پیش نگری و تحلیل زمانی و مکانی خشکسالی استان تهران تحت مدل گردش عمومی جوی اقیانوسی CanESM۲ بر اساس شاخص SPEI
Publish place: Desert Ecosystem Engineering Journal، Vol: 10، Issue: 33
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 26
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DEEJ-10-33_010
تاریخ نمایه سازی: 19 اسفند 1402
Abstract:
تغییر اقلیم بر سیستم های مختلف تاثیرات متفاوتی داشته است که به دلیل نقش حیاتی آب در زندگی انسان، بررسی تاثیرات منفی آن بر شدت و فراوانی وقوع خشکسالی یک منطقه از اهمیت ویژه ای برخوردار است. لذا به منظور پیش نگری پارامتر های اقلیمی با احتساب تغییرات در انتشار گاز های گلخانه ای، سناریوهای متعددی معرفی شده اند. در این پژوهش به ارزیابی اثرات تغییر اقلیم بر وضعیت خشکسالی استان تهران در دوره های آتی با استفاده از شاخص خشکسالی بارش-تبخیر و تعرق استانداردشده SPEI پرداخته شده است. در این راستا، ابتدا با استفاده از مقادیر دمای کمینه، دمای بیشینه، دمای میانگین و بارندگی روزانه ۸ ایستگاه سینوپتیک در دوره پایه (۱۹۹۵ تا ۲۰۱۷)، با استفاده از مدل ریزمقیاس نمایی SDSM و با در نظر گرفتن مدل گردش عمومی جو بر اساس گزارش پنجم هیئت بین الدول و سناریوهای انتشار RCP۲.۶، RCP۴.۵ و RCP۸.۵، مقادیر بارش و دما تا سال ۲۱۱۲ پیش نگری شد. پس از آن با استفاده از پارامتر های پیش نگری شده، خشکسالی SPEI محاسبه شد و در نهایت ویژگی های زمانی و مکانی خشکسالی مورد ارزیابی قرار گرفت. بررسی کلی نتایج نشان می دهد که شدیدترین خشکسالی در ایستگاه آبعلی در سال ۲۰۷۳ در ماه ژولای برابر با ۶۳/۶- خواهد بود. همچنین بر اساس نتایج به دست آمده، شهر تهران نسبت به سایر مناطق استان تهران از تنش خشکسالی بیشتری در سال های آینده برخوردار خواهد بود. شایان ذکر است که با بررسی های سری زمانی خشکسالی های آتی، فراوانی خشکسالی در ماه های آینده یک عقب نشینی ۴ ماهه خواهد داشت و از ماه سپتامبر به ماه می انتقال پیدا خواهد کرد.
Keywords:
Authors
محمد حسین جهانگیر
دانشکده علوم و فنون نوین دانشگاه تهران
فراز رحیمی
دانشکده علوم و فنون نوین دانشگاه تهران
مهناز ابوالقاسمی
دانشکده علوم و فنون نوین دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :