https://ccr.gu.ac.ir/ پژوهش‌های تغییرات آب و هوایی fa daily 1 Tue, 21 Apr 2026 00:00:00 +0330 Tue, 21 Apr 2026 00:00:00 +0330 https://ccr.gu.ac.ir/article_236207.html این پژوهش با هدف تحلیل تغییرات شاخص‌های حدی بارش در تهران تحت تأثیر سناریوهای مختلف تغییر اقلیم انجام شد. برای این منظور داده‌های روزانه بارش و دما از سه ایستگاه سینوپتیک آبعلی، دوشان‌تپه و مهرآباد طی دوره‌ی ۱۹۸۵ تا ۲۰۱۵ و خروجی پنج مدل منتخب از مجموعه مدل‌های اقلیمی CMIP6 شامل CAN-ESM2-0، FGOALS-G3، IPSL-CM6A-LR، MIROC6 و MRI-ESM2-0 در سه سناریوی SSP1-2.6، SSP2-4.5 و SSP5-8.5 مورد استفاده قرار گرفت. داده‌ها پس از ریزمقیاس‌نمایی و تصحیح بایاس با روش Linear Scaling، برای محاسبه شش شاخص حدی بارش (CDD، CWD، PRCPTOT، R20mm، R99p و SDII) در نرم‌افزار RClimDex و تحلیل روند با آزمون‌های Mann–Kendall و شیب سن به‌کار گرفته شدند. نتایج نشان داد که عملکرد مدل‌ها در شبیه‌سازی دما مطلوب اما در بازسازی بارش محدود است و در میان آن‌ها، مدل‌های FGOALS-G3 و IPSL-CM6A-LR دقت بالاتری دارند. تحلیل روندها نشان داد که در ایستگاه آبعلی، بارش سالانه و شاخص‌های شدید بارش در سناریوی خوش‌بینانه SSP1-2.6 کاهش و در سناریوی بدبینانه SSP5-8.5 افزایش می‌یابند؛ در حالی‌که دو ایستگاه دوشان‌تپه و مهرآباد عمدتاً روندهای پایدار یا افزایشی خفیف را در سناریوهای با انتشار بالا تجربه می‌کنند. این یافته‌ها بیانگر تفاوت مکانی و وابستگی شدید تغییرات بارش‌های حدی به نوع سناریو است. به‌طور کلی، نتایج حاکی از آن است که افزایش شدت و فراوانی بارش‌های سنگین در سناریوهای پرانتشار می‌تواند خطر وقوع سیلاب‌های شهری را افزایش دهد، در حالی‌که کاهش بارش در سناریوهای کم‌انتشار، ریسک خشکسالی در مناطق کوهستانی را تقویت می‌کند. این نتایج اهمیت بررسی تفصیلی تغییرات حدی اقلیمی را در مدیریت منابع آب و برنامه‌ریزی سازگاری شهری تهران برجسته می‌سازد. https://ccr.gu.ac.ir/article_237428.html پوشش گیاهی به‌عنوان شاخصی حساس از سلامت اکوسیستم‌های کوهستانی، مستلزم پایش دقیق با رویکردهای چندبعدی است و به همین دلیل، بررسی پوشش گیاهی استان آذربــایجان­شرقی به دلیل قرارگیری در گره­گاه کوهستانی شمال­غرب کشور از اهمیت بسزایی برخودار است. لذا در پژوهش حاضر، روند زمانی- مکانی پوشش گیاهی استان آذربایجان شرقی در بازه زمانی 24 ساله از 2000 تا 2024 میلادی با استفاده از یک چارچوب ترکیبی مبتنی بر داده‌های ماهواره‌ای MODIS و چهار روش آماری-فضایی تحلیل شد که عبارتند از: (1) شاخص NDVI به‌عنوان معیار کمّی پوشش گیاهی، (2) رگرسیون وزنی جغرافیایی (GWR) برای مدل‌سازی رابطه غیریکنواخت ارتفاع و پوشش گیاهی، (3) تحلیل مؤلفه‌های اصلی (PCA) برای شناسایی الگوهای زمانی ماهانه و (4) آزمون کولموگروف-اسمیرنف (K-S) برای ارزیابی نرمال‌بودن توزیع NDVI. یافته‌ها نشان داد که بیشترین تراکم پوشش گیاهی در مناطق شمالی استان در منطقه ارسباران، ارس، ورزقان، کوه‌های قازان‌داغی و قندرات­باشی واقع شده است و کمترین تراکم آن نیز در بخش­های غربی و مرکزی استان متمرکز شده است. همچنین مدل رگرسیون وزن­دار جغرافیایی با ضریب تعیین 76 درصد، کفایت و دقت بالای مدل در پیش­بینی پوشش گیاهی استان را تایید و ناهمگونی رابطه ارتفاع-پوشش گیاهی را در سطح استان آشکار ساخت. نتایج تحلیل مولفه اصلی نشان داد که مدل­های برآوردی با 49/93 درصد از واریانس کل، 3 گروه اکولوژیک از پوشش گیاهی در طی سال بازشناسایی کردند که عبارتند از: ماه­های ژوئن، جولای، آگوست و سپتامبر(تراکم بالای پوشش گیاهی)؛ ماه­های ژانویه، فوریه، مارس و می(تراکم متوسط) و ماه­های اکتبر، نوامبر و دسامبر(تراکم اندک و ضعیف). در این میان، ماه ژوئن بیش­ترین تراکم پوشش گیاهی را به دلیل اوج گستره پوشش گیاهی در باغات و مزارع استان و افزایش کشت بهاره به خود اختصاص داده است. همچنین نتایج آزمون کولموگروف- اسمیرنف حاکی از این است که در ماه­های ژوئن، جولای و آگوست پوشش گیاهی استان آذربایجان شرقی دارای توزیع نرمال و در ماه سپتامبر، پوشش گیاهی دارای توزیع غیرنرمال می­باشد. https://ccr.gu.ac.ir/article_241863.html پیش‌بینی دقیق دبی رودخانه‌ها یکی از چالش‌های اساسی در مدیریت منابع آب و طراحی سامانه‌هایِ هشدار سیلاب است. در پژوهش حاضر با هدف ارزیابی کارایی مدل‌های نوین یادگیریِ عمیق در پیش‌بینی دبی بیشینه روزانه، چهار مدل شامل LSTM GRU -LSTM، ConvLSTM و S-LSTM در پنج ایستگاه هیدرومتری حوزه آبخیز طالقان مقایسه شدند. پس از پیش‌پردازش داده‌ها و استخراج سناریوهای تأخیر زمانی، مدل‌ها بر اساس شاخص‌هایRMSE ، MAE، NSE و ضریب همبستگی در مجموعه‌های آموزش و آزمون ارزیابی شدند. نتایج نشان داد که مدل‌های مبتنی بر حافظه زمانی LSTM  و GRU-LSTM عملکرد به‌مراتب دقیق‌تری نسبت به مدل‌های مکانی زمانی و نسخه‌های توسعه داده‌شده ارائه دادند. مدلGRU-LSTM بهترین دقت را با NSE بالاتر از 95/0 و خطای بسیار پایین ثبت کرد اما نتایج آزمون آماریt-student نشان داد که اختلاف آن با مدل LSTM معنادار نیست؛ به‌گونه‌ای که الگوریتم LSTM  تقریباً همان سطح دقت را با هزینه محاسباتی کمتر ارائه می‌دهد. در مقابل، ConvLSTM و S-LSTM عملکرد ضعیف‌تری داشتند و پراکندگی بیشتر نقاط در نمودارهای همبستگی بیان‌گر محدودیت آن‌ها در مدل‌سازی سری‌های زمانی تک‌متغیره بود. تحلیل بصری نمودارهای همبستگی نیز نشان داد که LSTM و GRU-LSTM بیشترین انطباق را با خط همبستگی داشته و قادر به بازسازی الگوهای زمانی جریان به‌ویژه پیک‌ها و افت‌ها بودند. با توجه به تعادل میان دقت، پایداری و هزینه محاسباتی، مدل  LSTM  به‌عنوان گزینه نهایی و بهینه برای پیش‌بینی دبی بیشینه روزانه در حوضه آبخیز طالقان پیشنهاد می‌شود https://ccr.gu.ac.ir/article_241864.html در سال‌های اخیر، به‌دنبال بروز پدیده‌ی گرمایش جهانی و تغییر در الگوهای اقلیمی و پارامترهای هواشناسی، فراوانی وقوع خشکسالی در بسیاری از مناطق جهان افزایش یافته است. در این مطالعه به پایش خشکسالی با استفاده از شاخص SPEI و بررسی خصوصیات این پدیده (شدت، بزرگی، مدت) در شرایط تغییر اقلیم در ایستگاه سینوپتیک قزوین در دوره تاریخی 2014-1986 و دوره‌های آینده 2050-2026، 2075-2051 و 2100-2076 تحت سناریوهای SSP2-4.5 و SSP5-8.5 در مقیاس‌های زمانی 3، 6، 9 و 12 ماهه پرداخته شده است. به‌منظور کاهش عدم‌قطعیت مدل‌های منفرد و افزایش قابلیت اعتماد برآوردها، از یک رویکرد ترکیب چندمدلی مبتنی بر یادگیری ماشین (Multi-Model Ensemble) با استفاده از الگوریتم XGBoost جهت ترکیب غیرخطی و بهینه خروجی سه مدل اقلیمی  CMIP6شامل MIROC6،ACCESS-CM2  و CNRM-CM6-1 استفاده شد. ویژگی‌های خشکسالی بر اساس داده‌های مدل ترکیبی (Ensemble) حاصل از سه مدل اقلیمی محاسبه شدند. در سناریویSSP2-4.5، تغییرات خشکسالی نسبت به گذشته روندی افزایشی ملایم نشان داد. در دوره‌ی 2026–2050، میانگین شدت بین 03/2 تا 02/3 و بزرگی بین 91/0 تا 25/1 مشاهده شد. در سناریوی بدبینانه SSP5-8.5، روند افزایش شدت و بزرگی خشکسالی‌ها واضح‌تر بود. در نیمه‌ی اول قرن (2026–2050)، شدت بین 91/1 تا 70/3 و بزرگی بین 1/1تا 14/1 متغیر بود. به‌طور کلی، نتایج نشان داد که هر دو شاخص شدت و بزرگی خشکسالی از گذشته به آینده روندی افزایشی دارند، اما افزایش شدت چشمگیرتر است. بدین ترتیب می‌توان نتیجه گرفت که در آینده، منطقه‌ی مورد مطالعه با افزایش فراوانی، شدت و پایداری خشکسالی‌ها مواجه خواهد شد و این امر ضرورت برنامه‌ریزی سازگاری، مدیریت منابع آب و توسعه‌ی راهبردهای کاهش اثرات خشکسالی را بیش از پیش آشکار می‌سازد. https://ccr.gu.ac.ir/article_242471.html خشکسالی یکی از مهم‌ترین مخاطرات اقلیمی با اثرات گسترده بر منابع آب، کشاورزی و معیشت جوامع است. درک الگوی زمانی و فصلی آن در مناطق حساس، به‌ویژه در اقلیم‌های ناپایدار، از اهمیت زیادی برخوردار است. هدف این پژوهش، بررسی و مقایسه روند ماهانه، فصلی و سالانه  شاخص‌های خشکسالی SPI و SPEI در استان گلستان طی بازه بلندمدت ۱۹۵۰ تا ۲۰۲۴ و تحلیل تفاوت‌های ساختاری آن‌ها در بازتاب شرایط رطوبتی منطقه می‌باشد. در این مطالعه، داده‌های بارش و تبخیر و تعرق پتانسیل با تفکیک مکانی 0.1×0.1 درجه از پایگاه ERA5 اخذ و سپس روند و نوسانات ماهانه، فصلی و سالاته این شاخص‌ها با روش درون‌یابی IDW و Hotspot با Arcmap برآورد، ترسیم و مورد تحلیل قرار گرفت. نتایج نشان داد که شاخص SPI در فصل بهار و اوایل تابستان با کاهش چشمگیری مواجه شده و مقادیر آن در برخی ماه‌ها به کمتر از ۳- رسیده است. در مقابل، شاخص SPEI نوسانات متعادل‌تری حول مقدار صفر نشان داده است. این تفاوت حاکی از آن است که شاخص SPEI با در نظر گرفتن مؤلفه‌های حرارتی، تحلیل دقیق‌تری از وضعیت رطوبتی منطقه ارائه می‌دهد. یافته‌ها بیانگر آن است که استفاده توأم از شاخص‌های SPI و SPEI می‌تواند در پایش و تحلیل جامع‌تر خشکسالی مؤثر واقع شود. همچنین پیشنهاد می‌گردد بررسی این شاخص‌ها در مقیاس‌های محلی و با در نظر گرفتن سایر عوامل محیطی پیگیری شود. https://ccr.gu.ac.ir/article_241862.html گردوغبار از مهم‌ترین چالش‌های زیست‌محیطی استان کردستان است و تأثیر گسترده‌ای بر کیفیت هوا و سلامت دارد. این پژوهش با استفاده از داده‌های ماهواره‌ای MODIS و Sentinel-5P و شاخص‌های AOD، AAI، AOD-Sum و DECM در دوره ۲۰۱۸ تا ۲۰۲۴ انجام شد. داده‌ها در GEE پردازش و مسیرهای انتقال گردوغبار با مدل HYSPLIT شبیه‌سازی گردید. از داده‌های سرعت باد مدل ECMWF برای بررسی نقش باد در پراکنش گردوغبار استفاده شد. میانگین AOD بین 25/0 تا 31/0 متغیر بوده و بیشینه آن در سال‌های ۲۰۱۸ و ۲۰۲۲ به ترتیب 31/0 و 29/0 ثبت شد. شاخص AAI از 01/0 در ۲۰۲۰ به 67/0 در ۲۰۲۲ افزایش و در ۲۰۲۴ به 41/0 کاهش یافت. شاخص AOD-Sum بیش از ۷۰ روز گردوغبار را در ۲۰۱۸ و 128 روز را در ۲۰۲۲ نشان داد. شاخص DECM نیز از کمتر از ۵۰ روز در ۲۰۱۸ به بیش از ۱۵۰ روز در ۲۰۲۲ رسید و در ۲۰۲۴ به ۶۵ روز کاهش یافت. تحلیل مدل HYSPLIT نشان داد که منشأ اصلی گردوغبار ورودی از بیابان‌های الانبار عراق، نفوذ عربستان و بیابان سوخنه سوریه است و ذرات گردوغبار در ارتفاع ۱۰۰۰ تا ۲۵۰۰ متر شکل گرفته و با کاهش ارتفاع تا زیر ۵۰۰ متر وارد کردستان شدند. بیش از ۹۰ درصد مسیرها از مرز ایران و عراق عبور کرده و مرزهای کردستان و ایلام به‌عنوان مسیرهای اصلی ورود شناسایی شدند. بررسی سرعت باد نشان داد که باد در شرق استان 2/3 تا 4/3 متر بر ثانیه و در غرب کمتر از 1/1 متر بر ثانیه است و اوج گردوغبار سال ۲۰۲۲ با باد 4/3 متر بر ثانیه همزمان شد که نقش مستقیم باد قوی در تشدید گردوغبار را تأیید می‌کند. همچنین فرسایش خاک، کاهش پوشش گیاهی و توپوگرافی شرق استان در تشدید گردوغبار مؤثر بوده‌اند و نشان می‌دهد که علاوه برمنابع خارجی، منابع محلی نیز نقش مهمی در گردوغبار دارند. https://ccr.gu.ac.ir/article_242819.html با توجه به نقش کلیدی تابش‌های فرودی موج کوتاه (rsds) و بلند (rlds) در بیلان انرژی سطحی و چرخه هیدرولوژی، این پژوهش با هدف بررسی واداشت تابشی در اقلیم خشک و نیمه‌خشک ایران انجام شد. این تحقیق بر اساس تحلیل داده‌های پروژه CMIP6 انجام گرفت. به منظور کاهش عدم قطعیت‌های ساختاری، یک میانگین همادی چندمدلی (MMEM) از پنج مدل منتخب ایجاد شد. تغییرات تابشی در سه دوره آینده (نزدیک، میانی و دور) تا سال ۲۱۰۰ تحت دو سناریوی اجتماعی-اقتصادی SSP2-4.5 و SSP5-8.5 نسبت به دوره تاریخی (2014-1990) مورد بررسی قرار گرفت. سپس داده‌ها با استفاده از روش درون‌یابی دوخطی و محاسبه بی‌هنجاری‌ها تحلیل شدند. نتایج نشان داد که طی دوره تاریخی متغیرهای واداشت تابشی دارای گرادیان معکوس است. در دوره‌های آتی، rlds در هر دو سناریو روندی افزایشی دارد که ناشی از گرمایش تروپوسری و بازخورد بخار آب است؛ به‌طوری‌که در SSP5-8.5 و در پایان قرن، نواحی ساحلی جنوب افزایش چشمگیر ۳۰ تا ۵۰ وات بر مترمربع را نشان دادند. در مقابل، rsds رفتاری عمدتاً کاهشی یا نوسانی دارد. با این حال rsds در فلات مرکزی به دلیل خشکی ذاتی، بی‌هنجاری‌های مثبت را نشان داده است. این نتایج نشان دهنده غلبه افزایش تابش موج بلند بر تغییرات تابش خورشیدی بود. نتایج این تحقیق نشان داد ناترازی تابشی منجر به مثبت شدن بیلان خالص انرژی و تشدید پتانسیل تبخیر-تعرق می‌شود که تهدیدی جدی برای منابع آب ایران محسوب می‌شود. همچنین نتایج نشان داد که نواحی پست ساحلی بیشترین حساسیت ترمودینامیکی و ارتفاعات زاگرس و البرز نقش تعدیل‌کننده دارند. یافته‌های این مطالعه، می‌تواند در تصمیم‌گیری‌های راهبردی جهت مکان‌یابی، توسعه و ارزیابی راندمان نیروگاه‌های خورشیدی و جهت اصلاح استانداردهای طراحی اقلیمی و مدیریت انرژی ساختمان‌ها به‌طور مستقیم مورد بهره‌برداری قرار گیرد. https://ccr.gu.ac.ir/article_244869.html تغییرات اقلیمی به عنوان یکی از چالش‌های برجسته قرن حاضر، پیامدهای گسترده‌ای بر اکوسیستم‌های دریایی و ساحلی، به ویژه خشکبوم‌های ساحلی، داشته است. افزایش دمای سطح دریا، وقوع رویدادهای حدی اقلیمی و تشدید تنش‌های دمایی از جمله پیامدهای این پدیده جهانی محسوب می‌شوند. در این راستا، به‌کارگیری مدل‌های عددی مقیاس‌کاهی نظیر WRF، رویکردی نوین برای مدل‌سازی دمای سطح دریا در چنین مناطق حساسی به شمار می‌رود. خلیج فارس به عنوان یکی از مهمترین خشکبوم‌های ساحلی جهان، با ویژگی‌هایی نظیر تبخیر سالانه بالا، شوری زیاد، عمق کم و نوسانات شدید دمایی فصلی، از آسیب‌پذیری اکولوژیک ویژه‌ای در برابر تغییرات اقلیمی برخوردار است. هدف اصلی این پژوهش، شناسایی مناسب‌ترین پیکربندی طرحواره‌های فیزیکی مدل WRF جهت شبیه‌سازی دمای سطح آب دریا در خلیج فارس می‌باشد. داده‌های دمای سطح دریا از سازمان هواشناسی کشور دریافت گردید. مدل WRF با هشت پیکربندی متفاوت اجرا و خروجی‌ها با استفاده از شاخص‌های RMSE، MAE وMAPE اعتبارسنجی شدند. نتایج نشان داد پیکربندی شماره ۵ شامل WSM 5class، RRTM، Dudhia، Revised MM5 Monin-Obukhov، Unified Noah، YSU و Kain-Fritsch با کمترین میزان خطا و بالاترین ضریب همبستگی (۰٫۹۸۵) به عنوان ترکیب بهینه شناسایی گردید. مقادیر RMSE برای فصول بهار، تابستان، پاییز و زمستان به ترتیب ۰٫۰۳۶، ۰٫۰۱۲، ۰٫۰۲۸ و ۰٫۰۱۱ درجه سلسیوس محاسبه شد. بر اساس یافته‌ها، خروجی مدل WRF می‌تواند به عنوان جایگزینی مناسب و با دقت بالا برای داده‌های بویه هواشناسی بوشهر در مطالعات پایش تغییرات اقلیمی، مدیریت شیلات، حفاظت از صخره‌های مرجانی در برابر سفیدشدگی ناشی از گرمایش جهانی و پیش‌بینی رویدادهای حدی دمایی در این خشکبوم ساحلی مورد استفاده قرار گیرد.