پیش ‏بینی وضعیت خشک‏سالی در دوره ‏های آتی با استفاده از مدل lars-wg (مطالعه موردی: شهرستان کرمانشاه)

پیش‏بینی تغییرات اقلیمی به دلیل آثار مخرب بر منابع آبی، زیست‌محیطی، اقتصادی، و اجتماعی از اهمیتی ویژه برخوردار است. بنابراین، هدف از این تحقیق پیش‏بینی تغییرات اقلیمی شهرستان‏ کرمانشاه با استفاده از مدل‏های ریزمقیاس گردش عمومی جوّ قابل دسترس در مدل lars-wg6 (gfdlcm3, mpiesmmr, miroc5) تحت سناریوهای rcp4.5 و rcp8.5 برای دوره 2020 تا 2100 با دوره پایه 1980 تا 2010 بود. برای ارزیابی داده‏های پیش‏بینی‌شده در مدل lars-wg به بررسی میزان خطای داده‏های مشاهداتی و پیش‏بینی‌شده با استفاده از معیارهای r2, rmse, mse, mad پرداخته شد. نتایج نشان داد مدل lars-wg قابلیت لازم را برای پیش‏بینی داده‏های اقلیمی در آینده دارد و بین زیرمدل‏ها مدل mpiesmmr تحت سناریوی rcp4.5 از ضریب اطمینان بالاتری نسبت به سایر زیرمدل‏های ارزیابی‌شده برخوردار است. همچنین، همه مدل‏ها بیانگر افزایش متوسط دمای حداقل و حداکثر و تغییر الگوی بارش در دوره‏های زمانی آینده در منطقه مورد مطالعه بودند. در ادامه شاخص‏های spi و دو مارتن برای همه مدل‏ها محاسبه شدند. بر اساس شاخص spi همه مدل‏های اقلیمی مورد ارزیابی نشان دادند تا سال 2100 سال‏های با شاخص نرمال کاهش‌یافته در مقابل شرایط خشک افزایش خواهند یافت و همچنین بر اساس شاخص دو مارتن مدل gfdl تحت سناریوی rcp8.5 میزان تغییرات اقلیم بیشتر از سایر مدل‌ها برآورد شد و سال‌های خشک و نیمه‌خشک بیشتر از سال‏های مرطوب خواهد بود. اما در مقابل مدل miro تحت سناریوی rcp45 خوشبینانه‌تر عمل کرد و میزان تغییر اقلیم کمتری صورت خواهد گرفت.

Drought Forecasting for Future Periods Using LARS-WG Model: The Case Study of Kermanshah City

The prediction of climactic changes is of great importance due to their destructive effects on aquatic, environmental, economic, and social resources. Accordingly, the purpose of this study was to predict the climactic changes of Kermanshah city using microscale general atmospheric circulation models accessible in LARS-WG6 (GFDLCM3, MPIESMMR, MIROC5) model in scenarios RCP4.5 and RCP8.5 for the 2020 to 2100 period based on the benchmark period of 19802010. In order to evaluate the data forecasted in LARS-WG model, the error rate of the observed and predicted data was addressed using R2, RMSE, MSE, and MAD criteria. The results showed that LARS-WG model had the needed capability to predict climactic data in future. In the secondary models, the MPIESMMR model in scenario RCP4.5 showed a higher reliability rate compared to other secondary models evaluated in the study. Moreover, all models indicated increases in the average minimum and maximum temperature and forecasted changes in rainfall pattern in future periods in the studied area. Then, the SPI and De Martonne indices were calculated for all models. According to SPI index, all evaluated climactic models demonstrated that by the year 2100, the years with normal index would decrease while the years with dry conditions would increase. Moreover, based on De Martonne index, the GFDL model in RCP8.5 scenario estimated the climactic changes level more than other models, and predicted that dry and semidry years will be more than wet years. Contrarily, the MIRO model in RCP45 scenario acted more optimistically and predicted less climactic changes.