@article { author = {Zarrin, Azar and Dadashi-Roudbari, Abbasali}, title = {Projection of drought indices in Iran based on CMIP5 multi-model ensemble}, journal = {Climate Change Research}, volume = {2}, number = {7}, pages = {71-82}, year = {2021}, publisher = {Golestan University}, issn = {2717-2066}, eissn = {2717-2066}, doi = {10.30488/ccr.2021.317280.1058}, abstract = {Increasing the intensity and frequency of drought indices due to global warming can severely affect the natural environment. Therefore, it is necessary to project drought indices using General Circulation Models (GCMs) in order to provide projection of drought conditions as well as climate risk management. For this purpose, nine models were selected from a set of CMIP5 models with horizontal resolution of 0.5 ° and bias corrected by Quantile Delta-Mapping (QDM) method. Then, using a Bayesian mean model (BMA), an ensemble model was generated and its performance was evaluated using Taylor diagram. The results showed that the CMIP5-MME model generated by BMA method performed better than the existing nine individual models. The generated ensemble model simulates the dry spells and dry days more accurately than the intensity of drought in Iran. It shows that CMIP5 models simulate the precipitation event better than the amount of precipitation. The results showed that the frequency of dry days, drought period and also the severity of drought in Iran will increase in the future. The aridity index (AI), which shows the balance between water supply and demand in the atmospheric-Earth interaction, will increase by a maximum of 3.15% in the average area of Iran. Also, dry days and dry spells will increase by 7.50% and 28.84%, respectively, in the upcoming decades. The results show that under climate change conditions, the length of the drought period will increase more than the aridity index (intensity of the drought). This result is considered a serious threat to water resources and ecosystems and requires special attention to drought management programs (DMP) in the country.}, keywords = {Drought Indices,Aridity Index (AI),Multi-Model Ensemble,Iran}, title_fa = {پیش نگری همادی نمایه‌های خشکسالی در ایران مبتنی بر برونداد چند مدلی CMIP5}, abstract_fa = {افزایش شدت و فراوانی نمایه­های خشکسالی به دلیل گرمایش جهانی می­تواند محیط طبیعی را به­شدت تحت تأثیر قرار دهد. بنابراین، پیش­نگری نمایه­های خشکسالی با استفاده از مدل­های گردش کلی جو (GCM) به‌منظور ارائه پیش آگاهی از شرایط خشکسالی و همچنین مدیریت ریسک‌ اقلیمی ناشی از آن ضروری است. برای این منظور از داده­های بازتحلیل پایگاه ERA5 و برونداد مدل­های CMIP5 استفاده گردید و سه نمایه روزهای خشک، دوره­های خشک و شاخص خشکی مورد بررسی قرار گرفت. نه مدل از مجموعه مدل­های CMIP5 با تفکیک افقی 5/0 درجه­قوسی گزینش و با روش نگاشت چندک دلتا (QDM) تصحیح اریبی شدند. سپس با استفاده از مدل میانگین گیری بیزین (BMA) یک مدل همادی تولید و کارایی آن با استفاده از نمودار تیلور بررسی شد. نتایج نشان داد که مدل CMIP5-MME تولید شده با روش BMA از مدل­های نه گانه منفرد موجود بهتر عمل کرده است. مدل­ همادی ایجاد شده دوره خشک و روزهای خشک را دقیق­تر از شاخص خشکی در ایران برآورده کرده است که نشان می­دهد مدل­های CMIP5 رخداد بارشی را بهتر از مقدار بارش برآورد می­کنند. نتایج گویای این است که فراوانی روزهای خشک، دوره­ خشکی و همچنین شاخص خشکی در ایران روند افزایشی خواهد داشت. شاخص خشکی (AI) که تعادل بین عرضه و تقاضای آب را در فصل مشترک جو-زمین نشان می­دهد حداکثر 15/3 درصد در متوسط پهنه ایران افزایش خواهد داشت. همچنین روزهای­ خشک و دوره خشک حداکثر به­ترتیب 50/7 و 84/28 درصد در دهه­های آینده افزایش دارند. نتایج نشان می­دهد که تحت شرایط تغییر اقلیم، طول دوره­ خشکسالی افزایش بیش­تری نسبت به شاخص خشکی خواهد داشت. این نتیجه یک تهدید جدی برای منابع آب و اکوسیستم تلقی شده و نیازمند توجه ویژه به برنامه­های مدیریت خشکسالی (DMP) در کشور است.}, keywords_fa = {نمایه‌های خشکسالی,شاخص خشکی (AI),چند مدلی همادی,ایران}, url = {https://ccr.gu.ac.ir/article_141018.html}, eprint = {https://ccr.gu.ac.ir/article_141018_cb8a46baa19f70576670474f1364b32d.pdf} }