دگرگونی ها و مخاطرات آب و هوایی

چکیده تغییرات دمایی در بستر پدیدۀ تغییر اقلیم از مسایل و چالش‌های پیش‌روی جوامع کنونی است. بررسی و ارزیابی میزان روند تغییرات دمایی در مقیاس جهانی، منطقه­ا­ی و محلی از اهمیت ویژه­ای برخوردار است. مدل­های گردش عمومی جو از جمله ابزارشبیه سازی و ارزیابی شرایط اقلیمی - دمایی آینده تحت سناریوهای مختلف به‌شمار می‌آیند. یکی از مباحث اصلی در کاربرد این مدل­ها، تفکیک مکانی آن­هاست. این مساله با کمک شگرد ریزمقیاس نمایی قابل بررسی و تا حدود زیادی قابل حل است. یکی از این ابزارها ریز مقیاس نمایی آماری (SDSM) است که با استفاده از شگرد رگرسیون خطی چند متغیره است. در پژوهش حاضر با استفاده از SDSM خروجی مدل تغییر اقلیم canESM2 در منطقه ایستگاه‌های مورد مطالعه (یزد و شیراز ) و با در نظر گرفتن سناریو RCP 8.5 برای دوره­های آینده­ی 2048- 2019، 2078- 2049 و 2099- 2079 تغییرات دمایی مورد بررسی قرار گرفت. مشاهدات روزانه میانگین بیشینۀ دما برای دوره پایه­ی 2005- 1976 به عنوان ورودی وارد مدل شده است. نتایج خروجی مدل ریزمقیاس نشان ­داد که در دوره­های آینده و بر اساس سناریو مورد بررسی، میانگین بیشینۀ دما افزایش خواهد یافت. این افزایش در هر دو دوره اول با گام 30 ساله و در دوره آخر با گام 20 ساله، نسبت به دوره­ی قبل تقریباً 1 درجه سلسیوس بیش­تر خواهد شد. در دوره سوم (2108- 2079) بیش­ترین افزایش نسبت به دوره­ی پایه مورد انتظار است. بالاترین نرخ افزایش فصلی مربوط به فصل تابستان و پس از آن پاییز است. در این میان در ایستگاه‌های شیراز و یزد ماه جولای رتبه نخست را داراست. ماه­های ژوئن و اوت به شکل مشترک در جایگاه بعدی قرار دارند.

چکیده امروزه مدلسازی و پیش بینی پارامترهای اقلیمی به دلیل تغییرات اقلیمی، گرمایش جهانی و خشکسالی­های اخیر، اجتناب ناپذیر شده است. با توجه به تأثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش بینی آن در برنامه ریزی­های محیطی، استفاده از روش­های آماری به منظور تغییرات و پیش بینی دما، کاربرد وسیعی پیدا کرده است. هدف از این پژوهش بررسی دقت مدل SARIMA در پیش بینی میانگین دمای سالانه ایستگاه­های سینوپتیک یزد و شیراز در مقیاس زمانی ماهانه می­باشد. در این تحقیق از آمار دمای سالانه ایستگاه­های مذکور طی سال­های 2017 - 1953 استفاده گردید. به منظور آشکار سازی روند از روش پارامتری آزمون ضریب همبستگی پیرسون و آزمون­های آماری ناپارامتری مان کندال و اسپیرمن استفاده شده است که دمای ایستگاه شیراز دارای روند معنادار بوده، در حالی که دمای ایستگاه یزد فاقد روند معنادار می­باشد. بر اساس نمودارهای خودهمبستگی و خودهمبستگی جزئی و بررسی الگوهای احتمالاتی به لحاظ ملاک کم­ترین مربعات خطا (MSE) و حداکثر درستنمایی (AIC) بهترین الگو برای شبیه سازی دمای سالانه و ماهانه در دوره­ی آماری 2032- 2018 به روش­های SARIMA و ARIMA با کمک نرم افزار Minitab تعیین گردید. با مقایسه نمودارهای خودهمبستگی و خودهمبستگی جزئی باقیمانده­ها و مقادیر پیش بینی شده دمای سالانه­ی هر دو مدل مشخص شد که برازش مدل (0,1,2)ϴ₀ARIMA برای هر دو ایستگاه، دربردارنده­ی نتایج بهتری می­باشد. در حالی که خودهمبستگی و خودهمبستگی جزئی باقیمانده­های مدل­های SARIMA(1,1,2)(0,1,1) برای ایستگاه شیراز و SARIMA(0,1,2)(0,1,1) برای ایستگاه یزد خارج از مرز معناداری بوده، که نشان از عدم خوب بودن برازش مدل SARIMA می­باشد.