بررسی عملکرد مدل sdsm در ایستگاه‌های مختلف و پیش‌بینی متغیرهای اقلیمی برای دوره آتی

طبق گزارش چهارم ipcc وقوع تغییر اقلیم و تاثیر آن بر خشکسالی، سیل، مشکلات بهداشت و کمبود غذا تایید شده است. بنابراین شناخت مقدار و چگونگی تغییرات اقلیمی می تواند در مدیریت منابع مختلف بخصوص مدیریت منابع آب حائز اهمیت تلقی گردد. مدل های گردش عمومی جو ابزاری برای پیش بینی متغیرهای اقلیمی برای دوره آتی هستند که برای استفاده از خروجی این مدلها در مقیاس محلی نیاز به ریزمقیاس گردانی آنها در سطح ایستگاه می باشد. در ریزمقیاس گردانی آماری انتقال داده خروجی یک سلول به ایستگاه هواشناسی انجام می شود. با توجه به اینکه ایستگاه در چه قسمتی از سلول قرار گرفته باشد، ممکن است دقت ریزمقیاس گردانی متفاوت باشد. هدف از این پژوهش پیش بینی متغیرهای دما و بارش حوضه کن تا سال 2099 توسط خروجی مدل بزرگ مقیاس hadcm3 تحت سناریو a2 و مدل آماری sdsm بود. همچنین ارتباط بین دقت ریزمقیاس گردانی مدل آماری sdsm در ایستگاه های مختلف مربوط به حوضه که در یک شبکه hadcm3 واقع شده اند با موقعیت و شرایط اقلیمی ایستگاه ها بررسی شد. براساس نتایج حاصل در ایستگاه هایی که متوسط دما و بارش آن ها به متوسط دما و بارش سلول hadcm3 نزدیک تر بود شبیه سازی با دقت بالاتری بدست آمد. در نهایت تغییرات مقادیر دما و بارش برای سه دوره آینده نزدیک (2040-2011)، آینده میانی (2070-2041) و آینده دور (2099-2071) نسبت به دوره پایه (2001-1961) پیش بینی شد که نتایج حاصل از این بخش نیز افزایش دما و کاهش بارش را تا سال 2099 برای حوضه کن نشان داد.

Evaluate the performance of SDSM model in different station and predict climate variables for future

According to the fourth report from the IPCC was confirmed climate change and its impacts on drought, floods, health problems and food shortages. Therefore, understanding of how climate change could be important in the management of resources, especially water resources management. AtmosphereOcean Global Circulation Models (AOGCM) are tools for predicting the future climate variables and it must be downscaled its output for the studies on the local scale. In statistical downscaling methods, output of GCM grid was transferred to station. The accuracy of downscaling is dependent on location of weather stations in GCM grid. The main objective of this study was to predict temperature and precipitation by using the HadCM3model under the A2 emission scenario and statistical downscaling model (SDSM) to year 2099. Furthermore, relation between accuracy of SDSM downscaling model in different station of KAN which located in one grid and location and climatic conditions of each station was evaluated. The results showed at the station that mean of temperature and rain was closer than to mean of temperature and rain of HadCM3 grid, simulation were obtained with higher accuracy. Finally, temperature and precipitation for this three period (20112040), (20412070) and (20712099) were predicted and compared with base period (19612001). The results showed temperature will increase and precipitation will decrease by 2099 in KAN watershed.