کاربرد مدل ARMA در کاهش مقیاس و ارزیابی آثار تغییر اقلیم در مقیاس سالانه

نوع مقاله : مقاله کامل پژوهشی

نویسنده

استادیار دانشکده مهندسی عمران، دانشگاه پیام نور

چکیده

با وجود قابلیت ­های ویژه مدل ARMA (Autoregressive Moving Average) برای ارزیابی اثر تغییر اقلیم در مقیاس سالانه، این مدل در مطالعات پیشین تغییر اقلیم، به­ندرت مورد توجه قرار گرفته است. علت اصلی آن، مشخص نبودن روش کاهش مقیاس برای سری­ های غیر نرمال است. سری­ های بارش در مقیاس­ه ای روزانه و ماهانه اغلب غیرنرمال است، اما بارش سالانه در بسیاری از مناطق از توزیع نرمال تبعیت می ­کند. در این مقاله عملکرد مدل سالانه ARMA با عملکرد مدل پرکاربرد روزانه LARS-WG (Long Ashton Research Station Weather Generator) برای تولید سری­ های سالانه بارش و دما مقایسه شده است. نتایج نشان می­ دهد مدل ARMA آماره­ های مختلف بارش و دمای سالانه و توزیع فراوانی این متغیرها را در سری­ های مصنوعی به خوبی بازتولید می­ کند. اما مدل LARS-WG که عملکرد مناسبی در بازتولید آماره ­های روزانه دارد، عملکرد مناسبی در بازتولید توزیع فراوانی دمای سالانه ندارد. علت این امر ناتوانی LARS-WG در بازتولید نوسانات بین سالی (به طور خاص انحراف معیار سالانه) است. اثر تغییر اقلیم بر بارش و دمای سالانه ایستگاه هواشناسی زنجان با استفاده از مدل ARMA تحت سناریوی مدل HADGEM2 (Hadley Centre Global Environment Model version 2) تحت سناریوی انتشار RCP4.5 (Representative Concentration Pathway 4.5) ارزیابی شد. نتایج حاکی از کاهش بارش و افزایش دما در دوره بازگشت ­های مختلف است. بر این مبنا با در نظر گرفتن اثر تغییر و در حدود 90% نوسانات اقلیم، بارش 2 ساله بین 7 تا 23 درصد نسبت به مقادیر مشاهداتی کاهش می­ یابد و دمای 2 ساله بین 2/2 تا 8/3 درجه نسبت به مقادیر مشاهداتی افزایش می ­یابد.

کلیدواژه‌ها


عنوان مقاله [English]

Application of ARMA model in downscaling and climate change impact assessment in annual time-scal

نویسنده [English]

  • Mohammad Reza Khazaei
Department of Civil Engineering, Payame Noor University, I.R of Iran
چکیده [English]

Despite the specific capabilities of the ARMA model to assess the impacts of climate change on an annual scale, this model has been rarely considered in previous climate change studies. Because it is not clear that how skewed series can be downscaled using this model. Precipitation series on the daily and monthly scales is often skewed, but annual rainfall in many areas is has a normal distribution. In this paper, the performance of the annual ARMA model and the LARS-WG daily model for generating annual rainfall and temperature series is compared. The results show that the ARMA model well reproduces the various statistics of annual observed rainfall and temperature, as well as the frequency distribution of these variables. But the LARS-WG model, which has a good performance in reproduction of daily statistics, does not have an acceptable performance in reproducing the annual distribution frequencies. It is because of the inability of the LARS-WG model in reproducing of inter-annual variabilities (specially annual standard deviation). Climate change impact on annual precipitation and temperature of the Zanjan station is assessed using ARMA model and HADGEM2 outputs under RCP4.5 scenario. The results indicate that for various return periods, the temperature will increase and rainfall will decrease. based on results, by considering climate variability and change, 2-year return period precipitation will decrease between 7% to 23% and 2-year return period temperature will increase between 2.2 to 3.8 ºC respect to corresponding observed values.

کلیدواژه‌ها [English]

  • Climate Change
  • ARMA
  • Annual
  • Precipitation and Temperature
  • Lars-WG
خزائی م ر، تحسین­ زاده ن، شرافتی ا، "تحلیل عدم قطعیت سناریوهای بارش و دمای حوضه سیرا تحت اثر تغییر اقلیم"، علوم و مهندسی آبخیزداری ایران، 1397، 13 (46)، 45-51.
رضائی م، نهتانی م، مقدم ­نیا ع، آبکار، ع، رضائی، م، "مقایسه روش ­های شبکه‌ عصبی مصنوعی و SDSM در ریزمقیاس کردن اندازه‌ بارش سالانه شبیه‌سازی شده با HadCM3 (مطالعه موردی: کرمان، راور و رابر)"، مهندسی منابع آب، 1394، 8 (24)، 25-40.
صلاحی ب، گودرزی م، حسینی س ا، "پیش ­بینی تغییرات دما و بارش در دهه 2050 در حوزه آبخیز دریاچه ارومیه"، مهندسی و مدیریت آبخیز، 1395، 8 (4)، 425-438.
مالمیر م، محمدرضاپور ا، آذری س ش، "ارزیابـی تأثیر تغییرات اقلیم بر تخصیص آب کشاورزی در سطح حوضه قره ­سو با مدلWEAP"، فصلنامه علمی- پژوهشی مهندسی آبیاری و آب ایران، 1395، 23، 143-155.
Chapman T, “Stochastic modelling of daily rainfall: the impact of adjoining wet days on the distribution of rainfall amounts”, Environmental Modelling and Software, 1998, 13, 317-324.
Dubrovsky M, Buchtele J, Zalud Z, “High-frequency and low-frequency variability in stochastic daily weather generator and its effect on agricultural and hydrologic modeling”, Climatic Change, 2004, 63, 145-179.
Fowler HJ, Blenkinsop S, Tebaldi C, “Linking climate change modelling to impacts studies: recent advances in downscaling techniques for hydrological modelling”, International Journal of Climatology, 2007, 27, 1547-1578.
Holman IP, Tascone D, Hess TM, “A comparison of stochastic and deterministic downscaling methods for modelling potential groundwater recharge under climate change in East Anglia, UK: implications for groundwater resource management”, Hydrogeology Journal, 2009, 17, 1629-1641.
IPCC, “Climate change 2001. Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the third assessment report of the Intergovernmental Panel on Climate Change”, UK: Cambridge University Press, 2001.
IPCC, “Summary for Policymakers. In: Climate Change 2013: The Physical Science Basis”, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, 2013.
Kay AL, DaviesHN, Bell VA, Jones RG, “Comparison of uncertainty sources for climate change impacts: flood frequency in England”, Climatic Change, 2009, 92, 41-63.
Khazaei MR, Ahmadi S, Saghafian B, Zahabiyoun B, “A new daily weather generator to preserve extremes and low-frequency variability”, Climatic Change, 2013, 119, 631-645.
Khazaei MR, Zahabiyoun B, Saghafian B, “Assessment of climate change impact on floods using weather generator and continuous rainfall-runoff model”, International Journal of Climatology, 2012, 32, 1997-2006.
Khazaei, MR, Zahabiyoun B, Hasirchian, M, “Comparison of IWG and SDSM weather generators for climate change impact assessment”, Theoretical and Applied Climatology, 2020, online published, Doi: 10.1007/s00704-020-03119-1.
Liu Y, Wu J, Liu Y, Hu BX, Hao Y, Huo X, “Analyzing effects of climate change on streamflow in a glacier mountain catchment using an ARMA model”, Quaternary International, 2015, 358, 137-145.
Mavromatis T, Hansen JW, “Interannual variability characteristics and simulated crop response of four stochastic weather generators”, Agricultural and Forest Meteorology, 2001, 109, 283-296.
Ng JL, Aziz SA, Huang YF, Wayayok, A, Rowshon, MK, “Stochastic modelling of seasonal and yearly rainfalls with low-frequency variability”, Stochastic Environmental Research and Risk Assessment, 2017, 31, 2215-2233.
Rana A, Foster K, Bosshard T, Olsson J, Bengtsson L, “Impact of climate change on rainfall over Mumbai using Distribution-based Scaling of Global Climate Model projections”, Journal of Hydrology: Regional Studies, 2014, 1, 107-128.
Salas JD, Delleur JW, Yevjevich V, Lane WL, “Applied modeling of hydrologic time series”, Water Resources Publications, Littleton, CO, 1980, 484p.
Semenov MA, Brooks RJ, Barrow EM, Richardson CW, “Comparison of the WGEN and LARS-WG stochastic weather generators for diverse climates”, Climate Research, 1998, 10, 95-107.
Semenov, MA, Stratonovitch, P, “Use of multi-model ensembles from global climate models for assessment of climate change impacts”, Climate Research, 2010, 41, 1-14.
Wilby RL, Dawson CW, Barrow EM, “SDSM- a decision support tool for the assessment of regional climate change impacts”, Environmental Modelling and Software, 2002, 17, 147-159.