پژوهشهای تغییرات آب و هوایی

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.

از پیامدهای دو سویه گرمایش جهانی و تغییرات اقلیمی، تاثیرات آن بر آلودگی آب و هوا است که خود می تواند به اثرگذاری بر معیشت روستایی و یا از بین رفتن مناطق روستایی شود. پژوهش حاضر اثر حضور انسان و وسایل و فعالیت های گرمازای وی در روزهای تعطیل بر دمای سطح زمین (LST) ییلاقات شهرستان تفت استان یزد را بررسی می کند. بدین منظور تصاویر دو دوره مقایسه ای فروردین (10 فروردین با 2 فروردین) و تابستان (جمعه با پنجشنبه و شنبه) سال 1402 ماهواره های لندست 8 و 9 مورد استفاده قرار گرفتند. سپس نقشه دمای سطح زمین و تحلیل هات-اسپات (G-i-star) از منطقه تهیه شده و تغییرات مورد ارزیابی قرار گرفتند. نتایج نشان داد در دوره فروردین، 64% و در دوره تابستان، 1/60% از نقاط روستایی دچار افزایش LST شده بودند. همچنین 1/43% تا 5/43% از سطح روستایی منطقه در فروردین و 2/31% تا 8/31% در تابستان افزایش دما را تجربه کرده بودند. افزایش واریانس دمایی نیز در این مناطق مشاهده شد که افزایش تنوع دمایی در این مناطق را نشان می دهد. تعداد نقاط داغ (Hot Spot) در این مناطق همچنین با 4/111% در فروردین و 48% و 1/21% در تابستان افزایش نشان داد. نتایج همچنین نشان داد 1/65% از پوشش گیاهی روستایی در فروردین و 8/49% در تابستان با افزایش LST روبرو بوده اند که از این بین افزایش 19 درصدی فروردین و 9/49 و 6/8 درصدی تابستان در واریانس دما و 3/118 درصدی فروردین و 5/9 و 2/0 درصدی تابستان در تعداد نقاط داغ سهم مناطق دارای پوشش گیاهی بوده است. بر اساس نتایج همچنین تمامی دهستان ها افزایش LST را تجربه کرده بودند که نوسانات این افزایش در دهستان های دارای پوشش گیاهی کمتر و نیز مساحت کمتر، بیشتر بوده است. پژوهش حاضر می تواند به منزله زنگ خطری برای ایجاد جزایر حرارتی روستایی (همچون شهرها) در روزهای تعطیل با گردشگر فراوان و آسیب های جدی به پوشش گیاهی و اقلیم روستایی تلقی شود.

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.

این مطالعه به بررسی کارایی یک مدل همادی در مقیاس زمانی فصلی برای تولید پیش بینی احتمالاتی با استفاده از مدل WRF جهت پیش بینی بارش در ایران پرداخته شده است. این مدل از اجرای مدل WRF با 4 پیکربندی مختلف و با 16 حالت شرایط اولیه و مرزی مختلف حاصل از پیش بینی های مدل CFSv.2 تشکیل شده است و مجموعاً دارای 64 عضو است. صدک های 33 و 66 ام مبنای بارش های زیر نرمال، نرمال و بالای نرمال بوده و دوره تاریخی اجرای مدل سال های 2000 تا 2019 است. دوره عملیاتی جهت بررسی کارایی مدل نیر زمستان سال 2020 می باشد و سنجه های ارزیابی هم دو نمایه ضریب همبستگی و جذر میانگین مجذور خطا است. نتایج این مطالعه نشان می دهد که پیش بینی بارش در مقیاس فصلی در ایران دارای عدم قطعیت بالایی است و ارائه پیش بینی ها به صورت احتمالاتی هرچند می تواند از کارایی بیشتری نسبت به پیش بینی قطعی برخوردار باشد اما همچنان دارای عدم قطعیت است. توزیع فضایی خطای پیش بینی مدل در دوره تاریخی وابسته به پراکندگی مکانی بارش و فاصله از مبدأ زمانی پیش بینی است، به طوری که در پیش دید اول کارایی مدل بهتر از پیش دید دوم و سوم است و از طرف دیگر در شرق و جنوب شرق کشور مدل از عدم قطعیت بالاتری نسبت به نواحی دیگر کشور برخوردار است. پیاده سازی این مدل برای یک دوره عملیاتی نشان داد که هرچند مدل می تواند تغییرات فضایی بارش در کشور را در سه پیش دید مورد بررسی پیش بینی نماید اما پیش بینی احتمالاتی هم نمی تواند به میزان قابل توجهی از عدم قطعیت مدل های عددی در پیش بینی فصلی بارش را کاهش دهد.

تعریف شاخص جامعی که تفسیر کامل تری از خشکسالی هواشناسی و هیدرولوژیکی داشته باشد ضروری است بر این اساس در پژوهش حاضر شاخص چند متغیره خشکسالی (MSDI) بر مبنای بارش و دبی تعریف شده است تا توانایی آن در تشخیص خشکسالی هواشناسی و هیدرولوژیکی سنجیده شود. برای این منظور دو شاخص SPI و SSI در دومنطقه گالیکش و ارازکوسه در استان گلستان که از آمار بارش و دبی بلند مدت 50 ساله برخوردار بودند در مقیاس فصلی محاسبه شدند شاخص MSDIبر اساس تعریف توزیع مشترک از متغیرهای دبی و بارش با استفاده از توابع مفصل نیز محاسبه شد. به منظور بررسی تطابق  این شاخص با SPI و SSI، میزان همبستگی و سپس، روند و جهش آنها با استفاده از آزمون های من-کندال و پتیت، بررسی شدند. نتایج نشان داد همبستگی کاملی بین شاخص SPI و SSI وجود ندارد و در فصل های مختلف و ایستگاه های مختلف میزان همبستگی متغیر است ولی شاخص تعریف شده MSDI از همبستگی بالایی با هر دو شاخص SSI و SPI برخوردار بود. و حتی در بدترین حالت که SPI و SSI هیچ همبستگی معنی داری نداشتند این شاخص در بدترین شرایط 62 درصد همبستگی را با  SPIدر گالیکش ایجاد کرد. نتایج روند و جهش از تطابق خوبی در دو ایستگاه برخوردار بودند. در ایستگاه ارازکوسه SPI فاقد روند، SSI فقط در بهار و MSDI در بهار و تابستان دارای روند می باشند. در ایستگاه گالیکشMSDI  در هیچ فصل، SPI در پاییز و SSI در بهار دارای روند می باشند. شاخص MSDI در مواردی که دو شاخص SPI و SSI شرایط خشکی یکسانی را نشان می دادند با آنها مطابقت داشت در غیر اینصورت در بیشتر موارد با شاخصی که شرایط خشک تری را داشت هماهنگ بود. در ضمن این شاخص تمایل زیادی به خشک تر نشان دادن فصل ها داشت بطوری که در برخی از موارد از دو شاخص دیگر شرایط خشک تری را نشان می داد. در نهایت می توان نتیجه گرفت شاخص MSDI می تواند شاخص مناسبی برای تحلیل همزمان خشکسالی هواشناسی و هیدرولوژیکی در نظر گرفته شود.

تبخیرتعرق به عنوان یکی از مولفه های اصلی چرخه ی آبشناسی، از پدیده تغییر اقلیم اثرات قابل توجهی را می پذیرد. هدف اصلی این پژوهش برآورد میزان تبخیرتعرق پتانسیل در دوره زمانی آینده و مقایسه آن با دوره پایه با استفاده از برونداد مدل های اقلیمی جهت اجرای مدل منابع آب WEAP در ایستگاه های منتخب حوضه کرخه می باشد. دوره های 2019-1999 و 2100-2020 به ترتیب به عنوان دوره پایه و دوره آینده در نظر گرفته شد. برونداد دو مدل اقلیمی منتخب بر اساس توصیه های پیشین بنام های  MPI-ESM1-2-LR وKIOST-ESM  اخذ شده از پایگاه داده های اقلیمیESGF تحت دو سناریوی اقلیمی SSP2-4.5 و SSP5-8.5 و همچنین داده های ایستگاه های همدیدی برای حوضه کرخه در برآورد تبخیرتعرق پتانسیل در دوره های آینده و پایه استفاده شده است. با توجه به خروجی های مدل WEAP میزان تبخیرتعرق پتانسیل تا سال 2100 میلادی روندی افزایشی خواهد داشت، بیشترین میزان افزایش پیش نگری شده درمدل MPI-ESM1-2-LR تحت سناریوی SSP5-8.5 به میزان 89 میلی متر در ماه ژوئن و در مدل KIOST-ESM به میزان 73 میلی متر در ماه بدست آمد. کمترین مقادیر به ترتیب برابر 26 و 5/0- میلی متر در ماه های دسامبر و سپتامبر می باشند. متناظراً این مقادیر تحت سناریوی SSP2-4.5 به ترتیب برابر با 4/85، 3/64، 3/23 و 6/4 - در ماه های ژوئن، می، دسامبر و سپتامبر نسبت به دوره پایه برآورد شد. همچنین میزان تبخیرتعرق پتانسیل در ایستگاه هایی با اقلیم مدیترانه ای معتدل نسبت به ایستگاه هایی با اقلیم خشک معتدل تغییرات بیشتری را تجربه خواهند کرد.