https://nivar.irimo.ir/article_146554_01b97d2c85b2b025e5776a34fcce14a2.pdf

Forecasting future temperature and precipitation under the effects of climate change using the LARS-WG climate generator (Case Study: South Zagros Region of Iran(

پيش‌ نگري تغييرات متغيرهاي هواشناسي در دراز مدت، از اهميت زيادي در مطالعات تغييرات اقليمي برخوردار است. اين مطالعه با هدف ارائه چشم-اندازي از تغييرات دما و بارش در منطقه غرب و جنوب غرب ايران با استفاده از سناريوهاي واداشت تابشي مولد آب و هوايي LARS-WG و نمايش نتايج در محيط GIS مي باشد تا در دهه‌هاي آينده برنامه‌ريزهاي كلاني به منظور اتخاذ روش‌هاي سازگار و كاهش پيامدهاي گرمايش جهاني انجام شود. بدين منظور مقادير روزانه بارش، بيشينه دما، كمينه دما و ساعات آفتابي 34 ايستگاه هواشناسي مورد بررسي قرار گرفت. اقليم اين ايستگاه‌ها بر اساس روش طبقه بندي دومارتن تعيين و از معيارهاي اندازه گيري خطاي پيش بيني همانند ميانگين قدر مطلق انحرافات MAD ، ميانگين مجذور خطا MSE ، جذر ميانگين مجذور خطا RMSE و درصد ميانگين قدر مطلق خطا MAPE استفاده شد. مدل ريز مقياس نمايي آماري LARS-WG براي تحليل داده‌هاي تاريخي روزانه بارش، تابش خورشيدي و درجه حرارت هاي بيشينه و كمينه روزانه در ايستگاه‌هاي مورد مطالعه و شبيه سازي داده‌هاي هواشناسي آينده با در نظرگرفتن سناريوهاي اقليمي RCP4.5 و RCP8.5 به كار گرفته شد. نتايج نشان داد كه مدل با دقت بالايي قادر به شبيه سازي مي‌باشد. دوره آماري 2018-1980 ميلادي با دوره آماري 2038- 2018 تحت سناريو‌هاي RCP4.5 و RCP8.5 مورد مقايسه قرار گرفت؛ نتايج بدست آمده براي ايستگاه‌هاي مورد مطالعه، بطور كلي روند افزايش دما و كاهش ميزان بارش را نشان داد.

Predicting changes in meteorological variables in the long run is of great importance in the study of climate change. The aim of this study is to provide a perspective of temperature and precipitation changes in the western and southwestern regions of Iran using climate-generating radiation induction scenarios LARS-WG and display the results in GIS environment so that in the coming decades macro-planners In order to adopt compatible methods and reduce the consequences of global warming. For this purpose, daily precipitation, maximum temperature, minimum temperature and sunny hours of 34 meteorological stations were studied. The climate of these stations was determined based on the Domartan classification method. LARS-WG statistical exponential model for analyzing historical data on daily rainfall, solar radiation, and daily maximum and minimum temperatures at the stations under study and to simulate future meteorological data were utilized with considering RCP4.5 and RCP8 climate scenarios. The results showed that the model can simulate with high accuracy. The 1980-2018 statistical period was compared with the 2018-2038 statistical period under the RCP4.5 and RCP8.5 scenarios; the results for the stations under study showed a general process of increasing temperature and decreasing precipitation.