تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,021 |
تعداد مشاهده مقاله | 52,491,041 |
تعداد دریافت فایل اصل مقاله | 15,218,130 |
تحلیل وضعیت خشکسالی هواشناسی ایستگاه نیشابور بهکمک دادههای گزارش پنجم تغییر اقلیم | ||
دانش آب و خاک | ||
مقاله 2، دوره 30، شماره 4، دی 1399، صفحه 15-28 اصل مقاله (780.54 K) | ||
شناسه دیجیتال (DOI): 10.22034/ws.2020.11642 | ||
نویسندگان | ||
سعید قوام سعیدی نوقابی1؛ مصطفی یعقوب زاده* 2؛ محمد حسین نجفی مود2؛ مختار صالحی طبس1 | ||
1دانشآموخته کارشناسی ارشد گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند | ||
2استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند | ||
چکیده | ||
خشکسالی یک پدیده خزنده محیطی است که اثرات مخرب زیادی بر اقتصاد، کشاورزی و جامعه دارد. این پدیده در بخشهای شرقی، مرکزی و جنوبی ایران بهدلیل آب و هوای خشک و نیمهخشک نمود بیشتری دارد. با توجه به اینکه خشکسالی هواشناسی با کمبود بارندگی آغاز میشود، بدین منظور، شاخص خشکسالی بارش استاندارد (SPI)با مقیاسهای زمانی مختلف (3، 6 و 12 ماهه) بهکمک دادههای گزارش پنجم، برای ایستگاه سینوپتیک نیشابور تعیین شد. دادههای بارش مصنوعی بهکمک شش مدل و دو سناریو انتشار RCP4.5 و RCP8.5 و با استفاده از مدل ریزمقیاس نمایی LARS-WG تعیین گردید. در نهایت، با استفاده از دادههای بارش، مقادیر شاخص خشکسالی SPI برای دوره پایه (2011- 1992) و دوره آتی (2039- 2020) برای سه مقیاس زمانی محاسبه شد. نتایج نشان داد که بیشترین و کمترین مقدار متوسط بارش روزانه در مقیاس سالیانه برای دوره آتی تحت تأثیر سناریو RCP4.5 بهترتیب، مربوط به مدلهای Canesm2 و MIROC بود و تحت تأثیر سناریو RCP8.5 مربوط به مدلهای GISS-ES-R و Csiromk-3.6 میباشد. مقادیر شاخص SPI در مقیاس زمانی 12 ماهه نسبت به 3 و 6 ماهه شدت خشکسالی را بیشتر نشان میدهد. همچنین نتایج نشان داد تحت تأثیر سناریو RCP4.5 مدلهای MIROC و GISS-ES-R و تحت تأثیر سناریو RCP8.5 مدلهای Canesm2 و MIROC تعداد سالهای خشک بیشتری را برآورد کردهاند. | ||
کلیدواژهها | ||
بارش؛ سناریو انتشار؛ شاخص SPI؛ مدل GCM؛ مدل LARS-WG | ||
مراجع | ||
Ahmadebrahimpour E, Aminnejad B and Khalili K, 2019. Assessing future drought conditions under a changing climate: A case study of the Lake Urmia Basin in Iran. Water Supply 19(6):1851-1861. Ashofteh PS and Massah AR, 2009. Impact of climate change uncertainty on temperature and precipitation of Aidoghmoush Basin in 2040-2069 periods. Water and Soil Science University of Tabriz 19(2):85-98. (In Persian) Braga AC, da Silva RM, Santos CA, de Oliveira Galvão C and Nobre P, 2013. Downscaling of a global climate model for estimation of runoff, sediment yield and dam storage: A case study of Pirapama Basin, Brazil. Journal of Hydrology 498:46-58. Bong CHJ and Richard J, 2019. Drought and climate change assessment using standardized precipitation index (SPI) for Sarawak River Basin. Journal of Water and Climate Change. DOI:10.2166/wcc.2019.036 Changxing S, Yuanyuan Z, Xiaoli F and Wenwei S, 2013. A study on the annual runoff change and its relationship with water and soil conservation practices and climate change in the middle Yellow River Basin. CATENA 100:31-41. Chunping T, Jianping Y and Man L, 2015. Temporal-spatial variation of drought indicated by SPI and SPEI in Ningxia Hui Autonomous Region, China. Journal of Atmosphere 6:1399-1421. Dehghan Z, Fathian F and Eslamian S, 2017. Comparative assessment of SDSM, IDW and LARS-WG models for simulation and downscaling of temperature and precipitation. Journal of Water and Soil 29(5):1376-90. (In Persian) Eghtedar Nezhad M, Bazrafshan O and Sadeghi Lari A, 2016. Adaptive evaluation of SPI, RDI and SDI indices in analyzing the meteorological and hydrological drought characteristics (case study: Bam plain). Water and Soil Science University of Tabriz 25(1):113-123. (In Persian) Gidey E, Dikinya O, Sebego R, Segosebe E and Zenebe A, 2018. Predictions of future meteorological drought hazard (~ 2070) under the representative concentration path (RCP) 4.5 climate change scenarios in Raya, Northern Ethiopia. Modeling Earth Systems and Environment 4(2):475-488. Golmohammadi M. and Massah Bavani A, 2011. The perusal of climate change impact on drought intensity and duration. Journal of Water and Soil 25(2):315-326. (In Persian) Heim Jr RR, 2002. A review of twentieth-century drought indices used in the United States. Bulletin of the American Meteorological Society 83(8):1149-1165. Anonymoos, 2007. The physical science basis, Pp.1-43, In: Solomon S, Qin D, Manning M, Chen Z, Marquis M, Averyt K, Tignor M, Miller H, (eds.), Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge. UK. Anonymoos, 2013. The physical science basis, Pp.741-865, In: Stocker TF, Qin D, Plattner GK, Tignor M, Allen SK, Boschung J, Nauels A, Xia Y, Bex V, Midgley PM, (eds.), Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press Cambridge. UK. Kobierska F, Jonas T, Zappa M, Bavay M, Magnusson J and Bernasconi SM, 2013. Future runoff from a partly glacier zed watershed in central Switzerland: A two-model approach. Advances in Water Resources 55:204-214. McKee TB, Doesken NJ and Kleist J, 1993. The relationship of drought frequency and duration to time scales. Pp 179-184. In proceedings of the 8th conference of applied climatology. 17-22 January, Anaheim, California. Montandon LM and Small EE, 2008. The impact of soil reflectance on the quantification of the Green vegetation fraction from NDVI. Remote Sensing of Environment 112(4):1835-1845. Oguntunde PG, Abiodun BJ and Lischeid G, 2017. Impacts of climate change on hydro-meteorological drought over the Volta Basin, West Africa. Global and Planetary Change 155:121-132. Pirnia A, Golshan M, Bigonah S and Solaimani K, 2018. Investigating the drought characteristics of Tamar Basin (Upstream of Golestan dam) using SPI and SPEI indices under current and future climate conditions. Iranian Journal of Eco hydrology 5(1):215-228. (In Persian) Rezaei Banafsheh M, Rezaei A and Faridpour M, 2015. Analyzing Agricultural Drought in East Azarbaijan Province Emphasizing Remote Sensing Technique and Vegetation Condition Index. Water and Soil Science University of Tabriz 25(1):113-123. (In Persian) Salehnia N, Mossavi Baygi M and Ansari H, 2013. Drought prediction with PDSI, Lars-WG5 and HadCM3 (case study: Neyshabour Basin). Iranian Journal of Irrigation and Drainage 7(1):93-103. (In Persian) Sayari N, Bannayan M, Alizadeh A and Farid A, 2013. Using drought indices to assess climate change impacts on drought conditions in the Northeast of Iran (case study: Kashafrood Basin). Meteorological Applications 20(1):115-127. Semenov MA, Barrow EM and Lars-Wg A, 2002. A stochastic weather generator for use in climate impact studies. User Man Herts UK. Shahabfar A, Ghulam A and Eitzinger J, 2012. Drought monitoring in Iran using the perpendicular drought indices. International Journal of Applied Earth Observation and Geoformation 18:119-127. Van Pelt SC and Swart RJ, 2011. Climate change risk management in transnational River Basin: The Rhine. Water Resource Management 25(14):3837-3861. Vergni L and Todisco F, 2011. Spatio-temporal variability of precipitation, temperature and agricultural drought indices in central Italy. Agricultural and Forest Meteorology 151(3):301-313. Vrochidou AE, Tsanis IK, Grillakis MG and Koutroulis AG, 2013. The impact of climate change on hydro meteorological droughts at a basin scale. Journal of Hydrology 476:290-301. Yaghoobzadeh M, Amirabadizadeh M, Khozeymehnezhad H and Zeraatkar Z, 2018. The evaluation of the three downscaling methods in meteorological droughts forecasting under the effects of climate change. Iranian Journal of Irrigation and Drainage 12(2):324-334. (In Persian) Yaghoobzadeh M, Amirabadizadeh M, Ramezani Y and Pourreza-bilondi M, 2017. The investigation of uncertainty emissions scenarios of climate change in soil moisture estimation during the growing season of wheat. Iranian Journal of Irrigation and Drainage 11(4):586-596. (In Persian)
| ||
آمار تعداد مشاهده مقاله: 1,080 تعداد دریافت فایل اصل مقاله: 540 |