بررسی عدم قطعیت سناریوهای تغییر اقلیم در برآورد حداکثر بارش محتمل (pmp) استان‌های ساحلی دریای خزر

هدف: یکی از مهم‌ترین متغیرهای هواشناسی که تغییر اقلیم بر آن تاثیر می‌گذارد، حداکثر بارش محتمل  (pmp)  است؛ معیاری که نقش مهمی در طراحی سازه‌های آبی با ریسک بالا، مانند سدها، دارد. در این پژوهش، اثرات تغییرات اقلیمی بر pmp در استان‌های ساحلی دریای خزر (ایستگاه‌های سینوپتیک انزلی، رشت، رامسر، بابلسر، قائم‌شهر و گرگان) بررسی شده است.مواد و روش‌ها: برای تولید سناریوهای تغییر اقلیم، در دو دوره زمانی (2054-2025 و 2084-2055)، از خروجی 18 مدل aogcm و سه سناریوی انتشار گازهای گلخانه‌ای (ssp2-4.5، ssp3-7.0 و ssp5-8.5)  استفاده شد. به منظور کاهش عدم قطعیت نتایج حاصل از این مدل‌ها، دو روش میانگین وزنی و احتمالاتی به کار گرفته شد. در روش میانگین وزنی، مدل‌های aogcm بر اساس دقت شبیه‌سازی بارش در دوره‌های گذشته رتبه‌بندی و وزن‌دهی شدند، در حالی که در روش احتمالاتی، توزیع‌های احتمالی برای تولید سناریوهای بارش با سطوح احتمالی 0.50، 0.75 و 0.90 به کار رفت.نتایج: نتایج نشان‌دهنده عدم قطعیت بالا در بین خروجی‌های مدل‌ها و سناریوهای مختلف در تخمین pmp  بود و بیانگر این نکته است که تغییرات pmp در ایستگاه‌های موردمطالعه، الگوی ثابتی را دنبال نمی‌کند. بااین‌حال، در روش میانگین وزنی، به‌طورکلی انتظار می‌رود pmp در دوره اول کاهش و در دوره دوم افزایش کمی را تجربه کند.نتیجه‌گیری: برای طراحی سازه‌های با ریسک بالا، توصیه می‌شود که از نتایج سناریوی انتشار بحرانی با سطح احتمال 0.90 استفاده شود. در این حالت، افزایش pmp در اثر تغییرات اقلیمی بین حدود 12 درصد برای ایستگاه قائم‌شهر تا حداکثر 48 درصد برای ایستگاه گرگان متغیر خواهد بود.

assessment of climate change scenarios uncertainty in estimating probable maximum precipitation (pmp) in the caspian sea coastal provinces

objective: one of the most critical meteorological variables influenced by climate change is the probable maximum precipitation (pmp), a key parameter in the design of high-risk water infrastructures such as dams. this study assesses the impacts of climate change on pmp across the coastal provinces of the caspian sea (including synoptic stations in anzali, rasht, ramsar, babolsar, qaemshahr, and gorgan). methods: to generate climate change scenarios for two periods (2025-2054 and 2055-2084), the outputs of 18 aogcm models and three greenhouse gas emission scenarios (ssp2-4.5, ssp3-7.0, and ssp5-8.5) were used. to reduce uncertainties in the aogcm outputs, two methods-weighted averaging and probabilistic analysis-were employed. in the weighted averaging method, aogcm models were ranked and weighted based on their accuracy in simulating precipitation of baseline period. in the probabilistic method, probability distributions were applied to generate precipitation scenarios at probability levels of 0.5, 0.75, and 0.90.results: the findings revealed significant uncertainty among aogcm outputs and emission scenarios in estimating pmp, indicating that pmp changes in the studied stations do not follow a consistent pattern. however, in the weighted averaging approach, pmp is generally expected to decrease in the first period and show a slight increase in the second period.conclusions: for designing high-risk structures, it is recommended to utilize the results from the critical scenario with a 0.90 probability level. in this case, the increase in pmp due to climate change varies from approximately 12% at qaemshahr station to a maximum of 48% at gorgan station.