اثر تغییر اقلیم بر امواج گرمایی سواحل شمالی خلیج‌فارس

نویسندگان

  • مرادی, عباس
  • مولودی, گلاله
چکیده مقاله:

Climate change is one of the most significant threats facing the world today. One of the most important consequences of climate change is increasing frequency of climate hazards, mainly heat waves. This phenomena has a robust impacts on human and other ecosystems. The aim of this study is investigating changes of heat waves in historical (1980-2014) and projected (2040-2074) data in northern cost of Persian Gulf. The focus here is on Mean daily maximum temperature and Fujibe index to extract heat waves. For this purpose 6 weather stations locating in north coast of Persian Gulf, Iran, are used (table 1). Table1: weather stations Station Latitude Longitude Elevation(m) Abadan 30° 22' N 48° 20' E 6.6 Boushehr 28° 55' N 50° 55' E 9 Bandarabbas 27° 15' N 56° 15' E 9.8 Bandarlengeh 26° 35' N 54° 58' E 22.7 Kish 26° 54' N 53° 54' E 30   In addition, 4 model ensemble outputs from the Coupled Model Intercomparison Project Phase 5 (CMIP5) are used to project future occurrence and severity of heat waves (2040 to 2070), under Representative Concentration Pathways 8.5 (RCP8.5), adopted by the Intergovernmental Panel on Climate Change for its Fifth Assessment Report (AR5) (table 2). Table2: List of the AR5 CMIP5 Used Models Model Modeling Cener Country CanESM2 Canadian Earth System Model Canada MPI-ESM-MR Max-Planck-Institut für Meteorologie Germany CSIRO-Mk3-6-0 Commonwealth Scientific and Industrial Research Organization Australia CMCC-CESM         CMCC Carbon Earth System Model Italy The output of models is downscaled using artificial neural network method (ANN). A feed-forward network of multi-layer perceptron with an input layer, a hidden layer and an output layer is used for this purpose. 73 percent (1980 – 2000) of the data is used for training and 27 percent (2000-2005) for testing ANN models. Root Mean Square Error (RMSE) is used as an indicator of the accuracy of Models. RMSE= Here   is the outputs of ANN models (downscaled data) and is the observation data. Fujibe et all (2007) used an index based on Normalized Thermal Deviation (NTD) for extracting long-term changes of temperature extremes and day to day variability using following equations: Where N is the number of days in the summation except missing values. Then nine-day running average was applied three times in order to filter out day-to-day irregularities. =(i,j,n)=T(i,j,n)-T(I,j) The departure from the climatic mean is given by = If NTD >2 and at least lasts for 2 days it determine as a heat wave. Results Table 3 shows the results of downscaling selected GCM models. nodes RMSE Average RMSE Sigmoid function Linear function Abadan Bushehr Bandarabbas Bandar-e-Lengeh Kish CanESM2 5 1 9.6 6.1 4.85 4.7 4.5 5.97 MPI-ESM-MR 5 1 9.3 7.1 3.9 5 4.3 5.9 CSIRO-MK3-6-0 15 1 8.8 5.6 3.6 3.4 3.6 5 CMCC-CESM 10 1 9.2 5.8 3.9 4.7 3.9 5.5 Table 4 compares the frequency of heat waves for GCMs and historical data. CanESM2 MPI-ESM-MR CSIRO-Mk3-6-0 CMCC-CESM Historical data Abadan 434 401 448 387 430 Bushehr 376 423 420 406 407 Bandarabbas 441 405 457 382 410 Bandar-e-Lengeh 380 414 388 401 400 Kish 421 442 415 442 399 For historical data, heat waves are more frequent in Abadan station than other stations. There is an increasing trend in the occurrence of heat waves in historical data and monthly frequency of heat waves show the highest amounts for summer. For both historical and future data 2 days listening heat waves are more frequent. Table 5 shows seasonal changes of heat waves for historical data and GCMs. season The ratio of heat waves from total historical data (percent) The ratio of heat waves from total projected data (percent) Abadan Spring 30.43 24.02 Summer 29.19 27.87 Autumn 17.39 22.61 Winter 22.98 25.48 Bushehr Spring 21.42 24.23 Summer 25 26.21 Autumn 28.57 24.82 Winter 24 25.32 Bandarabbas Spring 21.73 24.7 Summer 26.81 27.01 Autumn 25.81 25.17 Winter 24.1 24.63 Bandar-e-Lengeh Spring 23.55 23.74 Summer 23.33 29.82 Autumn 23.74 25.81 Winter 25.17 20.8 Kish Spring 24.27 24.8 Summer 25.53       28.32 Autumn 23.35 25.21 Winter 23.1 23.8 In recent years the frequency of heat waves is increasing in all studied stations. Coincide with Russia and Europe, the highest amounts of heat waves is occurred in 2010 in northern coast of Persian Gulf and this is adopted Esmaeilnezhad et all (2013), Gavidel (2015) and Azizi (2011).

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تاثیر تغییر اقلیم بر پراکنش رطوبت ویژه در سواحل شمالی خلیج فارس

امروزه با افزایش دما و کاهش بارش ناشی از تغییرات اقلیمی، بشر به دنبال راه هایی برای تأمین آب می باشد. یکی از راه های پیش، روی او استفاده از آب جو است.بدین منظور هدف این مقاله بررسی تغییراتی است که در توزیع رطوبت ویژهدر سواحل شمال خلیج فارس متأثر از تغییر اقلیم رخ داده است. داده ها از پایگاه NCEP/NCAR با رزولوشن فضایی 5/2 درجه قوسی طی دوره آماری 1950 تا 2016 استخراج گردید. نتایج بیانگر آن بود که...

متن کامل

پیش‌بینی اثر تغییر اقلیم بر عامل فرسایندگی باران در سواحل جنوبی خزر

اقلیم سیستم پیچیده‌ای است که عمدتا به‌دلیل افزایش گازهای گلخانه‌ای در حال تغییر است و گرمایش جهانی منجر به تشدید تغییرات عوامل اقلیمی از جمله مقدار بارش و شدت وقایع حدی بارش می‌شود. در اثر تغییر اقلیم در آینده انتظار تغییر در میزان و حجم فرسایش خاک وجود دارد که مهمترین عامل اثر افزایش قدرت فرسایندگی باران می‌باشد. هدف از این تحقیق تعیین اثر تغییر اقلیم بر عامل فرسایندگی باران است. به این منظور ...

متن کامل

بررسی اثرات افزایش دمای ناشی از تغییر اقلیم جهانی بر میانگین سطح تراز آب(MSL)در سواحل شمالی خلیج فارس(سواحل استان هرمزگان)

زمینه و هدف: یکی از پیامدهای احتمالی گرمایش زمین بالا آمدن سطح آب دریاهای آزاد می باشد. دانشمندان افزایش میزان      گازهای گلخانه ای  (کنترل کننده ی دمای زمین ) را دلیل این گرمایش جهانی دانسته و با اندازه گیری های ماهواره ای به طور متوسط سالیانه 1 تا 2 میلی متر برای افزایش سطح تراز آب دریاهای آزاد پیش بینی نموده اند. روش بررسی:  این پژوهش با جمع آوری و آنالیز داده های دراز مدت میانگین سالانه دم...

متن کامل

بررسی اثر تغییر اقلیم بر خشکسالی هیدرولوژیک

برای مطالعه خشکسالی هیدرولوژیک یا روش تحلیل منطقه ای، با استفاده از داده های روزانه 12 ایستگاه آب سنجی حوزه آبریز اترک، جریان کمینه با تداوم هفت روزه در هر ایستگاه محاسبه شد. به منظور تعمیم تحلیل های نقطه ای بر منطقه مورد مطالعه، مدل منطقه ای مناسب جریان کمینه هفت روزه با دوره بازگشت 10 سال با روش مدل های رگرسیونی استخراج و جریان کمینه به صورت منطقه ای برای 25 ایستگاه برآورد شد. با درنظر گرفتن ...

متن کامل

تأثیر پدیده جزیره گرمایی بر تغییر اقلیم محلی درکلان شهر اهواز

توسعه افقی و عمودی شهرها و روند رو به رشد فعالیتهای صنعتی در آنها منجر به تغییرات زیادی در خصوصیات فیزیکی سطحزمین، انرژی آزاد شده، آلودگی هوا، دما و درنتیجه سبب تغییر اقلیم محلی در کلان شهرها گردیده است. شهرها اغلب گرمتر ازمحیط اطرافشان هستند. این پدیده به وسیله اختلاف معنی دار بین انرژی شهرها و حومه آن تعیین میشود. برای تعیین اینتغییرات در کلان شهر اهواز، دادههای هواشناسی ایستگاههای سینوپتیک ا...

متن کامل

بررسی اثرات افزایش دمای ناشی از تغییر اقلیم جهانی بر میانگین سطح تراز آب(msl)در سواحل شمالی خلیج فارس(سواحل استان هرمزگان)

زمینه و هدف: یکی از پیامدهای احتمالی گرمایش زمین بالا آمدن سطح آب دریاهای آزاد می باشد. دانشمندان افزایش میزان      گازهای گلخانه ای  (کنترل کننده ی دمای زمین ) را دلیل این گرمایش جهانی دانسته و با اندازه گیری های ماهواره ای به طور متوسط سالیانه 1 تا 2 میلی متر برای افزایش سطح تراز آب دریاهای آزاد پیش بینی نموده اند. روش بررسی:  این پژوهش با جمع آوری و آنالیز داده های دراز مدت میانگین سالانه دم...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 3  شماره 1

صفحات  1- 14

تاریخ انتشار 2016-04

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023