خلاصة:
رشد سریع صنایع و کارخانهها از یک طرف و جنگلزدایی و تخریب محیط زیست از طرف دیگر باعث افزایش روزافزون گازهای گلخانهای در سطح زمین در دهههای اخیر شده است. افزایش گازهای گلخانهای منجر به افزایش دمای اتمسفر در سطح جهانی میگردد که به گرمایش جهانی مرسوم میباشد. این اثرات منحصر به افزایش دمای اتمسفر نبوده و سایر متغیرهای اقلیمی را نیز تحت تاثیر قرار میدهد که به آن پدیده تغییر اقلیم گفته میشود. این مطالعه به منظور بررسی اثرات تغییر اقلیم بر حوضه «قرهسو» در دورههای 30 ساله (2044-2015) و (2075-2045) انجام پذیرفته است. 10 مدل GCM از مجموعه مدلهای AR4 جهت بررسی تغییرات اقلیم در این مطالعه مورد استفاده قرار گرفت. 6 ایستگاه هواشناسی برای بررسی تغییرات دما و 9 ایستگاه نیز برای بررسی تغییرات بارندگی انتخاب شدند. بر اساس دقت مدلهایGCM در پیشبینی پارامترهای دما و بارش، این مدلها وزندهی شده و بر اساس وزن آنها، الگوی متوسط برای تمام این مدلها تعریف شد و تحت سناریوهای انتشار A2 وB1، دادههای روزانه دما و بارندگی با استفاده از مدل LARS-WG تولید شدند. سپس با استفاده از روش IDW دادههای هواشناسی به صورت منطقهای تبدیل شدند. نتایج وزندهی مدلهای GCM نشان داد که در بین ده مدل به طور میانگین، مدل IPCLCM4. 0 بیشترین دقت را در برآورد دما و مدل GISS-ER بیشترین دقت را در برآورد بارش در کل حوضه قرهسو از خود نشان دادند. همچنین نتایج مربوط به بخش تغییرات پارامترهای اقلیمی دما و بارش نشان داد که فصل تابستان و بهار بهترتیب بیشترین مقدار افزایش دما را در دو دورهی آینده نزدیک (2044-2015) و آینده دور (2074-2045) برای هر دو سناریو A2 و B2 خواهند داشت و فصل زمستان بیشترین مقدار کاهش بارندگی را دارد.
Industrial growth, deforestation and destruction of the environment increased the greenhouse gases in recent decades. Increase the concentration of greenhouse gases lead to rise in temperature of the earth's atmosphere globally which called global warming. These effects not only change the temperature of the atmosphere, but also have influence on other climatic parameters which called climate change. This study investigated the effects of climate change on the basin Gharasoo in periods of 30 years (2044-2015) and (20740245) has been done. 10 GCM models set of models AR4 to study climate change used in this study. 6 stations for temperature changes And 9 stations were chosen for the study precipitation changes. Based on the performance of GCM to forecast temperature and, precipitation. The weighting models based on their weight is defined the average pattern for all these models. And the emission scenarios A2 and B1, daily temperature and precipitation data were generated using LARS-WG model. Then, using the IDW method for regional meteorological data were converted. Results showed that among the ten GCM models weighted average model Model IPSL CM4.0 greatest accuracy in estimated temperature and GISS-ER models the most accurate estimated rainfall in the entire Gharasoo basin showed. Also the results related to changes in temperature and precipitation showed the summer and spring, respectively, the highest temperature rise in the near future two terms (2044-2015) and far future (2074-2045) for both A2 and B2, respectively. And winter had the highest decrease precipitation.
ملخص الجهاز:
ارزیابی اثر تغییر اقلیم بر بارش و دما با استفاده از مدلهای AR4 (مطالعه موردی: حوضه آبخیز قرهسو، کرمانشاه) یحیی میرشکاران1*، وحیدکاکاپور2، امیر زارعی3 1اگروه جغرافیا، دانشکده فرماندهی و مدیریت، دانشگاه علوم انتظامی امین، تهران 2دانشآموخته مهندسی آب دانشگاه اصفهان 3دانشآموخته مهندسی آب دانشگاه اصفهان تاریخ دریافت: 18/9/1400 تاریخ پذیرش: 18/10/1400 چکیده رشد سریع صنایع و کارخانهها از یک طرف و جنگلزدایی و تخریب محیط زیست از طرف دیگر باعث افزایش روزافزون گازهای گلخانهای در سطح زمین در دهههای اخیر شده است.
بر اساس دقت مدلهایGCM در پیشبینی پارامترهای دما و بارش، این مدلها وزندهی شده و بر اساس وزن آنها، الگوی متوسط برای تمام این مدلها تعریف شد و تحت سناریوهای انتشار A2 وB1، دادههای روزانه دما و بارندگی با استفاده از مدل LARS-WG تولید شدند.
مدلهای GCM دادههای هواشناسی را در یک شبکه با مقیاس بزرگ در ارتفاعات بالایی جو پیشبینی میکنند که عمومیترین روش برای رفع این مشکل، استفاده از روشهای ریز مقیاس نمایی است.
مدل LARS-W G یکی از مشهورترین مدلهای مولد دادههای تصادفی وضع هوا است که برای تولید بارش روزانه، حداکثر وحداقل درجه حرارات روزانه در یک ایستگاه تحت شرایط اقلیم حاضر و آینده به کار میرود (Semenov & Barrow, 2002:34).
ریزمقیاس نمایی دادههای دما و بارندگی: به غیر از عدم قطعیتی که مدلهای GCM برای پیشبینی پارامترهای هواشناسی دارند، مشکل دیگری نیز وجود دارد که باعث کم شدن قابلیت استفاده از این مدلها میشود.
این روشها خروجی مدلهای GCM را با استفاده از دادههای ایستگاههای هواشناسی، به مقیاس محلی تبدیل میکنند (Gordon, Cooper, Gregory, Johns & Banks, 2000:154).