نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد، گروه آب و هواشناسی، دانشگاه تبریز

2 دانشجوی دکتری، گروه آب و هواشناسی، دانشگاه تبریز

چکیده

دما و بارش از عناصر اساسی اقلیم است لذا تغییرات ناگهانی یا کوتاه‌مدت و درازمدت آن می‌تواند ساختار آب و هوای هر محل را دگرگون سازد. هدف از پژوهش حاضر پیش‌بینی روند شاخص‌های حدی اقلیمی با استفاده از روش‌های آماری ریز مقیاس‌نمایی و تولید داده‌های مصنوعی می‌باشد. در این تحقیق به منظور دست‌یابی به این اهداف، ابتدا داده‌های اقلیمی دما، بارش، ساعات آفتابی و ... طی دوره 1981 تا 2010 از سازمان هواشناسی اخذ گردید. سپس با استفاده از مدل‌ آماری CLIMGEN و داده‌های مشاهداتی دما، بارش و... سه ایستگاه‌ منتخب حوضه، داده‌های دوره 2050-2020 تولید شد. با استفاده از نرم افزار RClimDex شاخص‌های حدی دما و بارش شامل روزهای یخبندان، روزهای تابستانی، روزهای خیلی مرطوب و روزهای خشک متوالی استخراج گردید. در نهایت با استفاده از MINITAB و مدل سری‌های زمانی روند شاخص‌های اقلیمی در ایستگاه‌های منتخب حوضه دریاچه ارومیه ترسیم شد. برای صحت سنجی و ارزیابی مدل، توسط داده‌های مشاهداتی دوره 1981 تا 2000 به پیش‌بینی داده‌های دوره 2010-2001 بوسیله مدل پرداخته شد. سپس همبستگی و میزان خطای 1MAE و 2RMSE بین داده‌های تولید شده با داده‌های مشاهداتی توسط SPSS و EXCEL بدست آمد. بیش‌ترین میانگین خطای مطلق بارش در ایستگاه ارومیه با 69/4 میلیمتر و کم‌ترین آن در ایستگاه تبریز با 07/3 میلیمتر اندازه‌گیری شد. بیشترین میزان مجذور میانگین مربعات خطای بارش در ایستگاه تکاب با 4/6 میلیمتر و کم‌ترین آن در ایستگاه تبریز 01/4 میلیمتر بدست‌آمد. نتایج نشان دهنده افزایش رویدادهای حدی دما و بارش از جمله افزایش روند روزهای تابستان(روزهای گرم)، افزایش روزهای خیلی مرطوب(بارش سنگین) و روزهای خشک متوالی در ایستگاه‌های منتخب واقع در غرب و شرق حوضه می‌باشد؛ و افزایش روند روزهای یخبندان و کاهش روند روزهای تابستان، کاهش روزهای خیلی مرطوب و روزهای خشک متوالی در ایستگاه منتخب جنوب حوضه مشاهده می‌گردد.

کلیدواژه‌ها

عنوان مقاله [English]

Modeling of Trends of Temperature and Precipitation Extreme Indices in Urmia Lake Basin

نویسندگان [English]

  • Ali mohammad khorshiddoust 1
  • Ali akbar Rasouli 1
  • Saeed Zangeneh 2

1 Professor of Climatology, University of Tabriz, Tabriz, Iran

2 PhD Student of Climatology, University of Tabriz, Tabriz, Iran

چکیده [English]

Temperature and precipitation are the basic elements of climate. Therefore, sudden or short-term and long-term changes may change the climate of any location. The aim of this study was to predict trend indices of climate extremes using statistical downscaling methods and artificial technical data generation. In this study, in order to achieve these goals, The climate data of temperature, precipitation and sunshine hours during the period 1981 to 2010 was received from Meteorological Organization. Then, using CLIMGEN statistical models and observational data of selected stations of the basin, data produced over the period of 2020-2050. Then, using RClimDex software, extreme temperature and precipitation indices were extracted. Finally, the by use of MINITAB software the climate trend indices were drawn at selected stations of Urmia Lake basin. For validation, the prediction was accomplished by observational database period of 2001-2010 through the model. The relationship between generated data with the observational data was analyzed by SPSS, which showed high accuracy in most stations. The maximum absolute error of precipitation in the station of Orumieh was 4.69 mm and the lowest in Tabriz station with 3.7 mm. The highest mean squared error of precipitation in the Takab station was obtained with 6.4 mm and the lowest in the Tabriz station was 4.14 mm. Results indicated an increase in temperature and precipitation extreme events including increases in summer days, and very humid days of consecutive dry days at selected stations proved to be located on West and East basins. The increase of icy days and the reduction of summer days were shown while very wet and dry consecutive days were observed in the southern selected station.

کلیدواژه‌ها [English]

  • Indicators extent
  • CLIMGEN model
  • RClimdex software
  • Urmia Lake basin

امیدوار، کمال، سالاری، حسین، (1392). مطالعه روند تغییرات گرما و بارش در غرب و شمال غرب ایران با استفاده از روش‌های پارامتری و ناپارامتری، مجله جغرافیا. شماره 27، صص 288-271.

جهانبخش اصل، سعید و یوسف قویدل رحیمی، (1383). مدل سازی روند بارش و پیش بینی خشکسالی‌های حوضه آبریز دریاچه ارومیه، جغرافیا و برنامه‌ریزی، شماره 17، صص52-33.

خورشیددوست، علی‌محمد، زنگنه، سعید، زارعی، یوسف، (1392). تحلیل و بررسی روند تغییرات شاخص‌های حدی دما و بارش در کرمانشاه(1961-2009)، سی و دومین گردهمایی و نخستین کنگره بین‌المللی تخصصی علوم زمین، سازمان زمین‌شناسی و اکتشافات معدنی کشور.

رحیم زاده، فاطمه، هدایت دزفولی، اکرم، پور اصغریان، آرزو، (1390). ارزیابی روند و جهش نمایه‌های حدی دما و بارش در استان هرمزگان، جغرافیا و توسعه. شماره 21، صص 116-97.

رشید نیقی، علی، مجنونی هریس، ابولفضل، ناظمی، امیر حسین و دلیر حسن نیا، رضا، (1389). ارزیابی مدل CLIMGEN و پیش بینی اطلاعات هواشناسی برای منطقه تبریز، اولین کنفرانس بین المللی مدل سازی گیاه؛ آب؛ خاک و هوا، دانشگاه شهید باهنر کرمان.

رضایی بنفشه، مجید، سرافروزه، فاطمه، جلالی، طاهره، (1390). بررسی روند دما و بارش‌های روزانه حدی در حوضه دریاچه ارومیه، نشریه جغرافیا و برنامه‌ریزی. سال16، شماره 38، صص 74-43.

رضایی بنفشه، مجید، نجفی، محمد سعید، نقی زاده، حبیبه، آب خرابات، شعیب، (1394). واکاوی رفتار بارش‌های حدی در ارتباط با عوامل موثر بر بارش در غرب و شمال‌غرب، جغرافیا و مخاطرات محیطی. ش13، صص153-133.

علیجانی، بهلول، محمودی، پیمان، سلیقه، محمد، ریگی چاهی، الله بخش، (1390). بررسی تغییرات کمینه‌ها و بیشینه‌های سالانه دما در ایران، فصلنامه تحقیقات جغرافیایی. شماره3، صص 122-102.

فرج زاده، منوچهر، فیضی، وحید، (1391). ارزیابی تغییرات اقلیم ایستگاه تبریز در دوره آماری2100-2010 با استفاده از ریزمقیاس نمایی داده‌های مدل LARS-WG، فصلنامه جغرافیایی سرزمین. شماره 33، صص76-63.

Arnold, CD., Elliot, WJ., (1996), CLIMGEN Weather Generator Predictions of Seasonal Wet and Dry Spells in Uganda. Trans of ASAE 39(3): 969-972.

Alexander, LX., Zhang, TC., Peterson, J., Caesar, B., Gleason, A., Klein Tank, M., Haylock, D., Collins, B., Trewin, F., Rahimzadeh, A., Taghipour, K., Rupa Kumar, J., Revadekar, G., Griffiths, L., Vincent, D., Stephenson, J., Burn, E., Aguilar, M. Brunet, M., Taylor, M., New, P., Zhai, M., Rusticucci, J. L., Vazquez- Aguirre. (2006), Global observed changes in daily climate extremes of temperature and precipitation, J. Geophys. Res. D05109, doi: 10.1029/2005JD006290.

Danuso, F., (1997), CLIMAK reference manual. DPVTA, University of Udine, Italy, 36 p.

Johnson, GL., Hanson, CL., Hardegree SP., and Ballard, EB., (1996), Stochastic Weather Simulation: Overview and analysis of two commonly used models. Journal of Applied Meteorology 35: pp: 1878-1896.

Khan, MS, Coulibaly, P., & Dibike, Y., (2006), Uncertainty analysis of statistical downscaling methods. Journal of Hydrology, 319(1), pp: 357-382.

Kou, X.Ge, J., Wang, Y., & Zhang, C., (2007), Validation of the weather generator CLIGEN with daily precipitation data from the Loess Plateau, China. Journal of Hydrology, 347(3), pp: 347-357.

Oyamakin, O., Ayoola, F., Tolulope dare, O., (2010), time series analysis of rainfall and temperature in south-west Nigeria. the Pacific journal of science and technology.volume11,number2.pp:552-564.

McKague, K, Rudra, R., & Ogilvie, J., (2003, July). CLIMGEN-A Convenient Weather Generation tool for Canadian Climate Stations. In Meeting with the CSAE/SCGR Canadian society for engineering in agricultural food and biological systems, Montreal, Quebec, July (pp. 6-9).

Moreira, EE., Paulo, AA., Pereira, LS., & Mexia, JT. (2006), Analysis of SPI drought class transitions using log-linear models. Journal of Hydrology, 331(1), pp: 349-359.

Richardson, CW., Wright, DA., (1984), WGEN: A model for generating daily weather variables. USDA, Agricultural Research Service ARS-9.

Salmi, T., Maatta, A., Anttila, P., Ruoho-Airola, T., and Amnell, T., )2002(, Detecting trends of annual values of atmospheric pollutants by the Mann–Kendall test and Sen's slope estimates. Publications on Air Quality, Helsinki, Finland. 31p.

Selker, JS., and DA., Haith. (1990), Development and testing of single-parameter precipitation distributions. Water Resources Research. 26(11): pp: 2733-2740.

Semenov, MA., Brooks, RJ., Barrow, EM., & Richardson, CW., (1998), Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates. Climate Research, 10(2),pp: 95-107.

Sen, PK., )1968(, Estimates of the regression coefficient based on Kendall's tau. Journal of American Statistical Association. 63: 1379–1389.

Semenov, MA., Jamieson, PD., (1999), Using weather generators in crop modeling. In: CLIMAG Geneva Workshop, Geneva, Switzerland, September 28-29.

Sharpley, AN., Williams, JR., (1990), EPIC-Erosion/Productivity Impact Calculator: 1. Model Documentation. US Department of Agriculture Technical Bulletin No. 1768, 1835 p.

Stockle, CO., Steduto, P., Allen, RG., (1998), Estimating daily and daytime mean VPD from daily maximum VPD. 2th Congress of the European Society of Agronomy, Nitra, The Slovak Republic.

Stöckle, CO. GS., Campbell, R., Nelson., )1999(, ClimGen manual. Biological Systems Engineering Department, Washington State University, Pullman, WA, 28 p.

Stockle, CO., Nelson, R., Donatelli, M., Castellvi, F, (2001), ClimGen: a flexible weather generation program. In: Proceedings of the Second International Symposium on Modelling Cropping Systems, July 12-19, 2001, Florence, Italy, pp.229-230.

Theil H., )1950(, A rank-invariant method of linear and polynomial regression analysis, part 3. Netherland Akademie van Wettenschappen, Proceedings. 53. pp. 1397–1412.

Zhang, XC., Garbrecht, JD., (2003), Evaluation of CLIGEN precipitation parameters and their implication on WEPP runoff and erosion prediction. Transactions of the ASAE, 46(2), 311.