تأثیر تغییراقلیم بر دما و بارش با در نظر گرفتن عدم قطعیت مدل ها و سناریوهای اقلیمی (مطالعه ی موردی: حوضه ی شهرچای ارومیه)

مقدمه

بنا بر گزارش پنجم هیئت بین دول تغییرات آب ‌و هوایی^[1] (IPCC, 2013)، این تغییرات که در سراسر جهان مشاهده می‌شوند، به احتمال خیلی زیاد ناشی از عوامل انسانی است. تغییر اقلیم[2] به سبب افزایش گاز­های گلخانه­ای در چند دهه­ی اخیر باعث بر هم خوردن تعادل آب­ و­ هوایی کره­ی زمین شده است. تأثیرات منفی این پدیده بر سیستم­های مختلف مانند منابع آب، کشاورزی، صنعت و... موجب نگرانی­هایی برای جوامع بشری شده ­است. دما و بارش دو متغیر مهم در تعیین آب و هوای

مقدمه

بنا بر گزارش پنجم هیئت بین دول تغییرات آب ‌و هوایی^[1] (IPCC, 2013)، این تغییرات که در سراسر جهان مشاهده می‌شوند، به احتمال خیلی زیاد ناشی از عوامل انسانی است. تغییر اقلیم[2] به سبب افزایش گاز­های گلخانه­ای در چند دهه­ی اخیر باعث بر هم خوردن تعادل آب­ و­ هوایی کره­ی زمین شده است. تأثیرات منفی این پدیده بر سیستم­های مختلف مانند منابع آب، کشاورزی، صنعت و... موجب نگرانی­هایی برای جوامع بشری شده ­است. دما و بارش دو متغیر مهم در تعیین آب و هوای یک منطقه می­باشند و تغییرات این دو متغیر نیز در سیستم­های مختلف به طور مستقیم و غیر­مستقیم تأثیرگذار هستند. به همین دلیل مطالعات در زمینه­ی تغییر اقلیم عمدتاً روی این دو متغیر صورت گرفته است. چیو و همکاران^[3] (1995) به بررسی تأثیر تغییر اقلیم بر روی رواناب و رطوبت خاک در 28 حوضه از کشور استرالیا پرداختند. سمنوف^[4] و همکاران (1998) عملکرد دو مولد^[5] معروف LARS-WG  وWGEN  را در 18 ایستگاه واقع در ایالات متحده آمریکا، اروپا و آسیا مورد مقایسه قرار داده و عنوان کردند که مولد LARS-WG  از عملکرد مناسب­تری برخوردار است. کریستنسن و همکاران^[6] (2004) در مطالعه­ای بر روی حوضه­ی رودخانه­ی کلرادو اثر تغییر اقلیم را بر روی دما، بارش و رواناب رودخانه در دوره­ی پایه و سه دوره­ی آتی بررسی نمودند. نتایج برای دوره­ی پایه و سه دوره­ی آتی حاکی از کاهش بارش و رواناب و افزایش دما بود. مینویل و همکاران^[7] (2008) با هدف بررسی عدم قطعیت در تأثیرات تغییر اقلیم در هیدرولوژی، بر روی حوضه­ای در کبک کانادا از 5 مدل گردش عمومی جو (GCM)^[8] و دو سناریوی تغییر اقلیم استفاده کردند. آنها نشان دادند که همه­ی مدل­ها افزایش دما را برای کل حوضه در تمام طول سال پیش­بینی می­کنند و این در حالی بود که نتایج تغییرات بارش با هم اختلاف داشتند. با این وجود بیشتر نتایج کاهش بارش، کاهش در دبی اوج از یک طرف و ذوب زود هنگام برف از طرف دیگر بود. دارن و همکاران^[9] (2013) اثرات تغییر اقلیم را بر حوضه­ی دریاچه­ی مونو در کالیفرنیا با استفاده از 16 مدل جهانی گردش عمومی جو (GCM_S) و با استفاده از دو سناریوی B₁ و A₂ بررسی کردند، خروجیGCM ­­­ها افزایش قابل توجه دمای سالانه )به طور متوسط 4/1 تا 5/2 درجه سانتی­گراد( و کاهش یک تا سه درصدی بارش را تا پایان قرن پیش­بینی کردند. در پژوهش دیگری که توسط پاسکال و همکاران^[10]  (2014) انجام شد، تأثیر تغییرات آب و هوا بر روی منابع آب در شمال شرقی منطقه­ی مدیترانه برای دوره (2100-2076) در سه حوضه با شرایط آب و هوایی متوسط تحت دو سناریوی A₂  و B₁ مورد بررسی قرار گرفت. نتایج نشان داد که بیشترین کاهش جریان به مقدار 34 درصد و کمترین آن به میزان 25 درصد پیش بینی شده است. مساح بوانی و مرید (1384) به بررسی اثرات تغییر اقلیم روی دما، بارندگی و رواناب در حوضه­ی رودخانه­ی زاینـده­رود اصفهان تـحت دو سناریوی اقلیمی و برای دو دوره­ی زمانی پرداختند. نتایج پژوهش آنها نشان از کاهش بارندگی به میزان 10 و 16 درصد و افزایش دما به میزان 4/6 و 3/2 درجه سانتی­گراد و همچنین کاهش رواناب تا 5/8 درصد برای اواسط و اواخر قرن داشت. آشفته و مساح بوانی (1386) اثرات تغییر اقلیم را با استفاده از مدل HADCM3 و سناریوی A₂ بر رژیم سیلاب حوضه­ی آیدوغموش آذربایجان شرقی بررسی کرده و به این نتیجه رسیدند که تغییر اقلیم با افزایش دما و تغییر در مقدار بارندگی بر رژیم سیلاب این منطقه تأثیرگذار است. نامبردگان در پژوهش دیگری در سال 1388 مبحث عدم قطعیت مدل­های گردش عمومی جو در این حوضه را نیز بررسی کردند و به این نتیجه رسیدند که مدل HADCM3 بهترین برآورد را برای بارش و دما دارد. صمدی و همکاران (1386)، روش­های مختلف ریزمقیاس نمودن خروجی مدل­های گردش عمومی جو را بررسی کرده و نشان دادند که در ریزمقیاس­ نمایی آماری دمای حوضه بهتر پیش­بینی می­شود. ایشان همچنین نتیجه گرفتند که مدل HADCM3 نسبت به مدل­های دیگر برآورد بهتری از پارامترهای آب و هوایی منطقه ایران را ارائه می­دهد. بابائیان و همکاران (1388)، به ارزیابی تغییر اقلیم کشور با استفاده از ریز مقیاس­ نمایی داده­های مدل گردش عمومی جوECHO-G   در دوره­ی (2039-2010) پرداختند. نتایج پژوهش آنها که بر روی 43 ایستگاه سینوپتیک کشور انجام شد کاهش 9 درصدی بارش در کل کشور، افزایش آستانه­ی بارش­های سنگین و خیلی سنگین به ترتیب 13 و 39 درصد و افزایش میانگین سالانه 5/0 درجه­ای دما را پیش­بینی کرد. کمال و مساح بوانی (1390) در مطالعه­ای عدم قطعیت مدل­های گردش عمومی جو و مدل­های هیدرولوژی را در تخمین دما، بارش و رواناب حوضه­ی قره­سو بررسی کردند و به این نتیجه رسیدند که در نظر گرفتن عدم قطعیت موجب دقت نتایج مطالعه­ی آنها شده است. روشن و همکاران (1391) به منظور آزمایش و یافتن بهترین مدل گردش عمومی جو جهت انطباق با تغییرات دما و بارش در ایران از 20 مدلGCM  و سناریوی واحدی به نام P50 استفاده کردند. از جمله نتایج مهم پژوهش مذکور این است که، هیچ کدام از مدل­های گردش عمومی جو، به خوبی نمی­توانند تغییرات دما و بارش کشور را شبیه­سازی کند. آن­ها برای شبیه­سازی بارش ترکیبی از دو مدل GISS-EH و CNRM-CM3 را برای بارش و مدل  INMCM-30را برای شبیه­سازی دما پیشنهاد کردند. ثانی­خانی و همکاران (1392) در پژوهشی تأثیر تغییراقلیم را بر روی رواناب حوضه­ی آجی­چای در آذربایجان شرقی با استفاده از داده­های مدل­های گردش عمومی جو (GCM_S) و ریزمقیاس نمایی آن توسط مدل LARS-WG پرداختند. نتایج پژوهش حاکی از کاهش قابل توجه مقدار رواناب رودخانه­ی آجی­چای در آینده بود.

هدف از این مطالعه تجزیه و تحلیل تأثیر تغییر اقلیم بر روی بارش و دمای حوضه­ی شهرچای در افق  2020(2030-2011) می­باشد، با توجه به اینکه در مطالعات تغییر اقلیم با رویکرد عدم قطعیت عمدتأ عدم قطعیت مدل­های گردش عمومی در نظر گرفته می­شود در این مطالعه برآنیم علاوه بر عدم قطعیت مربوط به مدل­های گردش عمومی جو؛ عدم قطعیت مربوط به سناریوهای موجود را نیز برای دوره­ی 2030-2011 در حوضه­ی شهرچای بررسی کنیم.

مواد و روش

منطقه­ی مورد مطالعه

رودخانه­ی شهرچای در استان آذربایجان غربی قرار دارد. این رود مهم­ترین منبع تأمین آب شهرستان ارومیه به­ شمار می­رود. سد شهرچای در 12 کیلومتری بالادست این شهر  و بر روی این رودخانه­ی احداث شده و نقش مهمی در تأمین آب مورد نیاز در بخش تأمین آب شهری، کشاورزی و صنعت منطقه ایفا می­کند. حوضه­ی این حوضه از شمال به حوضه­ی آبریز نازلوچای، از جنوب به حوضه­ی آبریز باراندوزچای، از غرب به کشور ترکیه و از شرق به دریاچه­ی ارومیه محصور می­گردد. مساحت تقریبی آن 711 کیلومتر مربع است، موقعیت جغرافیایی آن بین ­´35 °­44 تا ´28 °­45 طول شرقی و´­32 °­37 تا ´­62 °­37 عرض شمالی واقع شده است. ارتفاع منطقه از 1513 متر از سطح دریا در خروجی حوضه واقع در ایستگاه کشتیبان،  تا 3574 متر در مرز ایران و ترکیه، متغیر است و متوسط بارش سالانه حوضه 9/614 میلی­متر می­باشد. بخشی از آب رودخانه برای مصرف آب آشامیدنی شهرستان ارومیه توسط سد شهرچای تأمین و مابقی پس از آبیاری باغ­ها و زمین­های کشاورزی از داخل ارومیه می­گذرد و سپس در محلی به نام دماغه­ی حصار وارد دریاچه­ی ارومیه می­گردد. شکل (1) موقعیت حوضه­ی شهرچای را در میان حوضه­های آبریز کشور و حوضه­ی آبریز دریاچه­ی ارومیه نشان می­دهد.

اطلاعات مورد استفاده در این مطالعه از اداره­ی کل هواشناسی استان آذربایجان غربی (برای اخذ داده­های ایستگاه سینوپتیک ارومیه) و سازمان آب منطقه­ای استان مذکور (برای اخذ اطلاعات ایستگاه­های بارانسنجی) دریافت شد. این داده­ها شامل اطلاعات دما و بارش روزانه و ماهانه، ساعات آفتابی می­باشند. در جدول (1) مشخصات جغرافیایی ایستگاه­های مذکور ارائه شده ­است.

شکل (1) موقعیت جغرافیایی حوضه شهرچای در میان حوضه­های آبریز کشور در محل ایستگاه کشتیبا

جدول (1) مشخصات جغرافیایی ایستگاه­های مورد مطالعه

مدل­های گردش عمومی جو

در نسخه 5.5 مدل LARS-WG تعداد 15 مدل گردش عمومی جو مورد استفاده در گزارش چهارم IPCC(AR4) وجود دارد (سمنوف و همکاران[11]، 2010: 2) و چون در این مطالعه از تأثیر منابع عدم قطعیت شده است لذا ابتدا از میان مدل­ها تعداد شش مورد انتخاب شد. دلیل این انتخاب، وجود سه سناریو در این مدل­ها است و این در حالی است که در بعضی از مدل­ها کمتر از سه سناریو موجود است. جدول (2) مشخصات این مدل­ها را نشان می­دهد.

جدول (2) مشخصات مدل­های به کار رفته در این مطالعه (سمنوف و همکاران، 2010: 3)

مدل ریزمقیاس­نمایی LARS-WG

مدل ریزمقیاس نمایی LARS-WG توسط راسکو^[12] و همکاران (1997) و سمنوف و بارو^[13] (1998) ارائه گردید. LARS-WG یکی از مشهورترین مدل­های مولد داده­های تصادفی وضع هواست که برای تولید مقادیر بارش، تابش، دماهای بیشینه و کمینه­ی روزانه در یک ایستگاه تحت شرایط آب و هوای پایه و آینده بـکار می­رود (بابائیان و همکاران، 1388: 138). در این مدل از روش زنجیره مارکف برای مدل­سازی رخداد بارش استفاده می­شود. LARS-WG بـرای مدل­سازی متغیرهای هواشناسی، توزیع­های آماری پیچیده­ای را بـکار می­برد. مبنای این مدل برای طول دوره­های خشک و تر، بارش روزانه و سری­های تابش توزیع نیمه­تجربی می­باشد. در توزیع نیمه تجربی فاصله­ها به طور مساوی بین مقادیر بیشینه و کمینه­ی سری زمانی ماهانه تقسیم می­شوند:

رابطه­ی (1)   

در رابطه­ی (1)EMP  یک هیستوگرام با ده بازه­ی متمایز (با شـدت­های مختلف بارش) است. طوری که بازه­ها

به شرح زیر تعریف شد.

[]                       <

که در آن h_i تعداد رخداد بارش در iامین فاصله را نشان می­دهد. فاصله­ها برای طول روزهای تر و خشک و بارش افزایشی هستند. در این مدل تابش به طور مستقل از درجه حرارت مدل می­شود و به جای آن می­توان از ساعات آفتابی نیز استفاده کرد (همان: 139). تولید داده­ها توسط مدل LARS-WG در سه مرحله­ی واسنجی کردن، ارزیابی و تولید داده­های هواشناسی انجام شد.

در این مدل ابتدا داده­های مدل گردش عمومی جو شامل بارش، دمای کمینه، دمای بیشینه و تابش به صورت روزانه استخراج گردید و برای هر شبکه­ مدل گردش عمومی جو یک سناریوی تولید داده تدوین شد. علاوه بر سناریوی تدوین شده برای هر شبکه­ی محاسباتی، برای اجرای مدل نیاز به فایل مشخصه رفتار آب و هوای گذشته ایستگاه­های واقع در داخل آن شبکه نیز وجود دارد. سپس این مدل با دریافت فایل محتوی رفتار آب و هوای گذشته ایستگاه و فایل سناریوی تولید داده، مقادیر روزانه­ی دمای کمینه، بیشینه، بارش و تابش را در آینده پیش­بینی نمود.

مکانیسم تولید داده در مدل LARS-WG به این صورت بود که ابتدا با استفاده از سناریوی تولید داده­ی ماهانه که در برگیرنده­ی رفتار آب و هوای پایه می­باشد، تمامی داده­های ماهانه را که در برگیرنده­ی رفتار آب و هوای پایه هستند مطابق رابطه­ی (2) پریشیده (مغشوش) می­کند:

رابطه­ی(2)    + (-

در رابطه (2) به ترتیب  ، ،  و    نشاندهنده­ی پارامتر هواشناسی پیش­بینی شده بر روی ایستگاه هواشناسی، پارامتر هواشناسی دیده­بانی شده در همان ایستگاه، پارامتر هواشناسی پیش­بینی شده بر روی شبکه­ی مدل در دوره­ی آینده و پارامتر هواشناسی مدل شده بر روی شبکه­ی مدل در دوره­ی گذشته می­باشند. سپس با حفظ میانگین، انحراف معیار آنها را مطابق رابطه­ی (3) تغییر می­دهد (بابائیان و کوان، 2004: 98).

رابطه­ی(3)           

در رابطه­ی (3)  انحراف معیار پارامتر هواشناسی تحت بررسی است.

انتخاب بهترین مدل GCM برای منطقه­ی مورد مطالعه

برای انتخاب بهترین مدل GCM از مدل­های ذکر شده، ابتدا داده­های دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی به صورت روزانه در دوره پایه (2014-1967) به مدل وارد شد و برای 6 مدل مذکور و تحت سه سناریوی A₁B، A₂ و B₁  برای دوره 2030-2011 داده تولید شد. داده­های تولید شده در 50 سری تصادفی بوده و میانگین پارامترهای مورد نیاز (دمای حداقل، دمای حداکثر و بارندگی) به صورت ماهانه در دوره­ 2030-2011 استخراج شد. به منظور بررسی عملکرد مدل­ها و مقایسه نتایج، معیارهایی لازم است تا در تحقیق مورد استفاده قرار گیرند که در این مطالعه از خطای جذر میانگین مربعات (^[14](RMSE و ضریب تعیین ( (R²استفاده شد. روابط زیر نحوه­ی محاسبه این معیارها را نشان ­دهند.

رابطه­ی  (4)             

 رابطه­ی  (5)        

 که در رابطه­ی 4و 5: P_i: داده­های دوره­ی مشاهداتی،  : میانگین داده­های دوره­ی مشاهداتی، O_i: داده­های تولید شده برای دوره­ی آتی، : میانگین داده­های تولید شده برای دوره­ی آتی، :n تعداد داده­ها و  : انحراف معیار داده­ها است.

بحث و نتایج

برای اطمینان از توانایی مدل در تولید داده در دوره­ی آتی باید داده­های محاسباتی توسط مدل و داده­های مشاهداتی در ایستگاه مورد مطالعه با هم مقایسه شوند. جدول (3) نتایج آزمون کای اسکور بر روی پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد، همانطور که از جدول مذکور می­توان فهمید، نتایج تمامی پارامترهای ذکر شده در سطح معنی­داری 90%  قابل اطمینان می­باشد و همین معیارها مبنایی برای تولید داده در دوره­ی آتی هستند. شکل (2) نتایج مقایسه­ی داده­های محاسباتی و مشاهداتی دمای حداقل، دمای حداکثر، بارش و تابش را در ایستگاه سینوپتیک ارومیه برای دوره­ی پایه نشان می­دهد. بر اساس این شکل توانمندی مدل LARS-WG در مدل­سازی دمای حداقل، دمای حداکثر و تابش در این ایستگاه کاملاً با داده­های دیدبانی شده مطابقت دارد. همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد، با این وجود بیشترین خطای مدل­سازی مربوط به بارش ماه مارس است.

جدول(3) نتایج آزمون کای اسکور برای توزیع احتمالاتی بارش، دمای حداقل و دمای حداکثر در مدل LARS-WG.

ج

شکل(2) مقایسه­ی داده­های مشاهداتی (O) و محاسباتی (G) در ایستگاه سینوپتیک ارومیه در دوره­ی پایه

بررسی محدوده­ی عدم قطعیت مدل­های گردش عمومی جو

استفاده از چندین مدل گردش عمومی جو برای تأکید بر عدم قطعیت در پیش­بینی آب و هوا، به علت تفاوت­های ساختاری در مدل­های جهانی آب و هوا و همچنین عدم اطمینان در تغییرات شرایط اولیه مدل­ها می­باشد (سمنوف و همکاران، 2010: 1 ). برای بررسی محدوده­ی عدم قطعیت مدل­ها ابتدا خروجی مدل­ها در پارامترهای بارش، دمای حداقل و حداکثر به صورت میانگین ماهانه تولید شد. سپس اختلاف پارامترهای مذکور برای هر مدل با میانگین دوره­ی پایه محاسبه و تغییرات آنها به صورت نمودار جعبه­ای[15] ترسیم گردید. شکل­های 3 تا 5 محدوده­ی عدم قطعیت مدل­های گردش عمومی جو برای تغییرات پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد. در این نمودارها کمینه، چارک اول، میانگین، چارک سوم و بیشینه­ی تغییرات پارامترهای یاد شده ترسیم شده­اند. همانطور که از این نمودارها مشهود است، میزان تغییرات پارامترها به ویژه پارامتر بارش زیاد است. شکل (3) نشان می­دهد که تمامی مدل­ها بارش ماه­های ژانویه، مارس و آوریل را با کاهش پیش­بینی کرده­اند. بیشترین تغییرات مربوط به بارش ماه مه و کمترین آن مربوط به ماه اوت است. شکل 4 و 5  نشان می­دهد که تمامی مدل­ها دمای حداقل و حداکثر را با افزایش پیش­بینی کرد­ه­اند. میزان این افزایش در فصل تابستان برای هر دو پارامتر بیشتر از سایر زمان­هاست.

شکل (3) نمودار جعبه­ای تغییرات میانگین مجموع بارش ماهانه برای شش مدل مورد مطالعه

شکل (4) نمودار جعبه­ای تغییرات میانگین دمای حداقل ماهانه برای شش مدل مورد مطالعه

شکل (5) نمودار جعبه­ای تغییرات میانگین دمای حداکثر ماهانه برای شش مدل مورد مطالعه

انتخاب مناسب­ترین مدل AOGCM

با مقایسه داده­های مشاهداتی و تولید شده شامل میانگین ماهانه­ی بارش، دمای حداقل و حداکثر توسط شش مدل مذکور با شاخص­های ذکر شده، بهترین مدل و سناریو برای تولید داده­­ها در دوره­ی آتی مشخص شد. نتایج این مقایسه در جدول 4 تا 6 ارائه شده است. از این جداول می­توان نتیجه گرفت که از بین مدل­های موجود، مدلHADCM3  تحت سناریوی A₁B، بـهترین نتیجه را برای بارش و تحت سناریوی A₂ بـهترین نتیجه را برای دمای حداقل و نیز مدلMPEH5  تحت سناریوی B₁، بهترین نتیجه را برای دمای حداکثر پیش­بینی کرده­اند. با مشخص شدن بهترین مدل، داده­های بارش، دمای حداقل و دمای حداکثر تولید شده در مدل­ها و سناریوهای منتخب به منظور بررسی وضعیت تغییر اقلیم دما و بارش در دوره­ی آتی تحلیل شدند.

جدول (4) نتایج مقایسه بارش مدل­های گردش عمومی جو با دوره­ی پایه

جدول (5) نتایج مقایسه دمای حداقل مدل­های گردش عمومی جو با دوره­ی پایه

جدول (6) نتایج مقایسه دمای حداکثر مدل­های گردش عمومی جو با دوره­ی پایه

بررسی پارامتر بارندگی در دوره­ی آتی (2030-2011)

بارش دوره­ی 2030-2011 با مدل HADCM3 و با سناریو A₁B تولید شد. شکل (6) مقایسه­ی میانگین مجموع بارش ماهانه در دوره­ی پایه و آتی را نشان مـی­دهد. همانطور که از شکل می­توان فهمید در اکثر ماه­ها بارندگی دوره­ی آتی نسبت به دوره­ی پایه کاهش خواهد یافت به این صورت که بیشترین کاهش مربوط به ماه­های آوریل و مه است که از لحاظ کشاورزی نیز زمان مهمی به­شمار می­رود، بارش ماه ژوئیه و سپتامبر و دسامبر با شیب کمی افزایشی است. با این حال بیشترین افزایش بارش مربوط به ماه اکتبر است. در حالت کلی بارش فصول زمستان و بهار با کاهش و بارش فصل پائیز با افزایش پیش­بینی شده است.

شکل (6) مقایسه میانگین بارش تجمعی ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

بررسی پارامتر دما در دوره­ی آتی (2030-2011)

دمای حداقل

با توجه به نتایج جدول (5) برای تولید داده­های دمای حداقل از مدل HADCM3 و سناریوی A₂ استفاده شد. شکل (7) مقایسه­ی میانگین دمای حداقل ماهانه دوره­ی پایه را با دوره­ی آتی نشان می­دهد، همانطور که از شکل می­توان فهمید در تمامی ماه­ها این پارامتر با افزایش پیش­بینی شده است. بیشترین افزایش مربوط به ماه­های ژوئیه و اوت و کمترین آن مربوط به ماه دسامبر است. میزان افزایش این پارامتر از 32/0 تا 47/1 درجه سانتی­گراد در ماه­های مختلف متغیر است.

شکل (7) مقایسه میانگین دمای حداقل ماهانه­ی مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

دمای حداکثر

طبق نتایج جدول (7) برای تولید پارامتر میانگین دمای حداکثر از مدل MPEH5 تحت سناریوی B₁ استفاده شد. شکل (8) مقایسه­ی میانگین حداکثر دمای ماهانه در طول دوره­ی پایه و دوره­ی آتی را نشان می­دهد. مطابق با این شکل به جز ماه ژانویه این پارامتر در تمامی ماه­ها با افزایش پیش­بینی شده است، بیشترین افزایش این پارامتر مربوط به ماه­های مه، ژوئیه و اوت می­باشد. میزان افزایش این پارامتر به جز ماه ژانویه بین 27/0 تا 98/1 درجه سانتی­گراد در ماه­های مختلف سال متغیر است.

شکل (8) مقایسه­ی میانگین دمای حداکثر ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

جدول (7) نتایج مقایسه سالانه بارش، دمای حداقل و دمای حداکثر در دوره­ی پایه و دوره­ی آتی تحت مدل­ها و سناریوهای منتخب را نشان می­دهد. همانطور که از جدول مذکور مشهود است بارش دوره­ی آتی حدود 4% کاهش خواهد یافت و این در حالی است که دمای حداقل 05/1 و دمای حداکثر 87/0 درجه سانتی­گراد افزایش خواهد یافت. نکته قابل توجه بر هم خوردن توزیع زمانی بارش و افزایش دما است که احتمالاً بیشتر از کاهش بارش تبعات منفی خواهد داشت.

جدول (7) مقایسه­ی پارامترهای بارش، دمای حداقل و حداکثر در دوره­ی پایه و آتی

نتیجه­گیری

نتایج این مطالعه نشان داد که به علت دامنه­ی زیاد تغییرات خروجی مدل­ها و سناریوهای مختلف، در نظر نگرفتن عدم قطعیت مدل­ها و سناریوها می­تواند تأثیر زیادی در نتایج مطالعات داشته باشد. همچنین در این مطالعه مشخص شد که مدل ریزمقیاس نمایی LARS-WG توانایی زیادی در مدل­سازی داده­های بارش و دمای دوره­ی پایه در منطقه­ی مورد مطالعه را داشته است، به طوری که داده­های تابش، دمای حداقل و حداکثر کاملاً با داده­های دیدبانی شده مطابقت دارد و همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد. در بررسی عدم قطعیت ناشی از مدل­های گردش عمومی جو و سناریوهای موجود، بهترین مدل برای پیش­بینی بارش در منطقه­ی مورد مطالعه مدل HADCM3  تحت سناریوی A₁B ، بهترین مدل برای برآورد دما مدل HADCM3 تحت سناریوی A₂ و بهترین مدل برای برآورد دمای حداکثر مدل MPEH5 تحت سناریوی B₁ می­باشد. نتایج این مطالعه با مطالعاتی که در این زمینه انجام شده (صمدی و همکاران، 1386 و آشفته و مساح بوانی، 1388) در مورد پارامترهای بارش و دمای حداقل انطباق داشته و در تحقیق آنها نیز مدل HADCM3 بهترین برآورد را برای پارامترهای مذکور به دست آورد  ولی نتایج حاصله در مورد دمای حداکثر با آن­ها تفاوت دارد به طوری که در تحقیق حاضر مدل MPEH5  بهترین برآورد را برای پارامتر دمای حداقل داشته است. یکی از دلایل این تفاوت را می­توان چنین عنوان کرد که هر مدل گردش عمومی برای یک منطقه­ی خاص بهترین برآورد را می­دهد. نتایج حاصل از این تحقیق نیز استفاده از مدل HADCM3 را به عنوان بهترین مدل برای برآورد بارش و دما در منطقه­ی مورد مطالعه که در مطالعات قبلی نیز عنوان شده بود مورد تأکید قرار داد. با این وجود و با توجه به عدم قطعیت­های موجود به نظر می­رسد برای به دست آوردن بهترین برآورد پارامترهای اقلیمی در دوره­ی آتی باید تا حد امکان تأثیر عدم قطعیت را بیشتر تأکید کرد و این مهم را می­توان با به آزمون گذاشتن مدل­های بیشتر در مکان و زمان­های دیگر دست یافت.

یک منطقه می­باشند و تغییرات این دو متغیر نیز در سیستم­های مختلف به طور مستقیم و غیر­مستقیم تأثیرگذار هستند. به همین دلیل مطالعات در زمینه­ی تغییر اقلیم عمدتاً روی این دو متغیر صورت گرفته است. چیو و همکاران^[3] (1995) به بررسی تأثیر تغییر اقلیم بر روی رواناب و رطوبت خاک در 28 حوضه از کشور استرالیا پرداختند. سمنوف^[4] و همکاران (1998) عملکرد دو مولد^[5] معروف LARS-WG  وWGEN  را در 18 ایستگاه واقع در ایالات متحده آمریکا، اروپا و آسیا مورد مقایسه قرار داده و عنوان کردند که مولد LARS-WG  از عملکرد مناسب­تری برخوردار است. کریستنسن و همکاران^[6] (2004) در مطالعه­ای بر روی حوضه­ی رودخانه­ی کلرادو اثر تغییر اقلیم را بر روی دما، بارش و رواناب رودخانه در دوره­ی پایه و سه دوره­ی آتی بررسی نمودند. نتایج برای دوره­ی پایه و سه دوره­ی آتی حاکی از کاهش بارش و رواناب و افزایش دما بود. مینویل و همکاران^[7] (2008) با هدف بررسی عدم قطعیت در تأثیرات تغییر اقلیم در هیدرولوژی، بر روی حوضه­ای در کبک کانادا از 5 مدل گردش عمومی جو (GCM)^[8] و دو سناریوی تغییر اقلیم استفاده کردند. آنها نشان دادند که همه­ی مدل­ها افزایش دما را برای کل حوضه در تمام طول سال پیش­بینی می­کنند و این در حالی بود که نتایج تغییرات بارش با هم اختلاف داشتند. با این وجود بیشتر نتایج کاهش بارش، کاهش در دبی اوج از یک طرف و ذوب زود هنگام برف از طرف دیگر بود. دارن و همکاران^[9] (2013) اثرات تغییر اقلیم را بر حوضه­ی دریاچه­ی مونو در کالیفرنیا با استفاده از 16 مدل جهانی گردش عمومی جو (GCM_S) و با استفاده از دو سناریوی B₁ و A₂ بررسی کردند، خروجیGCM ­­­ها افزایش قابل توجه دمای سالانه )به طور متوسط 4/1 تا 5/2 درجه سانتی­گراد( و کاهش یک تا سه درصدی بارش را تا پایان قرن پیش­بینی کردند. در پژوهش دیگری که توسط پاسکال و همکاران^[10]  (2014) انجام شد، تأثیر تغییرات آب و هوا بر روی منابع آب در شمال شرقی منطقه­ی مدیترانه برای دوره (2100-2076) در سه حوضه با شرایط آب و هوایی متوسط تحت دو سناریوی A₂  و B₁ مورد بررسی قرار گرفت. نتایج نشان داد که بیشترین کاهش جریان به مقدار 34 درصد و کمترین آن به میزان 25 درصد پیش بینی شده است. مساح بوانی و مرید (1384) به بررسی اثرات تغییر اقلیم روی دما، بارندگی و رواناب در حوضه­ی رودخانه­ی زاینـده­رود اصفهان تـحت دو سناریوی اقلیمی و برای دو دوره­ی زمانی پرداختند. نتایج پژوهش آنها نشان از کاهش بارندگی به میزان 10 و 16 درصد و افزایش دما به میزان 4/6 و 3/2 درجه سانتی­گراد و همچنین کاهش رواناب تا 5/8 درصد برای اواسط و اواخر قرن داشت. آشفته و مساح بوانی (1386) اثرات تغییر اقلیم را با استفاده از مدل HADCM3 و سناریوی A₂ بر رژیم سیلاب حوضه­ی آیدوغموش آذربایجان شرقی بررسی کرده و به این نتیجه رسیدند که تغییر اقلیم با افزایش دما و تغییر در مقدار بارندگی بر رژیم سیلاب این منطقه تأثیرگذار است. نامبردگان در پژوهش دیگری در سال 1388 مبحث عدم قطعیت مدل­های گردش عمومی جو در این حوضه را نیز بررسی کردند و به این نتیجه رسیدند که مدل HADCM3 بهترین برآورد را برای بارش و دما دارد. صمدی و همکاران (1386)، روش­های مختلف ریزمقیاس نمودن خروجی مدل­های گردش عمومی جو را بررسی کرده و نشان دادند که در ریزمقیاس­ نمایی آماری دمای حوضه بهتر پیش­بینی می­شود. ایشان همچنین نتیجه گرفتند که مدل HADCM3 نسبت به مدل­های دیگر برآورد بهتری از پارامترهای آب و هوایی منطقه ایران را ارائه می­دهد. بابائیان و همکاران (1388)، به ارزیابی تغییر اقلیم کشور با استفاده از ریز مقیاس­ نمایی داده­های مدل گردش عمومی جوECHO-G   در دوره­ی (2039-2010) پرداختند. نتایج پژوهش آنها که بر روی 43 ایستگاه سینوپتیک کشور انجام شد کاهش 9 درصدی بارش در کل کشور، افزایش آستانه­ی بارش­های سنگین و خیلی سنگین به ترتیب 13 و 39 درصد و افزایش میانگین سالانه 5/0 درجه­ای دما را پیش­بینی کرد. کمال و مساح بوانی (1390) در مطالعه­ای عدم قطعیت مدل­های گردش عمومی جو و مدل­های هیدرولوژی را در تخمین دما، بارش و رواناب حوضه­ی قره­سو بررسی کردند و به این نتیجه رسیدند که در نظر گرفتن عدم قطعیت موجب دقت نتایج مطالعه­ی آنها شده است. روشن و همکاران (1391) به منظور آزمایش و یافتن بهترین مدل گردش عمومی جو جهت انطباق با تغییرات دما و بارش در ایران از 20 مدلGCM  و سناریوی واحدی به نام P50 استفاده کردند. از جمله نتایج مهم پژوهش مذکور این است که، هیچ کدام از مدل­های گردش عمومی جو، به خوبی نمی­توانند تغییرات دما و بارش کشور را شبیه­سازی کند. آن­ها برای شبیه­سازی بارش ترکیبی از دو مدل GISS-EH و CNRM-CM3 را برای بارش و مدل  INMCM-30را برای شبیه­سازی دما پیشنهاد کردند. ثانی­خانی و همکاران (1392) در پژوهشی تأثیر تغییراقلیم را بر روی رواناب حوضه­ی آجی­چای در آذربایجان شرقی با استفاده از داده­های مدل­های گردش عمومی جو (GCM_S) و ریزمقیاس نمایی آن توسط مدل LARS-WG پرداختند. نتایج پژوهش حاکی از کاهش قابل توجه مقدار رواناب رودخانه­ی آجی­چای در آینده بود.

هدف از این مطالعه تجزیه و تحلیل تأثیر تغییر اقلیم بر روی بارش و دمای حوضه­ی شهرچای در افق  2020(2030-2011) می­باشد، با توجه به اینکه در مطالعات تغییر اقلیم با رویکرد عدم قطعیت عمدتأ عدم قطعیت مدل­های گردش عمومی در نظر گرفته می­شود در این مطالعه برآنیم علاوه بر عدم قطعیت مربوط به مدل­های گردش عمومی جو؛ عدم قطعیت مربوط به سناریوهای موجود را نیز برای دوره­ی 2030-2011 در حوضه­ی شهرچای بررسی کنیم.

مواد و روش

منطقه­ی مورد مطالعه

رودخانه­ی شهرچای در استان آذربایجان غربی قرار دارد. این رود مهم­ترین منبع تأمین آب شهرستان ارومیه به­ شمار می­رود. سد شهرچای در 12 کیلومتری بالادست این شهر  و بر روی این رودخانه­ی احداث شده و نقش مهمی در تأمین آب مورد نیاز در بخش تأمین آب شهری، کشاورزی و صنعت منطقه ایفا می­کند. حوضه­ی این حوضه از شمال به حوضه­ی آبریز نازلوچای، از جنوب به حوضه­ی آبریز باراندوزچای، از غرب به کشور ترکیه و از شرق به دریاچه­ی ارومیه محصور می­گردد. مساحت تقریبی آن 711 کیلومتر مربع است، موقعیت جغرافیایی آن بین ­´35 °­44 تا ´28 °­45 طول شرقی و´­32 °­37 تا ´­62 °­37 عرض شمالی واقع شده است. ارتفاع منطقه از 1513 متر از سطح دریا در خروجی حوضه واقع در ایستگاه کشتیبان،  تا 3574 متر در مرز ایران و ترکیه، متغیر است و متوسط بارش سالانه حوضه 9/614 میلی­متر می­باشد. بخشی از آب رودخانه برای مصرف آب آشامیدنی شهرستان ارومیه توسط سد شهرچای تأمین و مابقی پس از آبیاری باغ­ها و زمین­های کشاورزی از داخل ارومیه می­گذرد و سپس در محلی به نام دماغه­ی حصار وارد دریاچه­ی ارومیه می­گردد. شکل (1) موقعیت حوضه­ی شهرچای را در میان حوضه­های آبریز کشور و حوضه­ی آبریز دریاچه­ی ارومیه نشان می­دهد.

اطلاعات مورد استفاده در این مطالعه از اداره­ی کل هواشناسی استان آذربایجان غربی (برای اخذ داده­های ایستگاه سینوپتیک ارومیه) و سازمان آب منطقه­ای استان مذکور (برای اخذ اطلاعات ایستگاه­های بارانسنجی) دریافت شد. این داده­ها شامل اطلاعات دما و بارش روزانه و ماهانه، ساعات آفتابی می­باشند. در جدول (1) مشخصات جغرافیایی ایستگاه­های مذکور ارائه شده ­است.

شکل (1) موقعیت جغرافیایی حوضه شهرچای در میان حوضه­های آبریز کشور در محل ایستگاه کشتیبا

جدول (1) مشخصات جغرافیایی ایستگاه­های مورد مطالعه

مدل­های گردش عمومی جو

در نسخه 5.5 مدل LARS-WG تعداد 15 مدل گردش عمومی جو مورد استفاده در گزارش چهارم IPCC(AR4) وجود دارد (سمنوف و همکاران[11]، 2010: 2) و چون در این مطالعه از تأثیر منابع عدم قطعیت شده است لذا ابتدا از میان مدل­ها تعداد شش مورد انتخاب شد. دلیل این انتخاب، وجود سه سناریو در این مدل­ها است و این در حالی است که در بعضی از مدل­ها کمتر از سه سناریو موجود است. جدول (2) مشخصات این مدل­ها را نشان می­دهد.

جدول (2) مشخصات مدل­های به کار رفته در این مطالعه (سمنوف و همکاران، 2010: 3)

مدل ریزمقیاس­نمایی LARS-WG

مدل ریزمقیاس نمایی LARS-WG توسط راسکو^[12] و همکاران (1997) و سمنوف و بارو^[13] (1998) ارائه گردید. LARS-WG یکی از مشهورترین مدل­های مولد داده­های تصادفی وضع هواست که برای تولید مقادیر بارش، تابش، دماهای بیشینه و کمینه­ی روزانه در یک ایستگاه تحت شرایط آب و هوای پایه و آینده بـکار می­رود (بابائیان و همکاران، 1388: 138). در این مدل از روش زنجیره مارکف برای مدل­سازی رخداد بارش استفاده می­شود. LARS-WG بـرای مدل­سازی متغیرهای هواشناسی، توزیع­های آماری پیچیده­ای را بـکار می­برد. مبنای این مدل برای طول دوره­های خشک و تر، بارش روزانه و سری­های تابش توزیع نیمه­تجربی می­باشد. در توزیع نیمه تجربی فاصله­ها به طور مساوی بین مقادیر بیشینه و کمینه­ی سری زمانی ماهانه تقسیم می­شوند:

رابطه­ی (1)   

در رابطه­ی (1)EMP  یک هیستوگرام با ده بازه­ی متمایز (با شـدت­های مختلف بارش) است. طوری که بازه­ها

به شرح زیر تعریف شد.

[]                       <

که در آن h_i تعداد رخداد بارش در iامین فاصله را نشان می­دهد. فاصله­ها برای طول روزهای تر و خشک و بارش افزایشی هستند. در این مدل تابش به طور مستقل از درجه حرارت مدل می­شود و به جای آن می­توان از ساعات آفتابی نیز استفاده کرد (همان: 139). تولید داده­ها توسط مدل LARS-WG در سه مرحله­ی واسنجی کردن، ارزیابی و تولید داده­های هواشناسی انجام شد.

در این مدل ابتدا داده­های مدل گردش عمومی جو شامل بارش، دمای کمینه، دمای بیشینه و تابش به صورت روزانه استخراج گردید و برای هر شبکه­ مدل گردش عمومی جو یک سناریوی تولید داده تدوین شد. علاوه بر سناریوی تدوین شده برای هر شبکه­ی محاسباتی، برای اجرای مدل نیاز به فایل مشخصه رفتار آب و هوای گذشته ایستگاه­های واقع در داخل آن شبکه نیز وجود دارد. سپس این مدل با دریافت فایل محتوی رفتار آب و هوای گذشته ایستگاه و فایل سناریوی تولید داده، مقادیر روزانه­ی دمای کمینه، بیشینه، بارش و تابش را در آینده پیش­بینی نمود.

مکانیسم تولید داده در مدل LARS-WG به این صورت بود که ابتدا با استفاده از سناریوی تولید داده­ی ماهانه که در برگیرنده­ی رفتار آب و هوای پایه می­باشد، تمامی داده­های ماهانه را که در برگیرنده­ی رفتار آب و هوای پایه هستند مطابق رابطه­ی (2) پریشیده (مغشوش) می­کند:

رابطه­ی(2)    + (-

در رابطه (2) به ترتیب  ، ،  و    نشاندهنده­ی پارامتر هواشناسی پیش­بینی شده بر روی ایستگاه هواشناسی، پارامتر هواشناسی دیده­بانی شده در همان ایستگاه، پارامتر هواشناسی پیش­بینی شده بر روی شبکه­ی مدل در دوره­ی آینده و پارامتر هواشناسی مدل شده بر روی شبکه­ی مدل در دوره­ی گذشته می­باشند. سپس با حفظ میانگین، انحراف معیار آنها را مطابق رابطه­ی (3) تغییر می­دهد (بابائیان و کوان، 2004: 98).

رابطه­ی(3)           

در رابطه­ی (3)  انحراف معیار پارامتر هواشناسی تحت بررسی است.

انتخاب بهترین مدل GCM برای منطقه­ی مورد مطالعه

برای انتخاب بهترین مدل GCM از مدل­های ذکر شده، ابتدا داده­های دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی به صورت روزانه در دوره پایه (2014-1967) به مدل وارد شد و برای 6 مدل مذکور و تحت سه سناریوی A₁B، A₂ و B₁  برای دوره 2030-2011 داده تولید شد. داده­های تولید شده در 50 سری تصادفی بوده و میانگین پارامترهای مورد نیاز (دمای حداقل، دمای حداکثر و بارندگی) به صورت ماهانه در دوره­ 2030-2011 استخراج شد. به منظور بررسی عملکرد مدل­ها و مقایسه نتایج، معیارهایی لازم است تا در تحقیق مورد استفاده قرار گیرند که در این مطالعه از خطای جذر میانگین مربعات (^[14](RMSE و ضریب تعیین ( (R²استفاده شد. روابط زیر نحوه­ی محاسبه این معیارها را نشان ­دهند.

رابطه­ی  (4)             

 رابطه­ی  (5)        

 که در رابطه­ی 4و 5: P_i: داده­های دوره­ی مشاهداتی،  : میانگین داده­های دوره­ی مشاهداتی، O_i: داده­های تولید شده برای دوره­ی آتی، : میانگین داده­های تولید شده برای دوره­ی آتی، :n تعداد داده­ها و  : انحراف معیار داده­ها است.

بحث و نتایج

برای اطمینان از توانایی مدل در تولید داده در دوره­ی آتی باید داده­های محاسباتی توسط مدل و داده­های مشاهداتی در ایستگاه مورد مطالعه با هم مقایسه شوند. جدول (3) نتایج آزمون کای اسکور بر روی پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد، همانطور که از جدول مذکور می­توان فهمید، نتایج تمامی پارامترهای ذکر شده در سطح معنی­داری 90%  قابل اطمینان می­باشد و همین معیارها مبنایی برای تولید داده در دوره­ی آتی هستند. شکل (2) نتایج مقایسه­ی داده­های محاسباتی و مشاهداتی دمای حداقل، دمای حداکثر، بارش و تابش را در ایستگاه سینوپتیک ارومیه برای دوره­ی پایه نشان می­دهد. بر اساس این شکل توانمندی مدل LARS-WG در مدل­سازی دمای حداقل، دمای حداکثر و تابش در این ایستگاه کاملاً با داده­های دیدبانی شده مطابقت دارد. همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد، با این وجود بیشترین خطای مدل­سازی مربوط به بارش ماه مارس است.

جدول(3) نتایج آزمون کای اسکور برای توزیع احتمالاتی بارش، دمای حداقل و دمای حداکثر در مدل LARS-WG.

ج

شکل(2) مقایسه­ی داده­های مشاهداتی (O) و محاسباتی (G) در ایستگاه سینوپتیک ارومیه در دوره­ی پایه

بررسی محدوده­ی عدم قطعیت مدل­های گردش عمومی جو

استفاده از چندین مدل گردش عمومی جو برای تأکید بر عدم قطعیت در پیش­بینی آب و هوا، به علت تفاوت­های ساختاری در مدل­های جهانی آب و هوا و همچنین عدم اطمینان در تغییرات شرایط اولیه مدل­ها می­باشد (سمنوف و همکاران، 2010: 1 ). برای بررسی محدوده­ی عدم قطعیت مدل­ها ابتدا خروجی مدل­ها در پارامترهای بارش، دمای حداقل و حداکثر به صورت میانگین ماهانه تولید شد. سپس اختلاف پارامترهای مذکور برای هر مدل با میانگین دوره­ی پایه محاسبه و تغییرات آنها به صورت نمودار جعبه­ای[15] ترسیم گردید. شکل­های 3 تا 5 محدوده­ی عدم قطعیت مدل­های گردش عمومی جو برای تغییرات پارامترهای بارش، دمای حداقل و دمای حداکثر را نشان می­دهد. در این نمودارها کمینه، چارک اول، میانگین، چارک سوم و بیشینه­ی تغییرات پارامترهای یاد شده ترسیم شده­اند. همانطور که از این نمودارها مشهود است، میزان تغییرات پارامترها به ویژه پارامتر بارش زیاد است. شکل (3) نشان می­دهد که تمامی مدل­ها بارش ماه­های ژانویه، مارس و آوریل را با کاهش پیش­بینی کرده­اند. بیشترین تغییرات مربوط به بارش ماه مه و کمترین آن مربوط به ماه اوت است. شکل 4 و 5  نشان می­دهد که تمامی مدل­ها دمای حداقل و حداکثر را با افزایش پیش­بینی کرد­ه­اند. میزان این افزایش در فصل تابستان برای هر دو پارامتر بیشتر از سایر زمان­هاست.

شکل (3) نمودار جعبه­ای تغییرات میانگین مجموع بارش ماهانه برای شش مدل مورد مطالعه

شکل (4) نمودار جعبه­ای تغییرات میانگین دمای حداقل ماهانه برای شش مدل مورد مطالعه

شکل (5) نمودار جعبه­ای تغییرات میانگین دمای حداکثر ماهانه برای شش مدل مورد مطالعه

انتخاب مناسب­ترین مدل AOGCM

با مقایسه داده­های مشاهداتی و تولید شده شامل میانگین ماهانه­ی بارش، دمای حداقل و حداکثر توسط شش مدل مذکور با شاخص­های ذکر شده، بهترین مدل و سناریو برای تولید داده­­ها در دوره­ی آتی مشخص شد. نتایج این مقایسه در جدول 4 تا 6 ارائه شده است. از این جداول می­توان نتیجه گرفت که از بین مدل­های موجود، مدلHADCM3  تحت سناریوی A₁B، بـهترین نتیجه را برای بارش و تحت سناریوی A₂ بـهترین نتیجه را برای دمای حداقل و نیز مدلMPEH5  تحت سناریوی B₁، بهترین نتیجه را برای دمای حداکثر پیش­بینی کرده­اند. با مشخص شدن بهترین مدل، داده­های بارش، دمای حداقل و دمای حداکثر تولید شده در مدل­ها و سناریوهای منتخب به منظور بررسی وضعیت تغییر اقلیم دما و بارش در دوره­ی آتی تحلیل شدند.

جدول (4) نتایج مقایسه بارش مدل­های گردش عمومی جو با دوره­ی پایه

جدول (5) نتایج مقایسه دمای حداقل مدل­های گردش عمومی جو با دوره­ی پایه

جدول (6) نتایج مقایسه دمای حداکثر مدل­های گردش عمومی جو با دوره­ی پایه

بررسی پارامتر بارندگی در دوره­ی آتی (2030-2011)

بارش دوره­ی 2030-2011 با مدل HADCM3 و با سناریو A₁B تولید شد. شکل (6) مقایسه­ی میانگین مجموع بارش ماهانه در دوره­ی پایه و آتی را نشان مـی­دهد. همانطور که از شکل می­توان فهمید در اکثر ماه­ها بارندگی دوره­ی آتی نسبت به دوره­ی پایه کاهش خواهد یافت به این صورت که بیشترین کاهش مربوط به ماه­های آوریل و مه است که از لحاظ کشاورزی نیز زمان مهمی به­شمار می­رود، بارش ماه ژوئیه و سپتامبر و دسامبر با شیب کمی افزایشی است. با این حال بیشترین افزایش بارش مربوط به ماه اکتبر است. در حالت کلی بارش فصول زمستان و بهار با کاهش و بارش فصل پائیز با افزایش پیش­بینی شده است.

شکل (6) مقایسه میانگین بارش تجمعی ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

بررسی پارامتر دما در دوره­ی آتی (2030-2011)

دمای حداقل

با توجه به نتایج جدول (5) برای تولید داده­های دمای حداقل از مدل HADCM3 و سناریوی A₂ استفاده شد. شکل (7) مقایسه­ی میانگین دمای حداقل ماهانه دوره­ی پایه را با دوره­ی آتی نشان می­دهد، همانطور که از شکل می­توان فهمید در تمامی ماه­ها این پارامتر با افزایش پیش­بینی شده است. بیشترین افزایش مربوط به ماه­های ژوئیه و اوت و کمترین آن مربوط به ماه دسامبر است. میزان افزایش این پارامتر از 32/0 تا 47/1 درجه سانتی­گراد در ماه­های مختلف متغیر است.

شکل (7) مقایسه میانگین دمای حداقل ماهانه­ی مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

دمای حداکثر

طبق نتایج جدول (7) برای تولید پارامتر میانگین دمای حداکثر از مدل MPEH5 تحت سناریوی B₁ استفاده شد. شکل (8) مقایسه­ی میانگین حداکثر دمای ماهانه در طول دوره­ی پایه و دوره­ی آتی را نشان می­دهد. مطابق با این شکل به جز ماه ژانویه این پارامتر در تمامی ماه­ها با افزایش پیش­بینی شده است، بیشترین افزایش این پارامتر مربوط به ماه­های مه، ژوئیه و اوت می­باشد. میزان افزایش این پارامتر به جز ماه ژانویه بین 27/0 تا 98/1 درجه سانتی­گراد در ماه­های مختلف سال متغیر است.

شکل (8) مقایسه­ی میانگین دمای حداکثر ماهانه مشاهداتی دوره­ی پایه با محاسباتی در دوره­ی آتی

جدول (7) نتایج مقایسه سالانه بارش، دمای حداقل و دمای حداکثر در دوره­ی پایه و دوره­ی آتی تحت مدل­ها و سناریوهای منتخب را نشان می­دهد. همانطور که از جدول مذکور مشهود است بارش دوره­ی آتی حدود 4% کاهش خواهد یافت و این در حالی است که دمای حداقل 05/1 و دمای حداکثر 87/0 درجه سانتی­گراد افزایش خواهد یافت. نکته قابل توجه بر هم خوردن توزیع زمانی بارش و افزایش دما است که احتمالاً بیشتر از کاهش بارش تبعات منفی خواهد داشت.

جدول (7) مقایسه­ی پارامترهای بارش، دمای حداقل و حداکثر در دوره­ی پایه و آتی

نتیجه­گیری

نتایج این مطالعه نشان داد که به علت دامنه­ی زیاد تغییرات خروجی مدل­ها و سناریوهای مختلف، در نظر نگرفتن عدم قطعیت مدل­ها و سناریوها می­تواند تأثیر زیادی در نتایج مطالعات داشته باشد. همچنین در این مطالعه مشخص شد که مدل ریزمقیاس نمایی LARS-WG توانایی زیادی در مدل­سازی داده­های بارش و دمای دوره­ی پایه در منطقه­ی مورد مطالعه را داشته است، به طوری که داده­های تابش، دمای حداقل و حداکثر کاملاً با داده­های دیدبانی شده مطابقت دارد و همچنین توانمندی مدل در مدل­سازی بارش بسیار خوب و قابل قبول می­باشد. در بررسی عدم قطعیت ناشی از مدل­های گردش عمومی جو و سناریوهای موجود، بهترین مدل برای پیش­بینی بارش در منطقه­ی مورد مطالعه مدل HADCM3  تحت سناریوی A₁B ، بهترین مدل برای برآورد دما مدل HADCM3 تحت سناریوی A₂ و بهترین مدل برای برآورد دمای حداکثر مدل MPEH5 تحت سناریوی B₁ می­باشد. نتایج این مطالعه با مطالعاتی که در این زمینه انجام شده (صمدی و همکاران، 1386 و آشفته و مساح بوانی، 1388) در مورد پارامترهای بارش و دمای حداقل انطباق داشته و در تحقیق آنها نیز مدل HADCM3 بهترین برآورد را برای پارامترهای مذکور به دست آورد  ولی نتایج حاصله در مورد دمای حداکثر با آن­ها تفاوت دارد به طوری که در تحقیق حاضر مدل MPEH5  بهترین برآورد را برای پارامتر دمای حداقل داشته است. یکی از دلایل این تفاوت را می­توان چنین عنوان کرد که هر مدل گردش عمومی برای یک منطقه­ی خاص بهترین برآورد را می­دهد. نتایج حاصل از این تحقیق نیز استفاده از مدل HADCM3 را به عنوان بهترین مدل برای برآورد بارش و دما در منطقه­ی مورد مطالعه که در مطالعات قبلی نیز عنوان شده بود مورد تأکید قرار داد. با این وجود و با توجه به عدم قطعیت­های موجود به نظر می­رسد برای به دست آوردن بهترین برآورد پارامترهای اقلیمی در دوره­ی آتی باید تا حد امکان تأثیر عدم قطعیت را بیشتر تأکید کرد و این مهم را می­توان با به آزمون گذاشتن مدل­های بیشتر در مکان و زمان­های دیگر دست یافت.