آینده پژوهی زیست محیطی و توسعه پایدار

آینده پژوهی زیست محیطی و توسعه پایدار

تحلیل الگوی آب‌وهوایی دمای شهر تبریز تحت شرایط تغییر اقلیم

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه جغرافیای طبیعی، دانشگاه تربیت مدرس
2 گروه جغرافیای طبیعی دانشگاه تربیت مدرس
چکیده
هدف: این پژوهش با هدف شناسایی الگوی توزیع و روند دمای میانگین، حداقل و حداکثر در ایستگاه سینوپتیک تبریز طی دوره ۱۹۷۵۲۰۲۴ و همچنین برآورد تغییرات آینده بر اساس سناریوهای جدید انجام شد. یافته‌ها به عنوان مبنایی علمی برای سیاست‌گذاران و برنامه‌ریزان در تدوین راهبردهای سازگاری مؤثر در نظر گرفته شده است. علاوه بر این، این تحقیق به دنبال پر کردن شکاف موجود در پیش‌بینی‌های اقلیمی بومی‌شده برای منطقه تبریز با به‌کارگیری مدل‌های پیشرفته CMIP6 و سناریوهای متعدد انتشار است و بدین‌ترتیب درک جامع‌تری از شرایط بالقوه اقلیمی آینده و پیامدهای آن برای بخش‌های مختلف اقتصادی-اجتماعی ارائه می‌دهد. همچنین این پژوهش با ارائه تحلیل‌های فصلی و ماهانه، امکان شناسایی دوره‌های حساس و آسیب‌پذیرتر را فراهم می‌آورد تا برنامه‌ریزان بتوانند بر اساس اولویت‌های زمانی، اقدامات سازگاری را به‌طور دقیق‌تر و کارآمدتر طراحی و اجرا نمایند..
روش: برای این منظور، روندها با استفاده از آزمون ناپارامتری منکندال و برآوردگر شیب سن ارزیابی شدند. برای پیش‌بینی‌های آینده، از مدل‌های CMIP6 با دوره پایه ۱۹۹۵۲۰۱۴ و چهار بازه زمانی ۲۰ ساله (۲۰۳۹-۲۰۲۰، ۲۰۵۹-۲۰۴۰، ۲۰۷۹-۲۰۶۰، ۲۰۹۹-۲۰۸۰) تحت سناریوهای SSP1-2.6، SSP2-4.5، SSP3-7.0 و SSP5-8.5 استفاده شد. از رویکرد میانگین همادی چندمدلی برای کاهش عدم‌قطعیت‌های ناشی از عملکرد متفاوت مدل‌ها بهره گرفته شد و بازه‌های عدم‌قطعیت (P10-P90) محاسبه گردید تا درک جامع‌تری از تغییرات بالقوه در پیش‌بینی‌های آینده ارائه شود. همچنین تحلیل‌های فصلی و ماهانه برای شناسایی دوره‌های آسیب‌پذیرتر و درک بهتر توزیع زمانی روندهای گرمایشی انجام شد که این امر به برنامه‌ریزان کمک می‌کند تا اقدامات سازگاری را بر اساس اولویت‌های زمانی و فصلی طراحی نمایند.
نتایج: نتایج نشان داد که در دوره مشاهداتی، میانگین دمای سالانه از ۴/۱۲ به ۱/۱۴ درجه سلسیوس افزایش یافته است. روند دمای حداکثر معنادار و افزایشی بود و شیب سن آن ۰۵۸/۰ درجه سلسیوس در سال محاسبه شد. دمای حداقل نیز روند افزایشی معناداری با شیب ۰۳۴/۰ درجه سلسیوس در سال نشان داد. در پیش‌بینی‌های آینده، تمام ماه‌ها و سناریوها حاکی از افزایش دما بودند؛ تحت سناریوهای میانی، افزایش عمدتاً بین ۱ تا ۲ درجه سلسیوس بود، در حالی‌که تحت سناریوی SSP5-8.5، دمای حداکثر تا ۶ تا ۸ درجه سلسیوس افزایش پیش‌بینی شد.
نتیجه‌گیری: یافته‌های این پژوهش نشان داد که تحلیل‌های کوتاه‌مدت به دلیل نوسانات اقلیمی از قابلیت اطمینان کمتری برخوردار هستند؛ بنابراین، بررسی‌های بلندمدت همراه با رویکردهای چندمدلی می‌توانند نتایج مستحکم‌تر و قابل‌اطمینان‌تری ارائه دهند.

تازه های تحقیق

این پژوهش برای اولین بار با استفاده از میانگین همادی ۳۲ مدل از مجموعه مدل‌های CMIP6 و چهار سناریوی جدید SSP (SSP1-2.6، SSP2-4.5، SSP3-7.0 و SSP5-8.5) به پیش‌بینی تغییرات دمای میانگین، حداقل و حداکثر ایستگاه سینوپتیک تبریز تا پایان قرن ۲۱ پرداخته است. برخلاف پژوهش‌های پیشین که عمدتاً بر مدل‌های منفرد یا سناریوهای RCP در CMIP5 متمرکز بودند، این تحقیق با رویکرد همادی چندمدلی و گزارش صریح بازه عدم‌قطعیت (P10-P90)، تصویر دقیق‌تری از تغییرات اقلیمی آینده ارائه می‌دهد. تحلیل روند ۵۰ ساله (۱۹۷۵-۲۰۲۴) با آزمون من-کندال نشان داد که دمای میانگین، حداقل و حداکثر به‌ترتیب با شیب ۰۴۴/۰، ۰۳۴/۰ و ۰۵۸/۰ درجه سلسیوس در سال افزایش یافته‌اند که بیانگر گرمایش معنادار منطقه است. پیش‌بینی‌ها حاکی از آن است که تحت سناریوی SSP5-8.5، دمای میانگین سالانه تا پایان قرن حدود ۶.۴ درجه، دمای حداقل حدود ۶ درجه و دمای حداکثر حدود ۶.۷ درجه سلسیوس نسبت به دوره پایه افزایش خواهد یافت. بیشترین گرمایش مربوط به ماه‌های تابستان (ژوئیه و آگوست) با افزایش بیش از ۷ تا ۸ درجه سلسیوس تحت سناریوی SSP5-8.5 است. همچنین نتایج نشان می‌دهد که بازه عدم‌قطعیت در سناریوهای انتشار بالا (SSP3-7.0 و SSP5-8.5) به‌مراتب گسترده‌تر از سناریوهای پایین (SSP1-2.6) است که حاکی از افزایش نااطمینانی در پیش‌بینی‌های بلندمدت می‌باشد. این پژوهش با ارائه جدول‌های ماهانه و سالانه تغییرات دما در چهار دوره آینده، ابزاری عملی برای برنامه‌ریزی سازگاری با تغییر اقلیم در بخش‌های انرژی، کشاورزی، منابع آب و سلامت عمومی در منطقه تبریز فراهم می‌آورد.

کلیدواژه‌ها
موضوعات

Almazroui, M., Ashfaq, M., Islam, M. N., Rashid, I. U., Kamil, S., Abid, M. A., ... & Sylla, M. B. (2021). Assessment of CMIP6 performance and projected temperature and precipitation changes over South America. Earth Systems and Environment, 5(2), 155-183. https://doi.org/10.1007/s41748-021-00233-6
Ashteh, P.S. (2014). Climate Change and Water: Tools and Approaches. Tehran: Javedan Kherad Publications, First Edition, p. 224.
Baharvandi, N., Majard, F., & Masoum Pour, J. (2020). Identification of heat waves and analysis of their temporal-spatial variations in Iran. Applied Research in Geographical Sciences, 20(59), 39-58.
Eyring, V., Bony, S., Meehl, G.A., Senior, C.A., Stevens, B., Stouffer, R.J., & Taylor, K.E. (2016). Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geoscientific Model Development, 9(5), 1937-1958. https://doi.org/10.5194/gmd-9-1937-2016
Farajzadeh Asl, M., & Feizi, V. (2012). Detection of temporal-spatial changes in temperature and precipitation elements in Iran. Space Planning and Preparation (Modares Humanities), 16(4), 49-66.
Farajzadeh Asl, M., & Ghasemifar, E. (2019). Fundamentals of Climate Change (Climate and Its Consequences). Tehran: Entekhab Publishing.
IPCC. (2022). Climate Change 2022: Mitigation of Climate Change. Contribution of Working Group III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press. https://doi.org/10.1017/9781009157926
Jahanbakhsh Asl, S., Khorshid-Doust, A.M., & Alinejad, T. (2021). Investigation of temperature and precipitation changes in the Seymareh Basin using CMIP5 climate models. Spatial Analysis of Environmental Hazards, 31(8), 17-32.
Jato-Espino, D., Sillanpää, N., Charlesworth, S.M., & Rodriguez-Hernandez, J. (2019). A simulation-optimization methodology to model urban catchments under non-stationary extreme rainfall events. Environmental Modelling & Software, 122, 103960. https://doi.org/10.1016/j.envsoft.2017.09.022
Kendall, M.G. (1970). Rank Correlation Methods (2nd ed.). New York: Hafner.
Mann, H.B. (1945). Nonparametric tests against trend. Econometrica, 13, 245-259. https://doi.org/10.2307/1907187
Maryanji, S., Tolabi-Nejad, M., & Zarrin, Z. (2025). Modeling and forecasting of temperature trends in Hamadan County. Applied Research in Geographical Sciences, 77(25), 155-173.
Nourani, V., Rouzegari, N., Molajou, A., & Baghanam, A.H. (2020). An integrated simulation-optimization framework to optimize the reservoir operation adapted to climate change scenarios. Journal of Hydrology, 587, 125018. https://doi.org/10.1016/j.jhydrol.2020.125018
O'Neill, B.C., Tebaldi, C., Vuuren, D.P.V., Eyring, V., Friedlingstein, P., Hurtt, G., ... & Meehl, G.A. (2016). The scenario model intercomparison project (ScenarioMIP) for CMIP6. Geoscientific Model Development, 9(9), 3461-3482. https://doi.org/10.5194/gmd-9-3461-2016
Partal, T., & Kahya, E. (2006). Trend analysis in Turkish precipitation data. Hydrological Processes: An International Journal, 20(9), 2011-2026. https://doi.org/10.1002/hyp.5993
Rahimi, N., & Faraji, A. (2023). Forecasting the average annual temperature of Tabriz city using time series models. Arid Regions Geographical Studies, 14(51), 99-113. https://doi.org/10.22034/jargs.2023.373963.0
Rogelj, J., Popp, A., Calvin, K.V., Luderer, G., Emmerling, J., Gernaat, D., ... & Tavoni, M. (2018). Scenarios towards limiting global mean temperature increase below 1.5°C. Nature Climate Change, 8, 325-332. https://doi.org/10.1038/s41558-018-0091-3
Salazar, Á., Thatcher, M., Goubanova, K., Bernal, P., Gutiérrez, J., & Squeo, F. (2024). CMIP6 precipitation and temperature projections for Chile. Climate Dynamics, 62(3), 2475-2498. https://doi.org/10.1007/s00382-023-07016-z
Seker, M., & Gumus, V. (2022). Projection of temperature and precipitation in the Mediterranean region through multi-model ensemble from CMIP6. Atmospheric Research, 280, 106440. https://doi.org/10.1016/j.atmosres.2022.106440
Shahbazi Kia, S., Ghorbani Tashkaki, S., Yarahmadi, J., Ostavari, Y., & Mirzaei, S. (2022). Projection of precipitation and temperature changes at Tabriz synoptic station during the period 2020-2100. Climatology Research, 1401(52), 125-142.
Shoja, F., & Shamsipour, A.A. (2023). Projection of future precipitation changes in watersheds supplying water to Tehran city. Natural Environmental Hazards, 12(36), 151-180. https://doi.org/10.22111/jneh.2022.42622.1908
World Bank. (2024). Climate Change Knowledge Portalhttps://climateknowledgeportal.worldbank.org
World Climate Research Programme. (2023). CMIP6 – Coupled Model Intercomparison Project Phase 6https://www.wcrp-climate.org/wgcm-cmip/wgcm-cmip6
You, Q., Cai, Z., Wu, F., Jiang, Z., Pepin, N., & Shen, S. S. (2021). Temperature dataset of CMIP6 models over China: evaluation, trend and uncertainty. Climate Dynamics, 57(1), 17-35. https://doi.org/10.1007/s00382-021-05691-4
Zanouzi Alamdari, N., Sobhani, B., Aslani, M., & Mohammadi, M. (2024). Investigation of precipitation trend and minimum and maximum temperatures in East Azerbaijan Province using CMIP6 coupled models. Watershed Engineering and Management, 16(4), 482-499. https://doi.org/10.22092/ijwmse.2024.363697.2034
Zarin, A., & Dadashi Rudbari, A.A. (2021). Projection of Iran's temperature in the near future (2021-2040) based on CMIP6 multi-model ensemble approach. Physical Geography Research, 53(1), 75-90. https://doi.org/10.22059/jphgr.2021.308361.1007551