پیش‌بینی وضعیت خشکسالی برای دوره‌های آتی با استفاده از مدل LARS-WG (مطالعه موردی: ایستگاه شیراز)

نوع مقاله: مقاله اصلی

نویسندگان

1 استادیار، گروه انرژی‌های نو و محیط‌زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

2 دانشجوی کارشناسی‌ارشد، گروه انرژی‌های نو و محیط‌زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

3 کارشناسی‌ارشد، گروه انرژی‌های نو و محیط‌زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

10.22034/jewe.2020.215515.1343

چکیده

در این پژوهش به‌منظور شبیه­سازی اقلیم آینـده سال­های )1443-1397) بـرای محاسـبه شاخص خشک‌سالی در اسـتان فـارس، داده­های مورداستفاده شامل مقادیر روزانه­ی بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی ایستگاه شیراز در یک دوره­ی 46 ساله (1349-1395) و به‌عنوان ورودی برای مدل آماری LARS-WG بود. برای شبیه­سازی پارامترهای اقلیمی در حوضه ایستگاه شیراز داده­های مدل HADCM3 با استفاده از مدل WG-LARS تحت دو سناریوی 2A و B1A ریزمقیاس شدند. نتایج نشان داد که میانگین بارش سالانه در دوره آتی نسبت به دوره پایه با در نظر گرفتن سناریوی 2A، 5/1 % و با در نظر گرفتن سناریوی B1A، 5/5 % در دوره 1399 تا 1445 افزایش خواهد یافت. همین‌طور میزان ساعت­های آفتابی در دوره بررسی و با در نظر گرفتن هر دو سناریو کاهش خواهد یافت. همچنین مدل با دقت بالایی قادر به شبیه‌سازی پارامترهای دمای حداکثر، دمای حداقل و تابش بود، اما در شبیه‌سازی پارامتر بارش نسبت به دیگر پارامترها خطای بیش­تری را نشان داد. بیش­ترین افزایش با حدود 80%، متعلق به ماه سپتامبر تحت سناریو 2A بود که در دوره آتی نسبت به دوره مطالعاتی رخ‌داده ­است. در ادامه مطابق شاخص خشک‌سالی SPI شدیدترین خشک‌سالی ایستگاه مربوط به سال 1387 با مقدار شاخص 89/2- و حادترین ترسالی مربوط به سال 1374 با مقدار شاخص 92/1 بود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Drought Forecasting for Future Periods Using LARS-WG Model (Case Study: Shiraz Station)

نویسندگان [English]

  • Mohammad Hossein Jahangir 1
  • Maryam Jahanpanah 2
  • Mahnaz Abolghasemi 3
1 Assist. Professor, Department of Renewable Energies and Environment, Faculty of New Sciences and Technologies, University of Tehran, Tehran, Iran
2 M.Sc. Student, Department of Renewable Energies and Environment, Faculty of New Sciences and Technologies, University of Tehran, Tehran, Iran
3 M.Sc. Alumni, Department of Renewable Energies and Environment, Faculty of New Sciences and Technologies, University of Tehran, Tehran, Iran
چکیده [English]

In this study, in order to simulate the current climate (1970-2016) for calculating the drought index in Fars Province, the data used include daily rainfall, minimum temperature, maximum temperature, and sunny hours at Shiraz station in a period of 46 years (1970-2016) as the entry for the LARS-WG statistical model. To simulate the climatic parameters at the Shiraz station basin, the data of HADCM3 model were downscaled using WG-LARS model under two scenarios A2 and A1B. The results showed that the average annual rainfall will increase under A2 scenario by about 1.5% and under A1B scenario by about 5.5% during 2020-2066 periods. Moreover, sunshine hours in the study period will be reduced under both scenarios. With high precision, the model could simulate maximum temperature, minimum temperature, and radiation parameters, but more error in simulating was presented in the precipitation parameter than other parameters. The highest increase, with about 80%, was due in September under scenario A2, which occurred in the upcoming period of the study period. Based on the SPI drought index, the most severe droughts occurred in 2008 in Shiraz station showing an index value of -2.89. Moreover, SPI shows that the most precipitation was recorded in 1995 with an index value of 1.91.

کلیدواژه‌ها [English]

  • Atmospheric general circulation model
  • Downscaling
  • LARS-WG model
  • SPI
  • Shiraz
Ababaei B., Mirzaei F. and Sohrabi T. (2012). Evaluation of the performance of LARS-WG model in 12 coastal stations in Iran. Iran. J. Water Res., 5(9), 217- 222 [In Persian].

Abarghouei B. H., Asadizarch M. A., Dastorani M. T., Kousari M. R. and Safari Zarch M. (2011). The survey of climatic drought trend in iran. Stochast. Environ. Res. Risk Assess., 25, 851-863.

Babazadeh H., Shamsniya S., Bostani, F., Norozyaghdam E., Khodadadydehkardy D. (2012). Analysis of drought, wetness year and forecasting of climate parameters, precipitation and temperature using stochastic methods in Shiraz City. Geogr. Plan., 16(41), pp. 23-47 [In Persian].

Dehimfard R., Eyni Nargseh H. and Haghighat M. (2015). Drought zoning in Fars province under the influence of climate change conditions using standard rainfall index. Agri. Ecol., 7(4), 528-546 [In Persian].

 Ghasemi E. and Fatahi E. (2011). Investigation of climate change in the Uremia tea town basin during the period of 2030-3011 using exponential gradient of HadCM3 barium general circulation model. National Conference of Climate Change and its Impact on Agriculture and the Environment, Agricultural and Natural Resources Research Center of West Azarbaijan [In Persian].

Hadinia H., Pirmoradian N., and Afshinzade A. (2012). Evaluation of GCM Models and different scenarios of climate change in meteorological data simulation case study of synoptic station in Rasht. First International Conference on Iran's Environmental Crisis and its Improvement [In Persian].

Hoogenboom G., Jones J. W., Porter C. H., Wilkens P. W., Boote K. J., Batchelor W. D., Hunt L. A. and Tsuji G. Y. (2003). Decision support system for agrotechnology transfer Version 4.0. Overview. University of Hawaii, Honolulu, 1, 60.

 Karimi V., Kamkar-Haghighi A. A., Sepaskhah A. R. and khalili D. (2002). Evaluation of meteorological drought in Fars Province. J. Water Soil Sci., 5(4), 1-11.

Loukas A., Vasidiales L. and Tzabiras J. (2008). Climate change effects on drought severity. Adv. Geosci., 17, 23-29.

Nematollahi F., Rahimi A. and Gheinani T. T. (2010). Evaluation and evaluation of Lars model in the simulation of meteorological data of Golestan province in the period of 1997-1993. Appl. Geogr. Sci., 16, 81-96 [In Persian].

Resko P., Szeidl L. and Semenov M. A. (1991). A serial approach to local stochastic models. Ecol. Model., 57, 27-41.

Roshan G. and Mohammadnejad V. (2013). Forecasting the hydrological changes of Lake Urmia water level with the approach to hypothetical plans of global warming in the coming decades. Quant. Geomorphol. Res., 1(3), 69-88 [In Persian].

Soltani A. (2007). Application and using of SAS program in statistical analysis. Jihad-Daneshgahi Press, Tehran [In Persian].

Steele- Dunne S., Lynch P., McGrath R., Semmler T., Wang Sh., Hanafin J. and Nolan P. (2008). The impacts of climate change on hydrology in Ireland. J. Hydrol., 356, 28- 45.

Wilhite D. A. (1997). Responding to drought: common threads from the past, vision for the future. J. Am. Water Resour. Assoc.. 33, 951-959.

Yan-Jun L., Xiao-dong Z. and Jing M. A. (2012). Analysis of drought Evolvement characteristics based on standardized precipitation index in the Huaihi river basin. Proc. Eng., 28, 434-437.