بررسی نقش گرمایش جهانی بر نوسانات فراسنجهای باد و فشار تراز دریا در منطقه سیستان

علوم و تکنولوژی محیط زیست، دورهبیست و دوم، شماره سه، خرداد ماه 99

بررسی نقش گرمایش جهانی بر نوسانات فراسنج­های باد و فشار تراز دریا در

 منطقه­ی سیستان

اسمعیل پودینه[1]

برومند صلاحی[2]^*

bromand416@yahoo.com

محمود خسروی[3]

محسن حمیدیان­پور[4]

چکیده

زمینه و هدف:تغییرپذیری زمانی بادهای محلی سیستان در دوره­ی تشدید گرمایش جهانی موضوع پژوهش حاضر است. در دهه­های اخیر، گرمایش جهانی سبب بروز تغییرات محسوس در دمای کره­ی زمین و عاملی تأثیرگذار بر سایر فراسنج­های جوی از جمله سرعت باد شده است. در مطالعه­ی فراسنج­های جوی، تخمین میزان تأثیرگذاری گرمایش جهانی بر روی این پارامترها از اهمیت زیادی برخوردار است.

روش بررسی: تغییرات مقادیر سرعت باد محلی سیستان و فشار تراز دریا در منطقه مورد مطالعه تحت شرایط دو سناریو A2 و B2 خروجی مدل جهانی Hadcm3 ریزگردانی شده و برای سه دوره زمانی 30 ساله تا 2099 میزان تغییرات این دو فراسنج تولید و مورد بررسی قرار گرفت.

یافته­ها: یافته­ها نشان دادند که به‌طور متوسط میزان سرعت باد محاسبه شده توسط سناریوی B2 برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی به ترتیب به 67/0، 88/0 و 15/1 متر بر ثانیه نسبت به دوره پایه افزایش خواهد یافت. همچنین تغییرات متوسط سرعت باد تحت شرایط سناریوی A2 که یک سناریوی بدبینانه است به ترتیب 36/1 و 57/1 و 79/1 متر بر ثانیه برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی نسبت به دوره پایه افزایش خواهد یافت. همچنین میزان فشار محاسبه شده توسط سناریوی B2 برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی به ترتیب به 04/0، 10/0 و 16/0 نسبت به دوره پایه کاهش خواهد یافت.

بحث و نتیجه گیری: نتایج نشان داد که کاهش فشار هوا و افزایش سرعت باد در منطقه مورد مطالعه در طی سال به‌صورت یکنواخت پراکنده نشده است به‌نحوی‌که طی فصول زمستان و بهار و تابستان افت فشار روند منظم­تری نسبت به فصل پاییز دارد.

واژه­های کلیدی: بادهای سیستان، پیش‌بینی اقلیمی، شبیه­سازی اقلیمی، گرمایش جهانی، مدل SDSM.

Investigating the Role of Global Warming on Wind Speed and Sea Level Pressure Fluctuations in Sistan Region

Esmaeil Poudineh[5]

Bromand Salahi [6]*

bromand416@yahoo.com

Mahmoud Khosravi [7]

Mohsen Hamidianpour[8]

Abstract

Background and Objective: The temporal variability of local winds of Sistan during the period of global warming is the subject of this research. In recent decades, global warming has brought about tangible changes in the temperature of the planet and has influenced other atmospheric parameters such as wind speed.

Method: In the study of atmospheric parameters, estimating the effect of global warming on these parameters is important. For this purpose, variations in the Sistan wind speeds and sea level pressure in the study area under the conditions of the two scenarios A2 and B2 from the output of the global Hadcm3 model were downscaled and for three periods of 30 years up to 2099, the changes in these two parameters were generated and examined.

Findings:The results showed that the average wind speed calculated by scenario B2 for the period 2010-2039, 2040-2069 and 2070-2070 respectively 0.67, 0.88 and 1.15 m / s Relative to the Basic course will increase. Also, the average wind speed variation under A2 scenario Conditions, which is a pessimistic scenario, is 1.36 and 1. 57 and 1.79 m / s for the periods 2039-2039 and 2069-2070 and 2070-2070 Also, the pressure calculated by scenario B2 for the period 2010-2039, 2040-2069, and 2070-2070 will be reduced to 0.04, 0.10, and 0.16, respectively, compared to the base period.

Discussion and Conclusions:  The results showed that the decline in pressure and increase in wind speed has not been uniformly distributed throughout the year. However, during the winter and spring and summer, pressure drop is more regular than the autumn season.

Key Words: Climate Forecasting, Climate Simulation, Global Warming, SDSM Model, Sistan Winds.

مقدمه

افزایش انتشار گازهای گل­خانه­ای در اثر فعالیت­های توسعه­ای، یکی از مهم­ترین دلایل اصلی گرمایش جهانی است (1). مطالعات زیادی در خصوص گرمایش جهانی و انتشار گازهای گل­خانه­ای انجام شده است.  اندازه­گیری­ها نشان می­دهند که دمای جهان نسبت به گذشته به میزان 74/0 درجه سانتی‌گراد در قرن افزایش‌یافته است. گرم شدن هوا در نتیجه افزایش گازهای گل­خانه­ای، اثرات زیادی بر محیط طبیعی و فعالیت­های انسانی خواهد داشت. این اثرات می­تواند به‌صورت افزایش تراز سطح آب دریاها، افزایش سیل، فرسایش سواحل و تخریب بندرها باشد (2، 11). هیأت بین­الدول تغییر اقلیم (IPCC) اعلام نمود که در نیمکره شمالی، شواهدی مبنی بر تغییرات میزان بارش در عرض­های جغرافیایی میانه و بالا وجود دارد. داده­های ماهواره­ای نیز مبین این است که وسعت پوشش برف از دهه­ی 60 میلادی تاکنون حدود 10 درصد کاهش یافته است (11). بر اساس طراحی مدل‌های تغییرات آب‌وهوایی توسط IPCC، در فاصله سال‌های 1990 تا 2100 میلادی میانگین دمای هوای سطح زمین بین 1/1 تا 4/6 درجه سانتی‌گراد افزایش خواهد یافت (3). دانشمندان معتقدند حتی اگر میزان گازهای گل­خانه‌ای جو زمین ثابت بماند، اثرات آن تا پایان هزاره سوم پابرجا خواهد بود (4). مطالعات متعددی در مناطق مختلف جهان در زمینه­ی بررسی گرمایش جهانی و ارزیابی تغییرات باد انجام شده است. بررسی­ها نشان داد که در انگلستان میزان افزایش سرعت باد در طی 40 سال حدود 15 الی 20 درصد در فصل زمستان بوده است (5). (Kull, 2005) معتقد است که در استونی، سرعت باد در فصل زمستان افزایش و در فصل تابستان کاهش یافته است (6). (Tuller, 2004) دریافت که میانگین سالانه و فصل زمستان سرعت باد در چهار ایستگاه غرب کانادا کاهش یافته است (7).  (Yao Yao et al, 2012)   با مدل‌سازی اثر تغییر اقلیم بر منبع قدرت باد انتاریو، افزایش 5 درصدی سرعت باد در جنوب انتاریو در دوره­های 2100-2071 را نشان دادند و به این نتیجه رسیدند که سرعت باد تحت سناریوی A2 شدیدتر از سرعت باد تحت سناریوی B2 خواهد بود (8). (Paul Nolan et al, 2011)  با استفاده از مدل اقلیمی منطقه‌ای (RCA3) اثر تغییر اقلیم را بر روی انرژی باد در ایرلند شبیه­سازی کردند و نشان دادند که در ماه‌های زمستان­های آینده افزایش خوبی در انرژی باد اتفاق خواهد افتاد (9). (Mustamin Rahim, 2012) توزیع متوسط سرعت سالانه­ی باد را در مدت سال‌های 2099-1961 در ارتفاع 100-30 متری بالای سطح زمین در ژاپن مرکزی را بر اساس چند پایگاه داده مطالعه کردند و دریافتند که سرعت متوسط باد در ارتفاع 30 متری بالای سطح زمین در سال 2099 اندکی بیش­تر از سال 2001 خواهد بود. آن­ها همچنین دریافتند که اگر گرمایش جهانی به همین روال پیش برود با توجه به سناریوی A1B، IPCC سرعت بادهای سطحی در ژاپن مرکزی افزایش می‌یابد (10). کامران­زاد (1393) اثر تغییر اقلیم بر سرعت متوسط باد در نزدیکی چابهار را بررسی کردند. نتایج نشان داد که در نزدیکی چابهار تغییرات چندانی در سرعت متوسط باد وجود نخواهد داشت (11). در شرق ایران، سیستان به‌واسطه وجود بادهای معروف 120 روزه یا باد سیستان، خشکی هوا و وجود بستر خشک و پهناور دریاچه­ی هامون بیش از هر جای دیگر از وقوع طوفان­ها و بادهای شدید رنج می­برد (12،13). این باد به‌طور معمول از 15 اردیبهشت تا اواخر مهر از ارتفاعات شمال­شرق به سرزمین­­های جنوب شرقی ایران می­وزد (14،15). با توجه به اهمیت افزایش سرعت باد در منطقه که در نحوه فعالیت و زندگی بشری تأثیرگذار است و برای درک ماهیت پیچیده­ی جو و پیش­نمایی تغییرات آن در آینده باید آن را مدل­سازی نمود.

روش بررسی

مدل­های اقلیمی جهانی برای شبیه­سازی اثرات افزایش گازهای گل­خانه­ای در جو و تغییرات جهانی اقلیم ناشی از آن طراحی شده­اند وقادرند سری­های زمانی متغیرهای اقلیمی را به‌صورت جهانی مدل­سازی ­کنند که در نوع خود ارزشمند هستند (11). در مدل­های جهانی اقلیم، سناریوهای مختلفی برای بررسی نحوه­ی تغییر اقلیم آینده تعریف شده است. در این تعریف، میزان تولید گازهای گل­خانه­ای در مدل­های پیش‌بینی متفاوت بوده و بر این اساس، پیش‌بینی وضعیت‌های متفاوت جوی انجام شده است (11). ریزگردان SDSM یکی از بهترین نرم‌افزارهایی است که از تلفیق روش­های رگرسیونی و مولدهای آب‌وهوای تصادفی بهره می­گیرد چون الگوهای چرخشی بزرگ‌مقیاس و متغیرهای جوی به‌صورت خطی استفاده می­شوند. این نرم‌افزار ارتباط آماری بین پیش‌بینی کننده‌ها و پیش‌بینی شونده‌ها را بر اساس روش رگرسیون خطی چندگانه برقرار می‌کند (16).

داده­های مورد استفاده در این پژوهش عبارت‌اند از: داده­های روزانه متوسط سرعت باد و فشار تراز دریا ایستگاه همدید زابل از سال 2000-1981 به‌عنوان متغیر وابسته، داده­های NCEP/NCAR از سال 2099-1961 به‌عنوان متغیرهای مستقل و داده­های بازتحلیل شده مرکز ملی پیش‌بینی متغیرهای محیطی کانادا متعلق به مدل Hadcm3، داده­های NCEP/NCAR و Hadcm3 به‌طور مستقیم و  بدون هیچ تغییری قابل استفاده در مدل SDSM هستند اما داده­های ایستگاه هواشناسی باید به فرمت قابل قبول مدل SDSM تبدیل شوند

نتایج حاصل از ریزگردانی خروجی مدل­HADCM3 توسط SDSM

جهت بررسی توانایی کلی مدل SDSM در شبیه‌سازی داده­های مشاهداتی از دو روش ترسیمی و معیارهای آماری مرسومMAE و RMSE که نشان‌دهنده‌ی میزان خطای مدل هست که بهترین مقدار آن‌ها برابر صفر است و ضریب R² که بهترین مقدار برابر یک است، استفاده گردید و سپس نتایج با یکدیگر مورد مقایسه قرار گرفت. مقادیر MAE و RMSE و R² به ترتیب 35/0، 42/0 و 97/0 محاسبه، بنابراین مدل در برآورد میزان سرعت متوسط باد دارای کارایی و دقت خوبی است. همچنین نتایج حاصل از روش ترسیمی نیز این مطلب را تصدیق می­کند که مدل توانسته به‌خوبی داده­های دوره­ی پایه را شبیه­سازی کند. مطابق شکل شماره 1 میزان برآورد سرعت متوسط باد در دوره سرد سال در مقایسه با دوره گرم سال بسیار نزدیک‌تر به دوره دیده­بانی است. ضمن این­که مقادیر شبیه‌سازی شده در فصل بهار کمی بیش­تر و تابستان کمی کم­تر از دوره دیده­بانی است. پس از ارزیابی عملکرد مدل SDSM با استفاده از شاخص­های خطاسنجی و اطمینان از مناسب بودن مدل داده­های سه دوره 30 ساله با استفاده از مدل Hadcm3 تحت شرایط دو سناریوی A2 و B2 تولید گردید.

شکل 1- صحت­سنجی پارامتر سرعت باد مشاهداتی و شبیه‌سازی شده در دوره پایه (2000-1971)

Figure 1. Validation of the observed wind speed parameter simulated during the base period (1971-2000)

تغییرات متوسط سرعت باد در ایستگاه سینوپتیک زابل در سه دوره 30 ساله تحت شرایط سناریوی B2 و A2 در اشکال 2 و 3 نشان داده شده است. همان‌گونه که مشاهده می­شود به‌طور متوسط میزان سرعت باد محاسبه شده توسط سناریوی B2 برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی به ترتیب به 67/0، 88/0 و 15/1 متر بر ثانیه نسبت به دوره پایه افزایش خواهد یافت کم­ترین میزان افزایش مربوط به فصول پاییز و زمستان هست و بیش­ترین افزایش هم مربوط به فصول بهار و تابستان است.همچنین تغییرات متوسط سرعت باد تحت شرایط سناریوی A2 که یک سناریوی بدبینانه است به ترتیب 36/1 و 57/1 و 79/1 متر بر ثانیه برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی نسبت به دوره پایه افزایش خواهد یافت. میزان افزایش متوسط سرعت باد تحت شرایط سناریوی A2 به‌مراتب بیش­تر از سناریوی B2 به‌خصوص در فصول بهار و تابستان هست همچنین تحت شرایط سناریوی A2  بیش­ترین افزایش متوسط سرعت باد مربوط به فصول بهار و تابستان و پاییز هست و در فصل زمستان هم این افزایش سرعت محسوس است.

شکل 2- مقایسه سرعت باد شبیه‌سازی شده توسط سناریو B2 در سه دوره زمانی آتی

Figure 2. Comparison of the wind speed simulated by scenario B2 for the three subsequent periods.

شکل 3- مقایسه سرعت باد شبیه سازی شده توسط سناریو A2 برای سه دوره متوالی

Figure 3. Comparison of the wind speed simulated by scenario A2 for the three subsequent periods

فشار

نتایج حاصل از ریزگردانی خروجی مدل­HADCM3 توسط SDSM

در این مدل از میان متغیرهای مستقل دمای متوسط در ارتفاع 2 متری، فشار سطح دریا و ژئوپتانسیل hpa850 بیش­ترین همبستگی را با پارامتر فشار تراز دریا داشتند . درنهایت نسبت به واسنجی مدل بر اساس روش حداقل مربعات خطا اقدام شد. جهت بررسی توانایی کلی مدل SDSM در شبیه‌سازی داده­های مشاهداتی از دو روش ترسیمی و معیارهای آماری MAE و RMSE که نشان‌دهنده‌ی میزان خطای مدل هست که بهترین مقدار آن‌ها برابر صفر است و ضریب R² که بهترین مقدار برابر یک است، استفاده گردید و سپس نتایج با یکدیگر مورد مقایسه قرار گرفت. مقادیر فوق به ترتیب برای سناریوی A2، 5/1 و8/1 و0.94 و برای سناریوی B، 6/1، 2 و 93/0 محاسبه گردید. همچنین نتایج حاصل از روش ترسیمی نیز این مطلب را تصدیق می­کند که مدل توانسته به‌خوبی داده­های دوره­ی پایه را شبیه­سازی کند.

شکل 4- مقایسه فشار دیده­بانی و شبیه­سازی شده در دوره پایه (2000-1971)

Figure 4. Comparison of the monitored and simulated pressure in the base period (1971-2000)

میزان فشار تولید شده برای سناریویB2  در شکل شماره 5 ترسیم شده است. به‌طور متوسط میزان فشار محاسبه شده توسط سناریوی  B2 برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی به ترتیب به 04/0، 10/0 و 16/0 نسبت به دوره پایه کاهش خواهد یافت. لیکن این کاهش در طی سال به‌صورت یکنواخت پراکنده نشده است. به‌نحوی‌که طی فصول زمستان و بهار و تابستان افت فشار روند منظم­تری نسبت به فصل پاییز دارد. نکته قابل توجه در این سناریو این است که مقادیر فشار تراز دریا در دوره­ی ابتدایی یعنی 2010-2039 در فصل پاییز نسبت به پایه افزایش نشان می­دهد. بررسی سری زمانی تغییرات فشار تراز دریا هم در شکل 6 مؤید این نکته است که خط روند طی دوره­ی زمانی 2010-2039 یک سیر صعودی محسوسی را داراست. مطابق این شکل در طول سه دوره مختلف، بیش­ترین روند کاهشی مربوط به دوره 2040-2069 هست که با شیب تندتری نسبت به دو دوره­ی دیگر مقدار فشار تراز دریا تضعیف شده است و نهایتاً در دوره زمانی 2070-2099 خط روند تغییرات سری زمانی با شیب ملایم­تری تضعیف شده است.

شکل 5-مقایسه فشار شبیه‌سازی شده توسط سناریو A1B در سه دوره زمانی آتی

Figure 5. Comparison of pressure simulated by A1B scenario in the next three periods

شکل 6- سری زمانی تغییرات فشار تراز دریا طی سه دوره زمانی آینده

Figure 6. Time series of seawater pressure changes over the next three periods

در شکل 7، میزان تغییرات متوسط فشار تراز دریا تحت شرایط سناریوی A2 که یک سناریوی بدبینانه است نشان داده شده است. طبق این شکل مقادیر فشار برای دوره­های زمانی 2010-2039 و 2040-2069 و 2070-2099 به ترتیب 03/0، 09/0 و 16/0 نسبت به دوره پایه کاهش خواهد یافت. تحت شرایط سناریوی مذکور بیش­ترین کاهش را در دوره پایانی به میزان 16/0 درصد خواهیم داشت. تحت شرایط این سناریو هم کاهش در طی سال به‌صورت یکنواخت نخواهد بود. مقادیر فشار در دوره­ی زمانی 2010-2039 در اواخر فصل تابستان و اوایل پاییز مقداری افزایش خواهد یافت؛ و در دو دوره­ی بعدی میزان افت فشار روند منظم­تری را خواهد داشت. در شکل 8 سری زمانی تغییرات فشار تراز دریا تحت شرایط سناریو A2 درج گردیده است. مطابق این شکل در طول سه دوره مختلف، مقادیر کاهش فشار تراز دریا در دوره­ی زمانی 2040-2069 داری روند کاهشی ملایم­تری نسبت به دو دوره­ی دیگر است.

شکل 7- مقایسه فشار شبیه‌سازی شده توسط سناریو A1B در سه دوره زمانی آتی

Figure 7. Comparison of pressure simulated by A1B scenario in the next three periods

شکل 8- سری زمانی تغییرات فشار تراز دریا طی سه دوره زمانی آینده

Figure 8. Time series for sea level pressure changes over the next three periods

نتیجه­گیری

مطابق نتایج به دست آمده به‌طور متوسط میزان سرعت باد محاسبه شده توسط سناریوی B2 برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی به ترتیب به 67/0، 88/0 و 15/1 متر بر ثانیه نسبت به دوره پایه افزایش خواهد یافت. کم­ترین میزان افزایش مربوط به فصول پاییز و زمستان می­باشد و بیش­ترین افزایش هم مربوط به فصول بهار و تابستان است. همچنین تغییرات متوسط سرعت باد تحت شرایط سناریوی A2 که یک سناریوی بدبینانه است به ترتیب 36/1 و 57/1 و 79/1 متر بر ثانیه برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی نسبت به دوره پایه افزایش خواهد یافت. میزان افزایش متوسط سرعت باد تحت شرایط سناریوی A2 به مراتب بیش­تر از سناریوی B2 به‌خصوص در فصول بهار و تابستان می­باشد. همچنین تحت شرایط سناریوی A2 بیش­ترین افزایش متوسط سرعت باد مربوط به فصول بهار و تابستان و پاییز می­باشد و در فصل زمستان هم این افزایش سرعت محسوس است. به لحاظ دوره­ی زمانی بیش­ترین افزایش با 32 درصد افزایش نسبت به دوره­ی پایه مربوط به دوره­ی زمانی 2070-2099 می­باشد. همچنین میزان تغییرات فشار محاسبه شده تحت شرایط سناریو B2 برای دوره­های زمانی 2010- 2039 و 2040-2069 و 2070-2099 میلادی به ترتیب 04/0، 10/0 و 16/0 می­باشد که نسبت به دوره پایه کاهش خواهد یافت. لیکن این کاهش در طی سال به‌صورت یکنواخت پراکنده نشده است. به‌نحوی‌که طی فصول زمستان و بهار و تابستان افت فشار روند منظم­تری نسبت به فصل پاییز دارد. بررسی سری زمانی تغییرات فشار تراز دریا نشان­دهنده­ی این امر است که در طول سه دوره مختلف، بیش­ترین روند کاهشی مربوط به دوره 2040-2069 می‌باشد که با شیب تندتری نسبت به دو دوره­ی دیگر مقادیر فشار تراز دریا تضعیف شده است. میزان تغییرات متوسط فشار تراز دریا تحت شرایط سناریوی A2 که یک سناریوی بدبینانه است نشان داد که مقادیر فشار برای دوره­های زمانی 2010-2039 و 2040-2069 و 2070-2099 به ترتیب 03/0، 09/0 و 16/0 درصد نسبت به دوره پایه کاهش خواهد یافت. تحت شرایط سناریوی مذکور بیش­ترین کاهش را در دوره پایانی به میزان 16/0 درصد خواهیم داشت. تحت شرایط این سناریو هم کاهش در طی سال به‌صورت یکنواخت نخواهد بود. همچنین در بررسی سری زمانی تغییرات فشار، مقادیر کاهش فشار تراز دریا در دوره­ی زمانی 2040-2069 داری روند کاهشی ملایم­تری نسبت به دو دوره­ی دیگر است. نتایج حاضر با یافته‌های صفرراد و همکاران (1394)؛ کردی و همکاران (1395)؛ علیزاده و همکاران (1395)؛ که تغییرات فشار تحت تأثیر گرمایش جهانی را بررسی کرده­اند (19 ،17) و همچنین خردادی و همکاران (1386)؛ رحیم زاده و همکاران (1385)؛ خسروی (1387)، که تغییرات سرعت باد را در چند ایستگاه ایران مورد بررسی قرار دادند مطابقت دارد (22، 20). دلیل افزایش سرعت باد در طول قرن 21 را می‌توان افزایش دمای       کره­ی زمین، از بین رفتن پوشش گیاهی، کاهش سطح پهنه‌های آبی و افزایش روند گرمایش در سطح زمین و در نتیجه افزایش شیب تغییرات فشار بین این منطقه و نواحی مرتفع مجاور دانست.

Reference

1. Miu, L. M. (2015). The impact of climate change on wind power production in Scotland. Energy and Sustainability V: Special Contributions, 206, 239.
2. Kont, A., Jaagus, J., & Aunap, R. (2003). Climate change scenarios and the effect of sea-level rise for Estonia. Global and Planetary Change, 36(1), 1-15.
3. Ghosh, S., & Misra, C. (2010). Assessing hydrological impacts of climate change: modeling techniques and challenges. The Open Hydrology Journal, 4(1).
4. Solomon, S. (Ed). (2007). Climate change 2007-the physical science basis: Working group I contribution to the fourth assessment report of the IPCC(Vol. 4). Cambridge University Press
5. Harrison, G. P., & Wallace, A. R. (2005). Sensitivity of wave energy to climate change. IEEE transactions on energy conversion, 20(4), 870-877.
6. 6-Kull, A. (2005), Relationship between inter-annual variation of wind direction and wind speed. Publication Instituti Geographiei universitatis Tartuensis, 97: 62-70.
7. Tuller, S. E. (2004). Measured wind speed trends on the west coast of Canada. International journal of climatology, 24: 1359–1374. Doi: 10.1002/joc.1073.
8. Yao, Y,. Huang, G.H,. Lin, Q, (2012). Climate change impacts on Ontario wind power resource, Environmental systems reserch.DOI:10.1186/2193-2697-1-2.
9. Nolan ,P., lynch, P., McGrath, R., Semmler, T., Wang, S. (2011). Simulating climate change and its effects on the wind energy resource of Ireland. Wind Energy, 15 (4): 593-608.
10. Rahim, M., Yoshino, J., Doi, Y., Yasuda, T. (2012). Effects of global warming on the average wind speed field in central Japan. Journal of sustainable energy-Environment, 3 (4): 165-171.
11.  Kamranzad, B. "Study of wind speed changes near Chabahar region in the Oman Sea due to climate change". Journal of Marine Engineering, 2014, 10th year, 19: 20-13. (In Persian)
12. Mofidi, A., Hamidianpour, M., Saligheh, M., Alijani, B "Determining the time of beginning, end and duration of Sistan wind by using the methods of estimating the change point". Geography and Environmental Hazards, 2013, 8:112-87.(In Persian)
13. Hamidianpour, M., Mofidi, A., Saligheh, M. "Analysis of the nature and structure of Sistan wind". Iranian Journal of Geophysics, 2016, 10(2): 109-83 .(In Persian)
14. Hosseinzadeh, R. (1997). "120-day winds of Sistan". Geographical Research Quarterly, 46: 127-102 .(In Persian)
15. Mofidi, A., Kamali, S. (2012). "Investigation and analysis of the structure of dust storms in Sistan plain using the climate model of RegCM4 regional scale, Case Study: July 30, 2001",  The First National Conference on Desert, Karaj. (In Persian)
16. Wilby, R. L., & Dawson, W. C. (2007). SDSM 4.2- A decision support tool for the assessment of regional climate change impacts, SDSM manual version 4.2, Environment Agency of England and Wales,94 pp.
17.  Safarrad, T, Azizi, GH, Mohammadi, H., Faraji Sabokbar, H. (2015). "The variability of the intensity of Siberian anticyclone during the period of intensifying global warming." Geography and Environmental Hazards, 13: 94-77. (In Persian)
18. Kurdi Tamin, P., Khosravi, M., Hamidianpour, M. (2016). "A Study of Tempo Spatial Variation of Pakistan Low Pressure in the period 1980-2015".  Master Thesis, Sistan and Baluchestan University. (In Persian)
19. Alizadeh, T., Azizi, Q, Moheb Al-Hijjah, A, Khosh-Akhlaq, F. (2016). "Identification of severe temporal and spatial changes in the Mediterranean with a numerical algorithm". Earth and Space Physics, 42(2):417-405. (In Persian)
20.  Khordadi, M.S., Islamian, S., Abedi Kupali, J. (1997). "Study of the trend of meteorological parameters in several regions of Iran". Technical Workshop on Climate Change Impacts in Water Resources Management, Tehran, National Irrigation and Drainage Committee. (In Persian).
21. Rahimzadeh, F., Fattahi, A., Hosseini Dastak, F. (2005. "Study of Climate Variability in Iran Using Statistical Models". Iranian Journal of Water Resources Research, 2: 73-61.(In Persian)
22. Khosravi, M. (2008). "Environmental Impacts of the Interaction of Helmand River Oscillations with 120-Day Winds". Geographical Research, 23: 19-48. (In persian)

1- دکتری اقلیم‌شناسی، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

2- دکترای تخصصی اقلیم شناسی، گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.* (مسوول مکاتبات)

3- دکترای تخصصی اقلیم شناسی، گروه جغرافیای طبیعی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

4- دکترای تخصصی اقلیم شناسی، گروه جغرافیای طبیعی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.

1- Ph. D in Climatology, University of Mohaghegh Ardabil, Ardabil, Iran.

2-­Professor, Department of Physical Geography, University of Mohaghegh Ardabili, Ardabil, Iran *(Corresponding Author)

3- Professor, Department of Physical Geography, University of Sistan & Baluchestan, Zahedan, Iran

4- Assistant Professor, Department of Physical Geography, University of Sistan & Baluchestan, Zahedan, Iran