کاربست داده‌های بازتحلیل MERRA-2 در بررسی تغییرات عمق برف در کوهستان‌های بلند ایران

نوع مقاله : مقاله پژوهشی‌

نویسندگان

1 دانشجوی کارشناسی ارشد هواشناسی، گروه فیزیک فضا، موسسه ژئوفیزیک دانشگاه تهران ، ایران

2 دانشیار، گروه فیزیک فضا، موسسه ژئوفیزیک دانشگاه تهران، ایران

چکیده

برف نقش چشمگیری در چرخه آب­شناختی دارد؛ ازاین‌رو تعیین دقیق پارامترهای مرتبط با برف ضروری به‌نظر­می‌رسد. ازآنجاکه ایستگاه­های برف‌سنجی توزیع مکانی مناسبی به­ویژه در مناطق کوهستانی ندارند، کارایی لازم را برای پایش متناوب مشخصات فیزیکی برف ندارند؛ بنابراین برای بررسی پارامترهای مرتبط با برف در چنین مناطقی از روش­های جایگزین شامل سنجش از دور و بانک داده­های بازتحلیل استفاده می­شود.
در مطالعه حاضر، توزیع زمانی میزان عمق برف در کوهستان­های بلند ایران شامل چهار قله دماوند، دنا، زردکوه و هزار در یک دوره 41 ساله از سال 1980 تا 2020 با استفاده از داده­های بازتحلیل MERRA-2 بررسی شده است. MERRA-2 اوّلین بانک داده بازتحلیل جهانی بلندمدت مبتنی بر مشاهدات فضاپایه با تفکیک 625/0´5/0 درجه است. در این مطالعه برای نخستین بار از این داده­ها برای تعیین میزان عمق برف در مناطق کوهستانی ایران استفاده شده است.  نتایج بیانگر تغییرپذیری سالانه و بدون روند معنی­دار در میزان عمق برف در بازه 41 ساله در هر چهار قله بررسی شده است. بیشینه میزان عمق برف در هر سال معمولاً مربوط به ماه ژانویه است. در محدوده مورد مطالعه، برف در مناطق کوهستانی البرز بیشترین و در کوهستان­های شامل قله هزار کمترین ماندگاری را دارد که بیانگر غلبه نقش دما و عرض جغرافیایی بر ارتفاع در ماندگاری برف در مناطق کوهستانی است. به دلیل ناهمخوانی روند صعودی اندکی که در تغییرات عمق برف در مقایسه با روند گرمایش جهانی مشاهده می­شود، به‌نظر­می‌رسد استفاده از داده­هایMERRA-2  برای مطالعه بلندمدت عدم قطعیت دارد که می­تواند ناشی از خطا در واداشت­ها و کاستی­های مربوط به مدل استفاده­شده در آن باشد. بررسی دما و بارش به­عنوان اصلی­ترین واداشت­های خطا نشان می­دهد خطای موجود در میزان عمق برف در بانک داده MERRA-2 ناشی از خطا در تخمین بارش برف است.
 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Application of MERRA-2 to investigate changes in snow depth in high mountains of Iran

نویسندگان [English]

  • Faezeh Majidi Karhroudi 1
  • Samaneh Sabetghadam 2
  • Maryam Gharaylou 2
1 Ms.C. student, Institute of Geophysics, University of Tehran, Tehran, Iran
2 Associate professor, Institute of Geophysics, University of Tehran, Tehran, Iran
چکیده [English]

Snow plays a crucial role in the hydrological cycle, making it essential to measure various snow parameters especially in the mountainous regions that are characterized by high elevation. Understanding the spatio-temporal variability of snow parameters regionally is necessary to improve water resources management and risk assessment. Snow depth is an important property that is generally measured at meteorological stations. However, since snow gauge stations do not have a suitable spatial distribution and the number of these stations is very limited, traditional ground measurement methods do not have the efficiency for intermittent monitoring of snow physical characteristics. Hence, using the reanalysis data sets would be an alternative to study snow depth. This study investigates the temporal distribution of snow depth in four high mountainous regions in Iran for 41 years from 1980 to 2020, using the MERRA-2 reanalysis data. The study region includes the four highest mountain peaks over Iran, namely Damavand peak in the Alborz mountain range, Dena and Zardkooh peaks in the Zagros mountain range, and Hezar peak in Central mountain ranges in Kerman. Results show that the value of snow depth differs regionally and there is an annual variability. There is a slightly increasing trend in snow depth, however, the trend is not statistically significant during the 41-year period in all four studied regions. The maximum snow depth usually occurs in January. Alborz region (Hezar mountain) has the most (the lowest) snow duration, which indicates the role of temperature and latitude in the durability of snow in mountainous areas. Since the slight upward trend in snow depth is inconsistent with the global warming, it is likely that the applicability of MERRA-2 dataset for long-term studies has uncertainty. This can be caused by errors in forcing and shortcomings related to the model used in MERRA-2. Investigating the role of temperature and precipitation, as the main climatic drivers of error, shows that uncertainty in snow depth may be caused by the uncertain estimation of snowfall rather than temperature.

کلیدواژه‌ها [English]

  • Temporal distribution
  • snow depth
  • mountainous region
  • MERRA-2

مراجع

صالحی، ح.، رضاپور، ذ.، نامجو, ک.، 1396، پهنه‌بندی اقلیمی استان کهگیلویه و بویراحمد با استفاده از تحلیل عاملی- خوشه‌ای: پژوهش­های اقلیم­شناسی، 8(31-32)، 137-149.‎
عزیزی مبصر، ج.، رسول­زاده، ع.، رحمتی، ا.، شایقی، ا.، باختر، آ.، 1399، ارزیابی عملکرد داده‌های بازتحلیل‌‌شده Era-5 در تخمین بارش روزانه و ماهانه در استان اردبیل: مجله تحقیقات آب و خاک ایران, 51(11), 2937-2951.
منتظری، م.، فنایی، ر.، 1397، شناسایی قلمروهای برفی ایران به روش تحلیل خوشه‌ای: مجله مخاطرات محیط طبیعی، 7(16)، 241-258.
Ansari, H., and Marofi, S., 2017, Snow water equivalent estimation using AMSR-E and GLDAS model (case study: basins of northwestern Iran): Journal of Water and Soil, 31(5), 1497-1510.
‎Barnett, T. P., Adam, J. C., and Lettenmaier, D. P., 2005, Potential impacts of a warming climate on water availability in snow-dominated regions: Nature, 438(7066), 303-309.
Brown, R. D., and Robinson, D. A., 2011, Northern hemisphere spring snow cover variability and change over 1922–2010 including an assessment of uncertainty: The Cryosphere, 5(1), 219-229.
Brown, R., Tapsoba, D., and Derksen, C., 2018, Evaluation of snow water equivalent datasets over the Saint-Maurice river basin region of southern Québec: Hydrological Processes, 32(17), 2748-2764.
Daloz, A. S., Mateling, M., L'Ecuyer, T., et al., 2020, How much snow falls in the world's mountains? A first look at mountain snowfall estimates in A-train observations and reanalyses: The Cryosphere, 14(9), 3195-3207.
Dozier, J., Bair, E. H., and Davis, R. E., 2016, Estimating the spatial distribution of snow water equivalent in the world's mountains: Wiley Interdisciplinary Reviews: Water, 3(3), 461-474.
Gelaro, R., McCarty, W., Suárez, M. J., Todling, R., Molod, A., Takacs, L., and Zhao, B., 2017, The modern-era retrospective analysis for research and applications, version 2 (MERRA-2): Journal of Climate, 30(14), 5419-5454.
Li, Q., Yang, T., and Li, L., 2022, Evaluation of snow depth and snow cover represented by multiple datasets over the Tianshan Mountains: Remote sensing, reanalysis, and simulation: International Journal of Climatology, 42(8), 4223-4239.
Liston, G. E., and Hiemstra, C. A., 2011, The changing cryosphere: Pan-Arctic snow trends (1979–2009): Journal of Climate, 24(21), 5691-5712.
Liu, Y., and Margulis, S. A., 2019, Deriving bias and uncertainty in MERRA-2 snowfall precipitation over High Mountain Asia: Frontiers in Earth Science, 7, 280.
Panahi, M., and Behrangi, A., 2020, Comparative analysis of snowfall accumulation and gauge undercatch correction factors from diverse data sets: In situ, satellite, and reanalysis: Asia-Pacific Journal of Atmospheric Sciences, 56(4), 615-628.
Parker, W. S., 2016, Reanalyses and observations: What’s the difference?: Bulletin of the American Meteorological Society, 97(9), 1565-1572.
Raziei, T., Bordi, I., and Pereira, L. S., 2017, A snow variability analysis in Iran in relation to global warming and climate change: European Water, 59, 45-51.
Rienecker, M. M., Suarez, M. J., Gelaro, R., et al., 2011, MERRA: NASA’s modern-era retrospective analysis for research and applications: Journal of Climate, 24(14), 3624-3648.
Shen, L., Zhang, Y., Ullah, S., Pepin, N., and Ma, Q., 2021, Changes in snow depth under elevation-dependent warming over the Tibetan Plateau: Atmospheric Science Letters, 22(9), e1041.
Shi, M., Yuan, Z., Hong, X., and Liu, S., 2022, Spatiotemporal variation of snow cover and its response to climate change in the source region of the Yangtze River, China: Atmosphere, 13(8), 1161.
Snauffer, A. M., Hsieh, W. W., and Cannon, A. J., 2016,. Comparison of gridded snow water equivalent products with in situ measurements in British Columbia, Canada: Journal of Hydrology, 541, 714-726.
Vaghefi, S. A., Keykhai, M., Jahanbakhshi, F., et al., 2019, The future of extreme climate in Iran: Scientific Reports, 9(1), 1464.
Xiao, L., Che, T., and Dai, L., 2020, Evaluation of remote sensing and reanalysis snow depth datasets over the Northern Hemisphere during 1980–2016: Remote Sensing, 12(19), 3253.
Zhang, H., Zhang, F., Che, T., Yan, W., and Ye, M., 2021, Investigating the ability of multiple reanalysis datasets to simulate snow depth variability over mainland China from 1981 to 2018: Journal of Climate, 34(24), 9957-9972.
مجله ژئوفیزیک ایران
دوره 17، شماره 5
بهمن و اسفند 1402
صفحه 79-90

فایل ها

هم رسانی

ارجاع به این مقاله

آمار