماهواره ای و بازتولید داده ها کرده اند که ارزیابی این داده ها به منظور استفاده آنها در مطالعات مختلف ضروری است. در این مطالعه قابلیت پایگاه داده ی AgMERRA با منشا ماهواره-ایستگاهی برای پر کردن خلا داده و با هدف نهایی تولید داده های اقلیمی قابل استناد در مطالعه تالاب بین المللی هامون مورد ارزیابی قرار گرفت. در این پژوهش داده های روزانه ی پارامترهای دمای حداکثر، حداقل و میانگین و بارش سه ایستگاه سینوپتیک زابل، زهک و زاهدان واقع در دشت سیستان از سازمان هواشناسی ایران تهیه شد. داده های AgMERRA از سایت ناسا بارگیری و با نرم افزار Netcdf Extractor استخراج شد. سپس، پنج سنجه ی نکویی برازش برای تعیین میزان همبستگی بین داده های مشاهداتی و شبیه سازی شده در سه مقیاس روزانه، 14 روزه و ماهانه محاسبه شد. به طور کلی AgMERRA توانایی مناسبی برای پرکردن کمبود داده های دمایی در ایستگاه های مطالعاتی دارد. شاخص های نکویی برازش RMSE، NRMSE، MBE و d همبستگی بالایی را بین داده های مشاهداتی دما و مدل نشان دادند. همچنین، ضریب R2 در هر سه مقیاس زمانی برای داده های دما بالا  بود (9/0<). ضریب تبیین برای بارش روزانه  و 14 روزه پایین و به ترتیب <5/0 و< 6/0 محاسبه شد و برای بارش ماهانه در هر سه ایستگاه بالاتر از 7/0 بود که قابل قبول و قابل استفاده است.

مدیریت پایدار اکوسیستم های تالابی مستلزم آگاهی از روند تغییرات ارزش های اکولوژیکی، هیدرولوژیکی، اقتصادی و اجتماعی تالاب در برابر تهدیدات محیطی و انسانی است. در این پژوهش، روند تغییرات و همگنی متغیرهای اقلیمی دما و بارش با استفاده از آزمون های همگنی مختلف طی سال های 2020-1984 بررسی شد و اندرکنش آنها با میزان تغییرات خدمات اکوسیستمی، تهدیدات و آسیب پذیری تالاب بین المللی هامون مورد ارزیابی قرار گرفت؛ و استراتژی های مدیریتی برای کاهش آسیب پذیری ارائه شد. نتایج آزمون های همگنی نشان داد که اقلیم طی سال های 2020-1984 در منطقه سیستان خشک تر شده است، به طوری که میانگین کمینه و بیشینه دما به ترتیب 8/1 و 95/0 درجه سانتی گراد افزایش و میانگین بارش طی این سال ها به میزان 27 میلی متر (47درصد) کاهش یافته است. این تغییرات تاثیر زیادی بر خدمات اکوسیستمی منطقه سیستان داشته است. نتایج ارزیابی آسیب پذیری تالاب هامون با استفاده از روشStratford et al., 2011، نشان داد که تغییر اقلیم و خشکسالی، تامین حق آبه، سدسازی و انحراف مسیر آب در حوضه بالادست، تردد دام و اتومبیل در تالاب مهم ترین عوامل تهدیدکننده تالاب هستند که به شدت خدمات تنوع زیستی، زیستگاه حیات وحش، نگهداشت آب، صیادی و دامداری، پژوهشی و ارزش های بین المللی و زیست کره تالاب را دچار بحران و آسیب کرده اند. تلاش دیپلماتیک برای تامین حق آبه تالاب مهم ترین راهکار مدیریتی کاهش آسیب پذیری آن 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.  

تأمین غذای جمعیت رو به رشد جهان و افزایش تقاضای روزافزون، فشار فزاینده ای بر محیط زیست وارد کرده که منجر به استفاده بیشتر از منابع طبیعی، آلودگی آب و هوا و در نهایت تغییرات اقلیمی شده است. پژوهش حاضر با هدف بررسی تأثیرات کوتاه مدت و بلند مدت شاخص های تغییر اقلیم بر تولید غلات در ایران، انجام شد. برای این منظور، یک مدل خودرگرسیون برداری با وقفه توزیعی (ARDL) با استفاده از داده های سالانه سری زمانی طی دوره 2023-2000 برآورد شد. نتایج حاصل از تخمین مدل نشان داد متغیرهای سطح زیرکشت، میزان بارش و مصرف کود شیمیایی در بلندمدت و کوتاه مدت تأثیر مثبت و معنی داری بر تولید غلات در ایران در طول دوره مورد مطالعه  داشته اند. نتایج همچنین حاکی از عدم تأثیر معنی دار متغیر بهبود تکنولوژی بر تولید غلات در کوتاه مدت بود، اما در بلندمدت تغییر تکنولوژی و استفاده از روش های مکانیزه و نوین تولید تأثیر مثبت و معنی داری بر تولید غلات داشته است. متغیر مصرف انرژی در کوتاه مدت تأثیر مثبت و معنی دار داشته و در بلند مدت معنی دار نبود. همچنین، نتایج نشان داد افزایش دما و انتشار CO2 به عنوان شاخص های تغییر اقلیم، هم در کوتاه مدت و هم در بلندمدت تأثیر منفی و معنی دار بر تولید غلات در ایران در طول دوره مورد بررسی داشته اند؛ که این نتایج می تواند به عنوان یک هشدار جدی در ظهور آثار مخرب تغییر اقلیم بر امنیت غذایی کشور در نظر گرفته شود. براساس نتایج، توصیه می شود با توجه به اهمیت زمین در تأمین امنیت غذایی و چالش های مرتبط با بهره وری اراضی قطعه قطعه شده، ضروری است سیاست گذاران طرحی جامع برای یکپارچه سازی اراضی کشاورزی تدوین کنند. همچنین، باید از تفکیک بیشتر زمین های کشاورزی جلوگیری شود تا بهره وری و پایداری تولید ارتقا یابد و توان تولید در بلندمدت حفظ شود

در مطالعه حاضر به منظور پایش و پیش یابی اثر گرمایش جهانی بر الگوی مصرف انرژی خانگی یک مطالعه مقایسه ای بین دو تیپ اقلیمی مختلف از دو ناحیه خاورمیانه و اوراسیا انجام شده است. در این مطالعه تهران بعنوان نمونه ای از یک تیپ اقلیمی آب و هوای سرد نیمه خشک و مسکو با یک تیپ اقلیمی آب و هوای مرطوب قاره ای مورد ارزیابی قرار گرفته اند. در این پژوهش به منظور مدلسازی نیاز انرژی سکونتگاهها از دو سری زمانی داده های اقلیمی استفاده شده است.  داده های پایه در این مقاله مربوط به دوره 1990 تا 2010 بوده و به منظور پیش یابی داده های اقلیمی تابش، دما، سرعت باد و رطوبت نسبی از خروجی های مدلCanEMS2 از مجموعه مدل های اقلیمی CMIP5 استفاده گردیده که مقادیر آن برای دوره ی مطالعاتی 2020 تا 2049 با استفاده از مدل RegCM4.6 ریزگردانی دینامیکی شده اند. لازم به توضیح می باشد که سناریوی مورد استفاده در این تحقیق، سناریوی RCP4.5 است. یافته های این تحقیق نشان دادند که میانگین دمای سالانه برای دوره 2020 تا 2049 نسبت به دهه ی حاضر، بترتیب برای تهران به میزان 3.27 درجه سانتی گراد و برای مسکو 4.71 درجه سانتی گراد افزایش خواهد داشت و از طرف دیگر تغییرات رطوبت نسبی آینده در قیاس با دوره پایه بترتیب با 4 و 10.5 درصد برای تهران کاهشی و مسکو افزایشی می باشد. در مجموع برآیند تغییرات اقلیمی دهه های آینده منجر به تغییر در الگوی تقاضای انرژی در این دو شهر خواهد شد. اگرچه در هر دو منطقه کاهش انرژی تقاضای انرژی گرمایشی ملاحظه می گردد اما این کاهش برای تهران 12.75 درصد و برای مسکو یک درصد در قیاس با دوره ی پایه بوده و از طرف دیگر افزایش انرژی خنک کنندگی برای تهران 12.74درصد و برای مسکو یک درصد نسبت به دوره پایه خواهد بود. در مجموع نسبت افزایش تقاضا برای انرژی سرمایشی در قیاس با کاهش انرژی گرمایشی در هر دو ایستگاه بالا بوده که برآیند آن منجر به استحصال بیشتر دی اکسید کربن منتشر شده از این ساختمانها خواهد شد.

یکی از مباحث بسیار مهم در میکروکلیمای شهری، نقش کنترلی ارتفاع لایه مرزی آتمسفری است. این بخش از اقلیم از یک طرف متاثر از تغییرات اقلیمی سیاره ای و از طرفی دیگر متاثر از دخالت ها و فعالیت های انسانی در موقعیت های شهری است. بطوری که با افزایش و کاهش ارتفاع آن بعضی متغیرهای های آلوده کننده آتمسفری نقش بیشتری از خود نشان می دهند از جمله آنها دی اکسید نیتروژن (NO 2 )، دی اکسید گوگرد (SO 2 )، شاخص آیروسل (AI) می باشد. در این مطالعه برای یک دوره چهار ساله پایش های روزانه ماهواره Sentinel-5P را در موقعیت شهرهای استان اصفهان مورد ارزیابی قرار دادیم. در ادامه به منظور شناسایی تاثیر ارتفاع لایه مرزی،  فراوانی نسبی متغیرهای فوق را در دو حالت استقرار در بالا و پایین آستانه 750 متری لایه مرزی  مورد مقایسه قرار دادیم. بطور کلی نتایج حاکی از آن است که شاخص آیروسل (AI) در بالای آستانه 750 متری لایه مرزی آتمسفری بیشترین تجمع را بر روی موقعیت های شهری استان اصفهان نشان می دهند. در حالیکه این نسبت به گازهای دی اکسید نیتروژن (NO 2 ) و دی اکسید گوگرد (SO 2 ) کاملاً متفاوت عمل می کند یعنی اینکه کاهش ارتفاع لایه مرزی آتمسفری فراوانی وقوع آنها را بیشتر نشان می دهد. البته لازم به ذکر است ارزیابی آماری با ضریب کاپا عدم تطابق درونی فراوانی برای هر سه متغیر فوق در بالا و پایین آستانه 750 متری لایه مرزی نشان می دهد. همچنین وزن دهی انجام شده نیز در این دو طبقه نیز، تفاوت وزن ها را کاملا آشکار می کند.

بارش یکی از مهم ترین مولفه های هیدرولوژی و هواشناسی است که پیش بینی مقادیر آن در زمینه های مختلفی همچون کشاورزی، شرب، صنعت، بهداشت، اقلیم و محیط زیست از اهمیت ویژه ای برخوردار است. با توجه به اینکه وقوع، نوع و میزان بارش به عوامل بسیار زیادی بستگی دارد، مدل سازی و پیش بینی مقدار بارش همواره دارای پیچیدگی ها و چالش های فراوان بوده است. در این پژوهش از داده های پارامترهای هواشناسی ایستگاه همدیدی تبریز شامل دماهای کمینه، بیشینه و میانگین، رطوبت نسبی میانگین، فشار هوای میانگین، سرعت باد بیشینه و بارش در مقیاس های زمانی روزانه و ماهانه در یک دوره 35 ساله (2020-1986) استفاده شد. از روش های یادگیری ماشین و یادگیری جمعی شامل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)، جنگل تصادفی (RF)، آدابوست (AB)، تقویت گرادیان (GB)، درختان اضافی (ET) و مدل رگرسیون درخت تصمیم (DTR) برای مدل سازی بارش استفاده شد. بدین منظور 70 درصد از داده ها برای آموزش و 30 درصد از داده ها نیز برای آزمون مدل ها در نظر گرفته شدند. برای ارزیای مدل های مورد استفاده، از معیارهای آماری ضریب همبستگی (R)، جذر میانگین مربعات خطاها (RMSE)، میانگین خطای مطلق (MAE) و کلینگ گوپتا (KGE) استفاده شد. مطابق نتایج این تحقیق در مقیاس روزانه مدل MLP با 993/0R=، 184/0RMSE= میلی متر، 184/0MAE= میلی متر و 82/0KGE= و مدل ET با 986/0R=، 324/0RMSE= میلی متر، 324/0MAE= میلی متر و 75/0KGE= و در مقیاس ماهانه به ترتیب مدل MLP با 999/0R=، 153/0RMSE= میلی متر، 222/0MAE= میلی متر و 88/0KGE= و مدل ET با 981/0R=، 266/0RMSE= میلی متر، 197/0MAE= میلی متر و 71/0KGE= از بیشترین دقت و کمترین خطا برخوردارند. به طورکلی نتایج این پژوهش نشان دهنده عملکرد بسیار مناسب مدل های یادگیری ماشین و یادگیری جمعی در مدل سازی بارش در هر دو مقیاس زمانی روزانه و ماهانه است.

منحنی های شدت-مدت-فراوانی (IDF) از جمله ابزارهای مهم در طراحی سازه های آبی و هیدرولیکی هستند. این منحنی ها براساس داده های بارش ایستگاه های باران سنجی تخمین زده می شوند. اما تغییر اقلیم می تواند بر شدت و فراوانی وقوع پدیده های حدی مانند بارش های شدید تاثیرگذار باشد. بنابراین، منحنی های IDF موجود ممکن است برای طراحی سازه ها قابل اعتماد نباشند و باید مجدداً بر اساس داده های جدیدتر تخمین زده شوند. بر اساس خروجی مدل های اقلیمی می توان اثر تغییر اقلیم بر منحنی های IDF را بررسی نمود. برای این کار معمولاً پس از استخراج منحنی های IDF از هر مدل اقلیمی، منحنی نهایی مورد استفاده بر اساس میانه (median) داده ها استخراج می شود. در این مطالعه، 5 مدل اقلیمی از مدل های اقلیمی آخرین گزارش کمیته بین الدول تغییر اقلیم (CMIP6) انتخاب شده و دقت آنها در تخمین منحنی های شدت-فراوانی بارش 24 ساعته در 12 ایستگاه در ایران ارزیابی شد. همچنین، علاوه بر ارزیابی هر مدل، خروجی ادغام شده (pooled) مدل ها نیز مورد ارزیابی قرار گرفت و نتایج آن با منحنی حاصل از میانه داده ها مقایسه شد. معیارهای خطاسنجی شامل خطای میانگین (ME)، جذر میانگین مربعات خطا (RMSE) و خطای نسبی (RE) نشان داد که از بین مدل های مورد بررسی، مدل CMCC-CM2-SR5 در اغلب ایستگاه ها بهتر از سایر مدل ها شدت بارش 24 ساعته را تخمین می زند که این مسئله می تواند به دلیل توان تفکیک بهتر این مدل باشد. همچنین ادغام مدل ها و تخمین منحنی IDF با داده های ادغام شده نتایج بهتری از روش میانه و همچنین از اغلب مدل ها به ویژه در دوره های بازگشت طولانی تر به همراه داشت.