پيش بيني پارامترهاي دمايي تحت مدل CanEMS 2 (مطالعه موردي: ايستگاه سينوپتيك لار)

Predicting of Temperature Parameters Under the CanEMS2 Model (Case Study: Lar Synoptic Station)

از جمله چالش‌هاي مهم پيش روي كشاورزي و منابع آب مي‌توان به پديده تغيير اقليم و تأثيرات آن اشاره كرد. مدل‌هاي چرخش عمومي (GCM) بهترين اطلاعات درباره پاسخ جو به افزايش تمركز گازهاي گلخانه‌اي را مي‌توانند فراهم كنند. از آنجا كه خروجي اين مدل‌ها داراي دقت مكاني و زماني كافي براي مطالعات تأثير تغيير اقليم بر سامانه‌هاي هيدرولوژي نيست لازم است، داده­ هاي خروجي مدل‌هاي چرخش عمومي كوچك‌مقياس گردند؛ كه در اين پژوهش از روش ريزمقياس نمايي آماري SDSM و براي ارزيابي تغييرات اقليمي، از مدل گردش عمومي CanESM2 كه در گزارش پنجم IPCC آمده، تحت سه سناريوي RCP2.6، RCP4.5 و RCP8.5 استفاده‌ شده است. از دادهاي روزانه دماي كمينه و بيشينه ايستگاه سينوپتيك لار استان فارس بهره گرفته و دما براي سه دوره زماني براي سالهاي 2040-2011 (2020S)، 2070-2041(2050S) و 2099-2071 (2070S) پيش‌بيني‌شده است. نتايج حاصل از تحقيق نشان داد كه مدل SDSM به‌ خوبي دماي كمينه و بيشينه را پيش نمايي كرده و مدل مناسبي جهت ريزمقياس نمايي پارامترهاي اقليمي دما براي ايستگاه سينوپتيك لار است. طبق خروجي‌هاي حاصل از مدل CanESM2 در هر سه سناريو (RCP2.6، RCP4.5، RCP8.5) و هر سه دوره (2020S، 2050S،2070S) دماي كمينه و بيشينه افزايشي بوده است، به‌طوري‌كه ميزان اين افزايش براي دماي كمينه و بيشينه دوره (2020S) به ترتيب بين 1/12 تا 1/29 و 2/01 تا 2/30 درجه سانتي‌گراد و ميزان اين افزايش براي دماي كمينه و بيشينه دوره (2050S) به ترتيب بين 1/47 تا 2/35 و 2/61 تا 4/13 درجه سانتي‌گراد و افزايش دماي دوره (2070S) نسبت به دوره پايه براي دماي كمينه و بيشينه به ترتيب بين 1/46 تا 3/31 و 2/7 تا 5/94 درجه سانتي‌گراد مي‌باشد.

Among the major challenges facing agriculture and water resources, one can mention the phenomenon of climate change and its impacts. The Global Criculation Models (GCMs) can provide the best information about the response to increasing the concentration of greenhouse gases. Since the output of these models does not have sufficient spatial and temporal accuracy to study the effects of climate change on hydrological systems, it is necessary to provide output data for small-scale general turning models. In this study, the SDSM statistical magnitudes and for the climate change assessment, the CanESM2 model reported in the IPCC's based on three scenarios RCP2.6, RCP4.5 and RCP8.5 is used. The daily minimum temperature and maximum temperature of the land synoptic station is Fars province, and the temperature is predicted for the three periods 2040-2011 (2020S), 2070-2070 (2050S) and 2099-2071 (2080S). The results of the research showed that the SDSM model is well advanced to minimize and maximize temperature, and is a suitable model for exponential smoothness of climate parameters of temperature for the Lar synoptic station. According to the results of the CanESM2 model, in both three scenarios (RCP2.6, RCP4.5, RCP8.5) and all three periods (2020S, 2050S, 2080S), the minimum and maximum temperature has been increased, so that the increase for the minimum temperature and the maximum period (2020S) was between 1.12 to 1.29 and 2.01 to 2.30 celsius degrees, and the increase for the minimum and maximum temperature (2050S) was between 1.47 to 2.35 and 2.61 to 4.14 celsius degrees and the temperature rise (2080S) relative to the base period for minimum and maximum temperatures is between 1.46 to 3.13 and 2.7 to 5.94 celsius degrees.