دیروز ۷ مرداد ۱۴۰۰ (۲۹ آگوست ۲۰۲۱) «روز اُوِرشوت زمین» بود. اورشوتینگ را می‌توان در زبان فارسی با عبارتی همچون «از حد خارج شدن» یا «فرا رفتن» ترجمه کرد. با این تعریف، روز اورشوت یا «روز فراروی»، به روزی در طول یک سال مشخص اطلاق می‌شود که مصرف منابع زمین توسط انسان‌ها از ظرفیت زمین برای بازسازی این منابع پیشی می‌گیرد. به عبارت دیگر، هر ساله در روز فرارَوی، نیازهای جامعه بشری فراتر از آنچه زمین در اختیار ما قرار داده است می‌رود.
نبود یا کمبود کیفی و کمی داده‌های مشاهداتی اقلیمی در مناطق مختلف میتواند منجر به عدم درک لازم در زمینه‌های مختلف مطالعات اقلیمی و پایین رفتن توان مدیریتی در زمینه‌های هواشناسی، آب‌شناسی (هیدرولوژیکی) و کشاورزی شود. اما امروزه و با پیشرفت مراکز پیش‌بینی و مدلسازی داده‌های اقلیمی همراه با ساخت تراشه‌های مدرن و ابرکامپیوترهای پیشرفته، پیش‌بینی آب و هوا با استفاده از «تلفیق داده‌های مشاهداتیِ» (observed data assimilation) مستقیم و یا سنجش از راه دور (remotely-sensed data) امکان‌پذیر شده است.
فرایند بازتحلیل داده‌های اقلیمی
با صرف انرژی و زمان مناسب می‌توان با استفاده از مدل‌های عددی پیشرفته، دمای هوا و دیگر متغیرهای جوی را در طول بازه‌های زمانی کوتاه مدت و میان مدت در آینده پیش‌بینی کرد. همچنین امکان دسترسی به داده‌های «تقریبا-بهنگام» (near real-time؛ داده‌هایی که تقریبا بلافاصله پس از مشاهده، در پیش‌بینی بدست آمده از مدل‌های عددی تلفیق می‌شوند) نیز بیش از پیش فراهم شده است.
دانشمندان چگونه تغییرات اقلیمی را در بازه‌های زمانی آینده، مثلا در ۵۰ یا ۱۰۰ سال آینده، پیش‌بینی می‌کنند؟ در حال حاضر قوی‌ترین ابزار برای ارزیابی تغییرات اقلیمی در بازه‌های زمانی آینده، «مدل‌های گردش عمومیِ جفت شده جوی-اقیانوسی» است که با عنوان «مدل‌های جهانی اقلیم» نیز شناخته می‌شوند. این مدل‌ها خصوصیات فیزیکی، چرخش‌های جوی و تغییرات دینامیکی اتمسفر زمین را تحلیل می‌کنند.
 |
| سناریوهای مختلف میزان انتشار گازهای گلخانه‌ای و تاثیر هر کدام بر میزان گرمایش میانگین دمای سالانه |
برای استفاده از مدل‌های جهانی اقلیم، از سناریوهای مختلفی استفاده می‌شود که هر کدام میزان انتشار گازهای گلخانه‌ای را در آینده با توجه به ویژگی‌های مرتبط با رشد اقتصاد جهانی، جمعیت جهان و حتی سطح آگاهی‌های اجتماعی نشان می‌دهند. تصویر بالا تعدادی از مهم‌ترین سناریوهای موجود را نشان می‌دهد.
پیش از استفاده از مدل‌های جهانی اقلیمی، ابتدا بایستی مهارت این مدل‌ها سنجیده شود. این صحت‌سنجی برای اطمینان از توانمندی مدل‌ها در تولید داده‌هایی است که از درجه اطمینان بالایی برخوردار باشند. برای این کار، مدل را برای یک دوره زمانی پایه در گذشته (دوره‌ای که داده‌های مشاهداتی واقعی آن موجود است) اجرا کرده تا داده‌های زمانی دوره پایه شبیه‌سازی (بازتولید) شود. سپس عملکرد مدل در بازتولید داده‌های گذشته ارزیابی می‌شود. برای این کار، مشخصات آماری خروجی‌های مدل با مشخصات آماری داده‌های مشاهداتی گذشته به کمک آزمون‌ها و معیارهای مختلف مقایسه می‌شوند. در صورت تطابق مشخصات آماری داده‌های مشاهداتی و داده‌های شبیه‌سازی شده مهارت مدل تایید می‌شود و وارد مرحله اصلی می‌شویم. در این مرحله، سناریوی انتخابی انتشار گازهای گلخانه‌ای در آینده به مدل داده (یا اصطلاحا خورانده) شده و خروجی‌های مدل برای ارزیابی تغییرات اقلیمی (نسبت به دوره پایه) ارزیابی می‌شوند.
البته این مدل‌ها، متغیرهای هواشناسی را در شبکه‌هایی که دقت مکانی آنها پایین و چیزی در حدود ۱۰۰ تا ۳۰۰ کیلومتر است شبیه‌سازی می‌کنند. پس اگر خروجی این مدل‌ها به طور مستقیم به عنوان ورودی مدل‌های دیگر (مثلا مدل‌های هیدرولوژیکی) مورد استفاده قرار گیرد، باعث افزایش عدم قطعیت می‌شود. برای افزایش دقت مکانی خروجی مدل‌های اقلیمی می‌توان از روش‌های «ریزمقیاس‌گردانی» استفاده کرد که این روش‌ها خود به دو دسته آماری و دینامیکی تقسیم می‌شوند. روش‌های آماری به دلیل عملکرد سریع و کارکرد ساده‌تر نسبت به روش‌های دینامیکی از محبوبیت بیشتری برخوردارند.
موسسه بین‌المللی تحقیقات اقلیمی دانشگاه کلمبیا پیش‌بینی فصلی نیمه دوم سال ۲۰۲۱ (تابستان و پاییز ۱۴۰۰) را به تازگی منتشر کرده است. متاسفانه تا الان شاخص‌ها و تحلیل‌های آماری نشان می‌دهد که بارش‌ها در بسیاری از مناطق کشور در سه ماهه سوم سال جاری ناچیز خواهد بود.
پیش‌بینی فصلی پاییز ۱۴۰۰
خشکسالی اخیر و پیش رو احتمالا در نیم قرن اخیر در ایران بی‌سابقه است. اگر این شرایط تا آغاز زمستان ۱۴۰۰ تغییر نکند، احتمالا تابستان ۱۴۰۱ شرایط بسیار پیچیده‌تر و منابع برق آبی در کشور به مراتب محدودتر از آنچه در حال حاضر شاهدش هستیم خواهند بود.
ذکر این نکته نیز لازم است که پیش‌بینی‌های احتمالاتی فصلی از تجمیع نتایج مدل‌های متعددی و با استفاده از کالیبراسیون مجدد آماری این مدل‌ها بر اساس عملکرد تاریخی آنها، حاصل می‌شود. بنابراین این مدل‌ها اطلاعات معتبری را برای طیف وسیعی از مطالعات مربوط به تصمیم‌گیری‌های مرتبط با شرایط اقلیمی فراهم می‌کنند. جامعه هدف این اطلاعات سیاست‌گذاران کلان ممالک جهان هستند، نه مردم عادی.
