تحلیل فضایی مخاطرات محیطی، جلد ۳، شماره ۱، صفحات ۱-۱۴
عنوان فارسی اثر تغییر اقلیم بر امواج گرمایی سواحل شمالی خلیج‌فارس
چکیده فارسی مقاله هدف از این پژوهش شناسایی امواج گرمایی سواحل شمالی خلیج­فارس و مقایسه­ی شرایط پایه و آینده است. برای نیل به این هدف از آمار روزانه­ی میانگین دمای بیشینه­ی 35 سال آماری (از 1980 تا 2014) ایستگاه­های آبادان، بوشهر، بندرعباس، بندرلنگه و کیش استفاده‌ شده است؛ همچنین برای پیش­بینی امواج گرمایی در آینده از داده­های دمای بیشینه­ی چهار مدل از سری مدل­های CMIP5 (شامل CanESM2، MPI-ESM-MR، CSIRO-Mk3-6-0 و (CMCC-CESM طبق RCP8.5 برای دوره 2040 تا 2074 استفاده شده است. برای ریزگردانی خروجی مدل­های اقلیمی مورد نظر از روش شبکه­های عصبی مصنوعی و برای شناسایی امواج گرمایی، از شاخص فومیاکی (فوجیبه) استفاده شده و با استفاده از برنامه‌نویسی در محیط نرم­افزار متلب روزهایی را که (دست کم به مدت 2 روز) دمای آن­ها بالاتر از 2+ انحراف معیار بود به عنوان موج گرمایی شناسایی شدند. نتایج پژوهش نشان می­دهد که امواج گرمایی کوتاه‌مدت رخداد بیش‌تری دارند. امواج گرمایی در دوره­ی پایه دارای روند افزایشی معنی‌دار (بجز ایستگاه بوشهر) امّا ضعیف بوده‌اند به‌طوری که فراوانی آن در سال­های اخیر، بیش­تر شده است. در دوره­ی 2040 تا 2074 فراوانی امواج گرمایی دارای روند کاهشی معنی‌دار امّا معمولاً با ضرایب تعیین اندک است. هر چند برای ایستگاه کیش در دوره‌ی 2040 تا 2074 فراوانی امواج گرمایی پیش‌بینی شده با چهار مدل، نسبت به دوره پایه افزایش نشان می­دهد امّا برای بقیّه­ی ایستگاه­های مورد مطالعه، در دو مدل افزایش و در دو مدل کاهش نشان داده‌اند. با استفاده از آزمون دانکن در سطح 05/0، مشخص شد که بین امواج گرمایی داده­های پایه و آینده هیچ‌گونه تفاوت معنی‌داری وجود ندارد.
کلیدواژه‌های فارسی مقاله تغییر اقلیم، RCP8.5، امواج گرمایی، خلیج‌فارس
عنوان انگلیسی Impacts of climate change on heat waves in northern coast of Persian Gulf
چکیده انگلیسی مقاله Climate change is one of the most significant threats facing the world today. One of the most important consequences of climate change is increasing frequency of climate hazards, mainly heat waves. This phenomena has a robust impacts on human and other ecosystems. The aim of this study is investigating changes of heat waves in historical (1980-2014) and projected (2040-2074) data in northern cost of Persian Gulf. The focus here is on Mean daily maximum temperature and Fujibe index to extract heat waves. For this purpose 6 weather stations locating in north coast of Persian Gulf, Iran, are used (table 1). Table1: weather stations Station Latitude Longitude Elevation(m) Abadan 30° 22' N 48° 20' E 6.6 Boushehr 28° 55' N 50° 55' E 9 Bandarabbas 27° 15' N 56° 15' E 9.8 Bandarlengeh 26° 35' N 54° 58' E 22.7 Kish 26° 54' N 53° 54' E 30 In addition, 4 model ensemble outputs from the Coupled Model Intercomparison Project Phase 5 (CMIP5) are used to project future occurrence and severity of heat waves (2040 to 2070), under Representative Concentration Pathways 8.5 (RCP8.5), adopted by the Intergovernmental Panel on Climate Change for its Fifth Assessment Report (AR5) (table 2). Table2: List of the AR5 CMIP5 Used Models Model Modeling Cener Country CanESM2 Canadian Earth System Model Canada MPI-ESM-MR Max-Planck-Institut für Meteorologie Germany CSIRO-Mk3-6-0 Commonwealth Scientific and Industrial Research Organization Australia CMCC-CESM CMCC Carbon Earth System Model Italy The output of models is downscaled using artificial neural network method (ANN). A feed-forward network of multi-layer perceptron with an input layer, a hidden layer and an output layer is used for this purpose. 73 percent (1980 – 2000) of the data is used for training and 27 percent (2000-2005) for testing ANN models. Root Mean Square Error (RMSE) is used as an indicator of the accuracy of Models. RMSE= Here is the outputs of ANN models (downscaled data) and is the observation data. Fujibe et all (2007) used an index based on Normalized Thermal Deviation (NTD) for extracting long-term changes of temperature extremes and day to day variability using following equations: Where N is the number of days in the summation except missing values. Then nine-day running average was applied three times in order to filter out day-to-day irregularities. =(i,j,n)=T(i,j,n)-T(I,j) The departure from the climatic mean is given by = If NTD >2 and at least lasts for 2 days it determine as a heat wave. Results Table 3 shows the results of downscaling selected GCM models. nodes RMSE Average RMSE Sigmoid function Linear function Abadan Bushehr Bandarabbas Bandar-e-Lengeh Kish CanESM2 5 1 9.6 6.1 4.85 4.7 4.5 5.97 MPI-ESM-MR 5 1 9.3 7.1 3.9 5 4.3 5.9 CSIRO-MK3-6-0 15 1 8.8 5.6 3.6 3.4 3.6 5 CMCC-CESM 10 1 9.2 5.8 3.9 4.7 3.9 5.5 Table 4 compares the frequency of heat waves for GCMs and historical data. CanESM2 MPI-ESM-MR CSIRO-Mk3-6-0 CMCC-CESM Historical data Abadan 434 401 448 387 430 Bushehr 376 423 420 406 407 Bandarabbas 441 405 457 382 410 Bandar-e-Lengeh &a
کلیدواژه‌های انگلیسی مقاله Climate change, RCP8.5, heat waves, Persian Gulf
نویسندگان مقاله گلاله مولودی | gelaleh molodi


اسداله خورانی | asadolah khorani


عباس مرادی | abbas moradi


نشانی اینترنتی http://jsaeh.khu.ac.ir/browse.php?a_code=A-10-3-37&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات