Skip to main content
SUPERVISOR
Azadeh Ahmadi,Hamid Reza Safavi
آزاده احمدی (استاد مشاور) حمیدرضا صفوی (استاد راهنما)
 
STUDENT
Farzad Spanani
فرزاد اسپنانی

FACULTY - DEPARTMENT

دانشکده مهندسی عمران
DEGREE
Master of Science (MSc)
YEAR
1390

TITLE

The Impact Assessment of Climate Change on Arid and Semi-Arid Zones Case Study: Zayandeh- Rud Basin
Rising concentration of greenhouse gases may have significant consequences for the global climate with highest effects in human life and agricultural sectors. Therefore, forecast of climate changes in future is essential. The main goal of this research, is simulating daily precipitation and the temperature for the near (2021-2050) and far (2070-2099) future. The most common method of developing climate scenarios for quantitative impact assessments is using results from AOGCM experiments. Each AOGCMs has different simulation of the future. AOGCM models typically divide the atmosphere and ocean into a horizontal grid with a horizontal resolution of 2° to 4° latitude and longitude, with 10 to 20 layers in the vertical. So, there is need to a method for obtaining high-resolution climate or climate change information from relatively coarse-resolution global climate models (GCMs). Because of the uncertainties in GCM models and according to recent studies in many areas in the world, multimodel ensembles are believed to provide the most robust climate change information. The first step after getting the GCMs output is, getting the value of variables at the station. So, we need to an interpolation method to interpolate between variables value in GCMs. Towards to do that, we use IDW (Inverse Distance Weighting). The next step is forming a multimodel ensemble. and the problem is how to weight each GCM. In this research, we considered four weighting approaches 1. REA, 2. Raisenen method, 3. MOTP, and 4. the equally weighting approach. Each approaches assesses GCMs performance upon the some criterions and weights the GCMs. The observed data for climate variables in the Zayandeh-Roud River Basin for 2001-2009 are used to compare each multimodel. Better simulation the synthetic data for 2001-2009, respect to observed data, chooses the best weighting method. for forming a multimodel to simulate the temperature and the precipitation in near and far futures, we used the chosen weighting approach. The synthetic minimum and maximum temperature for near and far futures increased in whole the year but that’s different for precipitation. Although precipitation will decrease in both future periods, it’s not the same in whole the year. It incrased in summer and decreased in winter. Keywords: Climate Change, AOGCM, Weighting Method, Multimodel Ensemble, IDW
افزایش غلظت گازهای گلخانه‌ای در جو زمین تغییرات قابل ملاحظه‌ای را در اقلیم زمین به وجود آورده است. با توجه به اینکه گرمایش زمین عامل تهدیدکننده‌ای برای زندگی بشر و کشاورزی در کره زمین می‌باشد، پیش‌بینی تغییرات اقلیمی در آینده امری ضروری به حساب می‌آید. در این پایان‌نامه، هدف پیش‌بینی دما و بارش روزانه آینده نزدیک (2050-2021) و آینده دور (2099-2071) می‌باشد. معمولترین ابزار برای توسعه سناریوهای اقلیمی در جهت ارزیابی اثرات کمّی استفاده از مدل‌های AOGCM، می‌باشند. هر مدل AOGCM، دارای پیش‌بینی متفاوتی از آینده می‌باشد. این مدل‌ها بطور معمول اقیانوس و اتمسفر زمین را در جهت افقی به مقیاس 2 تا 4 درجه سانتیگراد عرضی و طولی و در جهت عمودی به 10 تا 20 لایه تقسیم می‌کنند. بنابراین نیاز به راهی برای تبدیل مقیاس این مدل‌ها به مقیاس منطقه‌ای می‌باشد. بدلیل عدم قطعیت‌های موجود در مدل‌های AOGCM، و براساس مطالعات جدید در نواحی مختلف جهان، مدل‌های چندگانه گروهی (multimodel ensemble)، بهترین ابزار برای پیش‌بینی تغییر اقلیم می‌باشد. اولین قدم پس از گرفتن خروجی مدل‌های GCM، پیداکردن مقادیر آنها در ایستگاه مورد نظر است. بنابراین نیاز به راهی برای درونیابی بین مقادیر اطراف ایستگاه‌ها می‌باشد، که در این پایان‌نامه، از روش مطلوب وزن‌دهی عکس فاصله (IDW)، استفاده شده است. قدم بعدی ساخت مدل‌های چندگانه گروهی است و مسأله نحوه وزن‌دهی مدل و ترکیب آنها می‌باشد. در این پایان‌نامه از چهار روش وزن‌دهی استفاده شده است؛ 1-REA، 2-روش رِیسِنِن، 3-وزن‌دهی میانگین مشاهداتی دما و بارش و 4- وزن‌دهی یکسان. هر کدام از روش‌های وزن‌دهی مدل‌های GCM را براساس معیارهایی مورد ارزیابی قرار می‌دهد و وزن مدل‌ها، تعیین می‌شوند. از داده‌های مشاهداتی دما و بارش در دوره سال‌های 2009-2001 برای مقایسه هر کدام از روش‌ها استفاده شد و بهترین روش وزن‌دهی بر اساس میزان تطابق بهتر با داده‌های مشاهداتی انتخاب شد. روش‌های انتخاب‌شده برای ایجاد مدل چندگانه خروجی و پیش‌بینی دوره آینده دور و نزدیک بکار گرفته شد. نتایج نشان می‌دهد در هر دو دوره دور و نزدیک دمای حداقل و حداکثر در کل ماه‌های سال افزایش می‌یابد که این بر خلاف بارش می‌باشد. در حالیکه بارش سالانه در هر دو دوره کاهش خواهد داشت اما این کاهش در تمام ماه‌های سال نیست. بارش در فصل تابستان افزایش و در فصل زمستان کاهش خواهد یافت. کلمات کلیدی: تغییر اقلیم، مدل‌های گردش عمومی اقیانوس-اتمسفر (AOGCM)، روش‌های وزن‌دهی، مدل‌های چندگانه گروهی، وزن‌دهی عکس فاصله (IDW

ارتقاء امنیت وب با وف بومی