پیشبینی بارندگی ماهانه ایستگاه سینوپتیک کرمانشاه تحت سناریوهای اجتماعی- اقتصادی گزارش ششم تغییر اقلیم
نویسندگان
1 دانشیار گروه مهندسی عمران، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه رازی، کرمانشاه، ایران.
2 دانشجوی کارشناسی ارشد مهندسی عمران، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه رازی، کرمانشاه، ایران.
3 دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران.
doi
10.22126/atwe.2024.10245.1097چکیده
تغییرات اقلیم در ایران اهمیت بسیار بالایی برخوردار بوده چراکه کاهش میزان بارندگی تأثیرات منفی زیادی بر مسائل زیستی و اجتماعی دارد. در این مطالعه پیشبینی بلندمدت بارندگی تحت سناریوهای مبتنی بر مسیرهای اجتماعی و اقتصادی گزارش ششم تغییر اقلیم در ایستگاه سینوپتیک کرمانشاه انجام شد. برای این منظور از دادههای مدلهای جهانی بهویژه Canesm5 MRI-ESM2-0, MIROC6, استفادهشد. ریزمقیاسنمایی مدلها با روش تغییر عامل دلتا انجام شد. دقت مدلهای تصحیح شده نسبت به دادههای مشاهداتی برای دوره ۱۹۹۰-۲۰۱۴ با استفاده از شاخصهای میانگین مربعات خطا و ضریب نش مورد ارزیابی قرار گرفتهاند.نتایج نشان داد که کمینه میانگین بارندگی ماهانه در بازه (۲۰۲۶-۲۱۰۰) به ترتیب مربوط به ماههایJUNE, JULY, AUGUST, SEPTEMBER است و بیشینه بارش به ترتیب در ماههای APRIL-MARCH-NOVEMBER در هر سه آینده نزدیک، میانه، دور است. برای هر سه سناریو روند تغییرات بارندگی ماهانه در دوره آتی دوم (2051-2075) شباهت بیشتری به هم دارند ولی در سناریو SSP126 مدلهای MIROC6, CanESM5 نسبت به سناریوهای SSP245, SSP585 مدل MRI-ESM2-0 افزایش بیشتری در این دوره تاریخی برای بارندگی را پیشبینی کردهاند. با توجه به سنجههای صحتسنجی بعد از تصحیح اریبی، بهترین و بدترین مدل برای پیشبینی بارندگی ماهانه به ترتیب مدل MIROC6 و MRI-ESM2-0 میباشد. ضریب نش برای مدلهای MRI-ESM2- MIROC6, CanESM5 به ترتیب 91/0، 93/0، 95/0محاسبه شد و حاکی از کارایی این روش در ریزمقیاس کردن بارندگی دارد. در مقایسه، مدل MRI-ESM2-0 برای پیشبینی بارندگی ماهانه دقت کمتری دارد اما دقت این مدل برای سایر پارامترهای اقلیمی و مناطق دیگر مطالعاتی ممکن است نتایج دیگری را نشان دهد.