تغییرات پیش‌‌نگری شده در دما و بارش حوضه کشف‌‌رود بر مبنای روش‌‌های مقیاس-کاهی دینامیکی و آماری مقاله

اقلیم تحت تاثیر عوامل طبیعی و انسان‌‌ساز در سطح جهانی و منطقه‌‌ای در حال تغییر است. امروزه، مدل‌‌های سری CMIP، منابع داده‌‌ای چند مدلی را به منظور بهبود پژوهش‌‌های علمی در راستای شناخت تغییر اقلیم و خطرپذیری اقلیم آینده در مقیاس منطقه‌‌ای یا محلی و توسعه رهیافت‌‌هایی برای سازگاری با اقلیم ارایه می‌‌دهند. با این وجود، ثابت شده است که این مدل‌‌ها قادر به حل جزئیات ویژگی‌‌های تغییر اقلیم در مقیاس‌‌های مذکور نیستند. به منظور پرکردن این خلا، روش‌‌های مقیاس‌‌کاهی ( دینامیکی و آماری)، به عنوان راه‌‌های چند روشی به منظور بدست آوردن پیش‌‌نگری‌‌های با قدرت تفکیک مناسب از مدل‌‌های جهانی اقلیمی بکار می‌‌روند. ارائه اطلاعات مطمئن‌‌تر اقلیمی به صورت چند مدل، چند روش و چند مقیاس (M5S) می‌‌تواند به تصمیم‌‌گیران بخش-های مختلف همچون آب و کشاورزی در پاسخ به تغییرات اقلیم کمک نماید. در این راستا، در این پژوهش با هدف ارایه سناریوهای آتی اقلیمی دما و بارش در حوضه کشف رود (دشت مشهد) از دو روش مقیاس‌‌کاهی آماری (SDSM و BCSD) و یک مدل منطقه‌‌ای اقلیم (RegCM) استفاده شده است. برونداد مدل اقلیمی CanESM2 برای دوره حاضر (2005-1984) و دوره آینده نزدیک (2050-2021) با سه روش مذکور، مقیاس‌‌کاهی شد. نتایج نشان داد میانگین دما در حوضه کشف‌‌رود در تمام فصل‌‌ها افزایش می‌‌یابد (با سه روش). تغییرات بارش دارای نوسانات زیادی است. در دوره آتی، بارش تا 4 و 9 درصد تحت این سناریوی با دو روش SDSM و RegCM کاهش می‌‌یابد که از لحاظ آماری معنی‌‌دار نیست در حالیکه با استفاده از روش‌‌ مقیاس‌‌کاهی BCSD، بارش به طور معنی‌‌داری تا 24 درصد در ایستگاه مشهد افزایش خواهد یافت.

It is well-known that climate is changing continuously under the intricate influences of natural and artificial factors at global and regional scales. The global Coupled Model Intercomparison Project (CMIP) already provides multi model data resources in order to improve the scientific research for investigating the vulnerability of climate change and future climate risk at regional or local scales and then developing the corresponding adaptation strategies. Global climate models (GCMs) have proven to be unable to resolve the details of regional climate change features because of the limitation of their coarse resolution. To bridge these gaps, downscaling methods, that is, statistical and dynamical downscaling, are multi method ways to get fine resolution projections of GCMs.Since the provision of robust climate information with a multimodel, multimethod, and multiscale (M5S) method can assist decision-making responding to climate change in agriculutral and water sectors, this study aims to provide the climate change scenarios of temperature and precipitation over Kashafrood Basin (KB) using three downsclaing methods. In this study the CanESM model outputs have been downscaled using two statistical downscaling methods (BCSD and SDSM) and one regional climate model (RegCM) during the period of 1984-2005 and the near future period (2021-2050) under RCP4.5. Results show that the mean temperature is projected to increase in the Kashafrood basin throughout all seasons. Precipitation changes exhibit a larger variability. By the end of the near future, an annual precipitation decrease by 4% and 9% are projected under RCP4.5 based on SDSM and RegCM model respectively in Mashad station, while an increase of over 24% is projected using BCSD downscaling method which is statistically significant.

(IPCC, 2007) از سال ١٩٩٥، کارگروه مدل سازی جفت شده (WGCM)٤، تحت حمایت برنامه پژوهش اقلیم جهان (WCRP)، 5 پروژه هم سنج مدل جفت شده (CMIP)٦ را به عنوان یک دستورالعمل استاندارد به منظور دسترسی پژوهشگران به 1 Intergovernmental Panel on Climate Change 2 Atmosphere-Ocean General Circulation Model 3 Forth Assessment Report 4 Working Group on Coupled Modeling 5 World Climate Research Program 6 The Coupled Model Intercomparison Project برونداد مدل های اقلیمی برای استفاده در مطالعات و پژوهش ها، پایه گذاری کرد. روش های مقیاس کاهی آماری نسبت به روش های دینامیکی ارزان تر و با توانمندی مشابه با این روش ها میباشند لذا در ارزیابی اثرات تغییر اقلیم به وفور مورد استفاده 1 Representative Concentration Pathways 2 Taylor 3 Global Climate Models 4 Downscaling 5. اختر١١ و همکاران (٢٠١٩) از دو مدل مقیاس کاهی آماری (SDSM) و دینامیکی (RCM) به منظور مقیاس کاهی ١٢ مدل 1 Harpham 2 Statistical DownScaling Model 3 Khan 4 Long Ashton Research Station Weather Generator 5 Dibike 6 Wetterhall 7 Zhang 8 Tiwari 9 Canonical Correlation Analysis 10 Regional Climate Model 11 Akhter GCM استفاده کردند. 1 Hewitt 2 The Canadian Earth System Model (به تصویر صفحه رجوع شود)شکل ١: موقعیت حوضه آبریز کشف رود، منبع : (نویسندگان ) ارزیابی اثرات تغییر اقلیم در این پژوهش ، مقیاس کاهی برونداد مدل CanESM٢ (به دلیل محدودیت موجود در نرم افزار SDSM) با استفاده از دو روش آماری و یک مدل منطقه ای اقلیمی (RegCM) انجام شده و سناریوهای آتی متغیرهای دما و بارش تحت سناریوی RCP٤٥ (سناریوی حدواسط ) برای دوره آینده نزدیک (٢٠٥٠-٢٠٢١) ارایه خواهد شد.