Analysis of Climatic Zones and the Danger of Desertification in Karun Basin under Climate Change Conditions using UNEP Index

Document Type : Research Article

Authors

1 PhD in Climatology, Yazd of University, Yazd, Iran

2 Professor in Climatology, Yazd of University, Yazd, Iran

3 Associate Professor in Climatology, Yazd of University, Yazd, Iran

Abstract

The excessive emission of greenhouse gases in recent decades and the ongoing changes in the climate have changed the meteorological parameters and, accordingly, the climatic zones. In this study, the future prospect of climatic zones and the risk of desertification in the watershed of Karun basin was investigated using UNEP index and LARS-WG6 microdirection model and HadGEM2-ES model under the RCPs emission scenarios for three periods 2021-2040, 2041-2060, and 2061-2080. The results pertaining to all three future periods and RCPs release scenarios showed that the long-term average annual precipitation will decrease between 1.9 and 14.6% compared to the base period, but the annual average minimum temperature will be between 1.2 and 3.4 °C, maximum temperature between 1.3 and 3.7 °C and the annual average of evaporation and transpiration will increase between 4.7 and 12.3% compared to the observation period. In the upcoming period and based on the emission scenarios, dry climate (the risk of very severe desertification) and semi-arid climate (the danger of severe desertification) increase 3.5% and 4.4%, respectively, and semi-humid (moderate desertification) and humid (no desertification) and very humid (moisture and wet climate) decrease 4% and 4.7%, respectively. However, semi-humid climate zones (low risk of desertification) with 0.8% will be less severe. Under the pessimistic scenario, the semi-arid climate region will reach its maximum level among the publishing scenarios in the near future with 12.4%. Therefore, this displacement in the boundaries of climatic classification will increase the desertification of Karun basin in the upcoming period.

Graphical Abstract

Analysis of Climatic Zones and the Danger of Desertification in Karun Basin under Climate Change Conditions using UNEP Index

Keywords


آقاشاهی، محسن؛ اردستانی، مجتبی؛ نیک سخن، محمدحسین؛ طهماسبی، بهشته؛ 1391. معرفی و مقایسه مدل‌های LARS-WG و SDSM به‌منظور ریزمقیاس سازی پارامترهای زیست‌محیطی در مطالعات تغییر اقلیم. ششمین همایش ملی و نمایشگاه تخصصی مهندسی محیط‌زیست، تهران. https://civilica.com/doc/170203
بذرافشان دریاسری، مهرناز؛ مفتاح هلقی، مهدی؛ قربانی، خلیل؛ قهرمان، نوذر؛ 1394. مطالعه تطبیقی پهنه‌های اقلیمی استان گلستان تحت سناریوهای مختلف تغییر اقلیم. نشریه پژوهش‌های حفاظت آب‌وخاک، 22 (5)، 187-202. https://jwsc.gau.ac.ir/article_2872.html
پورمحمدی، سمانه؛ ملکی نژاد، حسین؛ 1392. طبقه‌بندی مناطق همگن اقلیمی کشور ایران تحت تأثیر تغییر اقلیم و سناریوهای انتشار گازهای گلخانه‌ای با استفاده از تکنیک گشتاور خطی. پژوهشنامه مدیریت حوضه آبخیز، 4 (8)، 76-58. http://jwmr.sanru.ac.ir/article-1-317-fa.html
رضیئی، طیب؛ 1396. چشم‌اندازی از مناطق اقلیمی ایران به روش کوپن-کایگر در سده بیست و یکم. مجله ژئوفیزیک ایران، 11 (1)، 84-100. http://www.ijgeophysics.ir/article_46717.html
شجاع، فائزه؛ طاووسی، تقی؛ عسگری، الهه؛ 1398. بازنگری پهنه‌های اقلیمی شمال شرق ایران بر پایة کاربرد تلفیقی تغییر شاخص خشکی. مجله مدیریت بیابان، 7 (13)، 134-117. https://doi.org/10.22034/JDMAL.2019.36538
شکیبا، علیرضا؛ رائینی سرجاز، محمود؛ متکان، علی‌اکبر؛ رحیمی، محمد؛ 1399. تحلیل پهنه‌بندی اقلیمی حوضه آبریز خلیج‌فارس و دریای عمان بر اساس طرح طبقه‌بندی کوپن-تراورتا با رویکرد تغییر اقلیم. مجله پژوهش‌های اقلیم‌شناسی، 40 (40)، 11-1. http://clima.irimo.ir/article_113828.html
طاووسی، تقی؛ 1397. بررسی روند تغییرات بارندگی و شاخص خشکی یونپ در پهنه‌های آب و هوایی غرب و شمال غرب ایران. فصلنامه علمی-پژوهشی اطلاعات جغرافیایی (سپهر)، 27 (105)، 96-85. http://www.sepehr.org/article_31475.html                                                                         
طاووسی، تقی؛ دل‌آرا، قدیر؛ 1389. پهنه‌بندی آب و هوایی استان اردبیل. مجله علمی و فنی نیوار، 34 (71-70)، 52-47. http://nivar.irimo.ir/article_13228.html                                                                              
طائی سمیرمی، سیاوش؛ مرادی، حمیدرضا؛ خداقلی، مرتضی؛ 1394. پیش‌بینی تغییرات برخی از متغیرهای اقلیمی با استفاده از مدل ریزمقیاس سازی LARS-WG و خروجی‌های مدل HADCM3 تحت سناریوهای مختلف. نشریه علمی پژوهشی مهندسی و مدیریت آبخیز، 7 (2). 156-145.
علیزاده، امین؛ 1387. هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع)، مشهد.
فاخر نسب، احمد؛ علیجانی، بهلول؛ اسدیان، فریده؛ 1399. آشکارسازی تغییرات دمای هوا و بارش در استان کهکیلویه و بویراحمد تحت شرایط تغییر اقلیم با استفاده از مدل MIROC5. فصلنامه جغرافیای طبیعی، 13 (50)، 35-15. http://jopg.iaularestan.ac.ir/article_679718.html                                                                
کارآموز، محمد؛ عراقی نژاد، شهاب 1393. هیدرولوژی پیشرفته. انتشارات دانشگاه امیرکبیر، تهران.
گل کار حمزیی یزد، حمیدرضا؛ رضایی نژاد، محمد و طاووسی، مجتبی؛ 1395. پهنه بندی اقلیمی استان خراسان جنوبی با نرم افزار GIS. نشریه حفاظت منابع آب و خاک، 6(1)، 59-47.
 https://wsrcj.srbiau.ac.ir/article_9463.html                                                                          
محمدلو، محمد؛ طهماسبی پور، ناصر؛ 1396. ارزیابی اثرات تغییر اقلیم بر طبقه بندی‌های اقلیمی در قسمت‌هایی از شمال غرب ایران. مجله علمی سامانه‌های سطوح آبگیر باران، 5 (4)، 46-35.
میرموسوی، سید حسین؛ کیانی، حدیث؛ 1396. بررسی طبقه‌بندی اقلیمی کوپن در ایران در سال 1975 و مقایسه آن با خروجی مدل MIROC برای سال‌های 2030، 2050، 2080 و 2100 تحت سناریوی A1B و A2 (با تأکید بر مسئله تغییر اقلیم). نشریه جغرافیا و مخاطرات محیطی، 2 (22)، 72-59.
https://doi.org/10.22067/GEO.V6I2.57155                                                                        
هدایتی دزفولی، اکرم؛ کاکاوند، رضا؛ 1391. پهنه‌بندی اقلیمی استان قزوین. مجله علمی و فنی نیوار، 36 (77-76)، 66-59. http://nivar.irimo.ir/article_13201.html                                                                             
Bailey, Robert G., 1999. USDA Forest Service, Inventory & Monitoring Institute, Ecological Climate Classification.
Chan, D., Wu, Q., Jiang, G., and Dai, X., 2016. Projected Shifts in Köppen Climate Zones over China and Their Temporal Evolution in CMIP5 Multi-Model Simulations: Advances in Atmospheric Sciences, 33, 283- 293. https://doi.org/10.1007/s00376-015-5077-8
Chen, D., and Chen, H. W., 2013. Using the Köppen classification to quantify climate variation and change: An example for 1901–2010, Environmental Development, 6, 69-79.  https://doi.org/10.1016/j.envdev.2013.03.007
De Castro, M., Gallardo, C., Jylha, K., and Tuomenvirta, H., 2007. The use of a climate-type classification for assessing climate change effects in Europe from an ensemble of nine regional climate models: Climatic Change, 81, 329–341. https://doi.org/10.1007/s10584-006-9224-1
Engelbrecht, C. J, and Engelbrecht, F. A., 2016. Shifts in Köppen-Geiger climate zones over southern Africa in relation to key global temperature goals: Theoretical and Applied Climatology, 123, 247-261. https://doi.org/ 10.1007/s00704-014-1354-1
Gocic, M., and Trajkovic, S., 2013. Analysis Mann-Kendall and of changes in meteorological variables usin Sen's slope estimator statistical tests in Serbia, Global and Planetary Change 100, 172–182. https://doi.org/10.1016/j.gloplacha.2012.10.014          
Hargreaves,G.H. and Samani, Z., 1985. Reference crop evapotranspiration from ambient air tempraturer. Meeting American Society of Agricultural Engineers, Chicago. Applied Engineering in Agriculture. 1(2): 96-99.  http://dx.doi.org/10.13031/2013.26773
Hourdin F, Musat I, Bony S, Braconnot P, Codron F, Dufresne J.L, Krinner G., 2006. The LMDZ4 general circulation model: climate performance and sensitivity to parametrized physics with emphasis on tropical convection. Climate Dynamics, 27 (8): 787-813. https://doi.org/10.1007/s00382-006-0158-0
Kharin V.V Zwiers F.W Zhang X, Wehner M., 2013. Changes in temperature and
precipitation extremes in the CMIP5 ensemble. Climatic Change, 119 (2):345-357. https://doi.org/10.1007/s10584-013-0705-8
Oliveria Aparecido, L. E., Souza Rolim, G., Richetti, J., Souza, P. S. & Johann, J.A., 2016. Koppen, Thornthwaite and Camargo climate classifications for climatic zoning in the State of Parana, Brazil, Ciencia e Agrotecnologia 40(4):405-417. https://doi.org/10.1590/1413-70542016404003916
Peel, M. C., Finlayson, B. L., and McMahon, T. A., 2007. Updated world map of the Köppen-Geiger climate classification: Hydrology and Earth System Sciences, 4, 439–473. https://doi.org/10.5194/hess-11-1633-2007
Racsko, P. Szeidl, L. Semenov, MA., 1991. Serial approach to local stochastic weather models. Ecol Model, 57: 27–41. https://doi.org/10.1016/0304-3800(91)90053-4
Rubel, F., and Kottek, M., 2010. Observed and projected climate shifts 1901–2100 depicted by world maps of the Koppen- Geiger climate classification: Meteorologische Zeitschrift, 19, 135–141. https://doi.org/10.1127/0941-2948/2010/0430
Salmi, T., Määttä, A., Anttila, P., Ruoho-Airola, T. and Amnell, T., 2002. Detecting trends of annual values of atmospheric pollutants by the Mann-Kendall test and Sen’s slope estimates the Excel template application MAKESENS, Finnish Meteorological Institut. https://doi.org/10.4236/jmp.2012.38101
Semenov, MA. and Barrow, EM., 1997. Use ofa stochastic weather generator in the development of climate change scenarios. Climatic Change, 35, 397-414. https://doi.org/10.4236/jmf.2016.62024
Wang, M., and Overland, J. E., 2004. Detecting Arctic climate change using Köppen climate classification: Climatic Change, 67, 43-62. https://doi.org/10.1016/j.envdev.2013.03.007
Ying, S., Xue-Jie, G., and Jia, W., 2012. Projected Changes in Köppen Climate Types in the 21st Century over China: Atmospheric and Oceanic Science Letters. 5 (6):495-498. https://doi.org/10.1080/16742834.2012.11447043
Zhang, X., Vincent, L.A., Hogg, W.D. and Niitsoo, A., 2000. Temperature and precipitation trends in Canada during the 20th century. Atmosphere – Ocean, 38(3): 395-429. https://doi.org/10.1080/07055900.2000.9649654
CAPTCHA Image