بررسی تأثیر تغییر اقلیم بر ویژگی‏های خشکسالی هواشناسی حوضۀ آبخیز حبله‏رود با استفاده از مدل گردش عمومی جو HADCM3 و نمایه‏های SPI و DI

مقاله پژوهشی

فصلنامه انسان و محیط زیست، شماره 61، تابستان 1401، صص 217-233

بررسی تأثیر تغییر اقلیم بر ویژگی‏های خشکسالی هواشناسی حوضۀ آبخیز حبله‏رود با استفاده از مدل گردش عمومی جو HADCM3 و نمایه‏های SPI و DI

افشین اشرف‏زاده[1]

جابر صالح‏پور[2]

آرزو شریفی^[3]*

Arezoo_sha62@yahoo.com

تاریخ دریافت: 19/1/97                                                                                                                       تاریخ پذیرش: 14/6/97

چکیده

تغییر اقلیم یکی از مهّم‏ترین چالش‏هایی است که بخش‏های مختلف زندگی انسان را تحت تأثیر قرار می‏دهد. از مهّم‏ترین پیامدهای تغییر اقلیم می‏توان به تأثیر بر منابع آب و وقوع خشکسالی‏ها اشاره کرد. در این پژوهش به ارزیابی اثرات تغییر اقلیم بر وضعیّت خشکسالی حوضۀ آبخیز حبله‏رود طی سه دهه آینده با استفاده از شاخص خشکسالی دهک (DI) و شاخص بارش استاندارد شده (SPI) پرداخته شد. در ابتدا داده‏های ماهانه خروجی مدل گردش عمومی جو (GCM) HADCM3، تحت سناریوی A2 در مدل آماری LARS–WG5 ریزمقیاس شده و توانایی این مدل در شبیه‏سازی اقلیم گذشته (دوره 2010-1995) ایستگاه سینوپتیک فیروزکوه حوضۀ آبخیز حبله‏رود مورد تأیید قرار گرفت. سپس پارامترهای اقلیمی دمای کمینه، دمای بیشینه، بارش و ساعات آفتابی برای دورۀ 2040-2011 برای ایستگاه مورد مطالعه شبیه‏سازی شد. نتایج به‏دست آمده از ایستگاه‌ نشان داد میانگین سالانه دمای بیشینه به میزان 47/0درجه سلسیوس و دمای کمینه 56/0 درجه سلسیوس افزایش خواهد یافت. نوسانات بارش سالانه اختلاف معنی‌داری با بارش در دورۀ پایه ندارد به‏طوری‏که بارش در دورۀ آتی 06/0میلی‏متر تغییر خواهد کرد. سپس با استفاده از داده‏های بارش، وضعیّت خشکسالی حوضه به کمک دو شاخص خشکسالی ذکر شده در مقیاس سالانه مورد بررسی قرار گرفت. نتایج به‏دست آمده نشان داد که این دو شاخص هم‏خوانی خوبی با هم دارند. هم‏چنین نتایج بیان‏گر کاهش وقوع خشکسالی‏های شدید در بیشتر سال‏های سه دهه آینده می‏باشد. به‏طور کلّی طی دوره‏های آتی وضعیّت نرمال افزایش خواهد یافت.

واژگان کلیدی: تغییر اقلیم، GCM، ریزمقیاس نمایی، خشکسالی، HADCM3، LARS-WG، شاخص DI، شاخص SPI

Human and Environment, No. 61, Summer 2022, pp. 217-233

Investigating the Effects of Climate Change on Meteorological Drought Characteristics of Hablehrood Basin Using the HADCM3 General Circulation Model and the SPI and DI Index

Afshin Ashrafzade [4]

Jaber Salehpoor [5]

Arezoo Sharifi [6]*

Arezoo_sha62@yahoo.com

Abstract                                                                

Climate change is one of the most important challenges that affect different parts of human life. One of the most important consequences of climate change is the impact on water resources and the occurrence of droughts. In this research, the effects of climate change on the drought condition of Hablehrood watershed during the next three decades were evaluated using Decile Drought Index and Standardized Precipitation Index (SPI). Initially, the monthly data of the output of the HADCM3 General Circulation Model )GCM(, under the A2 scenario were Downscaled in the LARS-WG5 statistical model and the ability of this model to simulate the past climate (1995-1995 period) Firoozkooh synoptic stations basin Hablehrood watershed was approved. Then, climatic parameters of the minimum temperature, maximum temperature, precipitation and sunshine for the period 2040-2011 were simulated for the station studied. The results obtained from the station showed that the average annual maximum temperature would increase to 0.47 degrees Celsius, and the minimum temperatures would be 0.56 degrees Celsius. Annual precipitation fluctuations are not significantly different with rainfall during the base period, so that precipitation 0.06mm will be changed in the future period. Then, using rainfall data, the drought condition of the basin was studied using the two droughts Index mentioned in the annual scale. The results showed that these two Index are well-matched

Keywords: Climate Change, GCM, Downscaling, Drought, HADCM3, LARS-WG, DI Index, SPI Index.

مقدمه

تغییر‏ اقلیم،‏ گرمایش‏ جهانی‏ و‏ خشکسالی‏ از‏ چالش‌های‏ مهّم‏ حال‏ حاضر‏ جهان‏ به‏شمار‏ می‏آیند‏ و‏ می‏توانند‏ باعث‏ وقوع‏ نوسان‏های‏ گسترده‌‏ای‏ در‏ شرایط‏ آب‏ و‏ هوایی‏ کره‏ زمین‏ شوند‏ (1).‏ این‏ نوسان‏ها‏ تغییرات‏ وسیعی‏ را‏ در‏ الگوهای‏ آب‏ و‏ هوایی‏ از‏ قبیل‏ توزیع‏ بارش‏ و‏ رخداد‏ پدیده‏های‏ حدی‏ جوی‏ ایجاد‏ می‏کنند‏ که‏ اثرات‏ منفی‏ گسترده‏ای‏ را‏ بر‏ منابع‏ آب،‏ محیط‏ زیست،‏ کشاورزی،‏ صنعت‏ و‏ بهداشت‏ گذاشته‏ و‏ گسترش‏ و‏ تداوم‏ خشکسالی‌،‏ فرسایش‏ خاک،‏ بیابان‏زایی،‏ وقوع‏ ریزگرد‏ و‏ تخریب‏های‏ زیست‏محیطی‏ را‏ در‏ پی‏ دارد‏ (2‏ و3).‏

تغییر‏ اقلیم‏ به‏ پدیده‏ای‏ گفته‏ می‏شود‏ که‏ در‏ اثر‏ آن‏ الگوی‏ آب‏وهوای‏ جهانی‏ یا‏ منطقه‏ای‏ در‏ درازمدت‏ تغییر‏ کرده‏ و‏ بر‏ اثر‏ انتشار‏ گازهای‏ گلخانه‏ای‏ میانگین‏ دمای‏ سطح‏ زمین‏ در‏ حال‏ افزایش‏ است‏ (4‏ و‏ 5).‏ براساس‏ سناریوهای‏ اخیر‏ هیئت‏ بین‏ دولتی‏ تغییر‏ اقلیم[7]‏ در‏ سال‏های‏ 2005-1906‏ به‏ ازای‏ هر‏ سال،‏ میانگین‏ جهانی‏ دما‏ 76/0‏ درجه‏ سانتی‏گراد‏ زیادتر‏ شده‏ (4)‏ و‏ پیش‏بینی‏ می‏شود‏ که‏ در‏ قرن‏ حاضر‏ نیز‏ 1/1‏ تا‏ 4/6‏ درجه‏ سلسیوس‏ افزایش‏ یابد‏ (6).‏ علت‏های‏ تغییر‏ اقلیم‏ به‏ دو‏ دسته‏ طبیعی‏ و‏ تحت‏ تاثیر‏ انسان‏ تقسیم‏ می‏شوند.‏ عوامل‏ طبیعی‏ شامل‏ آتشفشان‏،‏ رانش‏ قاره‏ای،‏ جریان‏های‏ اقیانوسی،‏ شهاب‏ سنگ‏ها‏ و‏ عوامل‏ انسانی‏ زباله‏های‏ صنعتی،‏ استفاده‏ از‏ منابع‏ طبیعی‏ برای‏ سکونت‏گاه‏ها‏ و‏ مصارف‏ انسانی،‏ افزایش‏ جمعیت‏ و‏ استفاده‏ از‏ سوخت‏های‏ فسیلی‏ هستند‏ (5).‏

خشکسالی‏ وضعیتی‏ از‏ کمبود‏ بارش‏ و‏ افزایش‏ دما‏ در‏ طول‏ یک‏ دوره‏ مشخص‏ و‏ در‏ سطحی‏ وسیع‏ است‏ (5)‏ که‏ اثرات‏ آن‏ به‏ نواحی‏ خشک‏ و‏ نیمه‏خشک‏ محدود‏ نمی‏شود‏ و‏ می‏تواند‏ در‏ نواحی‏ با‏ بارندگی‏ زیاد‏ و‏ یا‏ در‏ هر‏ فصلی‏ از‏ سال‏ رخ‏ دهد‏ (7).‏ ویلیت‏ و‏ گلانتز‏ (8)‏ بیان‏ می‏کنند‏ که‏ خشکسالی‏ها‏ به‏ چهار‏ دسته‏ هواشناسی،‏ کشاورزی،‏ هیدرولوژی‏ و‏ اقتصادی -‏ اجتماعی‏ طبقه‏بندی‏ می‏شوند.‏ خشکسالی‏ هواشناسی‏ زمانی‏ روی‏ می‏دهد‏ که‏ بارندگی‏ سالانه،‏ فصلی‏ و‏ یا‏ ماهانه‏ کمتر‏ از‏ میانگین‏ دراز‏ مدت‏ آن‏ باشد.‏ ادامه‏ خشکسالی‏ هواشناسی‏ به‏ مدت‏ طولانی‏ سبب‏ بروز‏ خشکسالی‏ هیدرولوژی‏ می‏شود‏ که‏ در‏ این‏ نوع‏ خشکسالی‏ سطح‏ آب‏ رودخانه‏ها،‏ مخازن‏ آب،‏ دریاچه‏ها‏ و‏ آب‏های‏ زیرزمینی‏ به‏ پایین‏تر‏ از‏ میانگین‏ درازمدت‏ افت‏ می‏کند.‏ خشکسالی‏ کشاورزی‏ نیز‏ زمانی‏ آغاز‏ می‏شود‏ که‏ مقدار‏ رطوبت‏ موجود‏ در‏ محیط‏ ریشه‏ گیاه‏ به‏ حدی‏ کاهش‏ یابد‏ که‏ موجب‏ پژمردگی‏ و‏ در‏ نهایت‏ کاهش‏ محصولات‏ کشاورزی‏ گردد.‏ هرگاه‏ میزان‏ تقاضای‏ آب‏ برای‏ تولید‏ برخی‏ کالاهای‏ اقتصادی‏ بیشتر‏ از‏ عرضه‏ آن‏ شود،‏ خشکسالی‏ اقتصادی‏ -‏ اجتماعی‏ روی‏ می‏دهد.‏ بنابراین‏ به‏ دلیل‏ تاثیراتی‏ که‏ خشکسالی‏ در‏ بخش‏های‏ مختلف‏ کشاورزی‏ و‏ منابع‏ آب‏ می‏گذارد‏ ارزیابی‏ و‏ پایش‏ آن‏ از‏ موارد‏ مهّم‏ محسوب‏ می‏شود.‏ تغییر‏ اقلیم‏ جهانی‏ و‏ افزایش‏ وقوع‏ خشکسالی‏ از‏ مسائل‏ مهّم‏ زیست‏ محیطی‏ است‏ که‏ در‏ سال‏های‏ اخیر‏ مطالعات‏ زیادی‏ در‏ مورد‏ آن‏ها‏ صورت‏ گرفته‏ است‏ (9،‏ 10،‏ 11‏ و‏ 12).‏ اقلیم‏شناسان‏ برای‏ پیش‏بینی‏ اثرات‏ تغییر‏ اقلیم‏ و‏ بررسی‏ رابطه‏ گردش‏ عمومی‏ جو‏ با‏ خشکسالی‏ و‏ علت‏ وقوع‏ خشکسالی‏ با‏ استفاده‏ از‏ مدل‏های‏ گردش‏‏ عمومی‏ جو[8]‏ متغیرهای‏ اقلیمی‏ را‏ شبیه‏سازی‏ می‏کنند.‏ این‏ مدل‏ها‏ پارامترهای‏ مختلف‏ هواشناسی‏ را‏ برای‏ دهه‏های‏ آینده‏ تحت‏ تأثیر‏ پدیده‏ تغییر‏ اقلیم‏ پیش‏بینی‏ می‏نمایند‏ (4).‏ خروجی‏ مدل‏های‏ GCM‏ دارای‏ قدرت‏ تفکیک‏ مکانی‏ بسیار‏ پایینی‏ است،‏ به‏ این‏ دلیل‏ که‏ شرایط‏ آب‏ و‏ هوایی،‏ پوشش‏ گیاهی‏ و‏ شرایط‏ توپوگرافی‏ مناطق‏ نسبتا‏ وسیعی‏ را‏ یکسان‏ در‏ نظر‏ می‏گیرند.‏ بنابراین‏ برای‏ استفاده‏ از‏ نتایج‏ این‏ مدل‏ها‏ لازم‏ است‏ که‏ ریزمقیاس[9]‏ شوند.‏ مدل‏ LARS-WG[10]‏ که‏ در‏ این‏ پژوهش‏ از‏ آن‏ استفاده‏ شده‏ است،‏ به‏ عنوان‏ یکی‏ از‏ روش‏های‏ آماری‏ ریزمقیاس‏نمایی‏ مدل‏های‏ گردش‏‏ عمومی‏ جو‏ کاربرد‏ زیادی‏ در‏ پیش‏بینی‏ تغییرات‏ اقلیمی‏ آینده‏ و‏ مدل‏سازی‏ آن‏ دارد.‏ دقّت‏ بالای‏ آن‏ در‏ مدل‏سازی‏ داده‏های‏ آب‏ و‏ هوایی‏ در‏ ایستگاه‏های‏ مختلف‏ اقلیمی‏ توسط‏ پژوهشگران‏ مختلف‏ از‏ جمله‏ ماروماتیس‏ و‏ هانسن‏ (13)،‏ سیمنوف‏ (14)،‏ اشرف‏ و‏ همکاران‏ (3)،‏ خلیلی‏ اقدم‏ و‏ همکاران‏ (15)،‏ و‏ خورانی‏ و‏ همکاران‏ (16)‏ تایید‏ شده‏ است.

مدل‏ LARS-WG‏ یکی‏ از‏ مشهورترین‏ مدل‏های‏ آماری‏ است‏ که‏ برای‏ تولید‏ روزانه‏ بارش،‏ تابش،‏ بیشینه‏ و‏ کمینه‏ درجه‏‏ حرارت‏ در‏ شرایط‏ اقلیم‏ حاضر‏ و‏ آینده‏‏ یک‏ ایستگاه‏ به‏ کار‏ می‏رود‏ (4‏ و‏ 10).‏ اولین‏ نسخه‏ ‏ LARS-WGدر‏ سال‏ 1990‏ و‏ در‏ بوداپست‏ مجارستان‏ برای‏ ارزیابی‏ ریسک‏ کشاورزی‏ در‏ این‏ کشور‏ توسعه‏ یافت‏ و‏ سپس‏ در‏ سال‏ 1998‏ توسط‏ سیمنوف‏ بازنگری‏ و‏ تعدیل‏ شد‏ (17).‏ مدل‏ LARS-WG‏ برای‏ پیش‏بینی‏ و‏ تولید‏ داده‏ از‏ سه‏ سناریوی‏ A1B،‏ A2‏ و‏ B1‏ به‏ ترتیب‏ به‏ عنوان‏ نماینده‏ دیدگاه‏ بدبینانه،‏ متوسّط‏ و‏ خوش‏بینانه‏ استفاده‏ می‏نماید.‏ سناریو‏ ‏ A1Bتوصیفی‏ از‏ جهانی‏ با‏ رشد‏ سریع‏ اقتصادی،‏ بیشینه‏ رشد‏ جمعیت‏ در‏ نیمه‏ قرن‏ و‏ پس‏ از‏ آن‏ روند‏ کاهشی،‏ و‏ رشد‏ سریع‏ فناوری‏های‏ نوین‏ و‏ مؤثر‏ خواهد‏ بود.‏ سناریو‏ A2‏ توصیفی‏ از‏ جهان‏ بسیار‏ ناهمگن‏ است‏ که‏ به‏ طور‏ مداوم‏ با‏ رشد‏ سریع‏ جمعیت‏ جهان،‏ اقتصاد‏ ناهمگن‏ و‏ هم‏سو‏ با‏ شرایط‏ منطقه‏ای‏ در‏ سراسر‏ جهان‏ همراه‏ می‏باشد.‏ سناریوی‏ B1‏ نیز‏ توصیفی‏ از‏ هم‏گرایی‏ جمعیت‏ در‏ سطح‏ جهان،‏ تغییر‏ در‏ ساختار‏ اقتصادی،‏ کاهش‏ مواد‏ آلاینده‏ و‏ معرفی‏ منابع‏ فناوری‏ پاک‏ و‏ مؤثر‏ است‏ (3).‏ مدل‏ گردش‏ عمومی‏ جو‏ HADCM3،‏ نیز‏ یکی‏ از‏ مدل‏های‏ جفت‏ شده‏ اقیانوسی‏ -‏ جوّی‏ است‏ که‏ توسط‏ مرکز‏ تحقیقات‏ و‏ پیش‏بینی‏ اقلیمی‏ هادلی‏ در‏ بریتانیا‏ طراحی‏ شده‏ است.‏ قدرت‏ تفکیک‏ جوی‏ این‏ مدل‏ شبکه‏ای‏ با‏ ابعاد‏ 75/2‏ درجه‏ عرض‏ جغرافیایی‏ و‏ 75/3‏ درجه‏ طول‏ جغرافیایی،‏ و‏ قدرت‏ تفکیک‏ اقیانوسی‏ 25/1‏ درجه‏ طول‏ جغرافیایی‏ است‏ (18).‏ نرم‏افزار‏ ‏ [11]DICکه‏ به‏منظور‏ پایش‏ و‏ محاسبه‏ نمایه‏های‏ خشکسالی‏ استفاده‏ می‏شود‏ توسط‏ حجازی‏زاده‏ و‏ جوی‏زاده‏ (19)‏ ایجاد‏ شده‏ است.‏ این‏ نرم‏افزار‏ غالبا‏ نمایه‏های‏ خشکسالی‏ هواشناسی‏ را‏ محاسبه‏ کرده‏ و‏ سری‏های‏ زمانی‏ آن‏ها‏ را‏ در‏ مقیاس‏ زمانی‏ مختلف‏ ایجاد‏ می‏کند.‏ از‏ این‏ نمایه‏ها‏ می‏توان‏ SPI[12]‏ و‏ DI[13]‏ را‏ نام‏ برد.‏ نمایه‏ بارش‏ استاندارد‏ شده‏ SPI‏ که‏ به‏منظور‏ محاسبه‏ احتمال‏ وقوع‏ بارندگی‏ برای‏ هر‏ مقیاس‏ زمانی‏ استفاده‏ می‏شود‏ در‏ سال‏ 1993‏ توسط‏ مک‏کی‏ و‏ همکاران‏ ارائه‏ شد.‏ نمایه‏ ‏ SPIدر‏ مرکز‏ اقلیمی‏ کلرادو‏ و‏ مرکز‏ ملی‏ کاهش‏ خشکسالی‏ ایالات‏ متحده‏ آمریکا‏ با‏ هدف‏ تعریف‏ و‏ پایش‏ وضعیت‏ خشکسالی‏ ایجاد‏ گردید.‏ این‏ نمایه‏ برای‏ مقیاس‏های‏ زمانی‏ 1،‏ 3،‏ 6،‏ 9،‏ 12،‏ 24،‏ 48‏ ماهه‏ محاسبه‏ می‏شود.‏ با‏ توجّه‏ به‏ ارزش‏ حاصل‏ از‏ این‏ نمایه‏ و‏ با‏ تکیه‏ بر‏ خصوصیات‏ آن‏ مک‏کی‏ و‏ همکاران‏ (20)‏ شدّت‏ دوره‏های‏ خشک‏ را‏ طبقه‏بندی‏ کردند‏ (جدول‏ 1).‏ در‏ این‏ طبقه‏بندی‏ برای‏ یک‏ دوره‏ زمانی‏ خشکسالی‏ وقتی‏ ظاهر‏ می‏شود‏ که‏ نمایه‏ SPI‏ به‏ طور‏ مستمر‏ منفی‏ و‏ زمانی‏ پایان‏ می‏یابد‏ که‏ نمایه‏ SPI‏ مثبت‏ شود.‏ تغییرپذیری‏ SPI‏ باعث‏ می‏شود‏ که‏ در‏ مقیاس‏های‏ کوتاه‏ مدت‏ برای‏ اهداف‏ کشاورزی‏ و‏ در‏ مقیاس‏های‏ بلند‏ مدت‏ برای‏ اهداف‏ هیدرولوژی‏ مثل‏ منابع‏ آب‏ زیرزمینی،‏ جریان‏های‏ رودخانه‏ای،‏ سطح‏ دریاچه‏ها‏ و‏ منابع‏ سطحی‏ استفاده‏ شود‏ (21).‏ یکی‏ دیگر‏ از‏ شاخص‏های‏ خشکسالی،‏ شاخص‏ بارش‏ استاندارد‏ تبخیر‏ و‏ تعرق‏ (SPEI)‏ می‏باشد،‏ که‏ اثر‏ تبخیر‏ و‏ تعرق‏ مرجع‏ را‏ بر‏ شدت‏ خشکسالی‏ در‏ نظر‏ می‏گیرد.‏ روش‏ محاسباتی‏ SPEI‏ شبیه‏ SPI‏ است‏ با‏ این‏ تفاوت‏ که‏ شاخص‏ SPI‏ منحصراً‏ بر‏ اساس‏ داده‏های‏ بارش‏ می‏باشد‏ و‏ بر‏ دو‏ فرض‏ استوار‏ است‏ الف)‏ تغییر‏ پذیری‏ بارش‏ خیلی‏ بیشتر‏ از‏ متغیرهای‏ دیگر‏ است‏ و‏ ب)‏ متغیرهای‏ دیگر‏ ایستا‏ و‏ مانا‏ هستند‏ و‏ اهمیت‏ متغیرهای‏ دیگر‏ بجز‏ بارش‏ در‏ این‏ چارچوب‏ ناچیز‏ است‏ و‏ خشکسالی‏ به‏طور‏ عمده‏ بر‏ اساس‏ تغییرات‏ زمانی‏ بارش‏ کنترل‏ می‏شوند.‏ نمایه‏ دهک‏‏ (DI)‏ نمایه‏ هواشناسی‏ به‏منظور‏ پایش‏ خشکسالی‏ است‏ و‏ توسط‏ گیبس‏ و‏ ماهر‏ (22)‏ از‏ سیستم‏ مراقبت‏ خشکسالی‏ استرالیا‏ ارائه‏ شد.‏ این‏ نمایه‏ با‏ مرتب‏ کردن‏ داده‏های‏ بارندگی‏ ماهانه‏ از‏ کمترین‏ تا‏ بیشترین‏ مقدار‏ در‏ دهک‏ها‏ (ده‏ درصد‏ رویدادها)‏ است.‏ اولین‏ طبقه‏ دهک‏ها‏ بیان‏گر‏ مقادیری‏ است‏ که‏ بارندگی‏ آنها‏ 10‏ درصد‏ کمترین‏ مقادیر‏ بارندگی‏ را‏ شامل‏ می‏شود.‏ دومین‏ دهک‏ مقدار‏ بارندگی‏هایی‏ است‏ که‏ 20‏ درصد‏ کمترین‏ مقادیر‏ را‏ دارد،‏ و‏ به‏ همین‏ ترتیب‏ مقدار‏ مربوط‏ به‏ دهک‏ دهم‏ که‏ مقدار‏ آن‏ برابر‏ بزرگ‏ترین‏ مقدار‏ بارش‏ رخ‏‏ داده‏ در‏ طول‏ دوره‏ آماری‏ ثبت‏ شده‏ است.‏ دهک‏ها‏ در‏ پنج‏ طبقه‏ مختلف‏ تقسیم‏بندی‏ می‏شوند‏ که‏ طبقات‏ آن‏ در‏ جدول‏ 2‏ مشخص‏ شده‏ است.

در‏ زمینه‏ پایش‏ خشکسالی‏ با‏ استفاده‏ از‏ داده‏های‏ شبیه‏سازی‏ اقلیمی‏ مطالعات‏ زیادی‏ انجام‏ شده‏ که‏ به‏ برخی‏ از‏ آن‏ها‏ اشاره‏ می‏شود:

عزیزآبادی‏ و‏ همکاران‏ (23)‏ در‏ حوضه‏ آبخیز‏ قره‏سر‏ استان‏ گلستان‏ با‏ استفاده‏ از‏ سری‏ زمانی‏ میانگین‏ بارش‏ و‏ دمای‏ حوضه‏ سال‏های‏ 2012-1983‏ اثرات‏ تغییر‏ اقلیم‏ برخشکسالی‏ را‏ برای‏ سال‏های‏ 2048-2019‏ پیش‏بینی‏ کردند.‏ این‏کار‏ با‏ استفاده‏ از‏ خروجی‏های‏ مدل‏ گردش‏ عمومی‏ جو‏ CanESM2‏ تحت‏ سه‏ سناریو‏ RCP‏ 2.6،‏ RCP‏ 4.5‏ و‏ RCP‏ 8.5‏ و‏ مدل‏ ریزمقیاس‏نمایی‏ آماری‏ SDSM‏ و‏ با‏ استفاده‏ از‏ نمایه‏ شناسایی‏ خشکسالی‏ (RDI)‏ انجام‏ شد.‏ صالح‏پور‏ و‏ همکاران‏ (2)‏ به‏ بررسی‏ اثر‏ تغییر‏ اقلیم‏ بر‏ ویژگی‏های‏ خشکسالی‏ در‏ ایستگاه‏های‏ منتخب‏ سینوپتیکی‏ شمال‏ غرب‏ ایران‏ پرداختند.‏ به‏این‏ منظور‏ مدل‏ گردش‏ عمومی‏ جو‏ HADCM3‏ تحت‏ سناریوی‏ A2‏ با‏ استفاده‏ از‏ مدل‏ کوچک‏ مقیاس‏ کننده‏ آماری‏ SDSM‏ و‏ محاسبه‏ نمایه‏ استاندارد‏ شده‏ بارش‏ (SPI)‏ مورد‏ استفاده‏ قرار‏ گرفت.‏ زیرک‏زاده‏ و‏ بذرافشان‏ (1392)‏ ‏ شدّت‏ خشکسالی‏ را‏ در‏ شرایط‏ اقلیم‏ فعلی‏ نسبت‏ به‏ تغییر‏ اقلیم‏ آتی‏ در‏ ایستگاه‏های‏ منتخب‏ استان‏ اصفهان‏ با‏ هم‏ مقایسه‏ کردند.‏ برای‏ این‏ کار‏ ابتدا‏ داده‏های‏ بارندگی‏ برای‏ دوره‏های‏ آتی‏ با‏ استفاده‏ از‏ مدل‏ گردش‏ عمومی‏ جو‏ (CGCM3)‏ و‏ تحت‏ سناریوی‏ A2‏ به‏ کمک‏ روش‏ ضریب‏ تغییر‏ ریزمقیاس‏ نمایی‏ شد.‏ سپس‏ برای‏ پایش‏ خشکسالی‏ در‏ دوره‏ پایه‏ و‏ دوره‏ آتی‏ از‏ نمایه‏ SPI‏ در‏ دو‏ مقیاس‏ زمانی‏ سه‏ و‏ شش‏ ماهه‏ استفاده‏ شد.‏ زارعیان‏ و‏ همکاران‏ (4)‏ برای‏ بررسی‏ تاثیر‏ تغییر‏ اقلیم‏ بر‏ جریان‏ آب‏ طبیعی‏ رودخانه‏ زاینده‏ رود‏ از‏ مدل‏ IHACRES‏ استفاده‏ کردند.‏ پیش‏بینی‏ها‏‏ نشان‏ از‏ کاهش‏ مداوم‏ جریان‏ سطحی‏ در‏ اثر‏ تغییر‏ اقلیم‏ داشت‏ که‏ با‏ وجود‏ این‏ کاهش،‏ تقاضای‏ آب‏ برای‏ کشاورزی،‏ صنعت،‏ و‏ دامداری‏ افزایش‏ می‏یابد‏ که‏ منجر‏ به‏ عدم‏ تعادل‏ آب‏ می‏شود.‏ هم‏چنین‏ نتایج‏ نشان‏ داد‏ که‏ منابع‏ آب‏ سطحی‏ تنها‏ بخش‏ کوچکی‏ از‏ نیازهای‏ آینده‏ را‏ تامین‏ خواهد‏ کرد‏ و‏ تغییر‏ اقلیم‏ باعث‏ کمبود‏ آب‏ شدید‏ در‏ آینده‏ خواهد‏ شد.‏ در‏ استرالیا‏ کیم‏ (24)‏ نشان‏ داد‏ که‏ احتمال‏ افزایش‏ شدّت،‏ فراوانی‏ و‏ تداوم‏ خشکسالی‏ها‏ در‏ دوره‏ آتی‏ در‏ منطقه‏ ویکتوریا‏ ‏ تحت‏ تاثیر‏ تغییر‏ اقلیم‏ وجود‏ دارد.‏ حق‏طلب‏ و‏ همکاران‏ (25)‏ از‏ مدل‏ LARS–‏ WG‏ برای‏ مدل‏سازی‏ اقلیم‏ استان‏های‏ تهران‏ و‏ مازندران‏ و‏ مقایسه‏ تغییرات‏ آن‏ در‏ جبهه‏های‏ شمالی‏ و‏ جنوبی‏ البرز‏ مرکزی‏ پرداختند.‏ نتایج‏ آن‏ها‏ نشان‏ داد‏ که‏ احتمال‏ افزایش‏ بارندگی‏های‏ سیل‏آسا‏ و‏ رگباری‏ در‏ هر‏ دو‏ دامنه‏ وجود‏ دارد.‏ هم‏چنین‏ کویرزایی‏ در‏ هر‏ دو‏ استان‏ با‏ توجّه‏ به‏ افزایش‏ دما‏ و‏ کاهش‏ بارندگی‏ در‏ آینده‏ سرعت‏ بیشتری‏ خواهد‏ یافت.‏ گل‏محمّدی‏ و‏ مسّاح‏بوانی‏ (26)‏ اثرات‏ تغییر‏ اقلیم‏ بر‏ وضعیّت‏ خشکسالی‏ حوضه‏ قره‏سو‏ را‏ در‏ دوره‏ آتی‏ 2069-‏ 2040‏ تحت‏ مدل‏ HADCM3‏ و‏ سناریویA2‏ ‏ با‏ استفاده‏ از‏ نمایه‏ خشکسالی‏ بارش‏ استاندارد‏ ارزیابی‏ کردند.‏ نتایج‏ نشان‏ دهنده‏ کاهش‏ شدّت‏ خشکسالی‏ نسبت‏ به‏ دوره‏ پایه‏ است.‏ در‏ بریتانیا‏ ویدال‏ و‏ وید‏ (27)‏ با‏ استفاده‏ از‏ نمایه‏ SPI‏ خشکسالی‏های‏ تحت‏ تاثیر‏ تغییر‏ اقلیم‏ را‏ بررسی‏ کردند.‏ نتایج‏ نشان‏ از‏ افزایش‏ تعداد‏ خشکسالی‏های‏ بسیارشدید‏ با‏ تداوم‏ کم‏ و‏ کاهش‏ تعداد‏ خشکسالی‏های‏ بلند‏ مدت‏ دارد.‏ لوکاس‏ و‏ همکاران‏ (28)‏ در‏ مطالعه‏ای‏ با‏ بررسی‏ آثار‏ تغییر‏ اقلیم‏ بر‏ شدّت‏ خشکسالی‏ در‏ یونان،‏ با‏ بهره‏گیری‏ از‏ مدل‏ CGCM2‏ و‏ نمایه‏ استاندارد‏ شده‏ بارش،‏ افزایش‏ شدّت‏ خشکسالی‏ را‏ در‏ نتیجه‏ تحقیقات‏ خود‏ بیان‏ نمودند.‏ به‏ دلیل‏ اینکه‏ خشکسالی‏ در‏ مقایسه‏ با‏ سایر‏ بلایای‏ طبیعی‏ از‏ نظر‏ میزان،‏ شدّت،‏ طول‏ مدت‏ واقعه،‏ گسترش‏ منطقه‏ای،‏ تلفات‏ جانی‏ و‏ خسارت‏های‏ اقتصادی-‏ اجتماعی‏ از‏ اهمّیّت‏ زیادی‏ برخوردار‏ است‏ و‏ بر‏ بخش‏های‏ مختلف‏ کشاورزی،‏ صنعت،‏ محیط‏ زیست،‏ بهداشت‏ و‏ منابع‏ آب‏ تاثیرات‏ مخرب‏ می‏گذارد‏ (29).‏ هم‏چنین‏ به‏دلیل‏ کاهش‏ آبدهی‏ رودخانة‏ حبله‏رود‏ به‏ عنوان‏ منبع‏ تأمین‏ آب‏ و‏ عامل‏ حیات‏ در‏ حوضه‏ آبخیز‏ حبله‏رود‏ در‏ سال‏های‏ اخیر‏ (30)،‏ هدف‏ از‏ این‏ مطالعه‏ بررسی‏ تأثیر‏ تغییر‏ اقلیم‏ بر‏ پارامترهای‏ اقلیمی‏ دما‏ و‏ بارش‏ و‏ شدت‏ وقوع‏ خشکسالی‏ حوضه‏ آبخیز‏ حبله‏رود‏ با‏ استفاده‏ از‏ مدل‏ گردش‏ عمومی‏ جو‏ HADCM3‏ و‏ دو‏ نمایه‏ SPI‏ و‏ DI‏ می‏ باشد.

مواد‏ و‏ روش‏ها

منطقه‏ مورد‏ مطالعه

حوضه‏ آبریز‏ حبله‌رود‏ در‏ بخش‏ شرقی‏ استان‏ تهران‏ واقع‏ شده‏ و‏ از‏ شمال‏ به‏ مرز‏ استان‏های‏ تهران‏ و‏ مازندران‏ و‏ از‏ شرق‏ و‏ جنوب‏ به‏ مرز‏ استان‏های‏ تهران‏ و‏ سمنان‏ محدود‏ است.‏ این‏ حوضه‏ آبریز‏ در‏ محدوده‏ جغرافیایی‏ 52‏ درجه‏ و‏ 20‏ دقیقه‏ تا‏ 53‏ درجه‏ و‏ 10‏ دقیقه‏ طول‏ شرقی‏ و‏ 35‏ درجه‏ و‏ 17‏ دقیقه‏ تا‏ 35‏ درجه‏ و‏ 59‏ دقیقه‏ عرض‏ شمالی‏ واقع‏ شده‏ است‏ (31).‏ مساحت‏ این‏ حوضه‏ 9/3261‏ کیلومترمربع‏ و‏ کمینه‏ و‏ بیشینه‏ ارتفاع‏ به‏ ترتیب‏ ۹۸۵‏ و‏ ۴۰۵۷‏ متر‏ می‏باشد‏ که‏ از‏ ‏‌نظر‏ تقسیمات‏ هیدرولوژیک‏ کشوری‏ بخشی‏ از‏ حوضه‏ آبریز‏ کویر‏ مرکزی‏ محسوب‏ می‌‏شود‏ (شکل‏ 1).‏ رودخانة‏ حبله‏رود‏ تنها‏ منبع‏ تأمین‏ آب‏ و‏ عامل‏ حیات‏ این‏ حوضه‏ و‏ کشاورزی‏ دشت‏ گرمسار‏ در‏ پایین‏ دست‏ حوضه‏ می‏باشد.‏ کاهش‏ آبدهی‏ رودخانة‏ حبله‏رود‏ در‏ ایستگاه‏ هیدرومتری‏ بنکوه‏ در‏ محل‏ خروجی‏ حوضة‏ آبخیز‏ حبله‏رود‏ و‏ ورودی‏ دشت‏ گرمسار‏ در‏ سالیان‏ اخیر‏ کاملاً‏ مشهود‏ است.‏ این‏ کاهش‏ می‏تواند‏ به‏ دلایل‏ مختلفی‏ از‏ جمله‏ تغییرات‏ آب‏ و‏ هوایی،‏ وقوع‏ خشکسالی‏های‏ اخیر‏ و‏ توسعة‏ برداشت‏ از‏ آب‏های‏ سطحی‏ در‏ حوضة‏ بالادست‏ در‏ فصول‏ زراعی‏ باشد‏ که‏ باعث‏ کاهش‏ آبدهی‏ رودخانه‏ در‏ ماه‏های‏ گرم‏ سال‏ (به‏ویژه‏ ماه‏های‏ خرداد‏ تا‏ پایان‏ ماه‏ مرداد)‏ شده‏ ‏ و‏ این‏ منطقه‏ را‏ با‏ بحران‏ کمبود‏ آب‏ مواجه‏ نموده‏ است‏ (30).‏

به‏منظور‏ داده‏سازی‏ و‏ پیش‏بینی‏ داده‏های‏ اقلیمی‏ حوضه‏ از‏ مقادیر‏ روزانه‏ داده‏های‏ بارش،‏ دمای‏ کمینه‏ و‏ بیشینه‏ و‏ ساعات‏ آفتابی‏ ایستگاه‏ سینوپتیک‏ فیروزکوه‏ در‏ دوره‏ آماری‏ 2010-1995‏ به‏ عنوان‏ دوره‏‏ دیده‏بانی‏ و‏ دوره‏‏ آماری‏ 2040-2011‏ به‏عنوان‏ دوره‏‏ پیش‏بینی‏ استفاده‏ شد‏ (جدول‏ 3)

شکل‏ 1.‏ موقعیت‏ جغرافیایی‏ حوضه‏ آبریز‏ حبله‏رود‏ و‏ ایستگاه‏ سینوپتیک‏ فیروزکوه

شبیه‏سازی‏ پارامترهای‏ اقلیمی‏ با‏ استفاده‏ از‏ مدل‏ LARS-WG

در‏ مدل‏ LARS-WG‏ فرایند‏ تولید‏ داده‏های‏ مصنوعی‏ آب‏ و‏ هوایی‏ در‏ سه‏ بخش‏ کلی‏ واسنجی‏ مدل‏ (کالیبره‏ کردن‏ مدل)،‏ صحت‏سنجی‏ مدل‏ و‏ تولید‏ و‏ شبیه‏سازی‏ متغیرهای‏ اقلیمی‏ برای‏ دوره‏های‏ آینده‏ انجام‏ گرفت.

در‏ مرحله‏ واسنجی‏ مدل‏ اطلاعات‏ روزانه‏ داده‏های‏ هواشناسی‏ مشاهداتی‏ (*‏ .‏ dat)‏ و‏ اطلاعات‏ جغرافیایی‏ منطقه‏ (*‏ .St)‏ دریافت‏ ‏شد.‏ سپس‏ با‏ استفاده‏ از‏ این‏ آمار‏ فایل‏های‏ پارامتر‏ (*‏ .WG)‏ و‏ آماری‏ (*‏ .Sta)‏ ساخته‏ ‏شد‏ که‏ در‏ فرآیند‏ ارزیابی‏ مدل‏ مورد‏ استفاده‏ قرار‏ می‏گیرد.‏ فایل‏ پارامتر‏ رفتار‏ اقلیم‏ منطقه‏ در‏ گذشته‏ را‏ مشخص‏ می‏کند‏ و‏ فایل‏ آماری‏ شامل‏ توزیع‏های‏ آماری‏ طول‏ سری‏های‏ خشک‏ و‏ تر‏ و‏ سایر‏ داده‏های‏ اقلیمی‏ مشاهداتی‏ است.‏ در‏ مرحله‏ ارزیابی‏ با‏ تولید‏ داده‏های‏ آب‏ و‏ هوایی‏ مصنوعی‏ برای‏ دوره‏ مشاهده‏ای‏ منطقه‏ و‏ مقایسه‏ مشخصات‏ داده‏های‏ شبیه‏سازی‏ شده‏ با‏ داده‏های‏ مشاهده‏ای،‏ توانایی‏ مدل‏ در‏ شبیه‏سازی‏ داده‏های‏ هواشناسی‏ روزانه‏ مورد‏ ارزیابی‏ قرار‏ می‏گیرد.‏ در‏ نهایت‏ داده‏های‏ آب‏ و‏ هوایی‏ دوره‏های‏ آینده‏ با‏ استفاده‏ از‏ دو‏ فایل‏ رفتار‏ اقلیم‏ در‏ گذشته‏ (*‏ .‏ WG)‏ و‏ سناریوی‏ تغییر‏ اقلیم‏ *.‏ Sce))‏ تولید‏ می‏شود‏ (3).‏ پس‏ از‏ پردازش‏ و‏ مرتب‏سازی‏ داده‏ها‏ و‏ تهیه‏ فایل‏های‏ ورودی،‏ مدل‏ برای‏ دوره‏ پایه‏ 2010-1995‏ اجرا‏ شده‏ و‏ به‏این‏ ترتیب‏ مرحله‏ واسنجی‏ به‏ پایان‏ می‏رسد.‏ در‏ این‏ مرحله‏ به‏ منظور‏ ارزیابی‏ داده‏های‏ تولید‏ شده‏ با‏ مدل‏ لارس‏ و‏ داده‏های‏ مشاهده‏ای‏ در‏ دوره‏ پایه‏ از‏ چهار‏ نمایه‏ ضریب‏ تعیین‏ (R²)،‏ ناش‏ -‏ ساتکلیف[14]‏ (NS)،‏ جذر‏ میانگین‏ مربعات‏ خطا(RMSE)‏ و‏ میانگین‏ انحراف‏ خطا‏ (MBE)‏ مطابق‏ روابط‏ 1‏ تا‏ 4‏ استفاده‏ شده‏ است‏ (جدول‏ 4):

در‏ روابط‏ پایین‏ X_‏  مقدار‏ داده‏ مشاهده‏ شده،‏ ‏ متوسّط‏ مقدار‏ داده‏ مشاهده‏ شده،‏ Y_‏ مقدار‏ داده‏ شبیه‏سازی‏ شده،‏ ‏ متوسّط‏ مقدار‏ شبیه‏سازی‏ شده‏ و‏ n‏ تعداد‏ مشاهدات‏ است.‏ لازم‏ به‏ ذکر‏ است‏ که‏ اگر‏ مقدار‏ نمایه‏ NS‏ بیشتر‏ از‏ 75/0‏ باشد‏ مدل‏ عالی‏ و‏ کامل‏ است.‏ هم‏چنین‏ اگر‏ بین‏ 75/0‏ –‏ 36/0‏ باشد،‏ رضایت‏بخش‏ و‏ اگر‏ کمتر‏ از‏ 36/0‏ باشد‏ غیر‏ قابل‏ قبول‏ فرض‏ می‏شود‏ (32).‏ نتایج‏ این‏ بخش‏ درجدول‏ 5‏ ارائه‏ شده‏ است.‏ هم‏چنین‏ به‏ منظور‏ ارزیابی‏ توانایی‏ مدل‏ LARS–WG‏ در‏ شبیه‏سازی‏ داده‏های‏ هواشناسی‏ در‏ مرحلة‏ واسنجی‏ و‏ ارزیابی،‏ از‏ آزمون‏ آماری‏ ‏ tو‏ مجذور‏ کای-اسکوور‏ ( )‏ نیز‏ استفاده‏ شد‏ که‏ نتایج‏ آن‏ در‏ جدول‏ 6‏ آمده‏ است‏ (12).‏ پس‏ از‏ اطمینان‏ از‏ صحت‏ نتایج‏ ارزیابی‏ و‏ قابلیت‏ مدل‏ در‏ شبیه‏سازی‏ داده‏های‏ اقلیمی،‏ در‏ مرحله‏‏ بعد‏ این‏ مدل‏ برای‏ ریزمقیاس‏ کردن‏ داده‏های‏ مدل‏ گردش‏ عمومی‏ جو‏ HADCM3‏ و‏ تولید‏ داده‏های‏ اقلیمی‏ برای‏ دوره‏ آتی‏ تحت‏ سناریو‏ A2‏ اجرا‏ و‏ مقادیر‏ روزانه‏ پارامترهای‏ اقلیمی‏ تولید‏ شد.‏ سپس‏ داده‏های‏ شبیه‏سازی‏ شده‏ اقلیمی‏ برای‏ پایش‏ خشکسالی‏ مورد‏ استفاده‏ قرار‏ گرفت.‏

پایش‏ خشکسالی‏ و‏ محاسبه‏ نمایه‏های‏ خشکسالی

داده‌های‏ اقلیمی‏ دوره‏ پایه‏ به‏ همراه‏ داده‏های‏ شبیه‏ سازی‏ شده‏ اقلیمی‏ دوره‏ آتی‏ برای‏ محاسبه‏ نمایه‏های‏ SPI‏ وDI‏‏ و‏ پایش‏ خشکسالی‏ و‏ ترسالی‏ با‏ استفاده‏ از‏ نرم‏افزار‏ [15]DIC‏ مورد‏ استفاده‏ قرار‏ گرفت.‏ برای‏ محاسبه‏ هر‏ یک‏ از‏ این‏ نمایه‏ها‏ از‏ داده‌های‏ اقلیمی‏ دوره‏ پایه‏ (2010-1995)‏ به‏ همراه‏ داده‏های‏ شبیه‏ سازی‏ شده‏ اقلیمی‏ دوره‏ آتی‏ (2040-2011)‏ استفاده‏ شد.‏ محاسبه‏ مقدار‏ نمایه‏ SPI‏ شامل‏ برازش‏ تابع‏ چگالی‏ احتمال‏ گاما‏ بر‏ توزیع‏ فراوانی‏ بارندگی‏ کل‏ برای‏ یک‏ ایستگاه‏ معین‏ می‏باشد.‏ سپس‏ پارامترهای‏ α‏ و‏ β‏ مربوط‏ به‏ تابع‏ چگالی‏ احتمال‏ گاما‏ برای‏ هر‏ ایستگاه‏ و‏ برای‏ هر‏ سال‏ برآورد‏ می‏شود.‏ در‏ مرحله‏ بعد،‏ از‏ پارامترهای‏ α‏ و‏ β‏ برای‏ بدست‏ آوردن‏ تابع‏ چگالی‏ احتمال‏ تجمعی‏ بارندگی‏ برای‏ ماه‏ مورد‏ نظر‏ و‏ مقیاس‏ زمانی‏ معین‏ در‏ ایستگاه‏ تحت‏ بررسی‏ استفاده‏ می‏شود.‏ پس‏ از‏ محاسبة‏ تابع‏ تجمعی‏ کل،‏ تغییر‏ شکل‏ هم‏ احتمالی‏ تابع‏ تجمعی‏ گاما‏ به‏ متغیر‏ تصادفی‏ نرمال‏ استاندارد‏ z‏ (یا‏ spi)‏ با‏ میانگین‏ صفر‏ و‏ واریانس‏ 1‏ صورت‏ می‏گیرد‏ (33).

نتایج‏

بر‏ اساس‏ نتایج‏ عملکرد‏ مدل‏ LARS-WG‏ در‏ مرحله‏ ارزیابی‏ (جدول‏ 5)،‏ شبیه‏سازی‏ بارندگی‏ در‏ ایستگاه‏ فیروزکوه‏ با‏ نمایه‏ NS‏ و‏ R²‏ بزرگ‏تر‏ از‏ 95/0‏ نشان‏ از‏ تطابق‏ بسیار‏ خوب‏ مدل‏ با‏ داده‏های‏ مشاهده‏ای‏ دارد‏ (شکل‏ 2).‏ مقدار‏ p-value‏ این‏ آزمون‏ نشان‏ می‏دهد‏ که‏ در‏ سطح‏ یک‏ درصد‏ تفاوت‏ معنی‏داری‏ بین‏ داده‏های‏ شبیه‏سازی‏شده‏ و‏ داده‏های‏ مشاهده‏ای‏ وجود‏ ندارد‏ و‏ مدل‏ LARS-WG‏ توانمندی‏ لازم‏ را‏ برای‏ شبیه‌سازی‏ متغیرهای‏ بارندگی‏ و‏ دمای‏ ایستگاه‏ مورد‏ نظر‏ دارد.‏ لازم‏ به‏ ذکر‏ است‏ که‏ مقادیر‏ p-value‏ آزمون‏ کای‏ –‏ اسکوور‏ (χ²)‏ برای‏ دمای‏ حداقل‏ و‏ حداکثر‏ مقادیر‏ نزدیک‏ به‏ یک‏ دارند،‏ که‏ نشان‏ از‏ توانمندی‏ بالای‏ مدل‏ LARS-WG‏ در‏ شبیه‏‌سازی‏ متغیرهای‏ ذکر‏ شده‏ دارد.‏ همچنین‏ مقادیر‏ p‏ –value‏ آزمون‏ کای‏ –‏ اسکوور‏ (χ²)،‏ برای‏ پارامتر‏ بارش‏ برای‏ بعضی‏ از‏ ماه‏ها‏ کمتر‏ از‏ یک‏ می‏باشد‏ و‏ علت‏ آن‏ به‏ این‏ دلیل‏ می‏باشد‏ که‏ در‏ این‏ ماه‏ها‏ مقدار‏ بارندگی‏ کمتر‏ بوده‏ و‏ داشتن‏ چنین‏ مقادیری‏ برای‏ p-value‏ در‏ این‏ ماه‌ها‏ دور‏ از‏ انتظار‏ نمی‌باشند.‏ نتایج‏ مقایسه‏ توزیع‌های‏ احتمال‏ متغیرهای‏ بارندگی،‏ دمای‏ حداقل‏ و‏ دمای‏ حداکثر‏ در‏ جدول‏ 6‏ آورده‏ شده‏ است.‏ در‏ ادامه‏ برای‏ ارزیابی‏ نوسانات‏ اقلیمی‏ در‏ حوضه‏ حبله‏رود‏ مدل‏ LARS-WG‏ جهت‏ ریزمقیاس‏ نمایی‏ آماری‏ داده‏های‏ مدل‏ گردش‏ عمومی‏ جو‏ HADCM3‏ و‏ تولید‏ داده‏های‏ مصنوعی‏ در‏ دوره‏ 2040-2011‏ تحت‏ سناریو‏ A2‏ اجرا‏ شد.‏ به‏این‏ ترتیب‏ مقادیر‏ روزانه‏ پارامترهای‏ بارش،‏ دمای‏ کمینه‏ و‏ بیشینه‏ تولید‏ شد.‏ سپس‏ برای‏ بررسی‏ تغییرات‏ بارش‏ مقادیر‏ میانگین‏ ماهانه،‏ فصلی‏ و‏ سالانه‏ بارش‏ در‏ دوره‏ پایه‏ و‏ آتی‏ محاسبه‏ و‏ با‏ هم‏ مقایسه‏ شد.‏ نمودار‏ تغییرات‏ بارش‏ نسبت‏ به‏ دوره‏ پایه‏ در‏ شکل‏ 3‏ نشان‏ داده‏ شده‏ است.‏ نتایج‏ برآورد‏ مدل‏ تحت‏ سناریوی‏ A2‏ نشان‏ می‏دهد‏ که‏ در‏ دوره‏ پایه‏ 2040-‏ 2011‏ بیش‏ترین‏ میزان‏ افزایش‏ بارش‏ در‏ ایستگاه‏ سینوپتیک‏ فیروزکوه‏ مربوط‏ به‏ ماه‏ سپتامبر‏ است.‏ مقدار‏ افزایش‏ در‏ این‏ ایستگاه‏ برابر‏ 29/1‏ میلی‏متر‏ است.‏ هم‏چنین‏ بیش‏ترین‏ میزان‏ کاهش‏ بارش‏ در‏ ایستگاه‏ فیروزکوه‏ در‏ ماه‏ اکتبر‏ و‏ برابر‏ 61/8‏ میلی‏متر‏ است‏ (شکل‏ 3).‏ هم‏چنین‏ نتایج‏ تغییرات‏ فصلی‏ بارش‏ در‏ دوره‏ پایه‏ نشان‏ می‏دهد‏ در‏ ایستگاه‏ فیروزکوه‏ بیش‏ترین‏ مقدار‏ افزایش‏ بارش‏ در‏ فصل‏ تابستان‏ و‏ بیش‏ترین‏ میزان‏ کاهش‏ بارش‏ در‏ فصل‏ بهار‏ و‏ به‏ ترتیب‏ به‏ میزان‏ 41/1‏ و‏ 86/2‏ میلی‏متر‏ می‏باشدهم‏چنین‏ میانگین‏ تغییرات‏ بارش‏ سالانه‏ نسبت‏ به‏ دوره‏ پایه‏ نشان‏ می‏دهد‏ که‏ بارش‏ در‏ ایستگاه‏ فیروزکوه‏ به‏ میزان‏ 058/میلی‏متر‏ افزایش‏ خواهد‏ یافت.‏ نمایه‏ SPI‏ و‏ DI‏ سالانه‏ و‏ کلاسه‏بندی‏ خشکسالی‏ برای‏ دوره‏ پایه‏ و‏ دوره‏ آتی‏ نیز‏ در‏ جدول‏ 7‏ و‏ 8‏ آمده‏ است.

شکل‏ 2‏ .‏ نتایج‏ عملکرد‏ مرحله‏ واسنجی‏ و‏ ارزیابی‏ مدل‏ ‏ LARS‏ –‏ WGدر‏ تولید‏ داده‏های‏ بارش

شکل‏ 3‏ .‏ تغییرات‏ ماهانة‏ بارش‏ در‏ دورة‏ آتی‏ (2040-2011)‏ تحت‏ سناریوهای‏ مختلف‏ نسبت‏ به‏ دورة‏ پایه

شکل‏ 4.‏ سری‏ زمانی‏ نمایه‏ SPI‏ سالانه‏ محاسبه‏ ‏شده

شکل‏ 5.‏ سری‏ زمانی‏ نمایه‏ DI‏ سالانه‏ محاسبه‏ ‏شده

بحث

نتایج‏ به‏دست‏ آمده‏ از‏ نرم‏افزار‏ DIC‏ و‏ دو‏ نمایه‏ DI‏ و‏ SPI‏ به‏ منظور‏ پایش‏ خشکسالی‏ هواشناسی‏ در‏ دوره‏ آتی‏ و‏ تغییرات‏ آن‏ نسبت‏ به‏ دوره‏ پایه‏ نشان‏ می‏دهد‏ که‏ در‏ طول‏ دوره‏ آماری‏ در‏ منطقه‏ مورد‏ مطالعه‏ در‏ ایستگاه‏ سینوپتیک‏ فیروزکوه‏ به‏ صورت‏ کاملا‏ مشابه‏ خشکسالی‏ با‏ شدّت‏ و‏ تداوم‏ متفاوت‏ اتفاق‏ افتاده‏ است‏ (شکل‏ 4‏ و‏ 5).‏ نتایج‏ پیش‏بینی‏ حاصل‏ از‏ نمایه‏ SPI‏ براساس‏ سناریو‏ A2‏ نشان‏ می‏دهد‏ که‏ در‏ ایستگاه‏ فیروزکوه‏ در‏ سال‏های‏ 2032‏ و‏ 2033‏ حادترین‏ خشکسالی‏ رخ‏ خواهد‏ داد‏ و‏ این‏ در‏ حالی‏ است‏ که‏ در‏ دوره‏ پایه‏ این‏ اتفاق‏ در‏ سال‏های‏ 1995،‏ 1997،‏ 2001‏ و‏ 2008‏ افتاده‏ است.‏ علاوه‏ بر‏ این‏ نتایج‏ نشان‏ می‏دهد‏ که‏ در‏ دوره‏ آتی‏ از‏ تعداد‏ خشکسالی‏های‏ حاد‏ که‏ منجر‏ به‏ تأثیر‏ نامطلوب‏ بر‏ منابع‏ آب‏ زیرزمینی‏ می‏شود‏ کاسته‏ خواهد‏ شد.‏ در‏ خراسان‏ شمالی‏ محمدیان‏ و‏ همکاران‏ (34)‏ با‏ بهره‏گیری‏ از‏ شاخص‏های‏ SPI‏ و‏ DI‏ نتیجه‏ گرفتند‏ که‏ وسیع‏ترین‏ و‏ شدیدترین‏ خشکسالی‏ها‏ در‏ سال‏های‏ 1990‏ و‏ 2001‏ رخ‏ داده‏ است.‏ به‏طور‏ کلّی‏ در‏ دوره‏ آتی‏ در‏ ایستگاه‏ سینوپتیک‏ فیروزکوه‏ نسبت‏ به‏ دوره‏ پایه‏ از‏ شدّت‏ و‏ تداوم‏ خشکسالی‏ کاسته‏ می‏شود.‏ نتایج‏ نمایه‏ DI‏ نیز‏ تقریبا‏ با‏ نتایج‏ نمایه‏ SPI‏ هم‏خوانی‏ دارد‏ که‏ البته‏ به‏ دلیل‏ گسترده‏ بودن‏ طبقه‏بندی‏ نمایه‏ SPI‏ و‏ تفکیک‏ بیشتر‏ آن‏ تفاوت‏های‏ ناشی‏ از‏ محدوده‏های‏ طبقه‏ بندی‏ دو‏ نمایه‏ نمایان‏ گردید‏ (جدول‏ 7‏ و‏ 8).

جدول‏ 7‏ و‏ 8‏ فراوانی‏ طبقات‏ مختلف‏ نمایه‏ خشکسالیDI‏ ‏ و‏ ‏ SPIسالانه‏ را‏ در‏ دوره‏ پایه‏ و‏ سه‏ دهه‏ آتی‏ برای‏ ایستگاه‏ سینوپتیک‏ فیروزکوه‏ مورد‏ بررسی‏ قرار‏ می‏دهد.‏ همان‏طور‏ که‏ مشاهده‏ می‏شود‏ تعداد‏ دوره‏های‏ بسیار‏ خشک‏ نسبت‏ به‏ دوره‏ پایه‏ روند‏ کاهشی‏ داشته‏ و‏ دوره‏های‏ به‏ شدّت‏ خشک،‏ متوسّط‏ خشک‏ و‏ نزدیک‏ نرمال‏ روند‏ افزایشی‏ پیدا‏ کرده‏ است‏ که‏ نتایج‏ به‏دست‏ آمده‏ با‏ نتایج‏ نصرتی‏ (35)‏ ‏ و‏ فرج‏زاده‏ و‏ احمدیان‏ (36)‏ مطابقت‏ دارد.‏ بنابراین‏ تغییر‏ اقلیم‏ باعث‏ تکرار‏ خشکسالی‏های‏ شدید‏ که‏ خسارات‏ جبران‏ ناپذیری‏ بر‏ منابع‏ آبی‏ وارد‏ می‏کند‏ نمی‏شود.‏ نصرتی‏ و‏ همکاران‏ (37)‏ در‏ ایستگاه‏های‏ فیروزکوه‏ و‏ لتیان‏ استان‏ تهران‏ با‏ استفاده‏ از‏ شاخص‏های‏ SPI‏ و‏ SPEI‏ نشان‏ دادند‏ که‏ در‏ مقیاس‏های‏ کوتاه‏مدت‏ فراوانی‏ دوره‏های‏ خشک‏ و‏ مرطوب‏ کاهش‏ می‏یابد‏ اما‏ تداوم‏ آنها‏ افزایش‏ پیدا‏ می‏کند.‏ در‏ هر‏ دو‏ ایستگاه‏ هم‏چنین‏ در‏ اکثر‏ موارد‏ هماهنگی‏ در‏ دوره‏های‏ خشک‏ و‏ مرطوب‏ در‏ هر‏ دو‏ شاخص‏ دیده‏ می‏شود.‏ نتایج‏ حاصل‏ از‏ تحقیق‏ حاضر‏ نیز‏ امکان‏ رخداد‏ خشکسالی‏هایی‏ با‏ شدّت،‏ مدت‏ و‏ فراوانی‏ بیشتر‏ در‏ دوره‏های‏ شبیه‏سازی‏ آتی‏ را‏ نشان‏ می‏دهد.

نتیجه‏گیری

در‏ پژوهش‏ حاضر،‏ توان‏مندی‏ مدل‏ ‏ LARS-WGجهت‏ بازتولید‏ داده‏های‏ روزانه‏ متغیرهای‏ اقلیمی‏ با‏ استفاده‏ از‏ سناریوهای‏ A2‏ در‏ حوضه‏ آبخیز‏ حبله‏رود‏ تهران‏ در‏ سال‏های‏ 2010-1995‏ مورد‏ ارزیابی‏ قرار‏ گرفت.‏ نتایج‏ نشان‏ داد‏ که‏ داده‏های‏ بارش‏ شبیه‏سازی‏ شده‏ با‏ مدل‏ LARS-WG‏ با‏ نمایه‏های‏ ارزیابی‏ NS‏ و‏ R²‏ بزرگ‏تر‏ از‏ 95/0‏ تطابق‏ بسیار‏ خوبی‏ با‏ داده‏های‏ مشاهده‏ای‏ دارد‏ و‏ این‏ مدل‏ قابلیت‏ بالایی‏ در‏ شبیه‏سازی‏ سری‏های‏ زمانی‏ متغیرهای‏ هواشناسی‏ در‏ این‏ حوضه‏ دارد.‏ سپس‏ نتایج‏ ریزمقیاس‏سازی‏ مدل‏ گردش‏ عمومی‏ HADCM3‏ تحت‏ سناریوی‏ A2‏ برای‏ دوره‏ آتی‏ (2040-2011)‏ نشان‏ داد‏ که‏ در‏ ایستگاه‏ سینوپتیک‏ فیروزکوه،‏ بارش‏ در‏ دوره‏ آتی‏ تفاوت‏ معنی‏داری‏ با‏ بارش‏ در‏ دوره‏ پایه‏ (2010-1995)‏ ندارد.‏ نتایج‏ به‏دست‏ آمده‏ در‏ این‏ تحقیق‏ با‏ نتایج‏ تحقیقات‏ بابائیان‏ و‏ نجفی‏ نیک‏ (38)‏ مطابقت‏ دارد.‏ در‏ زمینه‏ پیش‏بینی‏ دمای‏ کمینه‏ و‏ بیشینه‏ در‏ ایستگاه‏ سینوپتیک‏ فیروزکوه،‏ افزایش‏ دما‏ برای‏ دوره‏ مورد‏ بررسی‏ پیش‏بینی‏ شد.‏ با‏ توجّه‏ به‏ اینکه‏ تغییرات‏ دمای‏ کمینه‏ نسبت‏ به‏ دمای‏ بیشینه‏ بیشتر‏ خواهد‏ بود،‏ می‏توان‏ نتیجه‏ گرفت‏ که‏ تغییرات‏ (افزایش)‏ دمای‏ متوسّط‏ هوا‏ در‏ دوره‏ آتی‏ بیشتر‏ تحت‏ تأثیر‏ افزایش‏ دمای‏ کمینه‏ خواهد‏ بود.‏ هم‏چنین‏ به‏ علت‏ غلبه‏ عامل‏ دما‏ در‏ تبخیر،‏ در‏ مجموع‏ میزان‏ تبخیر‏ افزایش‏ خواهد‏ یافت.‏ افزایش‏ دما‏ و‏ تبخیر‏ حرکات‏ همرفتی‏ در‏ خشکی‏ را‏ تشدید‏ می‏کند‏ و‏ سبب‏ بارش‏های‏ شدید‏ و‏ کوتاه‏ مدت‏ خواهند‏ شد.‏ یکی‏ از‏ پیامدهای‏ افزایش‏ گازهای‏ گلخانه‏ای‏ افزایش‏ دما‏ می‏باشد.‏ در‏ صورتی‏ که‏ تولید‏ گازهای‏ گلخانه‏ای‏ در‏ طول‏ قرن‏ 21‏ افزایش‏ یابد‏ به‏ تبع‏ آن‏ دمای‏ کره‏ زمین‏ نیز‏ افزایش‏ می‏یابد‏ (هیئت‏ بین‏ دولتی‏ تغییر‏ اقلیم،‏ 2007).‏ درجه‏ حرارت‏ زیاد‏ رطوبت‏ خاک‏ را‏ بیشتر‏ تبخیر‏ می‏ کند‏ و‏ موجب‏ بحران‏ می‏ شود.‏ با‏ توجّه‏ به‏ اینکه‏ بخش‏ وسیعی‏ از‏ حوضه‏ مورد‏ نظر‏ دارای‏ اقلیم‏ خشک‏ و‏ نیمه‏خشک‏ است،‏ بنابراین‏ اثرات‏ گرم‏تر‏ شدن‏ هوا‏ بر‏ زیستگاه‏های‏ آن‏ مخرب‏تر‏ خواهد‏ بود‏ .نتایج‏ به‏ دست‏ آمده‏ در‏ این‏ پژوهش‏ با‏ نتایج‏ تحقیقات‏ کمال‏ و‏ مسّاح‏ بوانی‏ (39)،‏ سلیمانی‏ و‏ همکاران‏ (40)،‏ اشرف‏ و‏ همکاران‏ (3)،‏ و‏ آشفته‏ و‏ مسّاح‏‏ بوانی‏ (41)‏ در‏ سایر‏ مناطق‏ کشور‏ مطابقت‏ دارد.‏ به‏طورکلّی‏ با‏ توجّه‏ به‏ این‏ نتایج‏ و‏ با‏ توجّه‏ به‏ تغییراتی‏ که‏ در‏ پارامترهای‏ اقلیمی‏ موجود‏ در‏ منطقه‏ رخ‏ خواهد‏ داد،‏ مسئولان‏ و‏ برنامه‏ریزان‏ در‏ بخش‏های‏ کشاورزی،‏ منابع‏ آب،‏ محیط‏ زیست،‏ صنعت‏ و‏ اقتصاد‏ بایستی‏ توجّه‏ دقیق‏تری‏ را‏ اعمال‏ کنند‏ تا‏ راه‏کارهای‏ لازم‏ برای‏ کاهش‏ پیامدها‏ و‏ سازگاری‏ با‏ شرایط‏ آب‏ و‏ هوایی‏ جدید‏ اتخاذ‏ گردد.

منابع

• Khazaneh‏ dari,‏,‏ Zabol‏ Abbasi,‏ F.,‏ Ghandhari,‏ S.‏ H.,‏ Kohi.‏ M.‏ (2009)‏ the‏ Perspective‏ of‏ Drought‏ Conditions‏ over‏ the‏ Next‏ Thirty‏ Years,‏ Journal‏ of‏ Geography‏ and‏ Regional‏ Development,‏ 12,‏ pp.‏ 83-98.
• صالح‏پور‏ جم،‏ امین؛‏ محسنی‏ ساروی،‏ محسن؛‏ بذرافشان،‏ جواد؛‏ خلیقی‏ سیگارودی،‏ شهرام‏ (1393)‏ بررسی‏ اثر‏ تغییر‏ اقلیم‏ بر‏ ویژگی‏های‏ خشکسالی‏ دورة‏ ‏آتی‏ با‏ کاربرد‏ مدل‏ گردش‏ عمومی‏ جو‏ HadCM3‏ (مطالعة‏ موردی:‏ شمال‏ غربی‏ ایران)،‏ نشریه‏ مرتع‏ و‏ آبخیزداری،‏ دوره‏ 67،‏ شماره‏ 4،‏ صص‏ 548-537.
• اشرف،‏ بتول؛‏ موسوی‏ بایگی،‏ محمد؛‏ کمالی،‏ غلامعلی؛‏ داوری،‏ کامران‏ (1390)‏ پیش‏ بینی‏ تغییرات‏ فصلی‏ پارامترهای‏ اقلیمی‏ در‏ 20‏ سال‏ آتی‏ با‏ استفاده‏ از‏ ریز‏ مقیاس‏ نمایی‏ آماری‏ داده‏ های‏ مدل‏ HADCM3‏ (مطالعه‏ موردی:‏ استان‏ خراسان‏ رضوی)،‏ آب‏ و‏ خاک،‏ دوره‏ 25،‏ شماره‏ 4،‏ صص957-945.
• Zareeian,‏J.,‏ Eslamian,‏ S.,‏ Gohari,‏ A.,‏ and‏ Adamowski,‏ J.‏ 2017.‏ The‏ Effect‏ of‏ Climate‏ Change‏ on‏ Watershed‏ Water‏ Balance,‏ in‏ Mathematical‏ Advances‏ Towards‏ Sustainable‏ Environmental‏ Systems,‏ Ed.‏ by‏ Furze,‏ J.N.,‏ Swing,‏ K.,‏ Gupta,‏ A.K.,‏ McClatchey,‏ R.,‏ Reynolds,‏ D.,‏ Springer‏ International‏ Publishing,‏ Switzerland,‏ 215-238.
• Maleksaeidi,‏,‏ Keshavarz,‏ M.,‏ Karami,‏ E.,‏ Eslamian,‏ S.,‏ 2017,‏ Climate‏ Change‏ and‏ Drought:‏ Building‏ Resilience‏ for‏ an‏ Unpredictable‏ Future,‏ Ch.‏ 9‏ in‏ Handbook‏ of‏ Drought-‏ and‏ Water‏ Scarcity,‏ Vol.‏ 2:‏ Environmental‏ Impacts‏ and‏ Analysis‏ of‏ Drought‏ and‏ Water‏ Scarcity,‏ Ed.‏ by‏ Eslamian‏ S.‏ and‏ Eslamian‏ F.,‏ Francis‏ and‏ Taylor,‏ CRC‏ Press,‏ USA,‏ 163-186.
• IPCC‏ (2010)‏ Meeting‏ Report‏ IPCC‏ Expert‏ Meeting‏ on‏ Assessing‏ and‏ Combining‏ Multi‏ Model IPCC‏ (2007)‏ Climate‏ change,‏ the‏ physical‏ science‏ basis,‏ Cambridge‏ University‏ Press,‏
• قاسمی‏ نژاد،‏ سعیده؛‏ سلطانی،‏ سعید؛‏ سفیانیان،‏ علیرضا‏ (1393)‏ ارزیابی‏ ریسک‏ خشکسالی‏ استان‏ اصفهان،‏ مجله‏ علوم‏ آب‏ و‏ خاک،‏ ۱۸‏ (۶۸)،‏ صص‏ ۲۱۳-۲۲۶.
• Wilhite,‏A.,‏ Glantz.‏ M.H.‏ (1985)‏ Understanding‏ the‏ drought‏ phenomenon:‏ the‏ role‏ of‏ definitions,‏ Water‏ International,‏ 10,‏ pp.‏ 111-12.
• Tramblay,‏,‏ Badi,‏ W.,‏ Driouech,‏ F.,‏ Adlouni,‏ S.‏ El.,‏ Neppel,‏ S.,‏ Servat,‏ E.‏ (2012)‏ Climate‏ change‏ impacts‏ on‏ extreme‏ precipitation‏ in‏ Morocco,‏ Global‏ and‏ Planetary‏ Change,‏ 82:‏ pp.104-114.
• هادی‏نیا،‏ حسین؛‏ پیرمرادیان،‏ نادر؛‏ اشرف‏زاده،‏ افشین‏ (1392)‏ اثر‏ تغییر‏ اقلیم‏ بر‏ نیاز‏ آبی‏ برنج‏ در‏ منطقة‏ رشت،‏ پایان‏نامة‏ کارشناسی‏ ارشد،‏ رشتة‏ مهندسی‏ کشاورزی،‏ گرایش‏ آبیاری‏ و‏ زهکشی،‏ دانشگاه‏ گیلان.
• ضرغامی،‏ مهدی؛‏ بابائیان،‏ ایمان؛‏ حسن‏زاده،‏ یوسف؛‏ کنعانی،‏ رضا‏ (1391)‏ مطالعه‏ تغییر‏ اقلیم‏ و‏ اترات‏ آن‏ بر‏ خشکی‏ (مطالعه‏ موردی:‏ استان‏ آذربایجان‏ شرقی)،‏ فصلنامه‏ علوم‏ و‏ مهندسی‏ آبخیزداری،‏ شماره‏ 18،صص‏ 76-61.
• مشکواتی،‏ امیر‏ حسین؛‏ کردجزی،‏ محمد؛‏ بابائیان،‏ ایمان‏ (1389)‏ بررسی‏ و‏ ارزیابی‏ مدل‏ لارس‏ در‏ شبیه‏سازی‏ داده‏های‏ هواشناسی‏ استان‏ گلستان‏ در‏ دوره‏ 2007-1993‏ میلادی،‏ نشریه‏ تحقیقات‏ کاربردی‏ علوم‏ جغرافیایی،‏ جلد16،‏ شماره‏ 19،‏ صص‏ 96-81.
• Mavromatis,‏,‏ Hansen,‏ J.‏ W.‏ (2001)‏ Inter‏ annual‏ variability‏ characteristics‏ and‏ simulated‏ crop‏ response‏ of‏ four‏ stochastic‏ weather‏ generators,‏ Agricultural‏ and‏ Forest‏ Meteorology,‏ 109(4),‏ pp.‏ 283-296
• Semenov,‏‏ A.‏ (2008)‏ Simulation‏ of‏ extreme‏ weather‏ events‏ by‏ a‏ stochastic‏ weather‏ generator,‏ Climate‏ Research,‏ 35,‏ pp.‏ 203-212.
• خلیلی‏ اقدم،‏ نبی؛‏ مساعدی،‏ ابولفضل؛‏ سلطانی،‏ افشین؛‏ کامکار،‏ بهنام‏ (1391)‏ ارزیابی‏ توانایی‏ مدل‏ LARS-WG‏ در‏ پیش‏بینی‏ برخی‏ از‏ پارامترهای‏ جوی‏ سنندج،‏ پژوهش‏های‏ حفاظت‏ آب‏ و‏ خاک‏ (علوم‏ کشاورزی‏ و‏ منابع‏ طبیعی)،‏ دوره‏ 19‏ شماره‏ 4،‏ صص‏ 102-85.‏
• خورانی،‏ اسداله؛‏ مرودشتی،‏ منجذب‏ شهربانو‏ (1393)‏ بررسی‏ آثار‏ تغییر‏ اقلیم‏ بر‏ میزان‏ بازدید‏ از‏ جزیره‏ هنگام،‏ فصلنامه‏ پژوهش‏های‏ جغرافیای‏ طبیعی،‏ صص122-‏ 109.
• Racsko,‏,‏ Szeidl,‏ L.,‏ Semenov‏ M.‏ (1991)‏ A‏ serial‏ approach‏ to‏ local‏ stochastic‏ weather‏ models,‏ Ecol‏ Model,‏ 57,‏ pp.‏ 27–41.
• Climate‏ Projections,(2007)‏ National‏ Center‏ for‏ Atmospheric‏ Research,‏ Boulder‏ Colorado,‏ USA,‏‏ 115.
• حجازی‏زاده،‏ زهرا؛‏ جوی‏زاده،‏ سعید‏ (۱۳۸۸)‏ محاسبه‏ اتوماتیک‏ شاخص‏های‏ رایج‏ خشکسالی‏ با‏ استفاده‏ از‏ نرم‏ افزارDIC‏ ‏ (نرم‏ افزار‏ تولید‏ شده‏ توسط‏ نویسندگان‏ این‏ مقاله)،‏ ششمین‏ کنفرانس‏ اقتصاد‏ کشاورزی‏ ایران،‏ کرج‏ انجمن‏ اقتصاد‏ کشاورزی‏ ایران،‏ پردیس‏ کشاورزی‏ و‏ منابع‏ طبیعی‏ دانشگاه‏ تهران.‏
• McKee,‏B.,‏ Doesken,‏ N.J.,‏ Kleist,‏ J.‏ (1993)‏ The‏ Relationship‏ of‏ Drought‏ Frequency‏ and‏ Duration‏ to‏ Time‏ Scales.‏ In‏ Proc,‏ 8th‏ Conf.‏ on‏ Applied‏ Climatology,‏ January‏ 17-22,‏ American‏ Meteorological‏ Society,‏ Massachusetts,‏ pp.‏ 179-184.
• Edward,‏‏ C.,‏ Mckee,‏ T.‏ B.‏ (1997)‏ Characteristics‏ of‏ 20th‏ century‏ drought‏ in‏ the‏ United‏ States‏ and‏ multiple‏ time‏ scales,‏ pp.‏ 155.‏ In:‏ Climatology‏ Report,‏ Colorado‏ State‏ University.
• Gibbs,‏‏ J.,‏ Maher,‏ J.‏ V.‏ (1967)‏ Rainfall‏ deciles‏ as‏ drought‏ indicators,‏ Bureau‏ of‏ Meteorology‏ Bulletin,‏ No.‏ 48,‏ Commonwealth‏ of‏ Australia,‏ Melbourne.
• عزیزآبادی‏ فراهانی،‏ مسعود؛‏ بختیاری،‏ بهرام؛‏ قادری،‏ کورش؛‏ رضاپور،‏ محسن‏ (1395)‏ بررسی‏ تاثیر‏ تغییر‏ اقلیم‏ بر‏ منحنی‏های‏ سختی-‏ مدت-‏ فراوانی‏ خشکسالی‏ حوزه‏ آبریز‏ قره‏سو‏ با‏ استفاده‏ از‏ توابع‏ مفصل،‏ تحقیقات‏ آب‏ و‏ خاک‏ ایران،‏ دوره‏ 47،‏ شماره‏ 4،‏ صص‏ 754-743.
• Kiem,‏‏ S.‏ (2013)‏ Drought‏ and‏ water‏ policy‏ in‏ Australia:‏ Challenges‏ for‏ the‏ future‏ illustrated‏ by‏ the‏ issues‏ associated‏ with‏ water‏ trading‏ and‏ climate‏ change‏ adaptation‏ in‏ the‏ Murray–Darling‏ Basin,‏ Global‏ environmental‏ change,‏ 23(6),‏ pp.‏ 1615-1626.
• حق‏طلب،‏ نفیسه؛‏ گودرزی،‏ محسن؛‏ حبیبی‏ نوخندان،‏ مجید؛‏ یاوری،‏ احمدرضا؛‏ جعفری،‏ حمیدرضا‏ (1392)‏ مدل‏سازی‏ اقلیم‏ استان‏های‏ تهران‏ و‏ مازندران‏ با‏ استفاده‏ از‏ مدل‏ اقلیمی‏ LARS-WG‏ و‏ مقایسه‏ آن‏ در‏ جبهه‏های‏ شمالی‏ و‏ جنوبی‏ البرز‏ مرکزی،‏ علوم‏ و‏ تکنولوژی‏ محیط‏ زیست،‏ شماره‏ 1،‏ صص‏ 49-37.
• گل‏ محمدی،‏ مریم؛‏ مسّاح‏ بوانی،‏ علیرضا‏ (1390)‏ بررسی‏ تغییرات‏ شدّت‏ و‏ دوره‏ بازگشت‏ خشکسالی‏ حوضه‏ قره‏ سو‏ در‏ دوره‏ های‏ آتی‏ تحت‏ تاثیر‏ تغییر‏ اقلیم،‏ نشریه‏ آب‏ و‏ خاک‏ (2)25،‏ صص‏ 326-315.
• Vidal,‏‏ P.,‏ Wade.‏ S.‏ (2009)‏ A‏ multi‏ model‏ assessment‏ of‏ future‏ climatological‏ droughts‏ in‏ the‏ United‏ Kingdom,‏ International‏ Journal‏ of‏ Climatology,‏ 29,‏ pp.‏ 2056-2071.
• Loukas,‏,‏ Vasiliades,‏ L.,‏ Tzabiras,‏ J.‏ (2008)‏ Climate‏ change‏ effects‏ on‏ drought‏ severity,‏ Advances‏ in‏ Geosciences,‏ 17,‏ pp.‏ 23-29.
• محمدیان،‏ آزاده؛‏ کوهی،‏ منصوره؛‏ آدینه‏ بیگی،‏ آرمان؛‏ رسولی،‏ سید‏ جواد؛‏ بذرافشان،‏ بهاره‏ (1389)‏ مقایسه‏ پایش‏ خشکسالی‏ با‏ استفاده‏ از‏ شاخص‏های‏ SPI،‏ DI‏ و‏ PNI‏ و‏ پهنه‏بندی‏ آن‏ها‏ (مطالعه‏ موردی:‏ استان‏ خراسان‏ شمالی)،‏ مجله‏ پژوهش‏های‏ حفاظت‏ آب‏ و‏ خاک،‏ جلد‏ 7،‏ شماره‏ 1،‏ صص‏ 184-177.
• گزارش‏ مطالعات‏ بهنگام‏سازی‏ طرح‏ جامع‏ آب‏ کشور‏ در‏ حوضه‏های‏ آبریز‏ دریاچه‏ نمک،‏ گاوخونی،‏ سیاه‏کوه‏ -‏ ریگ‏ زرین‏ و‏ کویر‏ مرکزی‏ -‏ ‏ مهندسین‏ مشاور‏ یکم،‏ (1392)‏ وزارت‏ نیرو،‏ معاونت‏ آب‏ و‏ آبفا،‏ دفتر‏ برنامه‏ریزی‏ کلان‏ آب‏ و‏ آبفا.
• دستورانی،‏ محمد‏ تقی،‏ حبیبی‏ پور،‏ اعظم،‏ اختصاصی،‏ محمد‏ رضا،‏ طالبی،‏ علی،‏ محجوبی،‏ جواد‏ (1392)‏ بررسی‏ کارایی‏ مدل‏ درخت‏ تصمیم‏ در‏ پیش‏ بینی‏ بارش‏ (مطالعۀ‏ موردی‏ ایستگاه‏ سینوپتیک‏ یزد)،‏ فصلنامۀ‏ تحقیقات‏ منابع‏ آب‏ ایران،‏ سال‏ هشتم،‏ دوره‏ 8‏ ،شماره‏ 3‏ ،صص:‏ 14-23
• Moriasi,‏‏ N.,‏ J.‏ G.‏ Arnold,‏ M.‏ W.‏ Van‏ Liew,‏ R.‏ L.‏ Bingner,‏ R.‏ D.‏ Harmel‏ and‏ T.‏ L.‏ Veith,‏ (2007),‏ “Model‏ evaluation‏ guidelines‏ for‏ systematic‏ quantification‏ of‏ accuracy‏ in‏ watershed‏ simulations”,‏ Transactions‏ of‏ the‏ ASABE,‏ Volume.‏ 50,‏ No.‏ 3:‏ pp‏ 885–900.
• قربانی،‏ خلیل؛‏ خلیلی،‏ علی؛‏ علوی‏ پناه،‏ سیدکاظم؛‏ نخعی‏ زاده،‏ غلامرضا‏ (1389)‏ مطالعه‏ تطبیقی‏ نمایه‏ های‏ هواشناسی‏ خشکسالی‏ SPI,‏ SIAP‏ به‏ روش‏ داده‏ کاوی‏ (مطالعه‏ موردی‏ استان‏ کرمانشاه)،‏ نشریه‏ آب‏ و‏ خاک‏ (علوم‏ و‏ صنایع‏ کشاورزی)،‏ دوره‏ 24،‏ شماره‏ 3،‏ صص‏ 417-426.
• محمدیان،‏ آزاده؛‏ کوهی،‏ منصوره؛‏ ‏ آدینه‏بیگی،‏ ‏ آرمان؛‏ رسولی،‏ سیدجواد؛‏ بذرافشان،‏ بهاره‏ (1389)‏ .مقایسة‏ پایش‏ خشکسالی‏ با‏ استفاده‏ از‏ شاخصهای‏ SPI‏ ،DI‏ و‏ PNI‏ و‏ پهنه‏بندی‏ آنها‏ )مطالعة‏ موردی:‏ استان‏ خراسان‏ شمالی)،‏ مجلة‏ پژوهش‏های‏ حفاظت‏ آب‏ و‏ خاک،‏ جلد‏ هفدهم،‏ شمارة‏ اول،‏ صص184-177.
• نصرتی،‏ کاظم؛‏ محسنی‏ ساروی،‏ محسن؛‏ شهبازی،‏ رضا‏ (1393)‏ مقایسه‏ و‏ کاربرد‏ دو‏ شاخص‏ بارش‏ استاندارد‏ شده‏ و‏ بارش-‏ تبخیر‏ و‏ تعرق‏ استاندارد‏ ‏ شده‏ برای‏ ارزیابی‏ وضعیت‏ خشکسالی‏ هواشناسی‏ در‏ استان‏ تهران،‏ نشریه‏ مدیریت‏ بیایان‏ شماره‏ 3،‏ صص‏ 90-77.‏
• فرج‏زاده،‏ منوچهر؛‏ احمدیان،‏ کلثوم‏ (1393)‏ ‏ تحلیل‏ زمانی‏ و‏ مکانی‏ خشکسالی‏ با‏ استفاده‏ از‏ شاخص‏ SPI‏ در‏ ایران،‏ ‏مجله‏ مخاطرات‏ محیط‏ طبیعی،‏ سال‏ سوم،‏ شماره‏ چهارم،‏ صص‏ 15-2.
• نصرتی،‏ کاظم‏ (1393)‏ ارزیابی‏ شاخص‏ بارش-‏ تبخیر‏ و‏ تعرّق‏ استاندارد‏ شده‏ (SPEI)‏ جهت‏ شناسایی‏ خشک‏سالی‏ در‏ اقلیم‏های‏ مختلف‏ ایران،‏ فصلنامه‏ علوم‏ محیطی،‏ دوره‏ دوازدهم،‏ شماره‏ 4،‏ صص‏ 74-63.
• بابائیان،‏ ایمان؛‏ نجفی‏ نیک،‏ زهرا؛‏ زابل‏ عباسی،‏ فاطمه؛‏ حبیبی‏ نوخندان،‏ مجید؛‏ ادب،‏ حامد؛‏ ملبوسی،‏ شراره‏ (1387)‏ ارزیابی‏ تغییر‏ اقلیم‏ شمال‏ ایران‏ در‏ دوره‏ 2010‏ تا‏ 2039‏ میلادی‏ با‏ استفاده‏ از‏ ریزمقیاس‏ نمایی‏ داده‏های‏ مدل‏ گردش‏ عمومی‏ جو‏ ECHO–‏ G،‏ مجله‏ جغرافیایی‏ و‏ توسعه،‏ شماره‏ 16،‏ صص‏ 152-135.
• کمال،‏ علیرضا؛‏ مساح‏ بوانی،‏ علیرضا‏ (1389)‏ تاثیر‏ تغییر‏ و‏ نوسانات‏ اقلیمی‏ بر‏ رواناب‏ حوضه‏ با‏ دخالت‏ عدم‏ قطعیت‏ دو‏ مدل‏ هیدرولوژی،‏ مجله‏ آب‏ و‏ خاک،‏ دوره‏ 24،‏ شماره‏ 5،‏ صص‏ 932-920.
• سلیمانی‏ ساردو،‏ فرشاد؛‏ سلطانی‏ کوپایی،‏ سعید؛‏ سرحدی،‏ علی‏ (1387)‏ پهنه‏بندی‏ و‏ تحلیل‏ خشکسالی‏ با‏ استفاده‏ از‏ شاخص‏ بارش‏ استاندارد‏ (SPI)‏ در‏ استان‏ کرمان،‏ سومین‏ کنفرانس‏ مدیریت‏ منابع‏ آب،‏ دانشگاه‏ تبریز-‏ دانشکده‏ عمران.
• آشفته،‏ پریسا‏ سادات؛‏ مساح‏ بوانی،‏ علیرضا‏ (1386)‏ تاثیر‏ تغییر‏ اقلیم‏ بر‏ شدت‏ و‏ فراوانی‏ سیلاب‏ در‏ دوره‏های‏ آتی‏ مطالعه‏ موردی،‏ حوضه‏ آیذوغموش،‏ آذربایجان‏ شرقی،‏ مجموعه‏ مقالات‏ کارگاه‏ فنی‏ اثر‏ تغییر‏ اقلیم‏ در‏ مدیریت‏ منابع‏ آب،‏ صص‏ 48-32.

[1]- استادیار، گروه مهندسی آب، دانشکدة علوم کشاورزی، دانشگاه گیلان، رشت، ایران

[2]- دانش‌آموختة کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشکدة علوم کشاورزی، دانشگاه گیلان، رشت، ایران

[3] - دانشجوی دکتری فیزیک و حفاظت خاک دانشگاه ولی‏عصر (عج) رفسنجان، رفسنجان، ایران. ^*(مسئول مکاتبات)

[4]- Assistant Professor, Department of Water Engineering, Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran

[5]- M.Sc. Graduated of Water Resources Engineering, Department of Water Engineering, Faculty of Agricultural Sciences, University of Guilan, Rasht, Iran

[6]- PHD student in soil physic and conservation, University of Rafsanjan, Rafsanjan, Iran *)Corresponding author(

[7] International panel of climate change) IPCC)

[8] General Circulation Model )GCM(

[9] Down scaling

[10] Long Ashton Research Station Weather Generator (LARS-WG)

[11] Drought Indices Calculator

[12] The Standardized Precipitation Index (SPI)

[13] Decile Index (DI)

[14] Nash Satclif

[15] Drought Indices Calculator