Monitoring the Trend of Iran Cold Extreme based on the Output of the EH5OM Dynamic Model

Document Type : مقاله پژوهشی


1 Shahid Beheshti University

2 Yazd University



The growth of industries, and consequently, the excessive consumption of fossil fuels on the one hand, and the increase in the world's population and extensive land-use changes on the other hand, has led to the gradual transformation of the global climate after the industrial revolution. In recent decades, the air temperature has suddenly increased with significant changes in the frequency of cold and hot extremes. This study examines the future extreme minimum air temperature across Iran.

Materials and Methods

The average daily temperature from EH5OM database was used for assessment of global warming effects on daily minimum air temperature over Iran. EH5OM is one of the CMIP5’s AOGCM models, which uses ECHAM dynamic core with 31 vertical levels (up to near 10 hPa), developed in Max Planck Physics Institute. The simulation results for EH5OM are available from 1960 to 2100 for different IPCC’s emission scenarios. For this study, A1B scenario was chosen, because its fundamental assumption of balanced emphasis on all energy sources (fossil and non-fossil). Previous study shows that the result of this scenario is applicable for analysis of climate change in near future.

Results and Discussion

The trend of normalized temperature deviation index time series for Iran in the next decades shows a large number of abnormalities. The number of extreme cold days shows a decreasing trend during the study period. In April, most of the country's regions have decreasing trend of frozen events. This downward trend in the western part of the country is more pronounced than the eastern regions, with the highest decreasing trend in the Zagros Mountains. In May, as in April, the negative trend of frozen days covers most regions of Iran, except that in the mentioned period, the decreasing trend of frozen days shows higher values in eastern parts of the country.


The analysis of spatio-temporal patterns of the normalized temperature deviation index (NTD) for Iran during the study period (2015-2050) shows a major abnormality. Frozen days show a significant downward trend in the first half of the year. In winter (except for March) and spring, there is a dominant decreasing trend. Specifically in north-western regions of the country and Zagros Mountains, a significant decreasing trend will be expected in the next decades. Positive trend in the number of frozen days was also projected in some regions of the country, especially for October, November and February in north-western strip and south of Zagros Mountains. This increase in the frozen days during the cold season, may be unexpected at first glance, but with the warming of the ground and climbing the air towards the air, the shape of the polar vortex forms the airflow at high altitudes, resulting in This intense airflow (wind) is created around polar regions, which causes the air to release the cold weather of the polar regions towards the central regions of the planet, which is one of the most important reasons for the shape of cold faults in the decades to come.


احمدی، محمود؛ داداشی رودباری، عباسعلی؛ 1395. دستورالعمل اجرایی ریز پیمانه نمایی آماری سری‌های روزانه آب‌وهوا. انتشارات نوید مهر، تهران.
احمدی، محمود؛ داداشی رودباری، عباسعلی؛ ابراهیمی، رضا؛ a1396. دورنمای فرین‌های گرم ایران مبتنی بر برونداد مدل میان‌مقیاس منطقه ایی (REGCM4). جغرافیا (فصلنامه علمی-پژوهشی و بین‌المللی انجمن جغرافیای ایران)، دوره جدید، شماره 52، صص 67-80.
احمدی، محمود؛ داداشی رودباری، عباسعلی؛ ابراهیمی، رضا؛ b1396. مدل‌سازی روابط اثر توپوگرافی بر دورنمای نیاز گرمایشی ایران با استفاده از مدل میان‌مقیاس منطقه ایی REGCM4. برنامه‌ریزی و آمایش فضا، شماره 3، صص 27-53.
امیدوار، کمال؛ ابراهیمی، رضا؛ داداشی رودباری، عباسعلی؛ ملک میرزایی، مریم؛ 1394. واکاوی زمانی-مکانی فرین‌های سرد ایران تحت تأثیر گرمایش جهانی به‌منظور کاهش مخاطرات. دانش مخاطرات، شماره 4، صص 423-437.
بابائیان، ایمان؛ مدیران، راهله؛ 1386. پیکربندی مدل اقلیم منطقه‌ای برای شبیه‌سازی بارش و دما فصل پاییز در خراسان. پژوهش‌های جغرافیای طبیعی، شماره 7، صص 107-120.
براتی، غلامرضا؛ موسوی، سید شفیع؛ 1384. جابجایی مکانی موج‌های زمستانی گرما در ایران. مجله جغرافیا و توسعه، دوره 3، شماره پیاپی 5، صص 41-52.
داداشی رودباری، عباسعلی؛ فلاح قالهری؛ غلامعباس؛ کرمی، مختار؛ باعقیده، محمد؛ 1394. تحلیل تغییرات بارش حوضه آبریز هراز با استفاده از روش‌های آماری و تکنیک تحلیل طیفی. هیدروژومورفولوژی، شماره 7، صص 59-86.
دارند، محمد؛ 1390. تحلیل همدید سرماهای فرین ایران. رساله دکتری جغرافیای طبیعی به راهنمایی دکتر سید ابوالفضل مسعودیان دانشگاه اصفهان، اصفهان.
دارند، محمد؛ مسعودیان، سید ابوالفضل؛ 1394. شناسایی و تحلیل الگوهای ناهنجاری ضخامت سرماهای فرین ایران‌زمین (طی بازه زمانی 1340 تا 1383). فصلنامه تحقیقات جغرافیایی، شماره 3، صص 105-120.
رحیم زاده، فاطمه؛ عسگری، احمد؛ فتاحی، ابراهیم؛ محمدیان، نوشین؛ تقی پور، افسانه؛ 1392. روند نمایه‌های حدی اقلیمی دما در ایران طی دوره 2003-1951. فصلنامه تحقیقات جغرافیایی، شماره 93، صص 144-119.
علیجانی، بهلول، فرج زاده، حسن؛ 1392. تحلیل روند شاخص‌های دمای فرین در شمال ایران. مجله جغرافیا و جغرافیا و برنامه‌ریزی، شماره 52، صص 24-23.
علیجانی، بهلول؛ روشنی، احمد؛ پرک، فاطمه؛ حیدری، روح‌الله؛ 1391. روند تغییرپذیری فرین‌های دما با استفاده از شاخص‌های تغییر اقلیم در ایران. جغرافیا و مخاطرات محیطی، شماره 2، صص 17-28.
مسعودیان، سید ابوالفضل؛ دارند، محمد؛ 1389. شناسایی و پهنه‌بندی نواحی دمای فرین سرد ایران. مطالعات جغرافیایی مناطق خشک، شماره 2، ص 43-54.
مسعودیان، سید ابوالفضل؛ دارند، محمد؛ 1390. تحلیل همدید سرماهای فرین ایران. جغرافیا و توسعه، شماره 22، صص 165-185.
مسعودیان، سید ابوالفضل؛ دارند، محمد؛ 1391. تحلیل زمانی-مکانی روند روزهای فرین سرد ایران. فصلنامه تحقیقات جغرافیایی، شماره 2، صص 37-56.
مسعودیان، سید ابوالفضل؛ زینالی، حمیده؛ حجتی زاده، رحیم؛ 1389. نواحی دمایی ایران. فصلنامه تحقیقات جغرافیایی، شماره 89، صص 171-184.
مکرم، مرضیه؛ نگهبان، سعید؛ 1394. طبقه‌بندی لند فرم‌ها با استفاده از شبکه‌های عصبی خودسازمانده (Self-organization map) (مطالعه موردی: حوضه آبخیز گاوخونی). فصلنامه کواترنری ایران (علمی-پژوهشی)، شماره 3، صص 225-238.
Alexander, L. V., Zhang, X., Peterson, T. C., Caesar, J., Gleason, B., Klein Tank, A. M. G., & Tagipour, A., 2006. Global observed changes in daily climate extremes of temperature and precipitation. Journal of Geophysical Research: Atmospheres, 111(D5).
Anthes, R. A., Hsie, E. Y., & Kuo, Y. H., 1987. Description of the Penn State/NCAR mesoscale model version 4 (MM4) (p. 66). Boulder, CO.: NCAR.
Dastagir, M. R., 2015. Modeling recent climate change induced extreme events in Bangladesh: a review. Weather and Climate Extremes, 7, 49-60.
Dickinson, R. E., Kennedy, P. J., & Henderson-Sellers, A., 1993. Biosphere-atmosphere transfer scheme (BATS) version 1e as coupled to the NCAR community climate model. National Center for Atmospheric Research, Climate and Global Dynamics Division.
Fujibe, F., Yamazaki, N., Kobayashi, K., & Nakamigawa, H., 2007. Long-term changes of temperature extremes and day-to-day variability in Japan, papers in Meterology and Geophysics.
Houghton JT, Ding Y, Griggs DJ, Noguer M, van der Linden P, Dai X, Maskell K, Johnson CI (eds) 2001. Climate change 2001: the scientific basis. Contribution of working group I to the third assessment report of the IntergovernmentalPanel on Climate Change. Cambridge University Press, Cambridge, UK, p 881.
IPCC (Intergovernmental Panel on Climate Change) 2007. Summary for policy makers. In: IPCC. Climate change: The physical Science basic, Contribution of working group first to the Fourth assessment report of the intergovernmental panel on climate change, Cambridge university press, 450p.
Kendall, M., 1975. Multivariate analysis. Charles Griffin.
Kiehl, J. T., J. J. Hack, G. B. Bonan, B. A. Boville, B. P. Breigleb,D. Williamson, and P. Rasch., 1996. Description of NCAR Community Climate Model (CCM3). National Center for Atmospheric Research Tech. Rep. NCAR/TN-4201STR, 152 pp.
Mann, H. B., 1945 .Nonparametric tests against trend. Econometrical: Journal of the Econometric Society, 245-259.
Pal, J. S., Giorgi, F., Bi, X., Elguindi, N., Solmon, F., GAO, X., & Ashfaq, M., 2007. Regional climate modeling for the developing world: the ICTP RegCM3 and RegCNET. Bulletin of the American Meteorological Society, 88(9), 1395.
Peterson, T. C., Folland, C., Gruza, G., Hogg, W., Mokssit, A., & Plummer, N., 2001. Report of the Activities of the Working Group on Climate Change Detection and Related Rapporteurs, Tech. Doc. 1071, 146 pp., World Meteorol. Organ. Geneva, Switzerland.
Randall, D. A., Wood, R. A., Bony, S., Colman, R., Fichefet, T., Fyfe, J., ... & Stouffer, R. J., 2007. Climate models and their evaluation. In Climate change 2007: The physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the IPCC (FAR) (pp. 589-662). Cambridge University Press.
Robaa, S. M., & Al-Barazanji, Z. J., 2013. Trends of annual mean surface air temperature over Iraq. Nature and Science, 11(12), 138-145.
Roeckner, E., Brokopf, R., Esch, M., Giorgetta, M., Hagemann, S., Kornblueh, L., & Schulzweida, U., 2006. Sensitivity of simulated climate to horizontal and vertical resolution in the ECHAM5 atmosphere model. Journal of Climate, 19(16), 3771-3791.
Roshan, G. R., & Grab, S. W. (2012). Regional climate change scenarios and their impacts on water requirements for wheat production in Iran. Int J Plant Prod, 6(2), 239-266.
Schatzmann, J., & Ghanem, M., 2003. Using self-organizing maps to visualize clusters and trends in multidimensional datasets. Department of Computing Data Mining Group, Imperial College, London, 132.
Sen, P. K., 1968. Estimates of the regression coefficient based on Kendall’s Tau. Journal of the American Statistical Association. 63. pp. 1379-1389.
Sillmann, J., & Roeckner, E., 2008. Indices for extreme events in projections of anthropogenic climate change. Climatic Change, 86(1-2), 83-104.
Thiel, H., 1950. A rank-invariant method of linear and polynomial regression analysis: part3. Proceeding of Koninalijke Nederland's Academies van Weinenschatpen A. 53, pp. 1397-1412.
WMO., 2014. WMO statement on the status of the global climate in 2014.