دورنمای فرین‌های گرم ایران مبتنی بر برونداد مدل میان‌مقیاس منطقه¬ایی (REGCM4)
محورهای موضوعی :محمود احمدی 1 , عباسعلی داداشی رودباری 2 , عبداله ابراهیمی 3
1 - شهید بهشتی
2 - دانشگاه شهید بهشتی
3 - دانشجو
کلید واژه: گرمای فرین, شاخص NTD, شبکه عصبی خودسازمانده (SOM), مدل REGCM4, ایران,
چکیده مقاله :
با ظهور و شدت یافتن پدیده گرمایش جهانی، توسعه راهبردهای کارآمد برای سازگاری با این پدیده امری ضروری قلمداد می‌گردد. این ضرورت در گام نخست درکی مناسبی از آسیب‌پذیری مناطق مختلف از دگرگونی‌های آب و هوایی به دست می‌آورد و متناسب با گنجایش‌های منطقه ایی راهبردهای سازگاری با دگرگونی‌های آب و هوایی را ارائه می‌کند. هدف از این پژوهش شناخت اثر گرمایش جهانی بر تغییرات میزان دماهای فرین بالا طی دهه‌های آینده در قلمرو ایران است. به این منظور داده‌های پایگاه EH5OM برای دوره 2015 تا 2050 میلادی به شکل دیدبانی‌های 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 داده‌های 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 به-دست آمد. برای شناسایی از روزهای فرین گرم از نمایه انحراف بهنجار شده دما (NTD) بهره بردیم؛ به طوری که داده‌های حاصل از خروجی مدل برحسب مقدار این نمایه و گستره حاکمیت گرما ( ) مرتب گردیدند در گام بعدی 500 روز نخست که شرط ( ) را برآورده کردند در حکم نمونه انتخاب شدند. نتایج نشان داد دورنمای فرین‌های گرم ایران بر اساس روش شبکه عصبی خودسازمانده (SOM) را می‌توان به 9 ناحیه تقسیم نمود. همچنین در دهه‌های آینده بیشینه گرماهای فرین در نیمه غربی و نوار ارتفاعی (کوهستان و کوهپایه) رخ خواهد داد به طوری که فرین‌های 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 پس‌ازآن جنوب شرق کشور می‌باشد.
With the advent and intensification of global warming, developing efficient strategies to adapt to this phenomenon is imperative. It is necessary, as the first step to understand vulnerability of different regions against climate change and develop appropriate strategies to the regional capacities for adapting to climate change. The aim of this study is to determine the effect of global warming on changes in extreme high temperatures during the next few decades in the territory of Iran. For this purpose, EH5OM database data for the period 2015 to 2050, the series 3 hours (8 times a day) under scenario A1B. Max Planck Physics Center is downloaded and the model were downscaled to regional REGCM4. The air temperature downscaled to hour data with spatial resolution 0.27 × 0.27 ° arc became the daily average as a result of matrix size 2140 × 13140 respectively. For identification the days of the extreme heat of the index deviation we used normalized temperature (NTD), so that data from the model based on of the Index and scope of the rule of heat (NTD> 0) were sorted In the next step 500 of the first day of the condition (NTD> 2) adaptable to the the order were selected. The results showed the extreme hot prospects for Iran based on self-organizing neural networks (SOM) can be divided into 9 regions. Also in the next decade in the mid-west and extreme heats maximum height strip (mountains and foothills) which will occur as extreme temperature in these areas will be greater than the inner regions and the southern coast of the country. Minimum the occurrence of extreme heat of 1st will be first in desert and 2nd in the South East regions the country.