بررسی اثر تغییر مقیاس زمانی داده‌های حوضه‌ی آبریز سد درودزن بر مدل تغییر اقلیم LARS-WG6

نویسندگان

دانشگاه آزاد اسلامی واحد مرودشت

چکیده

در این پژوهش، به منظور بررسی تأثیر بازه‌های کوتاه‌مدت و بلندمدت داده‌های مشاهداتی بر کیفیت پیش‌بینی پارامتر‌های اقلیمی، با نرم‌افزار ریز‌مقیاس‌نمایی LARS-WG6 برای مدل EC-EARTH و سناریوی خوش‌بینانه RCP4.5 و سناریوی بدبینانه RCP8.5 و مدل HadGEM2-ES با سناریوی خوش‌بینانه RCP2.6 و سناریوی متوسط RCP4.5 و سناریوی بدبینانه RCP8.5 برای سه دوره‌ی 20 ساله‌ی آینده (2021-2040، 2041-2060، 2061-2080) پیش‌بینی صورت گرفت. سه دوره‌ی آماری روزانه ایستگاه سینوپتیک سد درودزن شامل دوره‌ی 30 ساله (2017-1988)، دوره‌ی 20 ساله (2017-1998) و دوره‌ی 18 ساله (2005-1988) استفاده شد که دوره‌ی 18 ساله به‌ وسیله‌ی بررسی روند دوره‌ی 30 ساله و آنالیز فراکتال داده‌ها تعیین گردید که شامل الگوی کامل تکرار رویداد‌های اقلیمی بارش، دمای حداقل و حداکثر بود. توانمندی مدل در شبیه‌سازی با توجه به دوره‌ی پایه و مقادیر تولیدشده، سنجیده شد و توسط آزمون‌های آماری MAD، MSE،  RMSE بررسی گردید. تحلیل نتایج به‌دست‌آمده به روشنی بیانگر تأثیر تغییر مقیاس زمانی بر دقت پیش‌بینی‌های صورت گرفته بود؛ به‌طوری‌که دوره‌ی زمانی 20 ساله کم‌ترین خطا را به‌ویژه برای پارامتر بارش از خود نشان داد. به صورت کلی مشخص شد که مدل با دقت بسیار مناسب دمای حداقل و حداکثر را پیش‌بینی کرده و پیش‌بینی بارش با دقت کم‌تری همراه بوده است. پیش‌بینی مدل‌ها تحت سناریو‌های مختلف و بازه‌های زمانی متفاوت، افزایش دمای حداقل و حداکثر را نشان داد. همچنین طبق پیش‌بینی‌ها ضمن افزایش میانگین سالیانه‌ی بارش در سال‌های آتی، الگوی بارش دستخوش تغییر خواهد شد؛ به‌طوری‌که در ماه آوریل، ژانویه و دسامبر افزایش بارش را شاهد خواهیم بود و از میزان بارش در ماه فوریه، کاسته خواهد شد.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the effect of time scale variations of hydro climate parameters on the accuracy of LARS-WG6 climate change model

نویسندگان [English]

  • seyyedSaeed sajadian
  • Mohammad Hadi Fattahi
چکیده [English]

In this research, in order to investigate the effect of short and long term observational data on the quality of predicting climate parameters, the LARS-WG6 statistical downscaling model is performed for EC-EARTH model and the optimistic scenario RCP4.5 and the pessimistic scenario RCP8.5. Also the HadGEM2-ES model with the optimistic scenario RCP2.6 and the moderate scenario RCP4.5 and the optimistic scenario RCP8. 5 are investigated. Forecasts are applied on the next three 20-year periods (2021-2040, 2041-2060, 2061-2061). Three daily statistical periods of the Drudzen Dam Synoptic Station including the 30-year period (1988-2017), the 20-year period (1998- 2017) and the 18-year period (1988-2005), were used. The 18-year period was determined by examining the 30-year trend. A fractal based procedure is employed for extracting a complete pattern of repeating weather events including rainfall, minimum and maximum temperatures. The modelchr('39')s capability in the simulation was measured according to the base period and the accuracy of the anticipations was evaluated using MAD, MSE and RMSE statistical tests. Studying the results clearly shows the effect of time scale changes on the accuracy of predictions. Accordingly the 20 year time period showed the least error, especially for the precipitation parameter. In general, it was revealed that this model predicts minimum and maximum temperatures with high accuracy and the rainfall prediction holds less accuracy. The prediction of models under different scenarios and different time intervals showed an increase in minimum and maximum temperatures. Moreover, the model indicates while the average annual precipitation increases in the coming years, the pattern of precipitation will change. In April, January and December, we will see an increase in precipitation and a decrease will be experienced in February.

کلیدواژه‌ها [English]

  • fractal analysis
  • Precipitation
  • Temperature
  • arid and semi-arid regions
Alizadeh, A. (2010). Principles of applied hydrology. 30, 5. University of Emam Reza, Mashhad, Iran, 991. Askareh, Hossein, Akbarzadeh, & Younes. (2017). Simulation of temperature and precipitation changes of Tabriz synoptic station during the period (2010-2011) using statistical exponential microscale (SDSM) and output of CanESM2 model. Geography and Environmental Hazards, 6 (1), 153-174. Baas, A. C. (2002). Chaos, fractals and self-organization in coastal geomorphology: simulating dune landscapes in vegetated environments. Geomorphology, 48(1-3), 309-328. Bolin, B. (1986). The greenhouse effect, climate change, and ecosystems. SCOPE 29, 541. Cao, L., Zhang, Y., & Shi, Y. (2011). Climate change effect on hydrological processes over the Yangtze River basin. Quaternary International, 244(2), 202-210. Change, I. C. (2007). The physical science basis: summary for policymakers. Geneva: Intergovernmental Panel on Climate Change secretariat. Chaumont, D. (2014). A guidebook on climate scenarios: Using climate information to guide adaptation research and decisions. Ouranos: Montréal, QC, Canada. Field, C. B. (Ed.). (2014). Climate change 2014–Impacts, adaptation and vulnerability: Regional aspects. Cambridge University Press. Kundzewicz, Z. W., Mata, L. J., Arnell, N. W., Döll, P., Kabat, P., Jiménez, B., ... & Shiklomanov, I. A. (2007). Freshwater resources and their management. Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, ML Parry, OF Canziani, JP Palutikof, PJ van der Linden and CE Hanson, Eds. Li, J., Du, Q., & Sun, C. (2009). An improved box-counting method for image fractal dimension estimation. Pattern Recognition, 42(11), 2460-2469. Mandelbrot, B. (1967). How long is the coast of Britain? Statistical self-similarity and fractional dimension. science, 156(3775), 636-638. Merritt, W. S., Alila, Y., Barton, M., Taylor, B., Cohen, S., & Neilsen, D. (2006). Hydrologic response to scenarios of climate change in sub watersheds of the Okanagan basin, British Columbia. Journal of Hydrology, 326(1-4), 79-108. Molteno, T. C. A. (1993). Fast O (N) box-counting algorithm for estimating dimensions. Physical Review E, 48(5), R3263. Racsko, P., Szeidl, L., & Semenov, M. (1991). A serial approach to local stochastic weather models. Ecological modelling, 57(1-2), 27-41. ZARE, A. H., GHABAEI, S. M., & Mosaedi, A. (2015). Drought monitoring based on Standardized Precipitation Evaoptranspiration Index (SPEI) under the effect of climate change.