پیش‌بینی اثرات تغییراقلیم بر پارامترهای هواشناسی طبق برونداد مدل‌های GCM به‌کمک شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه سینوپتیک شیراز)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه هیدرولوژی و منابع آّب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران

2 استادیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران

3 استاد گروه هیدرولوژی ومنابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز

چکیده

با توسعه فناوری و صنعتی شدن جوامع بشری، افزایش گازهای گلخانه‌ای بروز تغییرات آب و هوایی در سطح زمین و اثرات زیان‌بار آن (سیل و خشکسالی) بر زندگی بشر و منابع محرز گشته است. کسب اطلاعات از اثر محتمل تغییر‌اقلیم بر پارامترهای هواشناسی از اهمیت و ضرورت خاص برخوردار است. در این مطالعه سعی بر آن شد که به شیوه جامع با استفاده از ارزیابی مدل‌های گردش‌عمومی‌جو (12 مدل) و ریزمقیاس‌نمایی برونداد آنها (با کمک شبکه‌عصبی پرسپترون چندلایه) اثر محتمل تغییرات اقلیم بر پارامترهای هواشناسی شهر شیراز مشخص شود. نتایج ارزیابی‌ها (MSE، RMSE و R) در دوره پایه 1986-2005 گواه برتری دو مدل CanESM2 و HadGEM2CC بود. درنتیجه، تحت دو سناریو RCP4.5 و RCP8.5 پیش‌بینی‌های CanESM2 برای دوره‌های 2026-2045 و 2046-2065 نشان‌دهنده کاهش بارش (به‌ترتیب 19-11 و 36-21 درصد)، افزایش دمای‌کمینه (1-4/0 و 2-7/0 درجه ‌سلسیوس)، افزایش دمای‌بیشینه (1-5/0 و 9/0-8/1 درجه سلسیوس)افزایش میزان تابش‌خورشیدی (7/0-35/0 و 6/0-1/1 کیلووات‌ساعت بر مترمربع‌درروز) و پیش‌بینی‌های HadGEM2CC نشان‌دهنده کاهش بارش (به‌ترتیب 16-7 و 35-16 درصد)، افزایش دمای کمینه (9/0-3/0 و 7/1-7/0 درجه سلسیوس)، افزایش دمای بیشینه (1/1-4/0 و 8/1-9/0 درجه سلسیوس) و افزایش میزان تابش خورشیدی (8/0-3/0 و 3/1-8/0 کیلووات‌ساعت بر مترمربع‌درروز) خواهد‌بود.

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting the impact of Climate Change on the Meteorological Parameters Using GCMs Output with the Help of Artificial Neural Network (Case Study: Shiraz Synoptic Station)

نویسندگان [English]

  • Niloofar Rahimi 1
  • Mohammad Amin Maddah 2
  • Ali Mohammad Akhoond-Ali 3
1 Department of Hydrology and Water Resources, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran.
2 Assistant Professor, Department of Hydrology and Water Resources, Faculty of Water and Environmental Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran.
3 Professor, Faculty of Water Sciences Engineering, Shahid Chamran University of Ahvaz, Iran.
چکیده [English]

With the development of technology and the industrialization of human societies, the increase of greenhouse gases, the occurrence of climate changes on the surface of the earth and its harmful effects (floods and droughts) on human life, and resources have been confirmed. There, obtaining information about the possible effect of climate change on meteorological parameters is of particular importance and necessity. In this study, an attempt was made to determine the potential effect of climate change on the meteorological parameters of Shiraz the synoptic station in a comprehensive way by using the evaluation of General Circulation Models (12 models) and downscaling of their output (with the help of Multilayer Perceptron Neural Network method). The evaluation results (based on MSE, RMSE, and R) in the base period (1986-2005) proved the superiority of the CanESM2 and HadGEM2CC models. As a result, under the two RCP4.5 and RCP8.5 scenarios, HadGEM2CC outcomes during 2045-2026 and 2046-2065 showed a decrease in precipitation (11-19 and 21-36%, respectively). Also, it depicted an increase in minimum temperature (0.4-1 and 0.7-2°C), an increase in maximum temperature (0.5-1 and 0.9-1.8°C), and an increase in solar radiation (0.35-0.7 and 0.6-1.1 kWh per m2 per day). The HadGEM2CC showed a decrease in precipitation (7-16 and 16-35 %, respectively), an increase in minimum temperature (0.3-0.9 and 0.7-1.7°C), in maximum temperature (0.4-1.1 and 0.9-1.8°C) and in solar radiation (0.3-0.8 and 0.8-1.3 kWh per m2 per day).

کلیدواژه‌ها [English]

  • CanESM2
  • Climate of Shiraz
  • Downscaling
  • Hadgem2cc
  • Perceptron

مراجع

احمدی، ف. و مداح، م.ا. 1400. توسعه روش هیبریدی موجک-الگوریتم Kstar برای پیش بینی بارش های ماهانه (مطالعه موردی: ایستگاه سینوپتیک اهواز)، مجله تحقیقات آب و خاک ایران. 52(2): 409-420.
خزیمه نژاد، ح. صفوی گردینی، م. امیرآبادی زاده، م. و ناظری تهرودی، م. 1401. ارزیابی مدل های داده محور مبتنی بر ریز مقیاس نمایی مقادیر دمای روزانه، نشریه علمی پژوهشی مهندسی آبیاری و آب ایران. 12(4): 274-291.
خیاط، ا. امیرآبادی زاده، م. پوررضا بیلندی، م. و خزیمه نژاد، ح. 1399. بررسی پارامترهای دما و بارش تحت تأثیر تغییر اقلیم ( مطالعه موردی: دشت بیرجند). نشریه علمی پژوهشی مهندسی آبیاری و آب ایران. 11(1): 200-210.
رزاق زاده، ز. 1396. استفاده از روش های استخراج مشخصه برای بررسی تاثیر تغییر اقلیم بر پارامترهای هیدروکلیماتولوژی، پایان نامه کارشناسی ارشد رشته مهندسی عمران، گرایش: مدیریت منابع آب، دانشکده فنی-مهندسی عمران، دانشگاه تبریز.
زارعی، ح. کریمی، ن. و حبیبی، ف. 1398. بررسی علل وقوع سیلاب فروردین 1398 شهر شیراز، کنفرانس ملی سیلاب 97-98، اگر تکرار شود. 21 الی 23 آبان، اهواز. گیت بوستان سازمان آب و برق خوزستان.
زرفشانی، آ. و جهانگیر، م. 1400. پیش‌بینی مقادیر دما و بارش استان اصفهان بر اساس دو مدل ریزمقیاس نمایی Lars-WG و SDSM و روش شبکه عصبی مصنوعی، نشریه آبیاری و زهکشی ایران. 15(1): 49-38.
شاهویی، س. فهیمی نژاد، ا. و فاتحی، ز. 1399. تاثیر تغییر اقلیم جهانی بر داده های اقلیمی در حوضه روانسر سنجابی استان کرمانشاه، فصلنامه محیط زیست و مهندسی آب. 6(1): 45-57.
شاهین رخسار، پ. علیزاده، ا. انصاری، ح. و قربانی، م. 1398. بررسی عدم قطعیت گروهی مدل های گردش عمومی جو در شبیه سازی داده های هواشناسی (مطالعه موردی ایستگاه سینوپتیک رشت)، نشریه آبیاری و زهکشی ایران. 13(6): 1897-1909.
عطایی، ه. و فنایی، ر. 1392. بررسی روند تغییر سری های دمای شهر شیراز در ارتباط با برنامه ریزی توسعه شهری، مجله پژوهش و برنامه ریزی شهری. 4(15): 57-76.
فاتحی، ز.، و شاهویی، س. 1400. پیش‌بینی تاثیر تغییر اقلیم بر دمای حداقل و حداکثر شهر سنندج، فصلنامه محیط زیست و مهندسی آب. 7(1): 170-182.
فلاح قالهری، غ. و خوشحال، ج. 1393. پیش بینی بارش بهاره استان خراسان رضوی بر اساس سیگنال های بزرگ مقیاس اقلیمی با استفاده از شبکه های عصبی مصنوعی، پژوهش های جغرافیای طبیعی. 41(69): 115-133.
محمدی، ن. 1398. چشم انداز تغییرات دماهای بیشینه تبریز تا پایان قرن 21 با استفاده از مدل LARS-WG تحت خروجی مدل های مختلف GCM، ششمین کنفرانس منطقه ای تغییر اقلیم. تهران، 1002692.
نادری، س. علیجانی، ب. حجازی زاده، ز. عباسپور، ک. و حیدری، ح. 1398. آنالیز الگوهای دما و بارش در آینده با استفاده از CCT (مطالعه موردی: حوضه آبخیز دریاچه ارومیه)، همایش بین المللی تغییر اقلیم. پیامدها، سازگاری و تعدیل، تهران.
یوسفی، ح. پیربازاری، س. مریدی، ع. خواجه پور، ح. کرباسی، ه. و فتحی، ت. 1400. بررسی تغییرات دمای ایران در اثر تغییر اقلیم، نشریه علمی مدیریت آب و آبیاری. 11(2): 237-248.
Ansari, H., Khadivi, M., Salehnia, N. and Babaeian, I., 2015. Evaluation of Uncertainty LARS Model under Scenarios A1B, A2 and B1 in Precipitation and Temperature Forecast (Case Study: Mashhad Synoptic Stations), Iranian Journal of Irrigation and Drainage. 4(8):664-672.
Ashour, A. G., Mirou, S. M., Hassan, R. N., Zeiada, W., Abuzwidah, M. and Shanableh, A. 2022. Assessment of Potential Temperature Increases in the UAE due to Future Global Warming. In 2022 Advances in Science and Engineering Technology International Conferences (ASET). 1-6. IEEE.
Babel, M. S., Sirisena, T. A. J. G. and Singhrattna, N. 2017. Incorporating large-scale atmospheric variables in long-term seasonal rainfall forecasting using artificial neural networks: an application to the Ping Basin in Thailand. Hydrology Research, 48(3):867-882.
Chim, K., Tunnicliffe, J., Shamseldin, A. and Chan, K. 2021. Identifying future climate change and drought detection using CanESM2 in the upper Siem Reap River, Cambodia. Dynamics of Atmospheres and Oceans. 94: 101182.
Doulabian, S., Golian, S., Toosi, A. S., and Murphy, C. 2021. Evaluating the effects of climate change on precipitation and temperature for Iran using RCP scenarios. Journal of Water and Climate Change, 12(1):166-184.
Golkar Hamzee Yazd, HR., Salehnia, N., Kolsoumi, S. and Hoogenboom, G., 2019. Prediction of climate variables by comparing the k-nearest neighbor method and MIROC5 outputs in an arid environment, Clim Res 77:99-114.
IPCC. 2018. Global warming of 1.5ºC. https://www.ipcc.ch/sr15/ (accessed 26 October 2020).
Javaherian, MR., Ebeahimi, H. and Amininezhad, B. 2021. Prediction of changes in climatic parameters using CanESM2 model based on Rcp scenarios (case study): Lar dam basin. Ain Shams Engineering Journal, 12(1):445-454.
Kavwenje, S., Zhao, L., Chen, L. and Chaima, E. 2022. Projected temperature and precipitation changes using the LARS‐WG statistical downscaling model in the Shire River Basin, Malawi. International Journal of Climatology,.42(1):400-415.
Levin, Z., and Cotton, W. R. (Eds.). 2008. Aerosol pollution impact on precipitation: a scientific review.
Libanda, B. and Nkolola, N. B. 2019. Skill of CMIP5 models in simulating rainfall over Malawi. Modeling Earth Systems and Environment. 5(4):1615-1626.
Mohammed, Z. M. and Hassan, W. H. 2022. Climate change and the projection of future temperature and precipitation in southern Iraq using a LARS-WG model. Modeling Earth Systems and Environment, 1-14.
Nilawar, A. P. and Waikar, M. L. 2019. Impacts of climate change on streamflow and sediment concentration under RCP 4.5 and 8.5: A case study in Purna river basin, India. Science of the total environment. 650: 2685-2696.
Nourani, V., Alami, M. T. and Aminfar, M. H. 2009. A combined neural-wavelet model for prediction of Ligvanchai watershed precipitation. Engineering Applications of Artificial Intelligence. 22(3): 466-472.
Ostad-Ali-Askari, K., Ghorbanizadeh Kharazi, H., Shayannejad, M. and Zareian, M. J. 2020. Effect of climate change on precipitation patterns in an arid region using GCM models: case study of Isfahan-Borkhar Plain. Natural Hazards Review. 21(2): 04020006.
Rakhimova, M., Liu, T., Bissenbayeva, S., Mukanov, Y., Gafforov, K. S., Bekpergenova, Z. and Gulakhmadov, A. 2020. Assessment of the impacts of climate change and human activities on runoff using climate elasticity method and general circulation model (GCM) in the Buqtyrma river Basin, Kazakhstan. Sustainability. 12(12):4968.
Reboita, M. S., Kuki, C. A. C., Marrafon, V. H., de Souza, C. A., Ferreira, G. W. S., Teodoro, T. and Lima, J. W. M. 2022. South America climate change revealed through climate indices projected by GCMs and Eta-RCM ensembles. Climate Dynamics. 58(1):459-485.
Zhu, B., Xue, L., Wei, G., Zhang, L. and Chen, X. 2019. CMIP5 projected changes in temperature and precipitation in arid and humid basins. Theoretical and Applied Climatology. 136(3):1133-1144
نشریه آبیاری و زهکشی ایران
دوره 16، شماره 6 - شماره پیاپی 96
بهمن و اسفند 1401
صفحه 1157-1170

فایل ها

هم رسانی

ارجاع به این مقاله

آمار