نشریه آبیاری و زهکشی ایران

نشریه آبیاری و زهکشی ایران

ارزیابی اثر تغییراقلیم برمتغیرهای حدی دما و بارش در حوضه آبریز تجن تحت سناریوهای SSP

نوع مقاله : مقاله پژوهشی

نویسندگان
الناز آقایی کهلیک بلاغی 1
رامین فضل اولی 2
محسن مسعودیان 3
مهدی یاسی 4
مهدی نادی 3
1 گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری ایران.
2 گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
3 گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
4 گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
چکیده
انقلاب صنعتی در قرن نوزدهم و ازدیاد غلظت گازهای گلخانه‌ای سبب تغییر دمای منطقه‌ای و جهانی، الگوی بارندگی و دیگر شرایط اقلیمی شده‌است. در این پژوهش از گزارش ششم (AR6) و مدل SDSM برای ریزمقیاس‌سازی دما و بارش در دو دوره زمانی آینده نزدیک (2048–2025) و آینده دور (2088–2065) استفاده شده‌است. شاخص‌های آماری مورد استفاده کارایی خوب مدل در شبیه‌سازی دما را نشان دادند. همچنین برای بارش، به‌غیر از شاخص RMSE، سایر شاخص‌ها در محدوده مناسب‌ بوده‌اند. نتایج نشان داد که دمای بیشینه ایستگاه سلیمان‌تنگه بین 8/1 تا 4/0 و 8/1 تا 6/0 و ایستگاه قراخیل 8/1 تا 7/0 و 8/1 تا 6/0 درجه و دمای کمینه ایستگاه سلیمان‌تنگه به ترتیب 1/0 تا 1 و 1/0 تا 1/1 و ایستگاه قراخیل 1/0 تا 5/1 و 5/0 تا 6/1 درجه به‌ترتیب در آینده نزدیک و دور افزایش خواهند یافت. مدلSSP5-85 بیشترین بارندگی‌ها را برای ماه‌های سرد پیش‌بینی نموده‌است و این افزایش می‌تواند منجر به وقوع سیلاب‌ها و تغییرات شدید در الگوی بارندگی گردد که ضرورت اجرای برنامه‌های جامع مدیریت منابع آب و خاک، بازنگری و به‌روزرسانی طراحی سازه‌های مهندسی مرتبط با کنترل سیلاب و اتخاذ راهکارهای موثر برای مواجهه با مخاطرات اقلیمی را نشان می‌دهد.
کلیدواژه‌ها
تغییرات آب و هوایی
سلیمان‌تنگه
قراخیل
مدل اقلیمی

عنوان مقاله English

Assessment of the Impact of Climate Change on Extreme Variables of Temperature and Precipitation in the Tajan Watershed under SSP Scenarios

نویسندگان English

Elnaz Aghaee Kahlik Bolaghi 1
Ramin Fazloula 2
Mohsen Masoudian 3
Mehdi Yasi 4
Mehdi Nadi 3
1 Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
2 Water Dept., Agricultural Eng. College, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
3 Water Engineering Department, Sari Agricultural Sciences and Natural Resources University, Sari, Iran.
4 Department of Irrigation and Reclamation Engineering, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj, Iran.
چکیده English

The Industrial Revolution of the 19th century, coupled with the increasing concentration of greenhouse gases, has significantly altered regional and global temperatures, precipitation regimes, and other climatic parameters. This study integrates projections from the Sixth Assessment Report (AR6) with the Statistical DownScaling Model (SDSM) to assess future temperature and precipitation patterns for two-time horizons: the near future (2025–2048) and the far future (2065–2088). Model evaluation using multiple statistical indices demonstrated high accuracy in simulating temperature, while precipitation simulations were satisfactory across all metrics except RMSE. Results indicate that the maximum temperature at Soleyman-Tangeh station will rise by 0.4–1.8°C and 0.6–1.8°C, and at Qarakheil station by 0.7–1.8°C and 0.6–1.8°C, in the near and far future, respectively. Minimum temperature at Soleyman-Tangeh is expected to increase uniformly by 0.1–1.0 °C and 0.1–1.1 °C across both periods, whereas at Qarakheil it is projected to rise by 0.5–1.5°C and 0.6–1.6°C, respectively. Under the SSP5-8.5 scenario, the largest increases in precipitation are anticipated during the cold months, potentially heightening flood risk and inducing substantial shifts in rainfall patterns. These results highlight the necessity for comprehensive water and soil resource management strategies, periodic reassessment and modernization of flood-control infrastructure, and the implementation of adaptive measures to mitigate climate-induced hazards.

کلیدواژه‌ها English

Climate change
Soleyman-Tangeh
Qarakheil
Climate model
رحیم‌زاده، ف. و عسگری، ا. 1383. نگرشی بر تفاوت نرخ افزایش دمای حداقل و حداکثر و کاهش دامنه شبانه روزی دما در کشور. تحقیقات جغرافیایی. 73(19): 177-155.
قایناتی، ش.، فضل‌اولی، ر.، مسعودیان، م.، و نادی، م. ۱۳۹۸. استفاده از دو شاخص SPImod و SDImod به‌منظور بررسی تطبیقی خشکسالی هواشناسی و هیدرولوژیکی در حوضه آبریز تجن. نشریه آبیاری و زهکشی ایران. ۱۳(۳): ۶26–۶14.
مطالعات شناسایی توجیهی طرح آبخیزداری تجن (حوضه آبریز سد شهید رجائی). 1332، شرکت خدمات مهندسی جهاد، مهندسین مشاور خزر، جلد 10.
Challa, V. and Renganathan, M. 2025. Assessment of climate change impact on meteorological variables of Indravati River Basin using SDSM and CMIP6 models. Environmental Monitoring and Assessment. 197(1): 1-22.‏
Chen, H., Xu, C. Y. and Guo, S. 2012. Comparison and evaluation of multiple GCMs, statistical downscaling and hydrological models in the study of climate change impacts on runoff. Journal of hydrology. 434: 36-45.‏
Department of the Environment, 1996. Review of the potential effects of climate change in the United Kingdom. HMSO, London.
Gulacha, M. M. and Mulungu, D. M. 2017. Generation of climate change scenarios for precipitation and temperature at local scales using SDSM in Wami-Ruvu River Basin Tanzania. Physics and Chemistry of the Earth, Parts A/B/C, 100, 62-72.‏
HAN, Y., YANG, J. and DAS, L. C. 2023. Evaluation of SDSM Models for climate predictions in Bangladesh. International Journal of Big Data Mining for Global Warming. 5(01): 2350003.‏
Haq, M. A., Ahmed, A. and Gyani, J. 2025. Intercomparison of Machine Learning and Statistical Downscaling for Climatic Parameters: A Case Study of Bhuntar, Himachal Pradesh. Advances and Applications in Statistics. 92(2): 191-209.‏
IPCC, 2007. Climate Change 2007: The Physical Science Basis. In: Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K.B., Tignor, M., Miller, H.L. (Eds.), Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge.
IPCC. 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Intergovernmental Panel on Climate Change, Cambridge, United Kingdom and New York, USA
IPCC. 2021. Summary for policymakers: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, 2021.
IPCC-TGCIA, 1999. Guidelines on the Use of Scenario Data for Climate Impact and Adaptation Assessment. Version 1. Prepared by Carter, T.R., Hulme, M., Lal, M., Intergovernmental Panel on Climate Change. Task Group on Scenarios for Climate Impact Assessment.
Khan, A. U., Ahmad, S., Ahmad, K., Azmat, M., Dahri, Z. H., Khan, M. W. and Iqbal, Z. 2025. Hydro-Climatic variability in the Potohar Plateau of the Indus River Basin under CMIP6 climate projections. Theoretical and Applied Climatology. 156(1): 20
Mahmood, R. and Babel, M. S. 2014. Future changes in extreme temperature events using the statistical downscaling model (SDSM) in the transboundary region of the Jhelum river basin. Weather and Climate Extremes. 5: 56-66.‏
Maslin, M. 2014. Climate change: a very short introduction. OUP Oxford.‏
Masood, M., Yeh, P. F., Hanasaki, N. and Takeuchi, K. 2015. Model study of the impacts of future climate change on the hydrology of Ganges–Brahmaputra–Meghna basin. Hydrology and Earth System Sciences. 19(2): 747-770
Motovilov, Y. G., Gottschalk, L., Engeland, K. and Rodhe, A. 1999. Validation of a distributed hydrological model against spatial observations. Agricultural and Forest Meteorology, 98, 257-277.‏
Nakamura, R. and Shimatani, Y. 2021. Extreme flood control operation of dams in Japan. Journal of Hydrology: Regional Studies. 35: 100821.‏
NOAA. 2012. Climate model. Top Tens: Breakthroughs. Accessed 6/20/2013. Retrieved from http://celebrating200years.noaa.gov/breakthroughs/climate_model/modeling_schematic.html.
Rana, M. M., Adhikary, S. K., Islam, M. B. and Rahman, M. H. (2024). Assessment of future climate change over the north-west region of Bangladesh using SDSM and CanESM2 under RCP scenarios. Arabian Journal of Geosciences. 17(10): 280.‏
Rezaei, M. , Nohtani, M. , Moghaddamnia, A. , Abkar, A. and Rezaei, M. 2014. Performance Evaluation of Statistical Downscaling Model (SDSM) in Forecasting Precipitation in two Arid and Hyper arid Regions. Water and Soil. 28(4): 836-845. doi: 10.22067/jsw.v0i0.23119
Trzaska, S. and Schnarr, E. 2014. A review of downscaling methods for climate change projections. United States Agency for International Development by Tetra Tech ARD. 2014: 1-42.‏
Varis, O., Kajander, T. and Lemmelä, R. 2004. Climate and water: from climate models to water resources management and vice versa. Climatic Change. 66(3): 321-344.‏
Wilby, R. L. and Dawson, C. W. 2007. SDSM 4.2—A decision support tool for the assessment of regional climate change impacts. Environmental Modelling & Software. 22(3): 340-350.
Wilby, R. L. and Harris, I. 2006. A framework for assessing uncertainties in climate change impacts: Low‐flow scenarios for the River Thames, UK. Water resources research. 42(2).‏
Wilby, R. L. and Wigley, T. M. 1997. Downscaling general circulation model output: a review of methods and limitations. Progress in physical geography. 21(4): 530-548.‏
Wilby, R. L., C. W. Dawson, and E. M. Barrow. "SDSM — a Decision Support Tool for the Assessment of Regional Climate Change Impacts." Environmental Modelling & Software. 17: 2 (2002/01/01/ 2002): 145-57.
Wilby, R. L., Troni, J., Biot, Y., Tedd, L., Hewitson, B. C., Smith, D. M. and Sutton, R. T. 2009. “A review of climate risk information for adaptation and development planning.” International Journal of Climatology. 29(9): 1193-1215.
Wilby, R.L. and Dawson, C.W. 2007. Statistical Downscaling Model (SDSM), Version 4.2. Department of Geography, Lancaster University, UK.
Xue, L., Doan, Q. V., Kusaka, H., He, C. and Chen, F. 2025. Land-surface-physics-based downscaling versus conventional dynamical downscaling for high-resolution urban climate change information: The case study of two cities. Urban Climate. 59: 102228.‏
Zakizadeh, H. R., Ahmadi, H., Zehtabiyan, G. R., Moeini, A. and Moghaddamnia, A. 2021. Impact of climate change on surface runoff: a case study of the Darabad River, northeast of Iran. Journal of Water and Climate Change. 12(1): 82-100.
Zhou, Q., Zhong, Y., Chen, M. and Duan, W. 2023. Climate change impacts on agricultural and industrial water demands in the Beijing–Tianjin–Hebei region using statistical downscaling model (SDSM). Water. 15(24): 4225.‏