رویکردهای نوین در مهندسی آب و محیط‌زیست
نشریه علمی

بررسی عدم قطعیت سناریوهای تغییر اقلیم در برآورد حداکثر بارش محتمل (PMP) استان‌های ساحلی دریای خزر

نوع مقاله : مقاله پژوهشی

نویسندگان

فریده یحیائی
مهدی دلقندی

گروه آموزشی آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، ایران

https://doi.org/10.22034/nawee.2024.487529.1117
چکیده
هدف: یکی از مهم‌ترین متغیرهای هواشناسی که تغییر اقلیم بر آن تأثیر می‌گذارد، حداکثر بارش محتمل  (PMP)  است؛ معیاری که نقش مهمی در طراحی سازه‌های آبی با ریسک بالا، مانند سدها، دارد. در این پژوهش، اثرات تغییرات اقلیمی بر PMP در استان‌های ساحلی دریای خزر (ایستگاه‌های سینوپتیک انزلی، رشت، رامسر، بابلسر، قائم‌شهر و گرگان) بررسی شده است.
مواد و روش‌ها: برای تولید سناریوهای تغییر اقلیم، در دو دوره زمانی (2054-2025 و 2084-2055)، از خروجی 18 مدل AOGCM و سه سناریوی انتشار گازهای گلخانه‌ای (SSP2-4.5، SSP3-7.0 و SSP5-8.5)  استفاده شد. به منظور کاهش عدم قطعیت نتایج حاصل از این مدل‌ها، دو روش میانگین وزنی و احتمالاتی به کار گرفته شد. در روش میانگین وزنی، مدل‌های AOGCM بر اساس دقت شبیه‌سازی بارش در دوره‌های گذشته رتبه‌بندی و وزن‌دهی شدند، در حالی که در روش احتمالاتی، توزیع‌های احتمالی برای تولید سناریوهای بارش با سطوح احتمالی 50/0، 75/0 و 90/0 به کار رفت.
نتایج: نتایج نشان‌دهنده عدم قطعیت بالا در بین خروجی‌های مدل‌ها و سناریوهای مختلف در تخمین PMP  بود و بیانگر این نکته است که تغییرات PMP در ایستگاه‌های موردمطالعه، الگوی ثابتی را دنبال نمی‌کند. بااین‌حال، در روش میانگین وزنی، به‌طورکلی انتظار می‌رود PMP در دوره اول کاهش و در دوره دوم افزایش کمی را تجربه کند.
نتیجه‌گیری: برای طراحی سازه‌های با ریسک بالا، توصیه می‌شود که از نتایج سناریوی انتشار بحرانی با سطح احتمال 90/0 استفاده شود. در این حالت، افزایش PMP در اثر تغییرات اقلیمی بین حدود 12 درصد برای ایستگاه قائم‌شهر تا حداکثر 48 درصد برای ایستگاه گرگان متغیر خواهد بود. 

کلیدواژه‌ها

تغییر اقلیم
حداکثر بارش محتمل
مدل‌های AOGCM
گازهای گلخانه‌ای

عنوان مقاله English

Assessment of Climate Change Scenarios Uncertainty in Estimating Probable Maximum Precipitation (PMP) in the Caspian Sea Coastal Provinces

نویسندگان English

Farideh Yahyaei
mahdi delghandi
Water and Soil Department, Faculty of Agricultural Engineering, Shahrood University of Technology, Shahrood, Iran
چکیده English

Objective: One of the most critical meteorological variables influenced by climate change is the Probable Maximum Precipitation (PMP), a key parameter in the design of high-risk water infrastructures such as dams. This study assesses the impacts of climate change on PMP across the coastal provinces of the Caspian Sea (including synoptic stations in Anzali, Rasht, Ramsar, Babolsar, Qaemshahr, and Gorgan).
Methods: To generate climate change scenarios for two periods (2025-2054 and 2055-2084), the outputs of 18 AOGCM models and three greenhouse gas emission scenarios (SSP2-4.5, SSP3-7.0, and SSP5-8.5) were used. To reduce uncertainties in the AOGCM outputs, two methods-weighted averaging and probabilistic analysis-were employed. In the weighted averaging method, AOGCM models were ranked and weighted based on their accuracy in simulating precipitation of baseline period. In the probabilistic method, probability distributions were applied to generate precipitation scenarios at probability levels of 0.5, 0.75, and 0.90.
Results: The findings revealed significant uncertainty among AOGCM outputs and emission scenarios in estimating PMP, indicating that PMP changes in the studied stations do not follow a consistent pattern. However, in the weighted averaging approach, PMP is generally expected to decrease in the first period and show a slight increase in the second period.
Conclusions: For designing high-risk structures, it is recommended to utilize the results from the critical scenario with a 0.90 probability level. In this case, the increase in PMP due to climate change varies from approximately 12% at Qaemshahr station to a maximum of 48% at Gorgan station.

کلیدواژه‌ها English

Climate Change
Maximum Probable Precipitation
AOGCM Models
Greenhouse Gases
افضلی گروه، ز.، فرید حسینی، ع.، و بختیاری، ب. 1398. بررسی اثر تغییر اقلیم بر حداکثر بارش محتمل 24 ساعته در یک اقلیم نیمه‌مرطوب. تحقیقات منابع آب ایران، 15(2)، 188-176.‎
جورابلو، س، اژدری، خ، گنجی، ز، دلقندی، م 1397. تأثیر تغییر اقلیم بر تبخیر و تعرق گیاه مرجع و کمبود بارندگی در منطقه سمنان. علوم و مهندسی آبیاری، 41(4)، 61-75.
حمزه، س، باقرپور طوله‌لات، ز، دلقندی، م، کاردان مقدم، ح 1397. ارزیابی ریسک تأثیرات تغییر اقلیم بر تراز آب زیرزمینی (مطالعه موردی: آبخوان گتوند‌ـ عقیلی). اکوهیدرولوژی، 5 (1)، 122-111.
دلقندی، م، مساح بوانی، ع.ر، آجرلو، م.ج، برومند نسب، س، اندرزیان، ب 1393. ارزیابی ریسک تأثیرات تغییر اقلیم بر عملکرد و فنولوژی رشد گندم (مطالعه موردی: شهرستان اهواز). مدیریت آب و آبیاری، 4 (2)، 175-161.
دلقندی، م، موذن زاده، ر. 1395. بررسی تغییرات مکانی‌ـ زمانی بارش و دمای ایران تحت شرایط تغییر اقلیم با در‌نظر‌گرفتن عدم قطعیت مدل‏‌های AOGCM و سناریوهای انتشار، اکوهیدرولوژی، 3 (3)، 331-321.
منجزی، س.، گندمکار، ا.، زارعی، ح.، و عباسی، ع. 1400. تخمین میزان حداکثر بارش های محتمل تحت شرایط تغییر اقلیم در حوضه آبریز پارسیان. علوم و مهندسی آبیاری، 45 (4)، 31-48.‎
 
Afzali-Gorouh, Z., Faridhosseini, A., Bakhtiari, B. 2019. 'Investigation of Climate Change Impact on 24-h Probable Maximum Precipitation in a Sub-humid Climate', Iran-Water Resources Research, 15(2), pp. 176-188 (in Persian).
Ahmed, K., Sachindra, D. A., Shahid, S., Demirel, M. C., Chung, E. S. 2019. Selection of multi-model ensemble of general circulation models for the simulation of precipitation and maximum and minimum temperature based on spatial assessment metrics. Hydrology and Earth System Sciences, 23(11), pp. 4803-4824.
Ben Alaya, M. A., Zwiers, F. W., Zhang, X. 2020. Probable maximum precipitation in a warming climate over North America in CanRCM4 and CRCM5. Climatic Change, 158(3), pp. 611-629.
Bhatt, J., Venkata Srinivas, V. 2023, May. Comparison of different variants of storm maximization method for Probable Maximum Precipitation estimation in changing climate. In EGU General Assembly Conference Abstracts (pp. EGU-453).
Delghandi, M., Massah-Bovani, A., Ajorlou, M. J., Broomandnasab, S., Andarzian, B. 2014. Risk assessment of climate change impacts on production and phenology of wheat (case study: Ahvaz Region). Water and Irrigation Management, 4(2), pp. 161-175 (in Persian).
Delghandi, M., Moazenzadeh, R. 2016. Investigating spatiotemporal variations of precipitation and temperature over Iran under climate change condition considering AOGCM models and emission scenarios uncertainty. Iranian Journal of Ecohydrology, 3(3), pp. 321-331 (in Persian).
Gao, C., He, Z., Pan, S., Xuan, W., Xu, Y. P. 2020. Effects of climate change on peak runoff and flood levels in Qu River Basin, East China. Journal of Hydro-Environment Research, 28, pp. 34–47.
Gupta, H. V., Kling, H., Yilmaz, K. K., Martinez, G. F. 2009. Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology, 377(1-2), pp. 80-91.
Hamzeh, S., Bagherpour, Z., Delghandi, M., Kardan Moghaddam, H. 2018. Risk assessment of climate change impacts on groundwater level (Case study: Gotvand Aghili aquifer). Iranian Journal of Ecohydrology, 5(1), pp. 111-122 (in Persian).
Hershfield, D. M. 1961a. Rainfall Frequency Atlas of the United States. Technical Paper No. 40, Weather Bureau, United States Department of Commerce, Washington, DC.
Hershfield, D. M. 1961b. Estimating the probable maximum precipitation. Journal of Hydraulics Division: Proceedings of the American Society of Civil Engineers, 87, pp. 99–106.
Hershfield, D. M. 1965. Method for Estimating Probable Maximum Precipitation, Journal of the American Water works Association, 57, pp. 965–972.
Imani, T., Delghandi, M., Emamgholizadeh, S., Ganji-Noroozi, Z. 2023. Evaluating uncertainty in climate change impacts on peak discharge and flood volume in the Qaran Talar watershed, Iran. Journal of Water and Climate Change, 14(4), pp. 1300-1313.
IPCC 2007. Summary for Policymarkers. P1-18, In: Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K. B., Tignor, M., Miller, H. L. (Eds.), Climate Change 2007: The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge.
Johnson, K. A., Smithers, J. C. 2020. Updating the estimation of 1-day probable maximum precipitation in South Africa. Journal of Hydrology: Regional Studies, 32, 100736.
Joorabloo, S., Azhdary, K., Ganji, Z., Delghandi, M. 2018. Climate change impact on reference evapotranspiration and precipitation deficit in Semnan region. Irrigation Sciences and Engineering, 41(4), pp. 61-75 (in Persian).
Lee, K., Singh, V. P. 2020. Analysis of uncertainty and non-stationarity in probable maximum precipitation in Brazos River basin. Journal of Hydrology, 590, 125526.
Micovic, Z., Schaefer, M. G., Taylor, G. H. 2015. Uncertainty analysis for probable maximum precipitation estimates. Journal of Hydrology, 521, pp. 360-373.
Miller, J. F. 1964. Two- to Ten-Day Precipitation for Return Periods of 2 to 100 Years in the Contiguous United States. Technical Paper No. 49, Weather Bureau, United States Department of Commerce, Washington, DC.
Monjezi, S., Gandomkar, A., Zarei, H., Abbasi, A. 2023. 'Estimation of Probable Maximum Precipitation under Climate Change in Parsian Basin', Irrigation Sciences and Engineering, 45(4), pp. 31-48. doi: 10.22055/jise.2019.29703.1848 (in Persian).
Sammen, S. S., Mohammed, T. A., Ghazali, A. H., Sidek, L. M., Shahid, S., Abba, S. I., Al-Ansari, N. 2022. Assessment of climate change impact on probable maximum floods in a tropical catchment. Theoretical and Applied Climatology, 148(1), pp. 15-31.
Sarkar, S., Maity, R. 2020. Increase in probable maximum precipitation in a changing climate over India. Journal of Hydrology, 585, 124806.
Semenov, M. A., Stratonovitch, P. 2010. Use of multi-model ensembles from global climate models for assessment of climate change impacts. Climate Research, 41, pp. 1-14.
Seo, M., Kim, S., Kim, H., Kim, H., Shin, J. Y., Heo, J. H. 2023. Evaluation of Statistical PMP Considering RCP Climate Change Scenarios in Republic of Korea. Water, 15(9), 1756.
Singh, A., Singh, V.P. and Byrd, A.R., 2018. Computation of probable maximum precipitation and its uncertainty. Int. J. Hydrol, 2(4), pp.504-514.
Thuy, L., Kawagoe, S., Sarukkalige, R. 2019. Estimation of probable maximum precipitation at three provinces in Northeast Vietnam using historical data and future climate change scenarios. Journal of Hydrology: Regional Studies, 23, 10059.
Visser, J. B., Kim, S., Wasko, C., Nathan, R., Sharma, A. 2022. The impact of climate change on operational probable maximum precipitation estimates. Water Resources Research, 58(11), e2022WR032247.
Wilby, R. L., Harris, I. 2006. A framework for assessing uncertainties in climate change impacts: low flow scenarios for the River Thames. UK Water Resources Research, 42, W02419.
WMO 2009. Manual for depth-area-duration analysis of storm precipitation. Third Edition Publication 1045. World Meteorological Organization, Geneva.
Zhai, R., Tao, F. 2017. Contributions of climate change and human activities to runoff change in seven typical catchments across China. Science of The Total Environment, 605–606, pp. 219–229.
Zhang, Q., Liu, J., Singh, V. P., Shi, P., Sun, P. 2017. Hydrological responses to climatic changes in the Yellow River basin, China: Climatic elasticity and streamflow prediction. Journal of Hydrology, 554, pp. 635–645.
 
رویکردهای نوین در مهندسی آب و محیط‌زیست
دوره 3، شماره 2
مهر 1403
صفحه 175-192

صفحه اصلی

راهنمای نویسندگان

ارسال مقاله

داوران

تماس با ما