پيش بيني تغييرات بلندمدت بارش در شهرستان سقز با استفاده از مدل هاي گردش عمومي جو

Prediction of Precipitation in Long-Term Changes in Saghez City using General Circulation Models

پيش بيني تغييرات بارش جهت اطلاع از ميزان تغييرات آن در آينده و در نظر گرفتن تمهيدات لازم جهت تعديل اثرات سوء ناشي از تغييرات آب و هوايي بر سطوح آبگير از اهميت زيادي برخوردار است بر همين اساس مدل هاي گردش عمومي جو (GCM) طراحي شده اند كه مي توانند پارامترهاي اقليمي را شبيه سازي و پيش بيني كنند. لذا در اين پژوهش به پيش بيني تغييرات بلندمدت بارش در ايستگاه سينوپتيك سقز پرداخته شد. بدين منظور از داده هاي 7 مدل GCM تحت سناريوي انتشار SRA2 و مدل ريزمقياس گرداني LARS - WG بهره گرفته شد و تغييرات ماهانه، فصلي و دورهاي آن در دهه 2050 (2065-2065) نسبت به دوره پايه (2000-1961) مورد بررسي قرار گرفت. جهت اطمينان از كاليبراسيون و صحتسنجي مدل LARS - WG به مقايسه داده هاي مشاهداتي و شبيه سازي با استفاده از آزمون كلموگروف اسميرنوف ( K - S) و همچنين انحراف استاندارد و اختلاف داده هاي مشاهداتي و شبيه سازي با استفاده از نمودارهاي مقايسه اي پرداخته شد. نتايج حاصل حاكي از كار آيي مناسب اين مدل براي منطقه مورد مطالعه است. نتايج حاصل از پيش بيني مدل هاي مختلف نيز نشان داد كه ميزان بارش در دهه 2050 نسبت به دوره پايه بر اساس همه مدلهاي GCM كاهش پيدا خواهد كرد. از نظر فصلي نيز بيشترين ميزان تغييرات بارش مربوط به فصول بهار و پاييز ميزان بارش است. بر اساس متوسط مدل هاي مورد بررسي نيز انتظار مي رود ميزان بارش در دوره 2046-2065 به ميزان 7 / 5 درصد نسبت به دوره پايه كاهش يابد. از نتايج حاصل از اين پژوهش مي توان در مديريت سامانه سطوح آبگير باران و بخش هاي مختلف كشاورزي استفاده نمود.

The prediction of precipitation changes to determine the extent of its future changes and considering the necessary measures to mitigate the adverse effects of climate change on water resources and agriculture is very important. Accordingly, (GCM ) Are designed to simulate and predict climatic parameters. Therefore, in this research, prediction of long-term changes in rainfall in the synoptic station of Saghez was studied. For this purpose, the data of seven GCM models were used under the SRA2 emission scenario and the LARS-WG quantum model. Monthly, seasonal and periodic changes in the 2050s (2046-2065) compared to the base period (1961-2000) Was investigated. To calibrate and validate the LARS-WG model, comparing observations and simulation data using the Kolmogorov-Smirnov test (KS), as well as standard deviation and observational data and simulation data using diagrams The comparison was made. The results indicate that this model is suitable for the study area. The results of prediction of different models also showed that rainfall in the 2050s will decrease compared to baseline based on all GCM models. Seasonally, the highest rainfall rates are related to the spring and autumn rainfall season. Based on the average of the models under study, precipitation is expected to decrease by about 5.7 percent during the period 2046-2065 compared to the base period. The results of this research can be used to manage pond watersheds and different agricultural sectors