پیش‌نگری خشکسالی با استفاده از داده‌های گزارش پنجم ارزیابی تغییر اقلیم در منطقه بیرجند

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 467

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AGRIMET-8-1_005

تاریخ نمایه سازی: 9 آذر 1399

چکیده مقاله:

Drought is one of the most widespread and devastating phenomenon which has been more frequent due to climate change consequences in recent decades. The aim of this study is to project the agricultural drought in Birjand station, Iran using outputs of five GCM models approved in IPPC fifth assessment report, AR۵, namely MIROC-ESM, GFDL-ESM۲M, HADGEM۲-ES, CSIRO-MK۳.۶ and IPSL-CM۵A-LR under RCP۴.۵ and RCP۸.۵ scenarios. The retrieved outputs were downscaled using LARS-WG statistical model for the future period (۲۰۵۵-۲۰۲۵). For monitoring the drought the Self Calibrating Palmer Drought Severity index (SC-PDSI) during the baseline (۱۹۷۵- ۲۰۰۵) and future period was used. The results indicated that occurrence of droughts during future period will increase comparing to baseline, which might be caused by climate change in the study region. Models projections under both scenario revealed that the (۲۰۲۶-۲۰۳۵) period would experience more severe drought comparing to remaining years. According to results, the highest number of drought events in future period was projected by MIROC-ESM and CSIROMK ۳.۶, models under RCP۸.۵ scenario.

نویسندگان

فاطمه حاجی آبادی

کارشناس آموزشی گروه علوم و مهندسی آب، دانشگاه بیرجند و دانش آموخته دکتری آبیاری و زهکشی، دانشکده آب و خاک، دانشگاه زابل، زابل، ایران

فرزاد حسنپور

دانشیار، گروه مهندسی آب ، دانشکده آب و خاک ، دانشگاه زابل، زابل ، ایران

مصطفی یعقوب زاده

استادیار گروه علوم و مهندسی آب دانشکده کشاورزی دانشگاه بیرجند، بیرجند، ایران

حسین حمامی

استادیار گروه زراعت و اصلاح نباتات دانشکده کشاورزی دانشگاه بیرجند، بیرجند، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :