پيش نگري همادي نمايه‌هاي خشكسالي در ايران مبتني بر برونداد چند مدلي CMIP5

Projection of drought indices in Iran based on CMIP5 multi-model ensemble

افزايش شدت و فراواني نمايه­ هاي خشكسالي به دليل گرمايش جهاني مي­تواند محيط طبيعي را به­ شدت تحت تأثير قرار دهد. بنابراين، پيش­نگري نمايه­ هاي خشكسالي با استفاده از مدل­هاي گردش كلي جو (GCM) به‌منظور ارائه پيش آگاهي از شرايط خشكسالي و همچنين مديريت ريسك‌ اقليمي ناشي از آن ضروري است. براي اين منظور از داده­هاي بازتحليل پايگاه ERA5 و برونداد مدل­هاي CMIP5 استفاده گرديد و سه نمايه روزهاي خشك، دوره­هاي خشك و شاخص خشكي مورد بررسي قرار گرفت. نه مدل از مجموعه مدل­هاي CMIP5 با تفكيك افقي 0/5 درجه­ قوسي گزينش و با روش نگاشت چندك دلتا (QDM) تصحيح اريبي شدند. سپس با استفاده از مدل ميانگين گيري بيزين (BMA) يك مدل همادي توليد و كارايي آن با استفاده از نمودار تيلور بررسي شد. نتايج نشان داد كه مدل CMIP5-MME توليد شده با روش BMA از مدل­هاي نه گانه منفرد موجود بهتر عمل كرده است. مدل­ همادي ايجاد شده دوره خشك و روزهاي خشك را دقيق ­تر از شاخص خشكي در ايران برآورده كرده است كه نشان مي­دهد مدل­هاي CMIP5 رخداد بارشي را بهتر از مقدار بارش برآورد مي­كنند. نتايج گوياي اين است كه فراواني روزهاي خشك، دوره­ خشكي و همچنين شاخص خشكي در ايران روند افزايشي خواهد داشت. شاخص خشكي (AI) كه تعادل بين عرضه و تقاضاي آب را در فصل مشترك جو-زمين نشان مي­دهد حداكثر 3/15 درصد در متوسط پهنه ايران افزايش خواهد داشت. همچنين روزهاي­ خشك و دوره خشك حداكثر به ­ترتيب 7/50 و 28/48 درصد در دهه­ هاي آينده افزايش دارند. نتايج نشان مي­دهد كه تحت شرايط تغيير اقليم، طول دوره­ خشكسالي افزايش بيش­تري نسبت به شاخص خشكي خواهد داشت. اين نتيجه يك تهديد جدي براي منابع آب و اكوسيستم تلقي شده و نيازمند توجه ويژه به برنامه ­هاي مديريت خشكسالي (DMP) در كشور است.

Increasing the intensity and frequency of drought indices due to global warming can severely affect the natural environment. Therefore, it is necessary to project drought indices using General Circulation Models (GCMs) in order to provide projection of drought conditions as well as climate risk management. For this purpose, nine models were selected from a set of CMIP5 models with horizontal resolution of 0.5 ° and bias corrected by Quantile Delta-Mapping (QDM) method. Then, using a Bayesian mean model (BMA), an ensemble model was generated and its performance was evaluated using Taylor diagram. The results showed that the CMIP5-MME model generated by BMA method performed better than the existing nine individual models. The generated ensemble model simulates the dry spells and dry days more accurately than the intensity of drought in Iran. It shows that CMIP5 models simulate the precipitation event better than the amount of precipitation. The results showed that the frequency of dry days, drought period and also the severity of drought in Iran will increase in the future. The aridity index (AI), which shows the balance between water supply and demand in the atmospheric-Earth interaction, will increase by a maximum of 3.15% in the average area of Iran. Also, dry days and dry spells will increase by 7.50% and 28.84%, respectively, in the upcoming decades. The results show that under climate change conditions, the length of the drought period will increase more than the aridity index (intensity of the drought). This result is considered a serious threat to water resources and ecosystems and requires special attention to drought management programs (DMP) in the country.