نوع مقاله : علمی - پژوهشی
نویسندگان
1 استادیار پژوهشکدة اقلیمشناسی و تغییر اقلیم، مشهد
2 استادیار گروه مهندسی آب، مجتمع آموزش عالی کشاورزی و دامپروری، تربت جام
3 کارشناس ارشد مهندسی آبیاری و زهکشی، پژوهشکدة اقلیمشناسی و تغییر اقلیم، مشهد
4 دانشیار پژوهشکدة اقلیمشناسی و تغییر اقلیم، مشهد
چکیده
تبخیرــ تعرق گیاه مرجع متغیری است که مهمترین جزء چرخة هیدرولوژی محسوب میشود. با توجه به ارتباط مستقیم تبخیرـ تعرق مرجع با متغیرهای اقلیمی، انتظار میرود افزایش دمای هوا و تغییرات فراسنجهای مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت دادههای شبکهای CRU در برآورد میانگین سالیانة سه متغیر دمای کمینه، بیشینه و تبخیرـ تعرق در استان خراسان رضوی، پیشنگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برونداد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دورة آیندة نزدیک (2050-2021) و آیندة میانی (2080-2051) بررسی شد. نتایج نشان داد دادههای CRU دارای مهارت مناسبی در شبیهسازی دما در منطقهاند. میانگین سالیانة دمای کمینه، در دورة 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دورة 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانة دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دورة میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسة مقادیر ETo مشاهداتی با برونداد چهار مدل اقلیمی در تمامی نقاط شبکه برای دورة پایه نشان داد، بهرغم تفاوت در مقدار، نحوة پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی همخوانی مناسبی دارد. براساس نتایج بهدستآمده، طی دو دورة مورد بررسی، این متغیر افزایش خواهد یافت و همانطور که انتظار میرود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است.[1] Reference Evapotranspiration (ETo)
کلیدواژهها
عنوان مقاله [English]
Study of Spatial and Temporal Characteristics of ETo and Temperature in Khorasan Razavi Province Using CRU TS Dataset and Their Future Projections Based on CMIP5 Climate Models
نویسندگان [English]
- Mansoureh Kouhi 1
- Zahra Shirmohammadi aliakbarkhani 2
- Azadeh Mohamadian 3
- Majid Habibi Nokhandan 4
1 Assistance Prof. of Climatological and Climate Change Research Institute (CRI)
2 Assistance Prof., Faculty of Agriculture and Animal Science, Torbat-e Jam Educational Complex, khorasan Razavi
3 Member of Applied Climatology Research Group, Climatological and Climate Change Research Institute
4 Associate Prof, Head of Applied Climatology Research Group, Climatological and Climate Change Research Institute
چکیده [English]
Evapotranspiration is significantly affected by global climate changes as an essential component of both climate and hydrological cycles. Comprehensive analyses of the spatiotemporal changes of ETo enhance the understanding of hydrological processes and improve water resource management. The main objective of this study is to investigate and predict the temporal trend and spatial distributions of the mean maximum temperature (Tmax), the mean minimum temperature (Tmin) and reference evapotranspiration (ETo) during 1961-2014, 2021-2050 and 2051-2080 over Khorasan Razavi Province using CRUTS3.23 dataset and the outputs of four CMIP5 climate models. The results were as follows: (i) the ability of CRU dataset in simulating monthly mean of Tmax and Tmin is suitable, (ii) generally, ETo increased from north to south across the province (ii) from 1961 to 2014, annual ETo exhibited an increasing continuous trend across the area under study (iii) the mean annual minimum temperature projected to increase by 1.6 under RCP4.5 and RCP8.5 scenarios during two future periods. During 2051-2080, this variable will have an increase by 3ᵒ C under RCP8.5 scenario. The maximum temperature will increase by 4ᵒ C during the middle future period under RCP8.5 scenario. (v) The difference between mean annual ETo values of two periods was statistically significant in all grid points covering this province. The results showed that these increases may lead to the increase in crop water requirements and aggravate the water shortage in this area in view of the increase in ETo in response to ongoing climate change.
کلیدواژهها [English]
- climate change
- ETo
- CRU Gridded Dataset
- Climate Model