TY - JOUR ID - 17922 TI - پیش‌آگاهی مخاطره خشکسالی در ایستگاه سینوپتیک زابل براساس برونداد مدل‌های اقلیمیCMIP6 JO - علوم و مهندسی آبیاری JA - JISE LA - fa SN - 2588-5952 AU - فروزان‌مهر, مهدیه AU - دستورانی, مهدی AU - یعقوب زاده, مصطفی AU - حسین آبادی, سعیده AD - دانشجوی دکترا منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند، ایران AD - دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند AD - دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند. AD - دانشجوی دکترای منابع آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند، بیرجند. Y1 - 2023 PY - 2023 VL - 46 IS - 3 SP - 69 EP - 84 KW - خشکسالی KW - گزارش ششم تغییر اقلیم KW - شاخص SPI KW - تغییر اقلیم DO - 10.22055/jise.2022.40231.2020 N2 - باتوجه به اهمیت خشکسالی و اقدام برای به حداقل رساندن خسارات ناشی از این بلیه طبیعی، در پژوهش حاضر به بررسی شاخص خشکسالی بارش استاندارد شده (SPI) در منطقه جنوب شرقی ایران در شهرستان زابل با استفاده از چهار مدل GCM، BCC-ESM2-MR، CanESM5، MIROC6 و MRI-ESM2-0 ارائه شده در CMIP6 پرداخته شده است. در این پژوهش، از دو سناریو SSP2-4.5 و SSP5-8.5 برای تخمین SPI در دو دوره 2044-2025 و 2084-2065 و برای پیش‌بینی داده‌های هواشناسی از روش ریزمقیاس‌نمایی BCSD استفاده شده است. با توجه به نتایج به‌دست آمده در هر دو سناریوی SSP2-4.5 و SSP5-8.5 و در تمامی مدل‌های مورد بررسی، میانگین 20 ساله شاخص SPI، شش ماهه نشان دهنده بیشترین مقدار منفی است. علاوه‌بر این مقایسه مدل‌ها و سناریوها در این پژوهش نشان می‌دهد که در مدل BCC-ESM2-MR ، میانگین 20 ساله‌ شاخص شش ماهه SPI و در مدل CanESM5، شاخص 12 و 48 ماهه نسبت به سایر مدل‌ها بیشتر است. همچنین شاخص SPI در مقیاس زمانی 12 و 48 ماهه شدت خشکسالی را در دوره‌های مورد مطالعه بیشتر از مقیاس زمانی شش ماهه نشان می‌دهد و در مقیاس‌های زمانی مورد مطالعه تقریباً هر دو سناریو بر هم منطبق هستند. طبق نتایج حاصل از این پژوهش، به‌طور کلی دوره‌های دارای وضعیت نرمال کاهش یافته و به تعداد دوره‌های دارای وضعیت خشک نسبت به دوره پایه افزوده شده است. همچنین نتایج نشان می‌دهد در بدبینانه‌ترین حالت، تعداد دوره‌های خشک در ایستگاه سینوپتیک زابل 14 دروه خواهد بود و می‌توان برای پیش‌بینی شاخص خشکسالی از مدل CanESM5 استفاده نمود. UR - https://jise.scu.ac.ir/article_17922.html L1 - https://jise.scu.ac.ir/article_17922_fa057a67daea1b78446c1236984d93f7.pdf ER -