تحلیل منطقه‌ای خشکسالی و پیش‌نمایی تغییرات اقلیمی در دوره‌های آتی تحت مدل cmip6 (مطالعه موردی: استان مازندران)

مقدمه و هدف: تغییرات اقلیمی می‌توانند به‌طور قابل‌توجهی بر فعالیت‌های اجتماعی-اقتصادی و کیفیت زندگی به‎ویژه در کشورهایی که در حال حاضر نیز با تنش‌های آبی مواجه هستند، تاثیر بگذارند. مدل‌های اقلیمی، نقش کلیدی در ارزیابی تاثیر تغییرات آب و هوایی و توسعه راهبردهای سازگاری و تاب‌آوری دارند. با توجه به اهمیت امنیت غذایی و به‎دنبال آن امنیت آبی در بحث تاب‌آوری در برابر تغییرات اقلیمی و همچنین سهم قابل‎توجه استان مازندران در تولید محصولات کشاورزی و تامین غذای کشور، بررسی وضعیت خشکسالی این استان و روند تغییرات اقلیمی آن اهمیت بسیاری دارد. بنابراین در این مطالعه، شرایط خشک‌سالی و ترسالی دوره 20 ساله پایه استان مازندران، با استفاده از شاخص تک متغیره بارش استاندارد شده مورد ارزیابی قرار گرفت. سپس با به‌کارگیری پنج مدل گردش جهانی (gcm) موجود در فاز 6 پروژه برونداد اقلیمی (cmip6)، تحت سه سناریو ssp2.6، ssp4.5 و ssp8.5، پیش‌نمایی‌های دما و بارش در مقیاس محلی در دوره‌های آینده انجام شد.مواد و روش‌ها: در منطقه مورد مطالعه، شش ایستگاه هواشناسی رامسر، نوشهر، سیاه‌بیشه، بابلسر و قراخیل، به‎دلیل پوشش بیشترین سال آماری و توزیع مکانی مناسب در سطح منطقه انتخاب شدند. سری‌های زمانی بارش، دمای حداکثر و حداقل روزانه برای شش ایستگاه انتخابی در منطقه با دوره آماری پایه 20 ساله (دوره ژانویه 1999 االی دسامبر 2018) جمع‌آوری شدند. پس از اطمینان از کیفیت داده‌ها، روند تغییرات آن‌ها با استفاده از آزمون‌های من کندال و شیب سن مورد بررسی قرار گرفتند. مقادیر شاخص بارش استاندارد در بازه‌های مختلف محاسبه شد و مورد ارزیابی قرار گرفت. در نهایت، داده‌های در مقیاس بزرگ از پنج مدل گردش عمومی (access-cm2، canesm2، cnrm-cm-6-1، mri-esm2-0 و nesm3)، توسط مولد آب و هوایی lars-wg6 ریزمقیاس‌نمایی شدند. بدین‎ترتیب، پیش‌یابی‌های تغییرات فصلی و سالانه برای tmax، tmin و بارش در دو دوره آینده (2060-2040) و(2100-2080) با استفاده از میانگین gcmهای منتخب انجام گرفت.یافته‌ها: نتایج بررسی آماری داده‌های تاریخی، روندهای افزایشی برای دمای حداقل و حداکثر و روند کاهشی برای بارش در دوره پایه را نشان می‌دهند، اما هیچ‎یک از این روندها در سطح احتمالاتی 05.0 معنادار نبوده است. همچنین، تجزیه و تحلیل‌ها بیانگر وقوع حاد‌ترین خشک‌سالی‌ها در استان در سال‌های 2007 ، 2009 و اواخر 2011 و اوایل 2012 و نیز 2018 می‌باشد، به‌طوری‌که در تمامی ایستگاه‌ها مقدار spi به کمتر از 0.1- رسید. مرطوب‌ترین سال‌های استان نیز سال‌های 2004 الی 2006 و نیز سال 2017 هستند. در تمامی ایستگاه‌های منطقه فراوانی نسبی دوره‌های مرطوب بیشتر از دوره‌های خشک می‌باشد. در بحث ریزمقیاس‌نمایی، نتایج تائید کننده‌ی قابلیت مدلlars-wg6 در شبیه‌سازی دما با دقت بیشتری نسبت به بارش در سطح استان هستند که خطاهای شبیه‌سازی بارش در فصل‌های پرباران، بیشتر هستند. در این نتایج برای دمای حداکثر و حداقل ماهانه، کمترین مقادیر ضریب همبستگی، 941.0 و مقادیر ریشه میانگین مربعات خطا مابین 05.1 و 82.3 درجه سانتی‎گراد می‌باشد. بیشترین تفاوت‌های مقادیر بارش تولید شده و مشاهداتی در ماه‌های پرباران بود که gcmها حجم بارندگی‌ها را بسیار دست پایین تخمین می‌زنند. در تجزیه و تحلیل تغییرات اقلیمی در آینده، هر پنج gcm نشان دادند که افزایش مداوم دما در منطقه مورد مطالعه پیش‌بینی می‌شود. با این‎حال، تفاوت در میزان تغییرات پیش‌یابی شده در gcm‌ها و ssp‌ها مختلف دیده شد. این تغییرات دمای پیش‌بینی‌شده قابل‌توجه و قابل اعتماد هستند زیرا تمامی مدل‌ها در مورد جهت تغییر دما در کل استان توافق دارند. به‌طور کلی، افزایش میانگین tmax و tmin تحت ssp8.5 در مقایسه با ssp4.5 به دلیل انتشار گازهای گلخانه‌ای کاهش نیافته، قابل ملاحظه است. به‌طوری که تحت سناریوی ssp8.5 در سال‌های 2050 و 2090 بیشترین تغییرات متوسط در سطح استان برای دمای حداکثر، به‌ترتیب 64.2 و 72.4 درجه سانتی‎گراد افزایش در فصل بهار و بیشترین تغییرات متوسط دمای حداقل، به‌ترتیب 97.2 و 83.4 درجه سانتی‎گراد افزایش در فصل پاییز محاسبه گردید. تغییر بارش آینده پیچیدگی و عدم قطعیت بیشتری را نسبت به دما نشان داد. بالاترین میزان تغییرات افزایشی حجم بارش در سطح استان در سال 2090 در سناریوهای ssp4.5 و ssp8.5 در ایستگاه رامسر به‌میزان 5.40 و 9.51 درصد اعلام می‌گردد. همچنین، در سطح استان به‌طور متوسط تحت سناریوهای ssp4.5 و ssp8.5 در افق (2060-2040) به‌ترتیب 86.38 و 95.43 درصد و در افق (2100-2080) به‌ترتیب 11.45 و 94.65 درصد افزایش حجم بارندگی پیش‌یابی می‌شود. به این ترتیب، با استناد به نتایج مطالعه حاضر، در سطح استان، تغییرات به‎سمت دوره مرطوب‌تر در طول دوره‌های آینده پیش می‌رود که بخش غربی استان با افزایش بارندگی بیشتری مواجه می‌گردد.نتیجه‌گیری: بررسی وضعیت خشک‌سالی در دوره پایه بیانگر وقوع دوره‌های با بارندگی نزدیک به نرمال در بازه‌های طولانی‌تر می‌باشد و ایستگاه‌های ساری و قراخیل نسبت به ایستگاه‌های غرب استان خشکی بیشتری را گزارش می‌دهند. همه مدل‌های پیش‌یابی gcm، نتایج یکسانی را در روندهای افزایش گرمایش قابل‎توجهی در این استان ارائه دادند ولی برای بارش به‎دلیل حساسیت موضوع و عدم قطعیت‌های دخیل بر مساله، پیشنهاد می‌شود که مدل‌های دیگر در این رابطه مورد بررسی قرار گیرد. بنابراین، با توجه به تاثیر تغییرات پارامترهای دمایی و بارش بر منابع آبی و سیلاب‌های منطقه، ضروری است جهت سازگاری و تاب‌آوری در برابر تغییرات اقلیمی، راهکارهای مدیریتی مناسب برای آینده اتخاذ گردد. 

local analysis of drought and climate change projection in future periods under the cmip6 model (case study: mazandaran province)

extended abstractbackground: climate changes can significantly affect socioeconomic activities and quality of life, especially in countries that are currently facing water tensions. climate models play a key role in assessing the impact of climate change and developing adaptation and resilience strategies. considering the importance of food security and then water security in resilience against climate change, as well as the significant contribution of mazandaran province in the production of agricultural products and food supply of the country, it is very important to examine the drought situation of this province and its climate change process. in this study, therefore, the wet and dry durations in the 20-year base period of mazandaran province were evaluated using the standardized standard precipitation index. then, projections of temperature and precipitation at the local scale were made in future periods using the five global circulation models (gcm) available in phase 6 of the climate output project (cmip6) under three scenarios ssp2.6, ssp4.5, and ssp8.5.methods: in this research, six meteorological stations, viz. ramsar, noshahr, siyabisheh, babolsar, and qarakhil, were selected due to the coverage of the most statistical years and suitable spatial distribution in the region. time series of precipitation and daily maximum/minimum temperatures were collected for six selected stations in the region with a base statistical period of 20 years (january 1999 to december 2018). after ensuring the quality of the data, the trend of their changes was analyzed using mann-kendall and age slope tests. standard precipitation index values were calculated and evaluated in different intervals. finally, large-scale data from five general circulation models (access-cm2, canesm2, cnrm-cm-6-1, mri-esm2-0, and nesm3) were downscaled by the lars-wg6 climate generator. thus, predictions of seasonal and annual changes for tmax, tmin, and precipitation in two future periods (2040-2060 and 2080-2100) were made using the average of selected gcms. results: as a result of the statistical analysis of the above data, minimum and maximum temperatures increased and precipitation decreased during the standard period, but no significant trend was found at the 0.05 level. the analysis also shows that the state’s worst droughts occurred in 2007, 2009, late 2011, early 2012, and 2018, with spi values below-1.0 at stations. the wettest years in the region are 2004-2006 and 2017. the frequency of wet periods is higher than dry periods for all seasons in the region. in the microscale aspect, the results confirmed the ability of the lars-wg6 model to simulate temperature more accurately than local precipitation, with more precipitation errors in wet seasons. among these results, the lowest value of the correlation coefficient (0.941) was obtained for maximum and minimum monthly temperatures, which means that the squared error value is between 1.05 and 3.82°c. the largest differences between modeled precipitation and observations occurred during the rainy season when gcms underestimated precipitation. the analysis of future climate changes revealed that all five gcms indicated a continued increase in temperature in the study area. however, differences in the magnitude of signal changes were observed in different gcms and ssps. these predicted temperature changes are significant and reliable because all models agree on the direction of temperature change across the province. overall, the increase in average tmax and tmin is significant in ssp8.5 compared to ssp4.5 because of no reduction in greenhouse gas emissions. thus, the largest mean changes in the ssp8.5 scenario for 2050 and 2090 at the provincial level for maximum temperature are increases of 2.64 and 4.72 °c during spring, and the largest mean changes in minimum temperature were calculated to rise to 2.97 and 4.83 °c during autumn. future changes in precipitation proved to be more complex and unpredictable than temperature. the largest incremental changes in local precipitation in 2090 under the ssp4.5 (40.5%) and ssp8.5 (51.9%)scenarios were shown by the ramsar station. in the study area, it is projected 38.86% and 43.95% on average in the feature period (2040-2060) and 45.11% and 65.94% in the feature period (2080-2100) under ssp4.5 and ssp8.5. thus, the results of this study show that the shift toward wetter seasons at the provincial level in the future will cause more precipitation in the western part of the province.conclusion: examining the drought situation in the base period shows the occurrence of periods with near-normal rainfall in longer intervals, and sari and qarakhail stations report more drought than stations in the west of the province. all gcm forecasting models presented the same results in significant warming trends in this province. for precipitation, however, it is suggested to investigate other models in this regard due to the sensitivity of the issue and the uncertainties involved in the issue. considering the effect of changes in temperature parameters and precipitation on water resources and floods in the region, it is necessary to adopt suitable management strategies for the future to be resilient against climate change.