پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,824 |
| تعداد مقالات | 73,565 |
| تعداد مشاهده مقاله | 134,698,206 |
| تعداد دریافت فایل اصل مقاله | 105,220,494 |
تحلیل نوسانات هواشناسی و ارزیابی خشکسالی بلندمدت سواحل جنوبی ایران با رویکرد مشاهداتی و مدل‌سازی اقلیمی | ||
| مجله اکوهیدرولوژی | ||
| دوره 12، شماره 2، تیر 1404، صفحه 731-748 اصل مقاله (1.77 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2025.394884.1869 | ||
| نویسندگان | ||
| سید حسن علوی نیا* 1؛ مهدی سلمان پور2؛ عاطفه آبکار3 | ||
| 1استادیار گروه مهندسی طبیعت دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران | ||
| 2استادیار گروه آمار، دانشکده علوم ریاضی، دانشگاه کاشان، کاشان، ایران | ||
| 3دانشجوی کارشناسی ارشد مهندسی طبیعت-آبخیزداری شهری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران | ||
| چکیده | ||
| موضوع: تحلیل نوسانات هواشناسی و ارزیابی خشکسالی بلندمدت سواحل جنوبی ایران با رویکرد مشاهداتی و مدل‌سازی اقلیمی. هدف: این مطالعه روند خشکسالی را در پنج ایستگاه سینوپتیک در امتداد سواحل جنوبی ایران (بندرعباس، بندرلنگه، بوشهر، چابهار و کیش) با استفاده از شاخص استاندارد بارش (SPI) در دو مقیاس زمانی ۱۲ ماهه (کوتاه‌مدت) و ۴۸ ماهه (بلندمدت) تحلیل می‌کند. روش تحقیق: در این پژوهش، پنج ایستگاه سینوپتیک در منطقه جنوبی ایران انتخاب شدند. برای داده‌های مشاهداتی دوره ۱۹۸۵–۲۰۲۱، شاخص استاندارد بارش ۱۲ ماهه (SPI-12) و ۴۸ ماهه (SPI-48) محاسبه شد و الگوهای خشکسالی و ترسالی فصلی و چندساله شناسایی گردید. سپس، بارش آینده برای دوره ۲۰۲۳–۲۰۴۳ تحت دو سناریوی تغییر اقلیم، سناریوی خوش‌بینانه (SSP1-2.6) و بدبینانه (SSP5-8.5)، پروژه CMIP6با استفاده از مدل اقلیمی MPI-ESM1.2-HR و مدل آماری SDSM پیش‌بینی شد و شاخص‌های SPI متناظر محاسبه گردید. برای پایش خشکسالی، شاخص SPI در مقیاس‌های ۱۲ و ۴۸ ماهه هم برای داده‌های مشاهداتی و هم برای داده‌های پیش‌بینی شده با استفاده از بسته SPEI در نرم‌افزار R محاسبه شد. یافته‌ها: روند کلی دوره‌های خشکسالی و ترسالی نشان می‌دهد که در ایستگاه بندرعباس، خشکسالی‌های شدید در سال‌های ۱۹۹۴، ۲۰۰۰ و ۲۰۱۲ رخ داده است. در مقابل، دوره‌های ترسالی شدید در این ایستگاه در سال‌های ۱۹۸۸، ۱۹۹۰ و ۲۰۰۷ مشاهده شده است. شرایط مشابهی در ایستگاه بندرلنگه ثبت شده است، با خشکسالی‌های شدید در سال‌های ۱۹۸۷، ۲۰۰۳ و ۲۰۱۱ و دوره‌های ترسالی شدید در سال‌های ۱۹۹۰، ۱۹۹۸ و ۲۰۰۶. ایستگاه‌های بوشهر و کیش نیز الگوهای مشابهی را نشان دادند، با دوره‌های ترسالی شدید در سال‌های ۱۹۹۰، ۱۹۹۸ و ۲۰۰۶ و خشکسالی‌ها در سال‌های ۱۹۸۷، ۲۰۰۳ و ۲۰۱۱. قابل توجه است که سال ۱۹۹۴ برای تمام ایستگاه‌ها شرایط حدی را نشان می‌دهد، در حالی که سال ۱۹۹۰ در تمام پنج ایستگاه با ترسالی همراه بوده است. در مورد پیش‌بینی‌های آینده، نتایج نشان می‌دهد که تحت سناریوی SSP5-8.5، شدت خشکسالی در ایستگاه‌های غربی در مقایسه با ایستگاه‌های شرقی بارزتر است. شاخص SPI-12 نوسانات سریع‌تری را در شرایط خشکسالی نشان می‌دهد و برای ارزیابی خشکسالی‌های فصلی یا سالانه مناسب است. نتیجه‌گیری: تحلیل شاخص خشکسالی بارش استانداردشده (SPI) با داده‌های مشاهداتی نشان داد که الگوهای خشکسالی در این منطقه پیچیده بوده و تحت تأثیر عوامل متعددی از جمله تغییرات در سیستم‌های جوی، الگوهای گردش اقیانوسی و فعالیت‌های انسانی قرار دارند. پیش‌بینی‌های این مطالعه حاکی از آن است که تحت سناریوی SSP5-8.5، مناطق ساحلی جنوبی ایران با افزایش قابل توجهی در شدت و فراوانی خشکسالی‌ها مواجه خواهند شد. یافته‌های این پژوهش پیامدهای مهمی برای مدیریت منابع آب و برنامه‌ریزی منطقه‌ای در جنوب ایران دارد. با توجه به پیش‌بینی افزایش شدت و فراوانی خشکسالی‌ها، اتخاذ اقدامات سازگاری مانند توسعه سیستم‌های هشدار زودهنگام خشکسالی، بهبود مدیریت منابع آب، افزایش بهره‌وری مصرف آب، تغییر الگوهای کشت، ترویج کشاورزی مقاوم به خشکی، تنوع بخشیدن به منابع اقتصادی برای کاهش وابستگی به کشاورزی و افزایش آگاهی عمومی درباره خشکسالی و راهکارهای سازگاری با آن، برای کاهش اثرات منفی این پدیده ضروری است. | ||
| کلیدواژه‌ها | ||
| خشکسالی؛ نوسانات آب و هوایی؛ شاخص بارش استانداردشده؛ مدل‌های اقلیمی؛ کوچک‌مقیاس‌سازی | ||
| عنوان مقاله [English] | ||
| Analysis of Meteorological Fluctuations and Long-Term Drought Assessment in the Southern Coasts of Iran: An Observational and Climate Modeling Approach | ||
| نویسندگان [English] | ||
| Seyed Hassan Alavinia1؛ Mahdi Salmanpour2؛ Atefeh Abkar3 | ||
| 1Assistant Professor, Department of Nature Engineering, Faculty of Natural Resources and Earth Sciences, University of Kashan, Kashan, Iran | ||
| 2Assistant Professor, Department of Statistics, Faculty of Mathematical Sciences, University of Kashan, Kashan, Iran | ||
| 3Master's Degree Graduate, Department of Nature Engineering, Faculty of Natural Resources and Earth Sciences, University of Kashan, Kashan, Iran | ||
| چکیده [English] | ||
| Research Topic: This study analyzes drought trends at five synoptic stations along the southern coast of Iran (Bandar Abbas, Bandar Lengeh, Bushehr, Chabahar, and Kish) using the Standardized Precipitation Index (SPI) at two temporal scales: 12-month (short-term) and 48-month (long-term). Method: In this study, five synoptic stations in the southern region of Iran were selected. For the observational data spanning the period 1985–2021, the 12-month (SPI-12) and 48-month (SPI-48) Standardized Precipitation Indices were calculated, and seasonal and multi-year drought and wetness patterns were identified. Subsequently, future precipitation for the period 2023–2043 was projected under two climate change scenarios—the optimistic (SSP1-2.6) and pessimistic (SSP5-8.5) scenarios of the CMIP6 project—using the MPI-ESM1.2-HR climate model and the SDSM. The corresponding SPI indices were then computed. For drought monitoring, the SPI was calculated at 12- and 48-month scales for both observational data and the projected data using the SPEI package in R software. Results: The overall trend of drought and wet periods indicates that severe drought events occurred at the Bandar Abbas station in the years 1994, 2000, and 2012. In contrast, severe wet periods were observed in this station in 1988, 1990, and 2007. Similar conditions were recorded at the Bandar Lengeh station, with severe droughts in 1987, 2003, and 2011 and severe wet periods in 1990, 1998, and 2006. The Bushehr and Kish stations exhibited analogous patterns, with severe wet periods in 1990, 1998, and 2006 and droughts in 1987, 2003, and 2011. Notably, the year 1994 marked extreme conditions for all stations, while 1990 was characterized by wet periods across all five stations. Regarding future projections, the results indicate that under the SSP5-8.5 scenario, the intensity of drought is more pronounced in the western stations compared to the eastern stations. The 12-month SPI reveals more rapid fluctuations in drought conditions, making it suitable for assessing seasonal or annual droughts. Conclusions: The analysis of the SPI (Standardized Precipitation Index) with observational data demonstrated that drought patterns in this region are complex and influenced by multiple factors, including changes in atmospheric systems, oceanic circulation patterns, and human activities. The projections of this study suggest that under the SSP5-8.5 scenario, the southern coastal regions of Iran will face a significant increase in the intensity and frequency of droughts. The findings of this research have important implications for water resource management and regional planning in southern Iran. Given the predicted rise in drought intensity and frequency, adopting adaptation measures such as developing early drought warning systems, improving water resource management, enhancing water use efficiency, modifying cropping patterns, promoting drought-resistant agriculture, diversifying economic resources to reduce reliance on agriculture, and raising public awareness about droughts and adaptation strategies is essential to mitigate the adverse effects of this phenomenon. | ||
| کلیدواژه‌ها [English] | ||
| Drought, Climate Fluctuations, Standardized Precipitation Index, Climate Models, Downscaling | ||
| مراجع | ||
|
Ababaei, B., & Ramezani Etedali, H. (2019). Investigating climate change over 1957–2016 in an arid environment with three drought indexes. Theoretical and Applied Climatology, 137, 2977-2992. Aleboali, A., Ghazavi, R., & Satatinejad, S. J. (2022). Study the effects Of Drought on Groundwater Resources using SPI Index (A Case Study: Kashan Plain). Desert Ecosystem Engineering, 5(10), 13-22. (in Persian). Alizadeh-Choobari, O., & Najafi, M. S. (2018). Climate variability in Iran in response to the diversity of the El Niño-Southern Oscillation. International Journal of Climatology, 38(11), 4239-4250. Almazroui, M., Islam, M. N., Saeed, S., Saeed, F., & Ismail, M. (2020a). Future changes in climate over the Arabian Peninsula based on CMIP6 multimodel simulations. Earth Systems and Environment, 4, 611-630. Almazroui, M., Saeed, S., Saeed, F., Islam, M.N., & Ismail, M., (2020b). Projections of precipitation and temperature over the South Asian countries in CMIP6. Earth Systems and Environment, 4, 297-320. Ansari Amoli, A., Aghighi, H., & Lopez-Baeza, E. (2022). Drought risk evaluation in Iran by using geospatial technologies. Remote Sensing, 14(13), 3096. Azizi, M. & Abbasi, A. (2025). Developing a Robust Data-Driven Model Based on Ground and Satellite Measured Data for Agricultural Drought Prediction in Iran. Ferdowsi Civil Engineering, 38(1), 1-28. doi: 10.22067/jfcei.2024.88855.1311. (in Persian). Bo-Tao, Z. H. O. U., & Jin, Q. I. A. N. (2021). Changes of weather and climate extremes in the IPCC AR6. Advances in Climate Change Research, 17(6), 713. Cook, B. I., Mankin, J. S., Marvel, K., Williams, A. P., Smerdon, J. E., & Anchukaitis, K. J. (2020). Twenty‐first century drought projections in the CMIP6 forcing scenarios. Earth’s Future, 8(6), e2019EF001461. Dai, A. (2011). Drought under global warming: a review. Wiley Interdisciplinary Reviews: Climate Change, 2(1), 45-65. Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., & Taylor, K. E. (2016). Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geoscientific Model Development, 9(5), 1937-1958. Fakhar, M. S., & Nazari, B. (2024). Monitoring and Assessing Spatial and Temporal Characteristics of Drought in Iran Using Remote Sensing. Journal of Drought and Climate change Research, 2(1), 39-58. doi: 10.22077/jdcr.2024.7011.1050. (in Persian). Farajzadeh, M., & Ahmadian, K. (2014). Temporal and Spatial Analysis of Drought with use of SPI Index in Iran. Journal of Natural Environmental Hazards, 3(4), 1-16. doi: 10.22111/jneh.2014.2464. (in Persian). Gamble, J. D., Feyereisen, G. W., Griffis, T. J., Wente, C. D., & Baker, J. M. (2021). Long-term ecosystem carbon losses from silage maize-based forage cropping systems. Agricultural and Forest Meteorology, 306, 108438. Goodarzi, M., & Fatehifar, A. (2022). Assessment of Climate Change Effects on Meteorological Variables and Maximum Precipitation under New RCP Emission in Watershed. Human & Environment, 20(2), 111-127. (in Persian). Iran Meteorological Organization. (2019). Climatic Atlas of Iran. Tehran: Iran Meteorological Organization. (in Persian). Isfahani, P. M., Soltani, S., & Modarres, R. (2022). Assessing agrometeorological drought trends in Iran during 1985–2018. Theoretical and Applied Climatology, 150(1), 251-262. Khalili, P., Konar, M., & Faramarzi, M. (2024). Modelling the impacts of future droughts and post-droughts on hydrology, crop yields, and their linkages through assessing virtual water trade in agricultural watersheds of high-latitude regions. Journal of Hydrology, 639, 131530. Lloyd-Hughes, B., & Saunders, M. A. (2002). A drought climatology for Europe. International journal of climatology, 22(13), 1571-1592. Malekian, A., & Mohammadi, P. (2022). Investigating Changes in Some Climate Variables under the Future Climate Scenarios for a Semi-Arid Region. Desert Ecosystem Engineering, 10(30), 65-80. doi: 10.22052/deej.2021.10.30.41. (in Persian). Mauritsen, T., Bader, J., Becker, T., Behrens, J., Bittner, M., Brokopf, R., … & Fast, I. (2019). Developments in the MPI-M Earth System Model version 1.2 (MPI‐ESM1. 2) and its response to increasing CO2. Journal of Advances in Modeling Earth Systems, 11(4), 998-1038. McKee, T. B., Doesken, N. J., & Kleist, J. (1993, January). The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference on Applied Climatology, 17(22), 179-183. Mirgol, B., Nazari, M., Etedali, H. R., & Zamanian, K. (2021). Past and future drought trends, duration, and frequency in the semi-arid Urmia Lake Basin under a changing climate. Meteorological applications, 28(4), e2009. Mishra, A. K., & Singh, V. P. (2010). A review of drought concepts. Journal of hydrology, 391(1-2), 202-216. Mishra, V., Tiwari, A. D., & Kumar, R. (2022). A framework to incorporate spatiotemporal variability of rainfall extremes in summer monsoon declaration in India. Environmental Research Letters, 17(9), 094039. Modarres, R., Sarhadi, A., & Burn, D. H. (2016). Changes of extreme drought and flood events in Iran. Global and Planetary Change, 144, 67-81. Mukherjee, S., Mishra, A., & Trenberth, K. E. (2018). Climate change and drought: a perspective on drought indices. Current climate change reports, 4, 145-163. O’Neill, B. C., Tebaldi, C., Van Vuuren, D. P., Eyring, V., Friedlingstein, P., Hurtt, G., … & Meehl, G. A. (2016). The scenario model intercomparison project (ScenarioMIP) for CMIP6. Geoscientific Model Development, 9(9), 3461-3482. Razavi Pashabeigh, M., Amininia, K., SAGHEBIAN, S., & Ghasempour, R. (2025). Assessment of Drought Severity Based on Remote Sensing Using a Multi-scale Intelligent Method (Case Study: Northwest Iran). Water Management in Agriculture, 11(2), 145-164. (in Persian). Riahi, K., Van Vuuren, D. P., Kriegler, E., Edmonds, J., O’neill, B. C., Fujimori, S., … & Lutz, W. (2017). The Shared Socioeconomic Pathways and their energy, land use, and greenhouse gas emissions implications: An overview. Global environmental change, 42, 153-168. Saniesales, F., Soltani, S., & Modarres, R. (2021). Evaluation of new drought index of SPDI (Standardized Palmer Drought Index) in Chaharmahal-Va-Bakhtiari province. Journal of Water and Soil Science, 25(2), 1-12. (in Persian). Spinoni, J., Barbosa, P., Bucchignani, E., Cassano, J., Cavazos, T., Cescatti, A., … & Forzieri, G. (2021). Global exposure of population and land-use to meteorological droughts under different warming levels and SSPs: A CORDEX-based study. International Journal of Climatology, 41(15), 6825-6853. Touma, D., Stevenson, S., Lehner, F., & Coats, S. (2021). Human-driven greenhouse gas and aerosol emissions cause distinct regional impacts on extreme fire weather. Nature Communications, 12(1), 212. Trenberth, K. E. (2011). Changes in precipitation with climate change. Climate research, 47(1-2), 123-138. Vicente-Serrano, S. M., Beguería, S., & López-Moreno, J. I. (2010). A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of climate, 23(7), 1696-1718. Vicente-Serrano, S. M., Peña-Angulo, D., Beguería, S., Domínguez-Castro, F., Tomás-Burguera, M., Noguera, I., … & El Kenawy, A. (2022). Global drought trends and future projections. Philosophical Transactions of the Royal Society A, 380(2238), 20210285. Wilby, R. L., Wigley, T. M. L., Conway, D., Jones, P. D., Hewitson, B. C., Main, J., & Wilks, D. S. (1998). Statistical downscaling of general circulation model output: A comparison of methods. Water resources research, 34(11), 2995-3008. World Meteorological Organization. (2012). Standardized precipitation index user guide. World Meteorological Organization, 1090. Zarei, A. R., Moghimi, M. M., & Bahrami, M. (2017). Monitoring and Prediction of Monthly Drought using Standardized Precipitation Index and Markov Chain (Case study: southeast of Iran). Geography and Environmental Sustainability, 7(2), 39-51. (in Persian). Zenali, B. (2019). Investigation and prediction of iranian drought using composite indices. Iranian Journal of Rainwater Catchment Systems, 7(3), 21-36. (in Persian). | ||
|
آمار تعداد مشاهده مقاله: 134 تعداد دریافت فایل اصل مقاله: 73 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب