Predictive and Analysis of Probable Heavy Rainfall in Khuzestan Province Using HadCM3 and SDSM

Document Type : Original Article

Authors

1 Associate Professor, Department of Geography, Shahid Bahonar University of Kerman, Kerman, Iran

2 Associate Professor of Gography, Department of Geography, Shahid Bahonar University of Kerman, Kerman, Iran

3 Assistant Professor, Faculty of Mathematics and Computer, Shahid Bahonar University of Kerman, Kerman, Iran

4 MSc of Environmental Hazards, Department of Geography, Shahid Bahonar University of Kerman, Kerman, Iran

Abstract

Due to climate changes, precipitation forecasting and precipitation estimation, one of the most important climatic parameters in the field of water resources management, is of particular importance. Therefore, in this research, the application of SDSM model in precipitation estimation was investigated. In this research, the data related to Ahvaz, Abadan and Dezful synoptic stations were used. The forecast time frame for the future period (climate scenarios) is also 30 years between 2031 and 2060. The outputs of the HadCM3 model, under the A2 and B2 scenarios and the CanECM2 model, under the RCP26, RCP45 and RCP85 scenarios, were micro scaled by applying the SDSM statistical exponential micro scale model in the prediction of the precipitation parameter, also using statistical and graphical methods. Micro scaled and basic data were analyzed and then calibrated. Base period modeling was done with higher accuracy in CanESM2 data compared to HadCM3 data. The results indicated that in the coming years, the total rainfall will increase in all three stations and the maximum amount of rainfall will decrease in all three stations. According to the modeling results, it seems that the climate of Khuzestan will have a wetted winter climate and drier summers in the near future.

Keywords

References

  1. افروزی، علی، رضایی، زمان (1394). ارزیابی اثرات تغییر اقلیم بر عملکرد محصوالت و ارائه راهبرد تغییر الگوی کشت (مطالعه موردی حوضه سیمینه رود)، نشریه حفاظت منابع آب و خاک، دورۀ 4، شمارۀ 4، صص 64-51.
  2. حیدری­زاده، عابد (1398). پیش­بینی ناپایداری خطوط راه آهن بر اساس شرایط اقلیمی با تأکید بر دما (مطالعۀ موردی: مسیر کرمان-زاهدان). پایان­نامۀ کارشناسی­ارشد مخاطرات محیطی به راهنمایی دکتر صادق کریمی و مشاورۀ علی مهرابی­نژاد، دانشگاه شهید باهنر کرمان.
  3. دهقانی­پور، امیرحسین، حسن­زاده، محمدجواد، عطاری، جلال؛ عراقی­نژاد، شهاب (1390). ارزیابی توانمندی مدلSDSM در ریز مقیاس نمایی بارش، دما و تبخیر (مطالعه موردی: ایستگاه سینوپتیک تبریز). یازدهمین سمینار سراسری آبیاری و کاهش تبخیر، دانشگاه شهید باهنر کرمان.
  4. رضایی، مریم؛ نهتانی، محمد؛ مقدم­نیا آبکار، علیجان، رضایی، معصومه (1395). پیش­بینی بلندمدت بارش با استفاده از مدل ریزمقیاس­نمایی آماری، نشریۀ دانش آب و خاک، شمارۀ 1، صص 127-115.
  5. روشن، غلامرضا؛ خوش اخلاق، فرامرز؛ عزیزی، قاسم (1391). آزمون مدل مناسب گردش عمومی جو برای پیش­یابی مقادیر بارش و دما در ایران تحت شرایط گرمایش جهانی، مجله جغرافیا و توسعه، شمارۀ 27، صص 36-19.
  6. علیجانی، بهلول (1381). اقلیم­شناسی سینوپتیک، تهران: انتشارات سمت.
  7. فرج­زاده، منوچهر (1392). تحلیل اثرات تغییر اقلیم بر میزان آبدهی رودخانه (مطالعه موردی: رودخانه ششپیر)، مجله جغرافیا و برنامه­ریزی محیطی، پیاپی 49، شمارۀ 1، صص 32-17.
  8. مسعودیان، ابوالفضل، غیور، حسنعلی (1380). نخستین گام در مدل سازی اقلیمی، انتشارات دانشگاه اصفهان.
  9. Behera, S., Khare, D., Mishra, P.K., and Sahoo, S. (2016). Application of Statistical Downscaling Model for Prediction of Future Rainfall in Bhudhabalanga River Basin, Odisha (India).
  10. Falahghalhari, Gh., Yusofi, H., Hoseinzadeh, A., Alimoradi, M., and Reyhani, E. (2019). Bojnourd station climate change assessment during 2016 to 2050 using LARS WG and SDSM microscale exponential models. Echo Hydrology. 6(1): 99-109. [Persian]
  11. Guo, B., Zhang, J., and Xu, T (2018). Comparison of two statistical climate downscaling models: a case study in the Beijing region, China. International Journal of Water. 12(1): 22-38.
  12. Hamidon, N., Harun, S., Sunar, N.M., Hamid, NA., Muhamad, M.S., Harun, H., Ali, R., Awang, M., Rahman, M.A,, Ahmad, F., and Musa, K. (2019). Prediction of Future Climate Change for Rainfall in the Upper Kurau River Basin, Perak Using Statistical Downscaling Model (SDSM). Civil Engineering and Architecture. 7(6): 33-42
  13. Kang, Y., Khan, S., and Ma, X. (2015). Analysing climate change impacts on water productivity of cropping systems in the Murray Darling Basin, Australia. Irrigation and Drainage. 2015 Oct;64(4): 443-453.
  14. Khorshiddoust, A., and Gafarzadeh, F. (2020). Prediction and analysis of precipitation changes on the southern shores of the Caspian Sea for environmental planning using the SDSM model. Geographical space. 20(70): 37-59. [Persian]
  15. Mobasher, H., Yusof, K.W., Mostafa, M.R., Mahmood, R., and Shaofeng, J. (2017). Projected changes in temperature and precipitation in Sarawak state of Malaysia for selected CMIP5 climate scenarios. International Journal of Sustainable Development and Planning. 12 (8): 1299-1311.
  16. Wilby, R. L., Dawson, C.W., and Barrow, E.M. (2007). SDSM user manual-a decision support tool for the assessment of regional climate change impacts.
  17. Wilby, R.L., and Dawson, C.W. (2007). Using SDSM Version 4.1 SDSM 4.2. 2—a decision support tool for the assessment of regional climate change impacts. User Manual, Leicestershire, UK.
  18. Zarei, K., Mohammadi, H., and Bazgir, S. (2019). Prediction of climatic elements of temperature and precipitation of Gorgan synoptic station based on RCP scenarios. Natural Geography Research. 51(4): 563-579. [Persian]

Files

Share

How to cite

Statistics