اثرات تغییر اقلیم بر احتمال وقوع اولین یخبندان پاییزه و آخرین یخبندان بهاره (مطالعه موردی: اصفهان)

تغییر تاریخ وقوع اولین یخبندان پاییزه و آخرین یخبندان بهاره که به‌لحاظ کشاورزی بسیار حائز اهمیت است، می‌تواند یکی از پیامدهای ناشی از پدیدۀ گرمایش جهانی باشد. یکی از روش‌های مطالعۀ اقلیم آینده، استفاده از خروجی مدل‌های گردش عمومی جو است. با استفاده از روش وزن‌دهی میانگین مشاهداتی دما و بارندگی (motp) که طی آن مدل‌های گردش عمومی جو بر اساس مقدار انحراف میانگین دما یا بارندگی شبیه‌سازی شده در دورۀ پایه از میانگین داده‌های مشاهداتی وزن‌دهی می‌شوند، مدلی که وزن بیشتری در مدل سازی در مورد دادۀ دمای گذشتۀ منطقه دارد، به‌عنوان مدل بهینه انتخاب می‌شود. اما این مدل‌ها به‌دلیل قدرت تفکیک مکانی پایین، گویای تغییر اقلیم ایستگاهی نیستند. لذا در این تحقیق برای ریزمقیاس‌نمایی نتایج مدل‌های gcm تحت سه سناریوی انتشار a2 و b1 و a1b در ایستگاه اصفهان از مدل lars wg استفاده شد. نتایج استخراج شده با نرم‌افزار spss مورد تحلیل آماری قرار گرفت و بررسی‌ها در سطح آماری 5 درصد (p<0/05) انجام پذیرفت. نتایج این بررسی‌ها برای چشم‌انداز 2049 2020 نشان داد که میانگین شماره روز وقوع اولین یخبندان پاییزه مبتنی بر هر سه سناریو در مقایسه با اقلیم گذشته، در ایستگاه اصفهان 2 تا 5 روز افزایش خواهد یافت. همچنین در این ایستگاه برای میانگین شماره روز وقوع آخرین یخبندان بهاره مبتنی بر هر سه سناریو در مقایسه با اقلیم گذشته، بین 2 تا 4 روز کاهش مشاهده می‌شود. درنهایت برای داده‌های به‌دست آمده با استفاده از نرم‌افزار easy fit بهترین توابع توزیع برای تعیین احتمال وقوع اولین یخبندان پاییزه و آخرین یخبندان بهاره در دورۀ پایه و در شرایط تغییر اقلیم تحت سه سناریوی انتشار انتخاب شد و مورد مقایسه قرار گرفت.

effects of climate change on the probability of occurrence of the first fall frost and the last spring frost (case study: isfahan)

changing the date of the first fall frost and the last spring frost is an important phenomenon in agriculture that can be one of the consequences of global warming. using general circulation models (gcms) is a way to study future climate. in this study, observations of temperature and precipitation were weighted by using mean observed temperature precipitation (motp) method. this method considers the ability of each model in simulating the difference between the mean simulated temperature and mean precipitation in each month in the baseline period and the corresponding observed values. the model that had more weight, selected as the optimum model because it is expected that the model will be valid for the future. but, these models are not indicative of stationary climate change due to their low spatial resolution. therefore, in this research, the outputs of gcm models are based on the three emission scenarios a2 and b1 and a1b, downscaled by lars wg for isfahan station. the data were analyzed by spss software at a 95% confidence level (p<0.05). the results indicated that in the isfahan in the future period 2020 2049 based on the three scenarios, as compared with baseline period 1971 2000, the first fall frost will occur later and the last spring frost will occur earlier. the first fall frost will occur later for 2 days (based on the a1b emission scenario) to 5 days (based on the a2 emission scenario) and the last spring frost will occur earlier for 2 days (based on the and b1 emission scenario) to 4 days (based on the a2 emission scenario). finally, the best distribution functions for the first fall frost and the last spring frost for the baseline period and under climate change were selected and compared using the easyfit software.