توصيفگر ها :
تغيير اقليم , رويكرد چند معياره , عدم قطعيت , بيزين
چكيده فارسي :
در قرن حاضر تغيير اقليم تبديل به چالشي جهاني شده است كه جوامع بين المللي را به مديريت و كنترل عوامل تشديد كننده آن واداشته است. گسترش وقوع وقايع حدي همچون خشكسالي يكي از پيامد هاي تغيير اقليم مي باشد كه شناخت و تلاش در جهت سازگاري با اين پديده ميزان آسيب پذيري در مقابل آن را كاهش مي دهد. در گام نخست پژوهش حاضر اقدام به تعيين سطح عملكرد مدل هاي گردش عمومي پروژه CMIP6 در وسعت كشور ايران كرده است. ارزيابي مدل ها از طريق رويكرد آماري چند معياره اي بوده است كه شامل آزمون هاي تك متغيره ميانگين، انحراف استاندارد، ضريب تغييرات، آزمون من-كندال و آزمون كولموگروف اسميرنوف و آزمون چند متغيره تحليل اجزا اصلي مي باشد. نتايج بدست‌آمده از اين آزمون هاي آماري توسط ابزار TOPSIS كه يك روش تصميم گيري چند معياره است با يكديگر تجميع شده و درنهايت مدل هاي ACCESS-CM2، CanESM5 و ACCESS-ESM1-5 برگزيده مي شوند. مدل هاي منتخب به‌وسيله دياگرام تيلور از نظر تطابق خروجي مدل هاي گردش عمومي با داده شبكه بندي مشاهداتي و از نظر مكاني كنترل مي شوند. در گام بعدي برونداد بزرگ مقياس مدل هاي منتخب به‌وسيله مدل CMhyd و با استفاده از اطلاعات ايستگاه هاي سينوپتيك كشور ايران ريزمقياس نمايي شده و از طريق روش نگاشت توزيع تصحيح خطا اريبي خروجي مدل ها انجام مي گيرد. سري هاي زماني دما و بارش بدست‌آمده از مدل هاي منتخب براي دوره آينده (2050-2025) و بر مبناي دو سناريو حالت ميانه (SSP245) و بدبينانه (SSP585) حاكي از روند افزايشي دما در دوره آتي مي باشند. بر اساس نتايج بدست‌آمده بيش ترين افزايش دماي ميانگين سالانه رخ داده بر مبناي متوسط برونداد هاي مدل هاي گردش عمومي منتخب متعلق به حوضه آبريز اصلي خليج فارس و درياي عمان خواهد بود كه مقدار آن 09/2 درجه سانتي گراد مي باشد، همچنين بيش ترين افزايش بارش ميانگين سالانه رخ داده بر مبناي خروجي مدل هاي منتخب متعلق به حوضه آبريز اصلي مرزي شرق خواهد بود كه مقدار بارش پيش نمايي شده 37/1 برابر دوره تاريخي اين حوضه آبريز مي باشد. در ادامه با استفاده از خروجي بدست‌آمده از مدل هاي گردش عمومي دو شاخص SPI و SPEI محاسبه مي شوند. به علت وابستگي شاخص SPEI به پارامتر دما، اين شاخص در آينده نزديك نسبت به شاخص SPI شرايط مرطوب تري را پيش نمايي مي كند و در مقابل شاخص SPI در آينده دور احتمال وقوع شرايط مرطوب بيشتري را متصور است. به علت سطح قطعيت بيشتر خروجي دما در برونداد هاي مدل هاي گردش عمومي نسبت به بارش انحراف استاندارد احتمال وقوع كلاس هاي مختلف شاخص خشكسالي براي شاخص SPI نسبت به شاخص SPEI بيشتر برآورد مي شود. جهت مدل سازي عدم قطعيت در اين مطالعه كه منشأ آن مدل هاي گردش عمومي، سناريو هاي انتشار و روش هاي ريزمقياس نمايي مي باشد، از رويكرد جديدي مبتني بر تئوري بيزين استفاده مي شود. در اين رويكرد برخلاف روش هاي مرسوم تمامي تركيب هاي مختلف مدل-سناريو تا مرحله محاسبه شاخص مستقلاً بدست مي آيند و براي وقوع هر كلاس خشكسالي از شاخص هاي موردبررسي با توجه به تركيب هاي مختلف مدل-سناريو، توزيع پيشين دوجمله‌اي فرض مي شود و نتايج نهايي به‌صورت توزيع هاي احتمالاتي براي وقوع هر كلاس خشكسالي، به‌صورت توزيع بتا ارائه مي شوند. اين مطالعه براي حوضه هاي آبريز اصلي شش گانه كشور ايران انجام‌گرفته و نتايج بدست‌آمده حاكي از اين بوده است كه براي تمام حوضه هاي آبريز اصلي، احتمال وقوع وضعيت نرمال در دوره آينده نسبت به ساير كلاس هاي شاخص هاي خشكسالي بيشتر است. همچنين پس از شرايط نرمال، وضعيت هاي نسبتاً خشك و نسبتاً مرطوب احتمال وقوع بيشتري دارند.
چكيده انگليسي :
In the present century, climate change has become a global challenge that has forced the international communities to manage and control its aggravating factors. The spread of droughts is one of the consequences of climate change and understanding and attempting to adapt to this phenomenon reduces the level of vulnerability to it. In the first step of the current research, the performance of Global Circulation Models (GCMs) in the Coupled Model Intercomparison Project Phase 6 (CMIP6) has been evaluated in Iran. The evaluation of models has been through a multivariable statistical approach including one-variable mean, standard deviation, coefficient of variation, Mann-Kendall test, Kolmogorov-Smirnov test, and multivariate test of the main component analysis. The results obtained from these statistical tests are aggregated together by the TOPSIS technique, which is a multi-criteria decision-making method, and finally, ACCESS-CM2, CanESM5, and ACCESS-ESM1-5 models are selected. Also, the selected models are controlled by the Taylor diagram in terms of spatial agreement with the observational data. In the next step, the selected GCMs climate projections are Downscaled and bias-corrected by the CMhyd model and distribution mapping method. The temperature and precipitation time series obtained from the selected models in the future period (2025-2050) and based on two medium (SSP245) and pessimistic (SSP585) scenarios indicate an increasing trend of temperature in the future period. According to the results, the highest annual average temperature increase, based on the average of the selected GCMs, will belong to the Persian Gulf and the Oman sea watershed, in which its value is 2.09 C˚. Also, the highest annual average precipitation increase, based on the average of the selected GCMs, will belong to the Eastern Border watershed, in which the projected amount of precipitation is 1.37 times the historical period. in the next step, by using the projections of selected GCMs, SPI and SPEI as two drought indices are calculated. Due to the dependence of the SPEI index on the temperature, this index projects more humid conditions in the near future compared to the SPI index, and on the other hand, the SPI index projects more humid conditions in the distant future. The previous results showed that the GCMs are able to simulate temperature better than precipitation; therefore, the standard deviation of the occurrence probabilities of different classes of the SPI drought index is higher than that of the SPEI index. In this study, a new approach based on Bayesian theory is used to model uncertainties. A binomial distribution is considered for each class of drought indices according to each model-scenario combination and the final probability distribution for the occurrence of each class is obtained in terms of the total model-scenario in the form of the beta distribution. The presented approach in this research is applied to the six large watersheds of Iran. The results show that the occurrence probability of near normal conditions in the future period is higher than other classes of drought indices. Also, after normal conditions, relatively moderate drought and humid conditions have the most occurrence.
