دورنمای فرین های گرم ایران مبتنی بر برونداد مدل میان مقیاس منطقه ایی (REGCM4)

نویسندگان

1 اقلیم دانشگاه شهید بهشتی، تهران، ایران.

2 اقلیم دانشگاه یزد، یزد، ایران.

چکیده

با ظهور و شدت یافتن پدیده گرمایش جهانی، توسعه راهبردهای کارآمد برای سازگاری با این پدیده امری ضروری قلمداد می گردد. این ضرورت در گام نخست درکی مناسبی از آسیب پذیری مناطق مختلف از دگرگونی های آب و هوایی به دست می آورد و متناسب با گنجایش های منطقه ایی راهبردهای سازگاری با دگرگونی های آب و هوایی را ارائه می کند. هدف از این پژوهش شناخت اثر گرمایش جهانی بر تغییرات میزان دماهای فرین بالا طی دهه های آینده در قلمرو ایران است. به این منظور داده های پایگاه EH5OM برای دوره 2015 تا 2050 میلادی به شکل دیدبانی های 3 ساعته (8 بار در روز) تحت سناریو A1B. از مرکز فیزیک ماکس پلانک بارگیری و با استفاده از مدل منطقه ایی REGCM4 ریزپیمانه شدند. سپس داده های ساعتی دمای هوا ریزپیمانه نمایی شده با تفکیک مکانی 27/0 × 27/0 درجه قوسی به میانگین روزانه تبدیل شدند که در نتیجه ماتریسی به ابعاد 2140×13140 بهدست آمد. برای شناسایی از روزهای فرین گرم از نمایه انحراف به نجار شده دما (NTD) بهره بردیم؛ به طوریکه داده های حاصل از خروجی مدل برحسب مقدار این نمایه و گستره حاکمیت گرما (NTD>0 ) مرتب گردیدند در گام بعدی 500 روز نخست که شرط (NTD>2) را برآورده کردند در حکم نمونه انتخاب شدند. نتایج نشان داد دورنمای فرین های گرم ایران بر اساس روش شبکه عصبی خودسازمانده (SOM) را می توان به 9 ناحیه تقسیم نمود. همچنین در دهه های آینده بیشینه گرماهای فرین در نیمه غربی و نوار ارتفاعی (کوهستان و کوهپایه) رخ خواهد داد به طوریکه فرین های دمایی در مناطق یادشده بیشتر از نواحی داخلی و سواحل جنوبی کشور خواهند بود. کمینه رخداد فرین گرم ایران مربوط به ناحیه دشت کویر و پس ازآن جنوب شرق کشور می باشد.

 

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Prospects of Iran's warm climates based on the regional mesoscale model output (REGCM4)

نویسندگان [English]

  • M. Ahmadi 1
  • A. Dadashi 1
  • R. Ebrahimi 2
1 Region of Shahid Beheshti University, Tehran, Iran.
2 Yazd University Region, Yazd, Iran.
چکیده [English]

With the emergence and intensification of the phenomenon of global warming, it is considered essential to develop efficient strategies to adapt to this phenomenon. In the first step, this necessity obtains a proper understanding of the vulnerability of different regions from climate change and provides adaptation strategies to climate change according to the regional capacities. The purpose of this research is to know the effect of global warming on the changes in high oven temperatures during the next decades in the territory of Iran. For this purpose, the data of the EH5OM database for the period from 2015 to 2050 AD in the form of 3-hour observations (8 times a day) under the A1B scenario. They were downloaded from the Max Planck Physics Center and microscaled using the REGCM4 regional model. Then, the hourly microscale air temperature data with a spatial resolution of 0.27 x 0.27 degrees of arc were converted into daily average, which resulted in a matrix of 13140 x 2140 dimensions. To identify hot days, we used the normalized temperature deviation (NTD) index; So that the data obtained from the output of the model were sorted according to the value of this profile and the range of heat rule (NTD>0), in the next step, the first 500 days that met the condition (NTD>2) were selected as a sample. The results showed that the perspective of Iran's hot fields can be divided into 9 regions based on the self-organizing neural network (SOM) method. Also, in the coming decades, maximum heat will occur in the western half and the high altitude belt (mountains and foothills), so that the temperature will be higher in the mentioned areas than in the interior and southern coasts of the country. The minimum occurrence of Farin Garm in Iran is related to the desert plain area and then the southeast of the country.

کلیدواژه‌ها [English]

  • Frein heat
  • NTD index
  • self-organizing neural network (SOM)
  • REGCM4 model
  • Iran